Kafka基本概念

目录

1. 生产者

2. 主题

3. 分区

4. 消费者

5. 消费者组

 消费者组加入和离开消费者组流程

1. 消费者加入消费者组

2. 消费者离开消费者组

批处理

1. 生产者端的批量处理

2. 消费者端的批量处理

---

Kafka是消息中间件的一种，相较于其他消息中间件，其以极高的吞吐量闻名，常用于构建实时数据管道和流应用，能够处理高吞吐量的数据流。以下是Kafka中的重要概念：

1. 生产者

生产者是向Kafka主题发送消息的客户端。生产者负责将Kafka写入数据，消息的分区策略（如基于消息键、轮询或自定义分区逻辑）以及将数据写入Kafka的哪个主题，这些都由生产者的配置决定来决定。

2. 主题

所有消息中间件都有一种传输消息的结构，kafka中传输消息的结构为主题，消息的传输以主题为单位，由生产者将数据写入特定的主题，在由消费者由特定的主题取出，即可完成一次消息的传输。

3. 分区

为了提高数据进入主题的速度，Kafka将一个主题细分为多个区，每个区都是一个独立的线程，可以独立接受生产者生产的消息，这样大大提高了客户端向Kafka传输数据的速度。

4. 消费者

消费者是从Kafka主题中获取消息的客户端。消费者通常会订阅一个或多个主题，然后从中获取消息并进行处理。消费者可以独立工作，也可以作为消费者组的一部分共同消费数据。

消费者从Kafka消费数据时，获取完数据后，数据并不会消失，消息依旧存储在Kafka主题中。消费者能够在下一次消费时继续消费后续数据，这是得益于Kafka内部维护的特殊主题__consumer_offsets，该主题记录了每个消费者组的分区和其偏移量之间的关系（单个独立的消费者自己属于一个消费者组）。在每次消费之前，消费者会从__consumer_offsets主题中查找自己所属的消费者组的分区的偏移量，并从对应的位置开始消费。消费完成后，消费者会更新这些偏移量并提交到__consumer_offsets主题中。

这也意味着多个消费者组可以同时消费同一个主题而互不干扰，因为每个消费者组在__consumer_offsets主题中都有独立的偏移量记录。因此，即使多个消费者组同时消费同一主题，它们也不会相互影响，各自消费的数据流是独立的。

偏移量是消息在分区中的唯一标识符。每个分区内的消息都有一个连续的偏移量，当消费者从分区中拉取消息时，它会记录已经消费到的最新偏移量，确保下一次消费时能够继续从上次的位置开始。

5. 消费者组

Kafka通过分区提高一个主题数据写入的速度，而消费者组则是Kafka用来提高数据获取速度的手段，消费者组通过建立一个多个消费者的组通过使用__consumer_offsets主题中同一个偏移量，共同消费一个主题，以提高数据消费的速度。

 消费者组加入和离开消费者组流程

1. 消费者加入消费者组

• 新消费者实例启动：一个新的消费者实例启动，并使用与现有消费者相同的group.id（即消费者组ID）。这个新消费者会向Kafka的消费者组协调器发送一个加入请求，表明它想加入这个消费者组。
• 分区重新平衡：一旦新的消费者加入，消费者组内的所有分区可能会被重新分配。Kafka会尝试将主题的分区在消费者组中的所有消费者之间重新分配，以平衡负载。例如，如果一个消费者组有6个分区，原本有2个消费者在处理这些分区，Kafka的消费者组协调器会将每三个分区分配给一个消费者，当加入一个新的消费者后，这6个分区就会被重新分配到3个消费者，每个消费者处理2个分区。
• 新的分配通知：重新平衡后，消费者组协调器会通知每个消费者它现在负责的分区。新加入的消费者会开始从它被分配到的分区中消费消息。

2. 消费者离开消费者组

• 消费者实例停止：一个消费者实例停止运行、崩溃、或由于网络问题与Kafka断开连接。此时，该消费者将离开消费者组。
• 分区重新分配：消费者离开消费者组后，消费者组协调器会触发重新平衡过程，将离开消费者原本负责的分区重新分配给剩余的消费者。这确保了所有分区都有消费者来处理。
• 其他消费者的负载增加：重新平衡后，剩下的消费者会接手离开消费者的分区，从而增加它们的处理负载。

Kafka通过分区和消费者组大大提高了数据写入和读取的速度，除了提高并发以外，吞吐量的提高还要关注带宽和磁盘IO速率，如果网络传输数据或磁盘存取的速度不够快，即使并发量再多，也无法提高性能。但是这两者属于客观因素，kafka本身不能控制，那么kafka如何在固定带宽和磁盘IO速率的情况下，传输更多的数据呢？答案是批处理。

批处理

Kafka为了提高吞吐量，通常会使用**批量处理（batching）**的方式来发送和接收消息。这种机制在生产者和消费者两端都有体现。下面详细解释一下这种机制以及它如何提高Kafka的吞吐量。

1. 生产者端的批量处理

当生产者发送消息时，Kafka允许生产者将多个消息批量打包在一起，然后作为一个单元发送到Kafka。生产者会将消息暂时存储在一个缓冲区中，当缓冲区达到一定的大小（由配置参数决定），或者等待时间达到一个预设的阈值时（如配置的linger.ms参数），生产者会将缓冲区中的消息打包成一个批次，发送到Kafka broker。

通过这种方式，消息一次性发送到服务器，节省了网络请求次数，也节省了磁盘IO过程中的系统调用次数，提高了Kafka的性能。

2. 消费者端的批量处理

在消费者端，Kafka同样允许消费者批量拉取消息，即每次从Kafka broker获取一批消息，而不是每次只获取一条消费者可以设置每次拉取的消息数量上限，从而在单次请求中获得多个消息。

消费者批量拉取数据同样节省网络请求次数，节省磁盘IO过程中的系统调用。

批量处理虽然能够显著提高吞吐量，但也引入了一定的延迟。例如，如果生产者为了等待更多的消息来填满批次而延迟发送，那么这段等待时间会引入额外的延迟。实际生产过程中需要开发者自行调整配置，权衡性能和延迟。

Kafka性能非常优越，但这也意味着它会消耗大量的资源，包括带宽、内存、CPU和磁盘资源。由于Kafka的复杂性和高性能需求，它的运维难度较大，运维人员需要在实际服务器环境中进行配置调整，以适应具体的使用场景和环境。