Kafka读书笔记 -- 初识Kafka

1. Kafka一般被称为『分布式提交日志』或者『分布式流平台』
2. 文件系统或数据库提交日志用来提供所有事务的持久记录，通过重放这些日志可以重建系统的状态
   • Kafka的数据是按照一定顺序持久化保存的，可以按需读取
3. Kafka的数据分布在整个系统里，具备数据故障保护和性能伸缩能力

消息和批次

1. Kafka的数据单元被称为消息
2. 消息由 字节数组 组成，消息里的数据没有特别的格式或者含义
3. 消息可以有一个可选的 元数据 ，就是键，键也是一个 字节数组 ，同样没有特殊含义
   • 消息以 一种可控的方式写入不同的分区 时，会用到键
   • 例如为键生成一个一致性散列值，然后使用散列值对主题分区数进行取模，为消息选取分区，从而保证具有相同键的消息总是被写入到相同的分区
4. 为了提高效率，消息被 分批 写入Kafka， 批次就是一组消息 ，这些消息 属于同一个主题和分区
   • 如果每个消息都单独穿行于网络，会导致大量的网络开销，把消息分成批次传输可以减少网络开销
   • 不过，这需要在 时间延迟 和 吞吐量 之间做出权衡：批次越大，单位时间内处理的消息就会越多，耽搁消息的传输时间就会越长
   • 批次数据会被 压缩 ，这样可以提升数据的传输和存储能力，但要做更多的计算处理

模式

1. 对于Kafka来说，消息不过是晦涩难懂的字节数组
2. 依据应用程序的需求， 消息模式 有许多可用的选项
3. 像JSON和XML这些简单的系统，不仅易用，而且可读性好；但是 缺乏强类型的处理能力 ，不同版本之间的 兼容性也不好
4. Kafka的许多开发者喜欢使用 Apache Avro ，它最初是为了Hadoop开发的一款序列化框架
   • Avro提供了一种 紧凑的序列化格式 ， 模式和消息体是分开的，当模式发生变化时，不需要重新生成代码
   • Avro还支持 强类型 和 模式进化 ，其版本既向前兼容，也向后兼容
5. 数据格式的一致性 对于Kafka来说很重要，它 消除了消息读写操作之间的耦合性
   • 如果读写操作紧密地耦合在一起，消息订阅者需要升级应用程序才能同时处理新旧两种数据格式
   • 在消息订阅者升级之后，消息发布者才能跟着升级，以便使用新的数据格式
   • 新的应用程序如果需要使用数据，就要和消息发布者发生耦合，导致开发者需要做很多繁杂的工作
6. 定义良好的格式，并把它们存放在 公共仓库 ，可以方便我们理解 Kafka的消息结构

主题和分区

1. Kafka的消息通过 主题 进行分类，主题类似于数据库的表，或者文件系统里的文件夹
2. 主题可以被分为若干个分区，一个分区就是一个提交日志
3. 消息以 追加 的方式写入分区，然后以 FIFO 的顺序读取
4. 由于一个主题一般包含几个分区，因此 无法在整个主题范围内保证消息的顺序 ，但可以保证消息在单个分区内的顺序
5. Kafka通过分区来实现 数据冗余 和 伸缩性
   • 分区可以分布在不同的服务器上，因此一个主题可以横跨多个服务器
6. 很多时候，会把一个 主题的数据 看成一个 流 ，不管它有多少个分区
   • 流是一组从生产者移动到消费者的数据

生产者和消费者

1. 生产者 创建消息
   • 一般情况下，一个消息会被发布到特定的主题上
   • 默认情况下， 生产者把消息均匀地分布到主题的所有分区上 ，而并不关心特定消息会被写到哪个分区
   • 在特定情况下，生产者会把消息直接写到指定的分区，这通常听过 消息键 和 分区器 来实现的
     • 分区器为键生成一个散列值，并将其映射（例如取模）到指定的分区上
     • 这样可以保证包含同一个键的消息会被写到同一个分区上
2. 消费者 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读取 它们
   • 消费者通过检查消息的 偏移量 来区分已经读取过的消息
     • 偏移量是另一种 元数据 ，它是一个 不断递增 的整数值， 在创建消息时，Kafka会把偏移量添加到消息里
     • 在给定的分区里，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，它的读取状态不会丢失
   • 消费者是 消费者群组 的一部分，会有一个或者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
     • 消费者与分区之间的映射通常被称为 『消费者对分区的所有权关系』
     • 如果一个消费者失效，群组里的其它消费者可以接管失效消费者的工作

Broker和集群

1. 一个 独立的Kafka服务器 被称为 Broker
2. 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
3. Broker为消费者提供服务，对 读取分区的请求 作出响应，返回已经提交到磁盘上的消息
4. Broker是集群的组成部分，每个集群都有一个Broker同时充当 集群控制器 的角色（自动从集群的活跃成员中选举出来）
   • 控制器负责管理工作： 将分区分配给Broker + 监控Broker
5. 在集群中， 一个分区从属于一个Broker ，该Broker被称为 分区的首领
   • 一个分区可以分配给多个Broker，这个时候就会发生分区复制
   • 这种复制机制为分区提供了 消息冗余
6. 如果有一个Broker失效，其它Broker可以接管领导权，相关的消费者和生产者都需要 重新连接 到新的首领

保留消息

1. 保留消息是Kafka的一个重要特性
2. 默认的消息保留策略
   • 要么保留 一段时间 ，要么保留到消息达到 一定大小的字节数
   • 当消息数量达到这些上限时，旧消息就会过期并被删除
3. 主题 可以配置自己的保留策略，可以将消息保留到不再使用它们为止