大白話帶你認識 Kafka，背後原理如此簡單~
一、Kafka 基礎
消息系統的作用
應該大部份小夥伴都清楚，用機油裝箱舉個例子
所以消息系統就是如上圖我們所說的倉庫，能在中間過程作爲緩存，並且實現解耦合的作用。
引入一個場景，我們知道中國移動，中國聯通，中國電信的日誌處理，是交給外包去做大數據分析的，假設現在它們的日誌都交給了你做的系統去做用戶畫像分析。
按照剛剛前面提到的消息系統的作用，我們知道了消息系統其實就是一個模擬緩存，且僅僅是起到了緩存的作用而並不是真正的緩存，數據仍然是存儲在磁盤上面而不是內存。
1、Topic 主題
kafka 學習了數據庫裏面的設計，在裏面設計了 topic（主題），這個東西類似於關係型數據庫的表。
此時我需要獲取中國移動的數據，那就直接監聽 TopicA 即可
2、Partition 分區
kafka 還有一個概念叫 Partition（分區），分區具體在服務器上面表現起初就是一個目錄，一個主題下面有多個分區，這些分區會存儲到不同的服務器上面，或者說，其實就是在不同的主機上建了不同的目錄。這些分區主要的信息就存在了. log 文件裏面。跟數據庫裏面的分區差不多，是爲了提高性能。
至於爲什麼提高了性能，很簡單，多個分區多個線程，多個線程並行處理肯定會比單線程好得多
Topic 和 partition 像是 HBASE 裏的 table 和 region 的概念，table 只是一個邏輯上的概念，真正存儲數據的是 region，這些 region 會分佈式地存儲在各個服務器上面，對應於 kafka，也是一樣，Topic 也是邏輯概念，而 partition 就是分佈式存儲單元。
這個設計是保證了海量數據處理的基礎。我們可以對比一下，如果 HDFS 沒有 block 的設計，一個 100T 的文件也只能單獨放在一個服務器上面，那就直接佔滿整個服務器了，引入 block 後，大文件可以分散存儲在不同的服務器上。
-
分區會有單點故障問題，所以我們會爲每個分區設置副本數
-
分區的編號是從 0 開始的
3、Producer - 生產者
往消息系統裏面發送數據的就是生產者
4、Consumer - 消費者
從 kafka 裏讀取數據的就是消費者
5、Message - 消息
kafka 裏面的我們處理的數據叫做消息
二、kafka 的集羣架構
創建一個 TopicA 的主題，3 個分區分別存儲在不同的服務器，也就是 broker 下面。Topic 是一個邏輯上的概念，並不能直接在圖中把 Topic 的相關單元畫出
需要注意：kafka 在 0.8 版本以前是沒有副本機制的，所以在面對服務器宕機的突發情況時會丟失數據，所以儘量避免使用這個版本之前的 kafka
Replica - 副本
kafka 中的 partition 爲了保證數據安全，所以每個 partition 可以設置多個副本。
此時我們對分區 0，1，2 分別設置 3 個副本（其實設置兩個副本是比較合適的）
而且其實每個副本都是有角色之分的，它們會選取一個副本作爲 leader，而其餘的作爲 follower，我們的生產者在發送數據的時候，是直接發送到 leader partition 裏面，然後 follower partition 會去 leader 那裏自行同步數據，消費者消費數據的時候，也是從 leader 那去消費數據的。
Consumer Group - 消費者組
我們在消費數據時會在代碼裏面指定一個 group.id，這個 id 代表的是消費組的名字，而且這個 group.id 就算不設置，系統也會默認設置。
我們所熟知的一些消息系統一般來說會這樣設計，就是隻要有一個消費者去消費了消息系統裏面的數據，那麼其餘所有的消費者都不能再去消費這個數據。可是 kafka 並不是這樣, 比如現在 consumerA 去消費了一個 topicA 裏面的數據。
再讓 consumerB 也去消費 TopicA 的數據，它是消費不到了，但是我們在 consumerC 中重新指定一個另外的 group.id，consumerC 是可以消費到 topicA 的數據的。而 consumerD 也是消費不到的，所以在 kafka 中，不同組可有唯一的一個消費者去消費同一主題的數據。
所以消費者組就是讓多個消費者並行消費信息而存在的，而且它們不會消費到同一個消息，如下，consumerA，B，C 是不會互相干擾的
如圖，因爲前面提到過了消費者會直接和 leader 建立聯繫，所以它們分別消費了三個 leader，所以一個分區不會讓消費者組裏面的多個消費者去消費，但是在消費者不飽和的情況下，一個消費者是可以去消費多個分區的數據的。
Controller
