一、Kafka 基础
消息系统的作用
所以消息系统就是如上图我们所说的仓库，能在中间过程作为缓存，并且实现解耦合的作用。
引入一个场景，我们知道中国移动，中国联通，中国电信的日志处理，是交给外包去做大数据分析的，假设现在它们的日志都交给了你做的系统去做用户画像分析。
按照刚刚前面提到的消息系统的作用，我们知道了消息系统其实就是一个模拟缓存，且仅仅是起到了缓存的作用而并不是真正的缓存，数据仍然是存储在磁盘上面而不是内存。
1.Topic 主题
kafka 学习了数据库里面的设计，在里面设计了topic（主题），这个东西类似于关系型数据库的表。
此时我需要获取中国移动的数据，那就直接监听 TopicA 即可
2.Partition 分区
kafka还有一个概念叫Partition（分区），分区具体在服务器上面表现起初就是一个目录，一个主题下面有多个分区，这些分区会存储到不同的服务器上面，或者说，其实就是在不同的主机上建了不同的目录。这些分区主要的信息就存在了.log文件里面。跟数据库里面的分区差不多，是为了提高性能。
至于为什么提高了性能，很简单，多个分区多个线程，多个线程并行处理肯定会比单线程好得多。
Topic 和 partition 像是 HBASE 里的 table 和 region 的概念，table 只是一个逻辑上的概念，真正存储数据的是 region，这些 region 会分布式地存储在各个服务器上面，对应于kafka，也是一样，Topic 也是逻辑概念，而 partition 就是分布式存储单元。
这个设计是保证了海量数据处理的基础。我们可以对比一下，如果 HDFS 没有 block 的设计，一个 100T 的文件也只能单独放在一个服务器上面，那就直接占满整个服务器了，引入 block后，大文件可以分散存储在不同的服务器上。
- 分区会有单点故障问题，所以我们会为每个分区设置副本数
3.Producer - 生产者
4.Consumer - 消费者
5.Message - 消息
kafka 里面的我们处理的数据叫做消息。
二、kafka的集群架构
创建一个 TopicA 的主题，3个分区分别存储在不同的服务器，也就是 broker 下面。Topic 是一个逻辑上的概念，并不能直接在图中把 Topic 的相关单元画出。
需要注意：kafka在0.8版本以前是没有副本机制的，所以在面对服务器宕机的突发情况时会丢失数据，所以尽量避免使用这个版本之前的kafka。
Replica - 副本
kafka 中的 partition 为了保证数据安全，所以每个 partition 可以设置多个副本。
此时我们对分区 0，1，2 分别设置 3 个副本（其实设置两个副本是比较合适的）。
而且其实每个副本都是有角色之分的，它们会选取一个副本作为 leader，而其余的作为follower，我们的生产者在发送数据的时候，是直接发送到 leader partition 里面，然后follower partition 会去 leader 那里自行同步数据，消费者消费数据的时候，也是从leader那去消费数据的。
Consumer Group - 消费者组
我们在消费数据时会在代码里面指定一个 group.id，这个 id 代表的是消费组的名字，而且这个 group.id 就算不设置，系统也会默认设置。
conf.setProperty(
"group.id"
,
"tellYourDream"
)
我们所熟知的一些消息系统一般来说会这样设计，就是只要有一个消费者去消费了消息系统里面的数据，那么其余所有的消费者都不能再去消费这个数据。可是 kafka 并不是这样,比如现在 consumerA 去消费了一个 topicA 里面的数据。
consumerA:
group
.id = a
consumerB:
group
.id = a
consumerC:
group
.id = b
consumerD:
group
.id = b
再让 consumerB 也去消费 TopicA 的数据，它是消费不到了，但是我们在 consumerC中重新指定一个另外的 group.id，consumerC 是可以消费到 topicA 的数据的。而consumerD 也是消费不到的，所以在 kafka 中，不同组可有唯一的一个消费者去消费同一主题的数据。
所以消费者组就是让多个消费者并行消费信息而存在的，而且它们不会消费到同一个消息，如下，consumerA，B，C是不会互相干扰的。
consumer
group
:a
consumerA
consumerB
consumerC
如图，因为前面提到过了消费者会直接和leader建立联系，所以它们分别消费了三个leader，所以一个分区不会让消费者组里面的多个消费者去消费，但是在消费者不饱和的情况下，一个消费者是可以去消费多个分区的数据的。
Controller
熟知一个规律：在大数据分布式文件系统里面，95%的都是主从式的架构，个别是对等式的架构，比如 ElasticSearch。
kafka也是主从式的架构，主节点就叫controller，其余的为从节点，controller是需要和zookeeper 进行配合管理整个kafka集群。
kafka和zookeeper如何配合工作
kafka严重依赖于zookeeper集群（所以之前的zookeeper文章还是有点用的）。所有的broker在启动的时候都会往zookeeper进行注册，目的就是选举出一个controller，这个选举过程非常简单粗暴，就是一个谁先谁当的过程，不涉及什么算法问题。
那成为controller之后要做啥呢，它会监听zookeeper里面的多个目录，例如有一个目录/brokers/，其他从节点往这个目录上
注册（就是往这个目录上创建属于自己的子目录而已）
自己，这时命名规则一般是它们的id编号，比如/brokers/0，1，2
注册时各个节点必定会暴露自己的主机名，端口号等等的信息，此时controller就要去读取注册上来的从节点的数据（通过监听机制），生成集群的元数据信息，之后把这些信息都分发给其他的服务器，让其他服务器能感知到集群中其它成员的存在。
此时模拟一个场景，我们创建一个主题（其实就是在zookeeper上/topics/topicA这样创建一个目录而已），kafka会把分区方案生成在这个目录中，此时controller就监听到了这一改变，它会去同步这个目录的元信息，然后同样下放给它的从节点，通过这个方法让整个集群都得知这个分区方案，此时从节点就各自创建好目录等待创建分区副本即可。这也是整个集群的管理机制。
本文版权归原作者所有，若所引用的图片、数据、文字等来源标注有误或涉及侵权或内容不完整，请及时联系处理。
来源：
https://juejin.cn/post/6844903999066341384
觉得本文有用，请
转发
或点击
“赏”
，让更多同行看到
-
四个可以高度利用的 Kafka 优化实践
-
Kafka 多种跨 IDC 灾备方案调研对比
-
Kafka 容错及高可用原理
-
Kafka 容错及高可用测试
欢迎关注社区
“Kafka”技术主题
，将会不断更新优质资料、文章。地址：
https://www.talkwithtrend.com/Topic/111827/doc
下载 twt 社区客户端 APP
长按识别二维码即可下载
或到应用商店搜索“twt”
*本公众号所发布内容仅代表作者观点，不代表社区立场
