一、Kafka基礎(chǔ)

消息系統(tǒng)的作用

應(yīng)該大部分小伙伴都清楚，用機(jī)油裝箱舉個(gè)例子：

消息系統(tǒng)就是我們所說(shuō)的倉(cāng)庫(kù)，能在中間過(guò)程作為緩存，并且實(shí)現(xiàn)解耦合的作用。

引入一個(gè)場(chǎng)景，我們知道中國(guó)移動(dòng)，中國(guó)聯(lián)通，中國(guó)電信的日志處理，是交給外包去做大數(shù)據(jù)分析的，假設(shè)現(xiàn)在它們的日志都交給了你做的系統(tǒng)去做用戶(hù)畫(huà)像分析。

按照剛剛前面提到的消息系統(tǒng)的作用，我們知道了消息系統(tǒng)其實(shí)就是一個(gè)模擬緩存，且僅僅是起到了緩存的作用而并不是真正的緩存，數(shù)據(jù)仍然是存儲(chǔ)在磁盤(pán)上面而不是內(nèi)存。

1.Topic 主題

kafka學(xué)習(xí)了數(shù)據(jù)庫(kù)里面的設(shè)計(jì)，在里面設(shè)計(jì)了topic（主題），這個(gè)東西類(lèi)似于關(guān)系型數(shù)據(jù)庫(kù)的表。

此時(shí)我需要獲取中國(guó)移動(dòng)的數(shù)據(jù)，那就直接監(jiān)聽(tīng)TopicA即可。

2.Partition 分區(qū)

kafka還有一個(gè)概念叫Partition（分區(qū)），分區(qū)具體在服務(wù)器上面表現(xiàn)起初就是一個(gè)目錄，一個(gè)主題下面有多個(gè)分區(qū)，這些分區(qū)會(huì)存儲(chǔ)到不同的服務(wù)器上面，或者說(shuō)，其實(shí)就是在不同的主機(jī)上建了不同的目錄。這些分區(qū)主要的信息就存在了.log文件里面。跟數(shù)據(jù)庫(kù)里面的分區(qū)差不多，是為了提高性能。

至于為什么提高了性能，很簡(jiǎn)單，多個(gè)分區(qū)多個(gè)線(xiàn)程，多個(gè)線(xiàn)程并行處理肯定會(huì)比單線(xiàn)程好得多。

Topic和partition像是HBASE里的table和region的概念，table只是一個(gè)邏輯上的概念，真正存儲(chǔ)數(shù)據(jù)的是region，這些region會(huì)分布式地存儲(chǔ)在各個(gè)服務(wù)器上面，對(duì)應(yīng)于kafka，也是一樣，Topic也是邏輯概念，而partition就是分布式存儲(chǔ)單元。

這個(gè)設(shè)計(jì)是保證了海量數(shù)據(jù)處理的基礎(chǔ)。我們可以對(duì)比一下，如果HDFS沒(méi)有block的設(shè)計(jì)，一個(gè)100T的文件也只能單獨(dú)放在一個(gè)服務(wù)器上面，那就直接占滿(mǎn)整個(gè)服務(wù)器了，引入block后，大文件可以分散存儲(chǔ)在不同的服務(wù)器上。

注意：

1. 分區(qū)會(huì)有單點(diǎn)故障問(wèn)題，所以我們會(huì)為每個(gè)分區(qū)設(shè)置副本數(shù)

2. 分區(qū)的編號(hào)是從0開(kāi)始的

3.Producer - 生產(chǎn)者

往消息系統(tǒng)里面發(fā)送數(shù)據(jù)的就是生產(chǎn)者

4.Consumer - 消費(fèi)者

從kafka里讀取數(shù)據(jù)的就是消費(fèi)者

5.Message - 消息

kafka里面的我們處理的數(shù)據(jù)叫做消息

二、kafka的集群架構(gòu)

創(chuàng)建一個(gè)TopicA的主題，3個(gè)分區(qū)分別存儲(chǔ)在不同的服務(wù)器，也就是broker下面。Topic是一個(gè)邏輯上的概念，并不能直接在圖中把Topic的相關(guān)單元畫(huà)出。

需要注意：kafka在0.8版本以前是沒(méi)有副本機(jī)制的，所以在面對(duì)服務(wù)器宕機(jī)的突發(fā)情況時(shí)會(huì)丟失數(shù)據(jù)，所以盡量避免使用這個(gè)版本之前的kafka

Replica - 副本

kafka中的partition為了保證數(shù)據(jù)安全，所以每個(gè)partition可以設(shè)置多個(gè)副本。

此時(shí)我們對(duì)分區(qū)0,1,2分別設(shè)置3個(gè)副本（其實(shí)設(shè)置兩個(gè)副本是比較合適的）

而且其實(shí)每個(gè)副本都是有角色之分的，它們會(huì)選取一個(gè)副本作為leader，而其余的作為follower，我們的生產(chǎn)者在發(fā)送數(shù)據(jù)的時(shí)候，是直接發(fā)送到leader partition里面。

然后follower partition會(huì)去leader那里自行同步數(shù)據(jù)，消費(fèi)者消費(fèi)數(shù)據(jù)的時(shí)候，也是從leader那去消費(fèi)數(shù)據(jù)的。

Consumer Group - 消費(fèi)者組

我們?cè)谙M(fèi)數(shù)據(jù)時(shí)會(huì)在代碼里面指定一個(gè)group.id,這個(gè)id代表的是消費(fèi)組的名字，而且這個(gè)group.id就算不設(shè)置，系統(tǒng)也會(huì)默認(rèn)設(shè)置

conf.setProperty("group.id","tellYourDream")