熟知一個規律：在大數據分佈式文件系統裏面，95% 的都是主從式的架構，個別是對等式的架構，比如 ElasticSearch。
kafka 也是主從式的架構，主節點就叫 controller，其餘的爲從節點，controller 是需要和 zookeeper 進行配合管理整個 kafka 集羣。
kafka 和 zookeeper 如何配合工作
kafka 嚴重依賴於 zookeeper 集羣（所以之前的 zookeeper 文章還是有點用的）。所有的 broker 在啓動的時候都會往 zookeeper 進行註冊，目的就是選舉出一個 controller，這個選舉過程非常簡單粗暴，就是一個誰先誰當的過程，不涉及什麼算法問題。
那成爲 controller 之後要做啥呢，它會監聽 zookeeper 裏面的多個目錄，例如有一個目錄 / brokers/，其他從節點往這個目錄上**註冊（就是往這個目錄上創建屬於自己的子目錄而已）**自己，這時命名規則一般是它們的 id 編號，比如 / brokers/0，1，2
註冊時各個節點必定會暴露自己的主機名，端口號等等的信息，此時 controller 就要去讀取註冊上來的從節點的數據（通過監聽機制），生成集羣的元數據信息，之後把這些信息都分發給其他的服務器，讓其他服務器能感知到集羣中其它成員的存在。
此時模擬一個場景，我們創建一個主題（其實就是在 zookeeper 上 / topics/topicA 這樣創建一個目錄而已），kafka 會把分區方案生成在這個目錄中，此時 controller 就監聽到了這一改變，它會去同步這個目錄的元信息，然後同樣下放給它的從節點，通過這個方法讓整個集羣都得知這個分區方案，此時從節點就各自創建好目錄等待創建分區副本即可。這也是整個集羣的管理機制。
加餐時間
1、Kafka 性能好在什麼地方？
① 順序寫
操作系統每次從磁盤讀寫數據的時候，需要先尋址，也就是先要找到數據在磁盤上的物理位置，然後再進行數據讀寫，如果是機械硬盤，尋址就需要較長的時間。
kafka 的設計中，數據其實是存儲在磁盤上面，一般來說，會把數據存儲在內存上面性能纔會好。但是 kafka 用的是順序寫，追加數據是追加到末尾，磁盤順序寫的性能極高，在磁盤個數一定，轉數達到一定的情況下，基本和內存速度一致隨機寫的話是在文件的某個位置修改數據，性能會較低。
② 零拷貝
先來看看非零拷貝的情況
可以看到數據的拷貝從內存拷貝到 kafka 服務進程那塊，又拷貝到 socket 緩存那塊，整個過程耗費的時間比較高，kafka 利用了 Linux 的 sendFile 技術（NIO），省去了進程切換和一次數據拷貝，讓性能變得更好。
2、日誌分段存儲
Kafka 規定了一個分區內的. log 文件最大爲 1G，做這個限制目的是爲了方便把. log 加載到內存去操作
3、Kafka 的網絡設計
kafka 的網絡設計和 Kafka 的調優有關，這也是爲什麼它能支持高併發的原因
首先客戶端發送請求全部會先發送給一個 Acceptor，broker 裏面會存在 3 個線程（默認是 3 個），這 3 個線程都是叫做 processor，Acceptor 不會對客戶端的請求做任何的處理，直接封裝成一個個 socketChannel 發送給這些 processor 形成一個隊列，發送的方式是輪詢，就是先給第一個 processor 發送，然後再給第二個，第三個，然後又回到第一個。消費者線程去消費這些 socketChannel 時，會獲取一個個 request 請求，這些 request 請求中就會伴隨着數據。
線程池裏面默認有 8 個線程，這些線程是用來處理 request 的，解析請求，如果 request 是寫請求，就寫到磁盤裏。讀的話返回結果。processor 會從 response 中讀取響應數據，然後再返回給客戶端。這就是 Kafka 的網絡三層架構。
所以如果我們需要對 kafka 進行增強調優，增加 processor 並增加線程池裏面的處理線程，就可以達到效果。request 和 response 那一塊部分其實就是起到了一個緩存的效果，是考慮到 processor 們生成請求太快，線程數不夠不能及時處理的問題。
所以這就是一個加強版的 reactor 網絡線程模型。
finally
集羣的搭建會再找時間去提及。這一篇簡單地從角色到一些設計的方面講述了 Kafka 的一些基礎，在之後的更新中會繼續逐步推進，進行更加深入淺出的講解。
本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/oiUpLAYqP3JzXpqVgbiD5g