kafka学习--第一章 kafka的基本架构与角色

一、kafka的基础架构

kafka是一个分布式的基于发布/订阅模式的消息队列，主要应用于大数据实时处理领域。

　  kafka的具体架构如图：

　　学习kafka的架构前，我们需要了解图中的每个角色：

　　（1）consumer group 消费者组：这是kafka消息队列特有的角色，它是一堆消费组组合成的。消费者组中的每个消费者负责消费不同分区的数据，一个分区只能一个消费者消费，它们互不影响。

　　（2）broker：一台kafka服务器就是一个broker，一个broker可以有多个topic。

　　（3）topic：可以看做是一个队列。

　　（4）partition：为了实现扩展性，一个非常大的topic可以有分成多个partition，它们可以分布在多个broker上。

　　了解完角色后，我们就可以来分析它的架构图了：

　　（1）kafka为了方便扩展和提高吞吐量，引入了一个partition角色，实际上就是为了对一个大队列进行分区操作。

　　（2）同样的，在为了配合kafka中的分区设计，也给了消费者端提供了一个消费者组的概念，组内的每个消费者并行消费信息。

　　（3）为了提供可用性，kafka给每个分区partition增加了若干个副本，这些副本采用了leader与flower的机制进行工作。

二、kafka生产者以及队列topic

1.partition分区的原则

　　在kafka提供的API中，生存者发送消息时需要传递三个参数：

　　（1）String value 要发送的消息。

　　（2）String key    kafka自定义的分区。

　　（3）Integer partition  用户指定的分区。

　　kafaka的分区原则就和这三个参数有关，大致如下：

　　（1）如果传递时指定了partition的值，那么kafka会往指定的分区发送数据。

　　（2）如果没有指定partition的值，但是传递了key，kafka会自动生成一个partition值，它是将key的hash值与topic的partition值进行取余，得到的值就是kafka生成的partition的值。

　　（3）如果partition和key都没有进行传递，kafka则会随机生成一个key，是一个整数，以后每次生成都是在这个整数上加一。

　　2.数据的可靠性

　　kafka是一个非常强大的消息队列，它能够保存数据的可靠性。简单的来说它能够保证不会丢数据。那么它是如何完成的呢，如图：

在生产者端可以看到，kafka是有一个失败重试的机制，当消息发送失败时会再次尝试发送，那么生产者是如何判定消息发送失败了呢。

　　为了实现数据的可靠性，kafka引入了一个对象：ack。生产者发送消息后，会收到kafka发送的这个ack对象，如果在一定时间后生产者还没有收到ack，那么生产者会尝试再次发送消息。

　　对于ack还有一个问题，就是在什么时候发送ack给生产者。因为我们在前面介绍了，kafka中每个partition是有个多个副本的，这些副本的leader接收数据，follwer则进行同步数据，因此ack是在同步完成后发送ack，还是leader接收后进行发送ack呢。

　　在kafka中采用的是所有的follwer都同步完成后再发送ack，这样虽然会照成网络的延迟，但是网络延迟对于kafka来说影响较小。

 　　3.副本的集合ISR

　　ISR是和leader保持同步的follwer集合。当ISR中所有follwer同步完成后，leader给生产者ack。如果有那个follwer长时间没有进行数据同步，那么ISR会踢掉这个follwer。

三、消费者

　　1.kafka的消费方式

　　kafka采用的是pull（拉）模式进行消费数据，也就是消费者能读取多少数据则拉多少数据进行消费。但是pull模式有一个缺点：如果队列中没有数据，消费者会一直去拉取数据。为了解决这个问题，kafka设置了空数据检测机制。

　　2.分区分配策略

　　在kafka中发送的消息指定的不是单个消费者，而是整个消费者组，因此每个消费者消费的分区也是有规则的：

　　a.轮询规则 roundrobin

　　轮询分配的方式非常简单，将每个分区通过轮询的方式分配给消费者

　　b.范围规则 range

　　指定消费者消费指定范围的分区。