Kafka簡介、基本原理、執行流程與使用場景

一、簡介

Apache Kafka是分布式發布-訂閱消息系統，在 kafka官網上對 kafka 的定義：一個分布式發布-訂閱消息傳遞系統。 它最初由LinkedIn公司開發，Linkedin于2010年貢獻給了Apache基金會并成為頂級開源項目。Kafka是一種快速、可擴展的、設計內在就是分布式的，分區的和可復制的提交日志服務。

幾種分布式系統消息系統的對比：

##二、Kafka基本架構
它的架構包括以下組件：

• 話題（Topic）：是特定類型的消息流。消息是字節的有效負載（Payload），話題是消息的分類名或種子（Feed）名；

• 生產者（Producer）：是能夠發布消息到話題的任何對象；

• 服務代理（Broker）：已發布的消息保存在一組服務器中，它們被稱為代理（Broker）或Kafka集群；

• 消費者（Consumer）：可以訂閱一個或多個話題，并從Broker拉數據，從而消費這些已發布的消息；
  

上圖中可以看出，生產者將數據發送到Broker代理，Broker代理有多個話題topic，消費者從Broker獲取數據。

三、基本原理

我們將消息的發布（publish）稱作 producer，將消息的訂閱（subscribe）表述為 consumer，將中間的存儲陣列稱作 broker(代理)，這樣就可以大致描繪出這樣一個場面：

生產者將數據生產出來，交給 broker 進行存儲，消費者需要消費數據了，就從broker中去拿出數據來，然后完成一系列對數據的處理操作。

乍一看返也太簡單了，不是說了它是分布式嗎，難道把 producer、 broker 和 consumer 放在三臺不同的機器上就算是分布式了嗎。看 kafka 官方給出的圖：

多個 broker 協同合作，producer 和 consumer 部署在各個業務邏輯中被頻繁的調用，三者通過 zookeeper管理協調請求和轉發。這樣一個高性能的分布式消息發布訂閱系統就完成了。

圖上有個細節需要注意，producer 到 broker 的過程是 push，也就是有數據就推送到 broker，而 consumer 到 broker 的過程是 pull，是通過 consumer 主動去拉數據的，而不是 broker 把數據主懂發送到 consumer 端的。

四、Zookeeper在kafka的作用

上述，提到了Zookeeper，那么Zookeeper在kafka的作用是什么？

（1）無論是kafka集群，還是producer和consumer都依賴于zookeeper來保證系統可用性集群保存一些meta信息。

（2）Kafka使用zookeeper作為其分布式協調框架，很好的將消息生產、消息存儲、消息消費的過程結合在一起。

（3）同時借助zookeeper，kafka能夠生產者、消費者和broker在內的所以組件在無狀態的情況下，建立起生產者和消費者的訂閱關系，并實現生產者與消費者的負載均衡。

五、執行流程

首先看一下如下的過程：

我們看上面的圖，我們把 broker 的數量減少，叧有一臺。現在假設我們按照上圖進行部署：

（1）Server-1 broker 其實就是 kafka 的 server，因為 producer 和 consumer 都要去還它。 Broker 主要還是做存儲用。

（2）Server-2 是 zookeeper 的 server 端，它維持了一張表，記錄了各個節點的 IP、端口等信息。

（3）Server-3、 4、 5 他們的共同之處就是都配置了 zkClient，更明確的說，就是運行前必須配置 zookeeper的地址，道理也很簡單，這之間的連接都是需要 zookeeper 來進行分發的。

（4）Server-1 和 Server-2 的關系，他們可以放在一臺機器上，也可以分開放，zookeeper 也可以配集群。目的是防止某一臺掛了。

簡單說下整個系統運行的順序：

• 啟動zookeeper 的 server

• 啟動kafka 的 server

• Producer 如果生產了數據，會先通過 zookeeper 找到 broker，然后將數據存放到 broker

• Consumer 如果要消費數據，會先通過 zookeeper 找對應的 broker，然后消費。

六、Kafka的特性

（1）高吞吐量、低延遲：kafka每秒可以處理幾十萬條消息，它的延遲最低只有幾毫秒，每個topic可以分多個partition, consumer group 對partition進行consume操作；

（2）可擴展性：kafka集群支持熱擴展；

（3）持久性、可靠性：消息被持久化到本地磁盤，并且支持數據備份防止數據丟失；

（4）容錯性：允許集群中節點失敗（若副本數量為n,則允許n-1個節點失敗）；

（5）高并發：支持數千個客戶端同時讀寫；

（6）支持實時在線處理和離線處理：可以使用Storm這種實時流處理系統對消息進行實時進行處理，同時還可以使用Hadoop這種批處理系統進行離線處理；

七、Kafka的使用場景

（1）日志收集：一個公司可以用Kafka可以收集各種服務的log，通過kafka以統一接口服務的方式開放給各種consumer，例如Hadoop、Hbase、Solr等；

（2）消息系統：解耦和生產者和消費者、緩存消息等；

（3）用戶活動跟蹤：Kafka經常被用來記錄web用戶或者app用戶的各種活動，如瀏覽網頁、搜索、點擊等活動，這些活動信息被各個服務器發布到kafka的topic中，然后訂閱者通過訂閱這些topic來做實時的監控分析，或者裝載到Hadoop、數據倉庫中做離線分析和挖掘；

（4）運營指標：Kafka也經常用來記錄運營監控數據。包括收集各種分布式應用的數據，生產各種操作的集中反饋，比如報警和報告；

（5）流式處理：比如spark streaming和storm；

（6）事件源；