kafka高吞吐量的原因

• 顺序读写

kafka的消息是不断追加到文件中的，这个特性使kafka可以充分利用磁盘的顺序读写性能
顺序读写不需要硬盘磁头的寻道时间，只需很少的扇区旋转时间，所以速度远快于随机读写

• 零拷贝

在Linux kernel2.2 之后出现了一种叫做"零拷贝(zero-copy)"系统调用机制，就是跳过“用户缓冲区”的拷贝，建立一个磁盘空间和内存的直接映射，数据不再复制到“用户态缓冲区

• 分区

kafka中的topic中的内容可以被分为多分partition存在,每个partition又分为多个段segment,所以每次操作都是针对一小部分做操作，很轻便，并且增加并行操作的能力

• 批量发送

kafka允许进行批量发送消息，producter发送消息的时候，可以将消息缓存在本地,等到了固定条件发送到kafka

等消息条数到固定条数
一段时间发送一次

• 数据压缩

Kafka还支持对消息集合进行压缩，Producer可以通过GZIP或Snappy格式对消息集合进行压缩 压缩的好处就是减少传输的数据量，减轻对网络传输的压力,批量发送和数据压缩一起使用,单条做数据压缩的话，效果不明显.

• topic、partition、segment

topic 划分为多个partition
一个topic可以分割成多个partition,如果不划分之前，一个topic只能在一台broker上面，能够存储的信息体就会受到单机的限制。分割成多个partition的话，每个partition可以分布在不同的broker上面，那么一个topic上面的内容可以被存储到很多台机器上面，实现了topic的横向拓展。
多个partition的消费可以并发进行，提交了处理并发能力

• partition划分为多个segment file

parition是文件夹，segment是文件夹里面的文件(一个数据文件+一个索引文件)

如果不划分segment的话，一个分区partition内部的数据都会被记录到同一个文件，那么对应已经过期的数据，删除就会变得很麻烦。如果一个partition中分成多个segment的话，只需要对已经过期的segment文件整个删除就行了