Kafka -- 初体验

一、概念

Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据。这种动作（网页浏览，搜索和其他用户的行动）是在现代网络上的许多社会功能的一个关键因素。这些数据通常是由于吞吐量的要求而通过处理日志和日志聚合来解决。对于像Hadoop的一样的日志数据和离线分析系统，但又要求实时处理的限制，这是一个可行的解决方案。Kafka的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消费。

二、特点

Kafka 是一种高吞吐量的分布式发布订阅消息系统，有如下特性：

1. 通过O(1)的磁盘数据结构提供消息的持久化，这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能。
2. 高吞吐量：即使是非常普通的硬件Kafka也可以支持每秒数百万[2] 的消息。
3. 支持通过Kafka服务器和消费机集群来分区消息。
4. 支持Hadoop并行数据加载。
5. 支持离线数据和实时数据的处理。

三、架构

1.Broker

Kafka集群包含一个或多个服务器，这种服务器被称为broker。

2.Topic

每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic。（物理上不同Topic的消息分开存储，逻辑上一个Topic的消息虽然保存于一个或多个broker上但用户只需指定消息的Topic即可生产或消费数据而不必关心数据存于何处）。类似于ActiveMQ的Queue

3.Partition

Partition是物理上的概念，每个Topic包含一个或多个Partition.

4.Producer

负责发布消息到Kafka broker

5.Consumer

消息消费者，向Kafka broker读取消息的客户端。

6.Consumer Group

每个Consumer属于一个特定的Consumer Group（可为每个Consumer指定group name，若不指定group name则属于默认的group）。

四、应用场景

1.用于日志收集，因为kafka对可靠性要求不是特别高，除了日志，网站的一些浏览数据应该也适用。

2.用于消息系统，解决分布式事务，保证最终一致性。