Kafka学习

• Kafka的消息通过主题（topic）进行分类
• 主题可以被分为若干个分区（partition），一个分区就是一个提交日志，通过分区来实现数据冗余和伸缩性
• 消息以追加的方式写入分区，然后以先入先出（FIFO）的顺序读取
• 无法在整个主题范围内保证消息的顺序，可以保证消息在单个分区内的顺序

• 生产者（发布者，写入者）创建消息
• 一般情况下，一个消息会被发布到一个特定的主题上，生产者在默认情况下把消息均衡发不到主题的所有分区上，并不关心特定消息会被写入哪个分区。
• 特殊情况下，生产者会把消息直接写到指定的分区，通过分区器来实现，分区器为键生成一个散列值，并将其映射到指定分区上，从而保证同一个键的消息会被写到同一个分区上

• 消费者（订阅者，读者）读取消息
• 消费者订阅一个或多个主题，并按照消息生成的顺序进行读取
• 消费者通过检查消息的偏移量来区分已经读取过的消息
• 偏移量是一个不断递增的整数值，在创建消息时，kafka会把它添加到消息里
• 同一个分区，每个消息的偏移量都是唯一的
• 消费者把每个分区最后读取的消息偏移量保存在Zookeeper或Kafka上，如果消费者关闭或重启，读取状态不会丢失
• 一个或多个消费者共同读取一个主题，群组保证每个分区只能被一个消费者使用

• 一个独立的Kafka服务器被称为broker
• broker接收来自生产者的消息，为消息设置偏移量，并提交消息到磁盘保存

主要硬件指标

• 磁盘吞吐量：磁盘写入速度越快，生成消息的延迟就越低，优先选择固态硬盘（SSD）
• 磁盘容量：需要多大的磁盘容量取决于需要保留的消息数量。如果每天收到1TB的消息，并且保留7天，那就需要7TB的存储空间，还有其他文件至少10%，还要考虑流量增长和波动
• 内存：一些情况下，消费者读取的消息会直接存放在系统的页面缓存里，这比从磁盘上重新读取要快得多
• 网络吞吐量：决定了Kafka能够处理的最大数据流量

• 保留消息是Kafka的一个重要特性
• 保留策略：天数或者消息大小

• broker会往拥有最少数目分区的路径新增分区，而不是往拥有最小磁盘空间的路径新增分区