kafka的基本介绍
- 1.kafka的基本介绍
- 2.kafka的优点
- 3.分布式的发布与订阅系统
- 4.kafka的主要应用场景
- 5.kafka的架构
- 6.架构图
1.kafka的基本介绍
官网：http://kafka.apache.org/ kafka是最初由linkedin公司开发的，使用scala语言编写，kafka是一个分布式，分区的，多副本的，多订阅者的日志系统（分布式MQ系统），可以用于搜索日志，监控日志，访问日志等
Kafka is a distributed,partitioned,replicated commit logservice。它提供了类似于JMS的特性，但是在设计实现上完全不同，此外它并不是JMS规范的实现。kafka对消息保存时根据Topic进行归类，发送消息者成为Producer,消息接受者成为Consumer,此外kafka集群有多个kafka实例组成，每个实例(server)成为broker。无论是kafka集群，还是producer和consumer都依赖于zookeeper来保证系统可用性集群保存一些meta信息
2.kafka的优点
可靠性： 分布式的，分区，复制和容错的。
可扩展性： kafka消息传递系统轻松缩放，无需停机。
耐用性： kafka使用分布式提交日志，这意味着消息会尽可能快速的保存在磁盘上，因此它是持久的。
性能： kafka对于发布和定于消息都具有高吞吐量。即使存储了许多TB的消息，他也爆出稳定的性能。
kafka非常快： 保证零停机和零数据丢失。
3.分布式的发布与订阅系统
apache kafka是一个分布式发布-订阅消息系统和一个强大的队列，可以处理大量的数据，并使能够将消息从一个端点传递到另一个端点，kafka适合离线和在线消息消费。kafka消息保留在磁盘上，并在集群内复制以防止数据丢失。kafka构建在zookeeper同步服务之上。它与apache和spark非常好的集成，应用于实时流式数据分析。
4.kafka的主要应用场景
指标分析：
kafka 通常用于操作监控数据。这设计聚合来自分布式应用程序的统计信息， 以产生操作的数据集中反馈
日志聚合解决方法：
kafka可用于跨组织从多个服务器收集日志，并使他们以标准的合适提供给多个服务器。
流式处理：
流式处理框架（spark，storm，flink）重主题中读取数据，对齐进行处理，并将处理后的数据写入新的主题，供 用户和应用程序使用，kafka的强耐久性在流处理的上下文中也非常的有用。
5.kafka的架构
生产者API： 允许应用程序发布记录流至一个或者多个kafka的主题（topics）
消费者API： 允许应用程序订阅一个或者多个主题，并处理这些主题接收到的记录流。
StreamsAPI： 允许应用程序充当流处理器（stream processor），从一个或者多个主题获取输入流，并生产一个输出流到一个或 者多个主题，能够有效的变化输入流为输出流。
ConnectAPI： 允许构建和运行可重用的生产者或者消费者，能够把kafka主题连接到现有的应用程序或数据系统。例如：一个连 接到关系数据库的连接器可能会获取每个表的变化。
6.架构图
Broker： kafka集群中包含一个或者多个服务实例，这种服务实例被称为Broker
Topic： 每条发布到kafka集群的消息都有一个类别，这个类别就叫做Topic
Partition： Partition是一个物理上的概念，每个Topic包含一个或者多个Partition
segment： 一个partition当中存在多个segment文件段，每个segment分为两部分，.log文件和.index文件，其中.index文件是索引文件，主要用于快速查询.log文件当中数据的偏移量位置
Producer： 负责发布消息到kafka的Broker中。
Consumer： 消息消费者,向kafka的broker中读取消息的客户端
Consumer Group： 每一个Consumer属于一个特定的Consumer Group（可以为每个Consumer指定 groupName）
.log: 存放数据文件
.index： 存放.log文件的索引数据
