Kafka 是主流的消息流系统,其中的概念还是比较多的,下面通过图示的方式来梳理一下 Kafka 的核心概念,以便在我们的头脑中有一个清晰的认识。

基础

Kafka 是一套流处理系统,可以让后端服务轻松的相互沟通,是微服务架构中常用的组件。

图解 Kafka,画得太好了!_Kafka

生产者消费者

生产者服务 Producer 向 Kafka 发送消息,消费者服务 Consumer 监听 Kafka 接收消息。

图解 Kafka,画得太好了!_Kafka_02

一个服务可以同时为生产者和消费者。

图解 Kafka,画得太好了!_Kafka_03

Topics 主题

Topic 是生产者发送消息的目标地址,是消费者的监听目标。

图解 Kafka,画得太好了!_Kafka_04

一个服务可以监听、发送多个 Topics。

图解 Kafka,画得太好了!_Kafka_05

Kafka 中有一个【consumer-group(消费者组)】的概念。

这是一组服务,扮演一个消费者。

图解 Kafka,画得太好了!_Kafka_06

如果是消费者组接收消息,Kafka 会把一条消息路由到组中的某一个服务。

图解 Kafka,画得太好了!_Kafka_07

这样有助于消息的负载均衡,也方便扩展消费者。

Topic 扮演一个消息的队列。

首先,一条消息发送了。

图解 Kafka,画得太好了!_Kafka_08

然后,这条消息被记录和存储在这个队列中,不允许被修改。

图解 Kafka,画得太好了!_Kafka_09

接下来,消息会被发送给此 Topic 的消费者。

但是,这条消息并不会被删除,会继续保留在队列中。

图解 Kafka,画得太好了!_Kafka_10

继续发送消息。

图解 Kafka,画得太好了!_Kafka_10

像之前一样,这条消息会发送给消费者、不允许被改动、一直呆在队列中。

(消息在队列中能呆多久,可以修改 Kafka 的配置)

图解 Kafka,画得太好了!_Kafka_12

图解 Kafka,画得太好了!_Kafka_13

Partitions 分区

上面 Topic 的描述中,把 Topic 看做了一个队列,实际上,一个 Topic 是由多个队列组成的,被称为【Partition(分区)】。

这样可以便于 Topic 的扩展。

图解 Kafka,画得太好了!_Kafka_14

生产者发送消息的时候,这条消息会被路由到此 Topic 中的某一个 Partition。

图解 Kafka,画得太好了!_Kafka_15

消费者监听的是所有分区。

图解 Kafka,画得太好了!_Kafka_16

生产者发送消息时,默认是面向 Topic 的,由 Topic 决定放在哪个 Partition,默认使用轮询策略。

图解 Kafka,画得太好了!_Kafka_17

也可以配置 Topic,让同类型的消息都在同一个 Partition。

例如,处理用户消息,可以让某一个用户所有消息都在一个 Partition。

例如,用户1发送了3条消息:A、B、C,默认情况下,这3条消息是在不同的 Partition 中(如 P1、P2、P3)。

在配置之后,可以确保用户1的所有消息都发到同一个分区中(如 P1)。

图解 Kafka,画得太好了!_Kafka_18

这个功能有什么用呢?

这是为了提供消息的【有序性】。

消息在不同的 Partition 是不能保证有序的,只有一个 Partition 内的消息是有序的。

图解 Kafka,画得太好了!_Kafka_19

图解 Kafka,画得太好了!_Kafka_20

架构

Kafka 是集群架构的,ZooKeeper是重要组件。

图解 Kafka,画得太好了!_Kafka_21

ZooKeeper 管理者所有的 Topic 和 Partition。

Topic 和 Partition 存储在 Node 物理节点中,ZooKeeper负责维护这些 Node。

图解 Kafka,画得太好了!_Kafka_22

例如,有2个 Topic,各自有2个 Partition。

图解 Kafka,画得太好了!_Kafka_23

这是逻辑上的形式,但在 Kafka 集群中的实际存储可能是这样的:

图解 Kafka,画得太好了!_Kafka_24

Topic A 的 Partition #1 有3份,分布在各个 Node 上。

这样可以增加 Kafka 的可靠性和系统弹性。

3个 Partition #1 中,ZooKeeper 会指定一个 Leader,负责接收生产者发来的消息。

图解 Kafka,画得太好了!_Kafka_25

其他2个 Partition #1 会作为 Follower,Leader 接收到的消息会复制给 Follower。

图解 Kafka,画得太好了!_Kafka_25

这样,每个 Partition 都含有了全量消息数据。

图解 Kafka,画得太好了!_Kafka_25

即使某个 Node 节点出现了故障,也不用担心消息的损坏。

Topic A 和 Topic B 的所有 Partition 分布可能就是这样的:

图解 Kafka,画得太好了!_Kafka_25