【业务学习】初识Kafka

Grape前端

这几天简单学习了一下Kafka，看了一些书，也查了一些资料，结合这些，我简单总结了一下Kafka的一些基础知识,以此做记录～
老规矩，抛出咱们这篇文章的三个问题：数据库

1. 什么是Kafka?
2. 有什么优缺点？
3. 应用范围是什么？

你们简单思考一下，若是你知道的话～segmentfault

1.什么是Kafka?

首先咱们看一下来自百度百科的定义：Kafka是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写。Kafka是一种高吞吐量的分布式发布订阅消息系统，它能够处理消费者在网站中的全部动做流数据。
这里边有两个重点：消息系统和发布订阅。那么接下来咱们着重在这两方面叙述。后端

消息系统

什么是消息系统？简单的说它主要是用来作数据收集处理以及传输的一个系统。数据工程中最具挑战性的部分之一是如何从不一样点收集和传输大量数据到分布式系统进行处理和分析。须要经过消息队列正确地分离大量数据，由于若是一部分数据没法传送，则能够在系统恢复时传输和分析其余数据。一般有两种消息排队：点对点(Point to point)和发布者——订阅者(publisher-subscriber)。 对于上述目的，它们都是可靠的和异步的。安全

发布订阅：

提及发布订阅咱们先来看下一般存在的两种消息排队中的另外一位玩家：点对点。在点对点或一对一中，有一个发件人和正在监听发件人的多个消费者。当一个消费者从队列收到消息时，该特定消息将从队列中消失，而其余消费者没法得到该消息。
发布订阅：发布者向同时收听发布者的多个消费者或订阅者发送消息，而且每一个订阅者能够得到相同的消息。数据应经过数据管道传输，数据管道负责整合来自数据源的数据。
也就是说，点对点只能发送给一我的一份信息，而发布订阅式能够发送给不用的人相同的信息。在这里咱们不论述哪一种方式的好坏，由于，方式的好坏是看业务场景的。服务器

明白了定义，咱们要知道Kafka的结构式什么样子的。大概就是如下图示：网络

咱们看到，很明白的发布订阅者模式，以上三张图也是由浅入深，第一张大概介绍整个Kafka架构，咱们能够看到又多个发布者向不一样的broker发送消息，而后broker管理不一样的topic，最后订阅者去不一样的分区消费消息。
固然，你可能还不太明白发布者订阅者之类的术语，下边我来解答几个常见的术语：
（1）Topics（主题） ：属于特定类别的消息流称为主题。 数据存储在主题中。Topic至关于Queue。主题被拆分红分区。 每一个这样的分区包含不可变有序序列的消息。分区被实现为具备相等大小的一组分段文件。
（2）Partition（分区）架构

一个Topic能够分红多个Partition，这是为了平行化处理。每一个Partition内部消息有序，其中每一个消息都有一个offset序号。一个Partition只对应一个Broker，一个Broker能够管理多个Partition。
（3）Partition offset（分区偏移） 每一个分区消息具备称为 offset 的惟一序列标识。
（4）Replicas of partition（分区备份） 副本只是一个分区的备份。 副本从不读取或写入数据。 它们用于防止数据丢失。
（5）Brokers（经纪人）：单个的 Kafka 服务器叫作「中间人」（Broker）。一个 Kafka 中间人，接收生产者发来的消费，分配偏移量，并存储入物理空间中去；同时，中间人还接收消费者的请求，把物理空间里的消息响应回去。
（6）Kafka Cluster（Kafka集群） Kafka有多个代理被称为Kafka集群。 能够扩展Kafka集群，无需停机。 这些集群用于管理消息数据的持久性和复制。
（7）Producers（生产者）： 生产者是发送给一个或多个Kafka主题的消息的发布者。 生产者向Kafka经纪人发送数据。 每当生产者将消息发布给代理时，代理只需将消息附加到最后一个段文件。实际上，该消息将被附加到分区。 生产者还能够向他们选择的分区发送消息。
（8）Consumers（消费者） ：Consumers从经纪人处读取数据。 消费者订阅一个或多个主题，并经过从代理中提取数据来使用已发布的消息。异步

• Consumer本身维护消费到哪一个offset。
• 每一个Consumer都有对应的group。
• group内是queue消费模型：各个Consumer消费不一样的 partition，所以一个消息在group内只消费一次。
• group间是publish-subscribe消费模型：各个group各自独立消费，互不影响，所以一个消息被每一个group消费一次。
• 若是你对offset感兴趣，推荐关于offset的一篇文章请看：Kafka Offset管理

