kafka是什么？

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

kafka基础架构

基本概念

1. Producer：消息生产者，就是向Kafka broker发消息的客户端
2. Consumer：消息消费者，向Kafka broker 获取消息的客户端。
3. Consumer Group（CG）：消费者组，由多个consumer组成。消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费；消费者组之间互不影响，所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。
4. Broker：一台Kafka服务器就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic。
5. Topic：可以理解为一个队列，生产者和消费者面向的都是一个topic。
6. Partition：为了实现扩展性，一个非常大的topic可以分布到多个broker（即服务器）上，一个topic可以分为多个partition，每个partition是一个有序的队列。
7. Replica：副本。一个 topic 的每个分区都有若干个副本，一个 Leader 和若干个 Follower。（不对外提供服务，即不予客户端程序进行交互）
8. Leader：每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对象都是Leader。
9. Follower：每个分区多个副本中的“从”，实时从Leader中同步数据，保持和Leader数据的同步。Leader发生故障时，某个Follower会成为新的Leader。

备注解释：

• 为方便扩展，并提高吞吐量，一个topic分为多个partition。
• 配合分区的设计，提出消费者组的概念，组内每个消费者并行消费。
• 为提高可用性，为每个partition增加若干副本，类似NameNodeHA。
• ZK中记录谁是leader，Kafka2.8.0以后也可以配置不采用ZK。
• 副本是在分区这个层级定义的。每个分区可以配置若干个副本，其中只能有一个领导者和N-1个追随者副本。
• 生产者向分区写入消息，每条消息在分区中的位置信息都会位移（offset）来表征。

kafka的消息三层架构

1. 第一层为主题层，每个主题可以配置M个分区，而每个分区又可以配置N个副本。
2. 第二层是分区层，每个分区的N个副本只能有一个能充当领导者角色，对外提供服务；其他N-1个副本是追随者副本，只是提供数据冗余。
3. 第三层是消息层，分区中包含若干个消息，每条消息的位移从0开始，依次递增。客服端程序只能与分区的领导者副本进行交互。

kafaka的消息持久化

基本概念

kafka使用消息日志（Log）来保存数据，一个日志就是一个只能追加写的消息的物理文件。（因为只能追加写，故避免了缓慢的随机IO,改为性能更好的顺序IO写操作）

关于日志

kafka中的日志段机制：在kafka底层，一个日志会进一步被细分成多个日志段，消息被追加到最新的日志段中，当写满了一个日志段之后，kafka会自动切分出一个新的日志段，并将老的日志段封存起来。同时kafka会在后台有定时任务定期检查老的日志段看是否能够删除，从而实现回收磁盘空间的目的。

日志段分为活跃日志段和非活跃日志段，只有活跃日志段(当前日志段，一个分区只可能存在一个)可以被写入和读取，非活跃日志段只能被读取。

日志中存放着消息集合的起始位移、结束位移、时间戳以及具体的消息的位移、时间戳、header还有内容(payload)等信息。