kafka集群介绍
3.1 kafka集群架构
kafka的架构中包含了kafka集群的设计，在kafka集群中，其中包含了几个重要部分：
（1）broker
kafka 集群包含一个或多个服务器，每个服务器节点称为一个broker。
（2）topic
每条发布到kafka集群的消息都有一个类别，这个类别称为topic，其实就是将消息按照topic来分类，topic就是逻辑上的分类，同一个topic的数据既可以在同一个broker上也可以在不同的broker结点上。
（3）partition
分区，每个topic被物理划分为一个或多个分区，每个分区在物理上对应一个文件夹，该文件夹里面存储了这个分区的所有消息和索引文件。在创建topic时可指定parition数量，生产者将消息发送到topic时，消息会根据分区策略追加到分区文件的末尾，属于顺序写磁盘，因此效率非常高，如图2.2所示（经验证，顺序写磁盘效率比随机写内存还要高，这是Kafka高吞吐率的一个很重要的保证）。
（4）controller
broker的leader，kafka集群中多个broker，有一个会被选举为controller，注意与partition的leader区分，一个是broker的leader，我们称为controller，一个是分区副本的leader，我们称为leader。
（5）leader
partition的leader，每个partition有多个副本，其中有且仅有一个作为leader，leader会负责所有的客户端读写操作。
（6）follower
follower不对外提供服务，只与leader保持数据同步，如果leader失效，则选举一个follower来充当新的leader。当follower卡住或者同步太慢，leader会把这个follower删除重新创建一个follower。
图3.1 partition（分区）消息写入示意图
（7）offset
partition中的每条消息都被标记了一个序号，这个序号表示消息在partition中的偏移量，称为offset，每一条消息在partition都有唯一的offset，消息者通过指定offset来指定要消费的消息。如图2.2中partition的消息写入示意图。
正常情况下，消费者在消费完一条消息后会递增offset，准备去消费下一条消息，但也可以将offset设成一个较小的值，重新消费一些消费过的消息，可见offset是由consumer控制的，consumer想消费哪一条消息就消费哪一条消息，所以kafka broker是无状态的，它不需要标记哪些消息被消费过。
（8）rebalance
同一个consumer group下的多个消费者互相协调消费工作，我们这样想，一个topic分为多个分区，一个consumer group里面的所有消费者合作，一起去消费所订阅的某个topic下的所有分区(每个消费者消费部分分区)，kafka会将该topic下的所有分区均匀的分配给consumer group下的每个消费者，如下图3.1所示。
图3.2 topic中partition的分配及再平衡
rebalance表示”重平衡”，consumer group内某个消费者挂掉后，其他消费者自动重新分配订阅主题分区的过程，是 Kafka 消费者端实现高可用的重要手段。如下图Consumer Group A中的C2挂掉，C1会接收P1和P2，以达到重新平衡。同样的，当有新消费者加入consumer group，也会触发重平衡操作。
3.2 kafka架构中消息的传递
图3.3 kafka工作流程
如图3.3所示，一个典型的kafka集群中包含若干producer，若干broker（Kafka支持水平扩展，一般broker数量越多，集群吞吐率越高），若干consumer group，以及一个zookeeper集群。kafka通过zookeeper协调管理kafka集群，选举broker的controller、分区leader，以及在consumer group发生变化时进行rebalance。
kafka的topic被划分为一个或多个分区，多个分区可以分布在一个或多个broker节点上，同时为了故障容错，每个分区都会复制多个副本，分别位于不同的broker节点，这些分区副本中（不管是leader还是follower都称为分区副本），一个分区副本会作为leader，其余的分区副本作为follower。其中leader负责所有的客户端读写操作，follower不对外提供服务，仅仅从leader上同步数据，当leader出现故障时，其中的一个follower会顶替成为leader，继续对外提供服务。
对于传统的MQ而言，已经被消费的消息会从队列中删除，但在Kafka中被消费的消息也不会立马删除，在kafka的server.propertise配置文件中定义了数据的保存时间，当文件到设定的保存时间时才会删除，因为Kafka读取消息的时间复杂度为O(1)，与文件大小无关，所以这里删除过期文件与提高Kafka性能并没有关系，所以选择怎样的删除策略应该考虑磁盘以及具体的需求。
3.3 消息的传递模式
（1）点对点模式 VS 发布订阅模式
传统的消息系统中，有两种主要的消息传递模式：点对点模式、发布订阅模式。
①点对点模式
生产者发送消息到queue中，queue支持存在多个消费者，但是对一个消息而言，只可以被一个消费者消费，并且在点对点模式中，已经消费过的消息会从queue中删除不再存储。
②发布订阅模式
生产者将消息发布到topic中，topic可以被多个消费者订阅，且发布到topic的消息会被所有订阅者消费。而kafka就是一种发布订阅模式。
（2）消费端 pull 和 push
① push方式
由消息中间件主动地将消息推送给消费者。
优点：优点是不需要消费者额外开启线程监控中间件，节省开销。缺点：无法适应消费速率不相同的消费者。因为消息的发送速率是broker决定的，而消费者的处理速度又不尽相同，所以容易造成部分消费者空闲，部分消费者堆积，造成缓冲区溢出。
② pull方式：
由消费者主动向消息中间件拉取消息。
优点：消费端可以按处理能力进行拉取；缺点：消费端需要另开线程监控中间件，有性能开销；
对于Kafka而言，pull模式更合适。pull模式可简化broker的设计，Consumer可自主控制消费消息的速率，同时Consumer可以自己控制消费方式，既可批量消费也可逐条消费，同时还能选择不同的提交方式从而实现不同的传输语义。
3.4 文件存储
Kafka文件存储也是通过本地落盘的方式存储的，主要是通过相应的log与index等文件保存具体的消息文件。
图3.4 kafka文件存储
生产者不断的向log文件追加消息文件，为了防止log文件过大导致定位效率低下，Kafka的log文件以1G为一个分界点，当.log文件大小超过1G的时候，此时会创建一个新的.log文件，同时为了快速定位大文件中消息位置，Kafka采取了分片和索引的机制来加速定位。
在kafka的存储log的地方，即文件的地方，会存在消费的偏移量以及具体的分区信息，分区信息的话主要包括.index和.log文件组成，分区目的是为了备份，所以同一个分区的不同副本存储在不同的broker上。
如图3.5所示，“.index” 文件存储大量的索引信息，“.log” 文件存储大量的数据。首先通过二分查找对应的.index文件，在0.index中；然后通过第一个0.index文件定位元素的位置3，定位到之后获取起始偏移量+当前文件大小=总的偏移量；获取到总的偏移量之后，直接定位到.log文件即可快速获得当前消息。