Kafka实战(四) -Kafka门派知多少

原创

公众号JavaEdge 2021-06-24 14:47:28 ©著作权

文章标签 Kafka 文章分类 大数据

©著作权归作者所有：来自51CTO博客作者公众号JavaEdge的原创作品，请联系作者获取转载授权，否则将追究法律责任

Kafka实战(四) -Kafka门派知多少_Kafka Kafka不是一个单纯的消息引擎系统，而是能够实现精确一次（Exactly-once）处理语义的实时流处理平台

Storm/Spark Streaming/Flink，在大规模流处理领域主流
Kafka经过这么长时间不断的迭代，现在已经能够稍稍比肩这些框架

Kafka社区对于这些框架心存敬意
目前国内鲜有大厂将Kafka用于流处理的尴尬境地，毕竟Kafka是从消息引擎“半路出家”转型成流处理平台的，它在流处理方面的表现还需要经过时间的检验。

从流处理平台扩展到流处理生态圈，Kafka更是还有很长的路要走
Kafka Streams提供了Kafka实时处理流数据的能力
但是其实还有一个重要的组件Kafka Connect

在评估流处理平台时，框架本身的性能、所提供操作算子（Operator）的丰富程度固然是重要的评判指标，但框架与上下游交互的能力也是非常重要的
能够与之进行数据传输的外部系统越多，围绕它打造的生态圈就越牢固，因而也就有更多的人愿意去使用它，从而形成正向反馈，不断地促进该生态圈的发展。
就Kafka而言，Kafka Connect通过一个个具体的连接器（Connector），串联起上下游的外部系统。

整个Kafka生态圈如下图所示

外部系统只是Kafka Connect组件支持的一部分而已
使用Kafka Connect组件的用户越来越多，相信在未来会有越来越多的人开发自己的连接器

清晰地了解Kafka的发展脉络和生态圈现状，对于指导我们选择合适的Kafka版本大有裨益

Kafka门派几何?

不是指版本，而是指存在多个组织或公司发布不同的Kafka

你一定听说过Linux发行版，比如CentOS、RedHat、Ubuntu等，都是Linux系统，但为什么有不同的名字呢？
其实就是因为它们是不同公司发布的Linux系统，即不同的发行版。虽说在Kafka领域没有发行版的概念，但你姑且可以这样近似地认为市面上的确存在着多个Kafka“发行版”。

下面我就来梳理一下这些所谓的“发行版”以及你应该如何选择它们。
当然了，“发行版”这个词用在Kafka框架上并不严谨，但为了便于我们区分这些不同的Kafka，勉强套用

Apache Kafka

最“正宗”的Kafka，也应该是你最熟悉的发行版了。自Kafka开源伊始，它便在Apache基金会孵化并最终毕业成为顶级项目，它也被称为社区版Kafka
它是后面其他所有发行版的基础。也就是说，后面提到的发行版

原封不动地继承了Apache Kafka
在此之上扩展了新功能

总之Apache Kafka是我们学习和使用Kafka的基础。

Confluent Kafka

2014年，Kafka的3个创始人Jay Kreps、Naha Narkhede和饶军离开LinkedIn创办了Confluent公司，专注于提供基于Kafka的企业级流处理解决方案。
2019年1月，Confluent公司成功融资D轮1.25亿美元，估值也到了25亿美元，足见资本市场的青睐。

还说回Confluent公司，它主要从事商业化Kafka工具开发，并在此基础上发布了Confluent Kafka。Confluent Kafka提供了一些Apache Kafka没有的高级特性，比如跨数据中心备份、Schema注册中心以及集群监控工具等。

