目录
什么是Kafka？
消息队列原理：
为什么要用Kafka？
kafka的架构
kafka工作流程详解：
什么是Kafka？
kafka是一个分布式消息队列
这个定义意味深长，记住容易，理解不易。首先我们得先知道什么是消息系统，他的原理是什么。
消息队列原理：
关于分布式，我在下面的这篇文章中有所探讨：
这里客户端A负责生产数据，也被称作是生产者，生产完数据之后，放入到消息队列中，然后客户端B作为消费者去消费数据，之类消费者和生产者之间并不是直接通信的，就好像你不是直接去肥皂工厂买肥皂一样。这里的消息队列有两种模式：点对点模式（一对一，消费者主动拉取数据，消息收到后消息清除）发布/订阅模式（一对多）。上图中对比了直接通信和使用消息对列通信之后的优点，下面做出简单的解释：
解耦：消息队列将生产和消费，和数据的存储，分解开来，这样消费者和生产者没有直接关联，耦合性低，扩展性就越好，可以随时增减消费者或者是生产者；
峰值处理：比如kafka设计的是客户取数据，这样消费者可以根据自己的速率来进行调整，而不是消息队列推送，这样还可以避免数据的丢失，同时并发量巨大的时候，直接增加服务器就OK；
顺序保证：如果数据在同一个分区中，那么kafka一定保证数据是顺序的，但是如果不是在一个分区中，不能保证是顺序的，所以如果业务需求要保证消费者消费的数据是有序的，需要在数据输入的时候，就保证这些数据是去往一个分区
异步通信：生产生产了数据，可以存放在消息队列汇中，然后自己继续生产，消费者消费与否，并不影响生产。比如ajax，ajax是浏览器的一个线程，UI也是浏览器的一个线程，UI线程是用来渲染页面的，如果是异步，那么一定是多个线程，UI负责渲染页面，ajax负责和服务器交互，但是ajax在和服务器交互的时候，页面还在显示，这就是异步操作；如果是UI告诉服务器，此时要使用ajax和数据库交互，自己挂起，然后数据返回了，在渲染页面，这个是同步。发一条消息，需要等待结果，发一条消息需要等待结果这就是同步，不需要等待返回结果，就可以干别的事情，就是异步。这里面，生产者生产数据之后，就干别的事情了，消费者什么时候消费和生产者没有任何的关系。打电话的时候，就是同步通信，发短信的时候，就是异步通信。
为什么要用Kafka？
如果不使用kafka进行数据的传输，那么就得使用flume，flume的在进行数据传输的时候，无法较长时间的保存数据，即flume只负责传输数据，而kafka能够较长时间的保存数据。Flume的数据都保存在内存中，数据容易丢失；增加消费者不容易；数据无法较长时间的保留；
第二个缺点：如果增加一个消费者，就要增加一个sink，不同的数据从同一个channel拉取的数据是不一致的，因此也要相应的增加channel，由此可以看出如果要增加一个Consumer，要增加这么多的东西，（耦合度太高），有些得不偿失。
kafka的架构
向kafka broker发消息的客户端就是producer； 从kafka broker 取消息的客户端就是 Consumer； 一个toptic可以分布到多个broker上，一个 topic可以分为多个partition，所以topic是以分区的形式分布到了多个broker上的，每个partition是一个有序的队列，单个消费者去消费分区中的队列，以此保证有序，一个分区能够然让两个消费者消费，但是一个消费者不能消费两个分区kafka能够保证一个partition中的消息是顺序的；
kafka是依赖于zookeeper的，kafka在启动时候会写入broker的id的信息，分区的信息，主题等信息到zookeeper Consumer会将消费的偏移量offset记录在zookeeper中，这样能够做到记录当前消费者消费到第几条数据了，下次消费的时候，从消费记录开始 2181是zookeeper的服务端和客户端的通信的端口号。
kafka工作流程详解：
以上图的为例：多台机器构成kafka消息队列的集群，主要是为了负载，每一台服务器叫做broker，就是代理服务器的意思，多个服务broker在一起，就形成了一个集群，为什么这么设计？
①生产者生产数据的时候，理论上说一台机器来接收数据就OK了，但是如果生产者的产能很大，大量的数据涌向一台机器，这台，能干嘛？只能崩溃，就像情绪，小情绪反差出幸福，大情绪，让我们抑郁，所以我们这样做：增加多台机器，然后将大量的数据分区，将数据按照分区放到不同的机器上去，这样单台机制承担的数据压力就小了。这就是所谓的提高负载。
②如上图，生产者生产的消息，一部分分到了1分区，另外一部分分到了 0分区，如此一来，信息没有放在一块，数据量就少了，性能就会提升，当数据到达broker之后 ，可是发过来的数据到底是谁在关心呢？因为消费者不可能消费所有的消息，所以我们将消息划分逻辑主Topic，对不同的消息做一些分类，有了topic的概念，定义了主题之后，将相关的消息放进来就OK了，这样消费者消费的时候，就可以只是消费他关心的数据；这里分区是和主题相关的，比如订单（TopticA），订单的主题中有两个分区，所有就有Topic-A，partition-0，另外一个就是Topic-A，partition-1，这是两个不同的分区，但是从属于一个topic；
③将数据按照分区发送到不同的分区是没有任何的问题的，但是如果某一台机器宕机了，可见数据是不安全的，所以在这种情况下，我们应该给partition分区做一个备份，所以这里有一个replication的操作，将数据做一个副本，为了安全，这个副本应该被放置在不同的机器上，这样就有了leader和follower的概念，这里的副本仅仅是为了备份，读写都只有leader才能够进行，表现在图中，就是生产者的箭头，仅仅指向了leader，同理消费者；
④生产者往集群中存放消息，这个时候消费者就可以消费了，也就是从集群中取消息，这个时候涉及到一个组的概念，在kafka中，消费数据都是按照组为单位来消费的，这就意味着，TopicA中的所有数据都是组拿到的，组内的单个成员去消费不同的分区，这样得到的数据是不一样的，而整个组拿到TopicA的所有数据；对于本图而言，如果有A B C 三个消费者，A会读取p0，B会读取p1 ，C怎么办？这个C什么都不做，一般情况下，消费者中的消费者和分区的个数是保持一致的，这样不会浪费消费者，所以如何来增加消费能力呢？最基本的条件是增加分区。消费者个数和分区个数保持一致。图中的ConsumerC是一个消费者，但是也是一个消费者组；
⑤这里有分区0 和分区1，对于消费者组来说，他无法保证他是先读取到分区0中的数据，还是先读到分区1 中的数据，这里影响的主要因素是网络的原因，但是消费者能够保证的是：同一个分区中数据是有序的，因为消息的内部的实现方式是队列。所以在实际的业务中，如果有排序，就哟啊考虑往一个分区里面放，这里注意，往一个分区里面放，并不是说整个topic有一个分区，一个Topic可以有多个分区。
