KAFKA的个人理解欢迎赏析

上篇博客说过近期做的交易日志剥离，准备了三个方案，第一个是RestTemplate,第二就是
kafka，其三是PostMethod,因为找了不少资料，将kafka的运行原理之类的看了一边，此篇
就着重讲解kafka是怎么工作的及kafka的几个模块各及有什么用处。

什么是kafka

Kafka 是分布式发布-订阅消息系统。它最初由 LinkedIn 公司开发，使用 Scala语言编写,之后成为 Apache 项目的一部分。Kafka 是一个分布式的，可划分的，多订阅者,冗余备份的持久性的日志服务。它主要用于处理活跃的流式数据。

kafka的优点

1. 消息被处理的状态是在 consumer 端维护，而不是由 server 端维护。当失败时能自动平衡。
2. 可进行持久化操作。将消息持久化到磁盘，因此可用于批量消费，例如 ETL，以及实时应用程序。通过将数据持久化到硬盘以及 replication 防止数据丢失。
3. 分布式系统，易于向外扩展。所有的 producer、broker 和 consumer 都会有多个，均为分布式的。无需停机即可扩展机器。
4. 同时为发布和订阅提供高吞吐量。据了解，Kafka 每秒可以生产约 25 万消息（50 MB），每秒处理 55 万消息（110 MB）
5. kafka采用的是文本日志有序的方式来记录信息的，和内存没有关系，全部将接受的信息持久化到硬盘上，接收和消费互不影响，大大提高了IO效率

kagka的逻辑架构

如上图

1. Producer 特指消息的生产者
2. Consumer 特指消息的消费者
3. Consumer Group 消费者组，可以并行消费Topic中partition的消息
4. Broker：缓存代理，Kafa 集群中的一台或多台服务器统称为 broker
5. Topic：特指 Kafka 处理的消息源（feeds of messages）的不同分类
6. Partition：Topic 物理上的分组，一个 topic 可以分为多个 partition，每个 partition 是一个有序的队列。partition 中的每条消息都会被分配一个有序的 id（offset）。
7. Message：消息，是通信的基本单位，每个 producer 可以向一个 topic（主题）发布一些消息。
8. Producers：消息和数据生产者，向 Kafka 的一个 topic 发布消息的过程叫做 producers。
9. Consumers：消息和数据消费者，订阅 topics 并处理其发布的消息的过程叫做 consumers。

个人对此处的理解

每个Broker都是一个节点，Broker对映这一个id，集群每个Broker的id不能一致，两个
Broker及以上就形成了集群，每个Broker之间可以建立多个topic,不同的topic之间存不
同的日志文件，看认为交易的，外围数据的，可以按项目模块划分为多个topic，每个
topic之间还可以分多个Partition，日志文件就是记录在Partition上的，读操作不会阻塞
写操作和其他操作，数据大小不对性能产生影响；没有容量限制（相对于内存来说）
的硬盘空间建立消息系统； 线性访问磁盘，速度快，可以保存任意一段时间。
每个信息在被Partition的时候都会存在一个偏移量（offset），相当与这个数据的索引，
并且kafka用的是稀疏索引，这样就保证了索引的大小要比日志文件小很多，不至于占
更多硬盘，每个Partition都是一份独立的文件，另一方面也防止linux限制了的文件大小，
导致数据无法插入。

稀疏索引

Kafka的Message组成##

1. Message消息：是通信的基本单位，每个 producer 可以向一个 topic（主题）发布一些消息。
2. Kafka中的Message是以topic为基本单位组织的，不同的topic之间是相互独立的。每个topic又可以分成几个不同的partition(每个topic有几个partition是在创建topic时指定的)，每个partition存储一部分Message。
3. partition中的每条Message包含了以下三个属性：
   offset 对应类型：long
   MessageSize 对应类型：int32
   data 是message的具体内容

Kafka的Consumers##

1. 消息和数据消费者，订阅 topics 并处理其发布的消息的过程叫做 consumers。

2. 在 kafka中,我们 可以认为一个group是一个“订阅者”,一个Topic中的每个partions,只会被一个“订阅者”中的一个consumer消费,不过一个 consumer可以消费多个partitions中的消息（消费者数据小于Partions的数量时）

3. kafka的设计原理决定,对于一个topic,同一个group中不能有多于partitions个数的consumer同时消费,否则将意味着某些consumer将无法得到消息.

即partitions与consumer 是多对一的关系，不能是一对多。

事务传输的定义

1. at most once: 最多一次,这个和JMS中"非持久化"消息类似.发送一次,无论成败,将不会重发.
2. at least once: 消息至少发送一次,如果消息未能接受成功,可能会重发,直到接收成功.
3. exactly once: 消息只会发送一次.

生产中消费者fetch消息,然后处理消息,然后保存offset.如果消息处理成功之后,但是在保存
offset阶段zookeeper异常导致保存操作未能执行成功,这就导致接下来再次fetch时可能获
得上次已经处理过的消息,这就是"at least once"，原因offset没有及时的提交给
zookeeper，zookeeper恢复正常还是之前offset状态.因为大多只采用第二次的情况，
毕竟日志只是统计的，而且多存储总一条数据比数据丢失要好的多。

总结

kafka的存储系统采用的是线性的访问磁盘直接将数据写入到日志文件中，写操作：通过将数据追加到文件中实现，读操作：读的时候从文件中读就好了，.Broker没有副本机制，一旦broker宕机，该broker的消息将都不可用。无状态导致消息的删除成为难题（可能删除的消息正在被订阅），kafka采用基于时间的SLA(服务水平保证)，消息保存一定时间（通常为7天，可配置）后会被删除，由于broker并不保存消息状态，所以接收到的消息并不知道有没
有被消费，现在kafka用的都是zookeeperr集群，zookeeper上会保存最新消费的信息的索
引。这样就保证了服务器重启后，也能从zookeeper上准确的获取没有消费的记录的索引，
broker接收的信息不会主动发送给消费者，这样也减轻了broker的服务压力，他只会通知zookeeper,zookeeper会通知消费者，消费者会主动过来拉取数据进行消费。

集群通信方式

broker上消息的接收和消费可以采用异步的方式，可以指定当消息存储带一定条数，或者一
定大小的时候再进行存储或者被消费，这样可以减少IO次数，减轻服务器压力。