Cloudera/Hortonworks Kafka

Cloudera提供的CDH和Hortonworks提供的HDP是非常著名的大数据平台，里面集成了目前主流的大数据框架，能够帮助用户实现从分布式存储、集群调度、流处理到机器学习、实时数据库等全方位的数据处理
很多创业公司在搭建数据平台时首选就是这两个产品。不管是CDH还是HDP里面都集成了Apache Kafka
2018年10月两家公司宣布合并，共同打造世界领先的数据平台，也许以后CDH和HDP也会合并成一款产品，但能肯定的是Apache Kafka依然会包含其中，并作为新数据平台的一部分对外提供服务。

特点比较

Apache Kafka

依然是开发人数最多、版本迭代速度最快的Kafka
在2018年度Apache基金会邮件列表开发者数量最多的Top 5排行榜中，Kafka社区邮件组排名第二位。如果你使用Apache Kafka碰到任何问题并提交问题到社区，社区都会比较及时地响应你。这对于我们Kafka普通使用者来说无疑是非常友好的。

但是Apache Kafka的劣势在于它仅仅提供最最基础的组件，特别是对于前面提到的Kafka Connect而言，社区版Kafka只提供一种连接器，即读写磁盘文件的连接器，而没有与其他外部系统交互的连接器，在实际使用过程中需要自行编写代码实现，这是它的一个劣势

Apache Kafka没有提供任何监控框架或工具。显然在线上环境不加监控肯定是不可行的，你必然需要借助第三方的监控框架实现对Kafka的监控。好消息是目前有一些开源的监控框架可以帮助用于监控Kafka（比如Kafka manager）。

如果仅仅需要一个消息引擎系统亦或是简单的流处理应用场景，同时需要对系统有较大把控度，那么推荐使用Apache Kafka

Confluent Kafka

Confluent Kafka目前分为免费版和企业版,前者和Apache Kafka非常相像，除了常规的组件之外，免费版还包含

Schema注册中心
帮助你集中管理Kafka消息格式以实现数据前向/后向兼容
REST proxy
用开放HTTP接口的方式允许你通过网络访问Kafka的各种功能

这两个都是Apache Kafka所没有的。

免费版包含了更多的连接器，它们都是Confluent公司开发并认证过的，你可以免费使用它们

至于企业版，它提供的功能就更多了
最有用的当属跨数据中心备份和集群监控两大功能了。多个数据中心之间数据的同步以及对集群的监控历来是Kafka的痛点，Confluent Kafka企业版提供了强大的解决方案帮助你“干掉”它们。

不过Confluent Kafka的一大缺陷在于，Confluent公司暂时没有发展国内业务的计划，相关的资料以及技术支持都很欠缺，很多国内Confluent Kafka使用者甚至无法找到对应的中文文档，因此目前Confluent Kafka在国内的普及率是比较低的。

如果需要用到Kafka的一些高级特性，那么推荐使用Confluent Kafka

CDH/HDP Kafka

大数据云公司发布的Kafka（CDH/HDP Kafka）
这些大数据平台天然集成了Apache Kafka，通过便捷化的界面操作将Kafka的安装、运维、管理、监控全部统一在控制台中。如果你是这些平台的用户一定觉得非常方便，因为所有的操作都可以在前端UI界面上完成，而不必去执行复杂的Kafka命令。另外这些平台提供的监控界面也非常友好，你通常不需要进行任何配置就能有效地监控 Kafka。

但这样做的结果是

直接降低了你对Kafka集群的掌控程度
毕竟你对下层的Kafka集群一无所知，你怎么能做到心中有数呢？
滞后性
由于它有自己的发布周期，因此是否能及时地包含最新版本的Kafka就成为了一个问题。比如CDH 6.1.0版本发布时Apache Kafka已经演进到了2.1.0版本，但CDH中的Kafka依然是2.0.0版本，显然那些在Kafka 2.1.0中修复的Bug只能等到CDH下次版本更新时才有可能被真正修复。

简单来说，如果需要快速地搭建消息引擎系统，或者你需要搭建的是多框架构成的数据平台且Kafka只是其中一个组件，那么推荐使用这些大数据云公司提供的Kafka。

总结

Apache Kafka，也称社区版Kafka