我們所熟知的一些消息系統(tǒng)一般來(lái)說(shuō)會(huì)這樣設(shè)計(jì)，就是只要有一個(gè)消費(fèi)者去消費(fèi)了消息系統(tǒng)里面的數(shù)據(jù)，那么其余所有的消費(fèi)者都不能再去消費(fèi)這個(gè)數(shù)據(jù)。

可是kafka并不是這樣,比如現(xiàn)在consumerA去消費(fèi)了一個(gè)topicA里面的數(shù)據(jù)。

consumerA: group.id = a
consumerB: group.id = a

consumerC: group.id = b
consumerD: group.id = b

再讓consumerB也去消費(fèi)TopicA的數(shù)據(jù)，它是消費(fèi)不到了，但是我們?cè)赾onsumerC中重新指定一個(gè)另外的group.id，consumerC是可以消費(fèi)到topicA的數(shù)據(jù)的。而consumerD也是消費(fèi)不到的，所以在kafka中，不同組可有唯一的一個(gè)消費(fèi)者去消費(fèi)同一主題的數(shù)據(jù)。

所以消費(fèi)者組就是讓多個(gè)消費(fèi)者并行消費(fèi)信息而存在的，而且它們不會(huì)消費(fèi)到同一個(gè)消息，如下，consumerA，B，C是不會(huì)互相干擾的

consumer group:a
    consumerA
    consumerB
    consumerC

因?yàn)榍懊嫣岬竭^(guò)了消費(fèi)者會(huì)直接和leader建立聯(lián)系，所以它們分別消費(fèi)了三個(gè)leader，所以一個(gè)分區(qū)不會(huì)讓消費(fèi)者組里面的多個(gè)消費(fèi)者去消費(fèi)，但是在消費(fèi)者不飽和的情況下，一個(gè)消費(fèi)者是可以去消費(fèi)多個(gè)分區(qū)的數(shù)據(jù)的。

Controller

熟知一個(gè)規(guī)律：在大數(shù)據(jù)分布式文件系統(tǒng)里面，95%的都是主從式的架構(gòu)，個(gè)別是對(duì)等式的架構(gòu)，比如ElasticSearch。

kafka也是主從式的架構(gòu)，主節(jié)點(diǎn)就叫controller，其余的為從節(jié)點(diǎn)，controller是需要和zookeeper進(jìn)行配合管理整個(gè)kafka集群。

kafka和zookeeper如何配合工作

kafka嚴(yán)重依賴(lài)于zookeeper集群（所以之前的zookeeper文章還是有點(diǎn)用的）。

所有的broker在啟動(dòng)的時(shí)候都會(huì)往zookeeper進(jìn)行注冊(cè)，目的就是選舉出一個(gè)controller，這個(gè)選舉過(guò)程非常簡(jiǎn)單粗暴，就是一個(gè)誰(shuí)先誰(shuí)當(dāng)?shù)倪^(guò)程，不涉及什么算法問(wèn)題。

那成為controller之后要做啥呢，它會(huì)監(jiān)聽(tīng)zookeeper里面的多個(gè)目錄，例如有一個(gè)目錄/brokers/，其他從節(jié)點(diǎn)往這個(gè)目錄上注冊(cè)（就是往這個(gè)目錄上創(chuàng)建屬于自己的子目錄而已）自己，這時(shí)命名規(guī)則一般是它們的id編號(hào)，比如/brokers/0,1,2

注冊(cè)時(shí)各個(gè)節(jié)點(diǎn)必定會(huì)暴露自己的主機(jī)名，端口號(hào)等等的信息，此時(shí)controller就要去讀取注冊(cè)上來(lái)的從節(jié)點(diǎn)的數(shù)據(jù)（通過(guò)監(jiān)聽(tīng)機(jī)制），生成集群的元數(shù)據(jù)信息，之后把這些信息都分發(fā)給其他的服務(wù)器，讓其他服務(wù)器能感知到集群中其它成員的存在。

此時(shí)模擬一個(gè)場(chǎng)景，我們創(chuàng)建一個(gè)主題（其實(shí)就是在zookeeper上/topics/topicA這樣創(chuàng)建一個(gè)目錄而已），kafka會(huì)把分區(qū)方案生成在這個(gè)目錄中，此時(shí)controller就監(jiān)聽(tīng)到了這一改變，它會(huì)去同步這個(gè)目錄的元信息，然后同樣下放給它的從節(jié)點(diǎn)，通過(guò)這個(gè)方法讓整個(gè)集群都得知這個(gè)分區(qū)方案，此時(shí)從節(jié)點(diǎn)就各自創(chuàng)建好目錄等待創(chuàng)建分區(qū)副本即可。這也是整個(gè)集群的管理機(jī)制。

加餐時(shí)間

1.Kafka性能好在什么地方？

① 順序?qū)?/strong>

00000000000000000000.index 00000000000000000000.log 00000000000000000000.timeindex 00000000000005367851.index 00000000000005367851.log 00000000000005367851.timeindex 00000000000009936472.index 00000000000009936472.log 00000000000009936472.timeindex 

特別推薦一個(gè)分享架構(gòu)+算法的優(yōu)質(zhì)內(nèi)容，還沒(méi)關(guān)注的小伙伴，可以長(zhǎng)按關(guān)注一下：
																			

																				

																				

																					
																				


																			
長(zhǎng)按訂閱更多精彩▼
																				

																			
如有收獲，點(diǎn)個(gè)在看，誠(chéng)摯感謝