到这咱们总结一下，发布订阅系统的大体流程就是生产者生产消息推送到brokers，各个broker将消息发送到不一样的topic的分区上，而后再由消费者来进行消费（固然，这是最简单的模式）。
注意：生产者也能够向指定的某个topic由向他们选择的分区发送消息。分布式

2. 有什么优缺点？

发布/订阅式的系统有不少，但Kafka出色在哪写方面？

1. 解耦
   在项目启动之初来预测未来项目会碰到什么需求，是极其困难的。消息系统在处理过程当中间插入了一个隐含的、基于数据的接口层，两边的处理过程都要实现这一接口。这容许你独立的扩展或修改两边的处理过程，只要确保它们遵照一样的接口约束。
2. 冗余
   有些状况下，处理数据的过程会失败。除非数据被持久化，不然将形成丢失。消息队列把数据进行持久化直到它们已经被彻底处理，经过这一方式规避了数据丢失风险。许多消息队列所采用的”插入-获取-删除”范式中，在把一个消息从队列中删除以前，须要你的处理系统明确的指出该消息已经被处理完毕，从而确保你的数据被安全的保存直到你使用完毕。
3. 扩展性
   由于消息队列解耦了你的处理过程，因此增大消息入队和处理的频率是很容易的，只要另外增长处理过程便可。不须要改变代码、不须要调节参数。扩展就像调大电力按钮同样简单。
4. 灵活性&峰值处理能力
   在访问量剧增的状况下，应用仍然须要继续发挥做用，可是这样的突发流量并不常见；若是为以能处理这类峰值访问为标准来投入资源随时待命无疑是巨大的浪费。使用消息队列可以使关键组件顶住突发的访问压力，而不会由于突发的超负荷的请求而彻底崩溃。
5. 可恢复性
   系统的一部分组件失效时，不会影响到整个系统。消息队列下降了进程间的耦合度，因此即便一个处理消息的进程挂掉，加入队列中的消息仍然能够在系统恢复后被处理。
6. 顺序保证
   在大多使用场景下，数据处理的顺序都很重要。大部分消息队列原本就是排序的，而且能保证数据会按照特定的顺序来处理。Kafka保证一个Partition内的消息的有序性。
7. 缓冲
   在任何重要的系统中，都会有须要不一样的处理时间的元素。例如，加载一张图片比应用过滤器花费更少的时间。消息队列经过一个缓冲层来帮助任务最高效率的执行。写入队列的处理会尽量的快速。该缓冲有助于控制和优化数据流通过系统的速度。
8. 异步通讯
   不少时候，用户不想也不须要当即处理消息。消息队列提供了异步处理机制，容许用户把一个消息放入队列，但并不当即处理它。想向队列中放入多少消息就放多少，而后在须要的时候再去处理它们。
9. 持久化到磁盘
   Kafka实际上将全部记录存储到磁盘中，而且不会在RAM中保留任何内容。它保存在磁盘上的数据格式与从生产者发送过来或者发送给消费者的消息格式是同样的。由于使用了相同的消息格式进行磁盘存储和网络传输，Kafka可使用零复制技术将消息直接发送给消费者，避免了对生产者已经压缩过的消息进行解压和再压缩。

3. 应用范围是什么？

1. 活动跟踪
   Kafka能够记录用户访问前端应用的活动日志，这也是 LinkedIn 开发 Kafka 的初衷。Kafka搜集的用户点击鼠标的事件、浏览页面的事件、更改我的主页的事件，都可以用做后端程序处理，使其变成有价值的产物。
2. 系统监控和日志记录
   能够向 Kafka 中发送系统的运行日志，经过分析这些日志，能够对系统的各个指标进行评估。同时，Kafka 记录的日志可供其它的日志分析系统消费。
3. 发消息
   Kafka 能够向其它应用发送中间件的消息，如：数据库有改动，能够将改动的信息发往应用程序。
4. 流式处理
   Kafka 提供的对数据的流式操做，和 Hadoop 的 Map/Reduce 模型相似，能够作到数据的实时处理。
5. 等

参考文章：

• 初识 Kafka
• Kafka基本架构介绍
• 书籍：Kafka权威指南