首页 > 代码库 > 初识Kafka

初识Kafka

Kafka是什么?

  是一个分布式消息系统
  类JMS消息队列,结合JMS中的两种模式,可以有多个消费者主动拉取数据,在JMS中只有点对点模式才有消费者主动拉取数据。
  kafka是一个生产-消费模型。

一些名词:
  Producer:生产者,只负责数据生产,生产者的代码可以集成到任务系统中。
数据的分发策略由producer决定,默认是defaultPartition。
  Consumer:消费者,订阅消息并处理发布消息。
  Broker:当前服务器上的Kafka进程,相当于中介,一个Kafka节点就是一个broker,只管数据存储,不管是谁生产,不管是谁消费。
在集群中每个broker都有一个唯一brokerid,不得重复。
  Topic: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。每一个topic又可以分成几个不同的partition
(每一个topic有几个partition是在创建topic时指定的),每一个partition存储一部份Message。
  Partition:topic物理上的分组,同一个topic下有多个不同partition,每个partition为一个目录,partition物理上由多个segment组成(index,log)
每个partition可以设置多个副本(replication-factor 1),会从所有的副本中选取一个leader出来。所有读写操作都是通过leader来进行的。
特别强调,和mysql中主从有区别,mysql做主从是为了读写分离,在kafka中读写操作都是leader。
  每个partition是一个有序的队列,partiton命名规则为topic名称+有序序号,第一个partiton序号从0开始,序号最大值为partitions数量减1。如果是多broker分布情况:参考http://blog.csdn.net/lizhitao/article/details/41778193
  Segment:Partition物理上由多个segment组成,一个segment有默认的大小是1G。
segment file由2大部分组成,分别为index file和data file,此2个文件一一对应,成对出现,后缀".index"和“.log”分别表示为segment索引文件、数据文件。
  Message:Partition中的每条Message由offset来表示它在这个partition中的偏移量,这个offset不是该Message在partition数据文件中的实际存储位置,而是逻辑上1个值,它唯一肯定了partition中的一条Message。因此,可以认为offset是partition中Message的id。partition中的每条Message包括了以下3个属性:offset(long型),MessageSize(int32,表示data有多大),data(message的具体内容)
  ConsumerGroup:数据消费者组,ConsumerGroup可以有多个,每个ConsumerGroup消费的数据都是一样的。可以把多个consumer线程划分为一个组,组里面所有成员共同消费一个topic的数据,组员之间不能重复消费。

Kafka如何保证数据的完全生产

  ack机制:broker表示发来的数据已确认接收无误,表示数据已经保存到磁盘。
  0:不等待broker返回确认消息
  1:等待topic中某个partition leader保存成功的状态反馈
  -1:等待topic中某个partition 所有副本都保存成功的状态反馈

broker如何保存数据

  在理论环境下,broker按照顺序读写的机制,可以每秒保存600M的数据。主要通过pagecache机制,尽可能的利用当前物理机器上的空闲内存来做缓存。
  当前topic所属的broker,必定有一个该topic的partition,partition是一个磁盘目录。partition的目录中有多个segment组合(index,log)

consumerGroup的组员和partition之间如何做负载均衡

  最好是一一对应,一个partition对应一个consumer。
  如果consumer的数量过多,必然有空闲的consumer。
  算法:
    假如topic1,具有如下partitions: P0,P1,P2,P3
    加入group中,有如下consumer: C1,C2
    首先根据partition索引号对partitions排序: P0,P1,P2,P3
    根据consumer.id排序: C0,C1
    计算倍数: M = [P0,P1,P2,P3].size / [C0,C1].size,本例值M=2(向上取整)
    然后依次分配partitions: C0 = [P0,P1],C1=[P2,P3],即Ci = [P(i * M),P((i + 1) * M -1)]

如何保证kafka消费者消费数据是全局有序的

  伪命题
  如果要全局有序的,必须保证生产有序,存储有序,消费有序。
  由于生产可以做集群,存储可以分片,消费可以设置为一个consumerGroup,要保证全局有序,就需要保证每个环节都有序。
  只有一个可能,就是一个生产者,一个partition,一个消费者。这种场景和大数据应用场景相悖。

参考文档

  kafka中文教程

  Kafka Shell基本命令(包括topic的增删改查)

初识Kafka