[消息队列 Kafka] Kafka 架构组件及其特性（一）

工作中的消息队列用的是Kafka，一直没有系统的了解，这边集中整理一下。

目录

Kafka主要组件有十个部分。

1.Broker（服务器）

2.Record（消息）

3.Producer（生产者）

4.Consumer（消费者）

5.Topic（主题）

6.Partition（分区）

7.Replica(副本机制)（和分区结合起来是Kafka实现高可用和负载均衡的原理）

8.Segment(段)

9.Consumer Group(消费者组)

10.Consumer Offset(偏移量)（Kafka,单分区消息顺序消费的原因）

Kafka的整体架构

Kafka特性

1）磁盘顺序I/O（速度不亚于内存I/O）

2）索引

3）批量处理和压缩传递（海量吞吐的基础）

4）零拷贝

---

Kafka作为消息队列（当然它不仅仅只有消息队列这一个应用场景。）

Kafka主要组件有十个部分。

1.Broker（服务器）

a)Broker就是Kafka的服务器，用于存储和管理消息，默认是9092端口

b)生产者和Broker建立连接，将消息发送到服务器上存储起来

c)消费者跟Broker建立连接，订阅和消费服务器上存储的消息。

2.Record（消息）

a)客户端传输的数据叫做消息,在Kafka中也叫Record.

b)Record在客户端是一个KV键值对（ProducerRecord, ConsumerRecord）

c)Record在服务端是一个KV键值对（RecordBatch(批量发送) 或 Record）.

3.Producer（生产者）

发送消息的一方称为生产者，

Kafka为了提升消息发送速率，生产者默认采用批量发送的方式发送消息至Broker,

一条发送多少条由参数batch.size决定（默认16K）

4.Consumer（消费者）

a）订阅，接收消息的一方叫消费者

b)消费者获取消息有两种模式：Pull模式（拉）（消费者主动从消息队列中获取消息），Push模式（推）（Broker把消息推送给消费者）

Kafka采用的是Pull模式，因为Kafka是支持大数据的，如果采用Push模式的话，海量数据可能把下游消费端给打爆，所以Kafka采用Pull模式推送消息

c)Pull模式，消费者可以控制一次到底获取多少条消息（max.pull.records 默认是500）

5.Topic（主题）

a)topic(主题)一个逻辑概念，可以理解为一组消息的集合

b)生产者和消费者通过topic进行消息的写入和读取

c)生产者发送消息时候，若topic不存在，是否自动创建：auto.create.topics.enable(建议关闭)

6.Partition（分区）

a)分区（Partition）就是把一个topic分成几个不同的部分

b)一个topic在创建时候可以划分多个分区，若没有指定，默认分区数为1，可通过参数修改（num.partitions）

c)Kafka中修改分区规则：可加，不可减

7.Replica(副本机制)（和分区结合起来是Kafka实现高可用和负载均衡的原理）

a)Replica(副本)是Partition(分区)的副本，每个分区可以有若干个副本（但是不能超过集群数量）

b)副本必须在不同的Broker上，副本包括了主从节点（Leader(图片中蓝色部分)，Foller(图片中灰色部分)）

c)服务端可以通过参数控制默认副本数（offsets.topic.repilication.factor）(一般不这样用，一般直接通过命令设置副本数)

生产者只会往leader节点发送消息，消费者也只会从leader节点读取消息，Kafka通过将各消息的leader节点放在不同的Broker（也就是服务器）上，实现了负载均衡，然后个分区follower节点实现了高可用

8.Segment(段)

Kafka的数据文件是写在.log文件里面的，另外一起还对生成对应的索引.index文件和对应的时间.timeIndex文件。

但是很容易的可以理解，如果一直往一个log文件里面追加数据，那么长时间使用之后log文件的的查找会随着数据量变大而变慢，所以在这种情况下就引入了Segement段的概念。

a)Segement(端)的目的是：建一个分区的数据划分、存储到不同的文件中

b)每个Segment至少由一个数据文件和2个索引文件构成，3个文件是成套出现的。

c)引入段的意义：

加快查询效率

删除数据时减少逐条IO

d)Segement大小控制：

按时间周期生成 log.roll.hours（默认一周）

按文件大小生产 log.segment.bytes（默认1G）

9.Consumer Group(消费者组)

​​​​​​​

由于生产者可能短时间内生产大量消息，为了提升消息的消费速率，就增加了消费者组的概念（group id）

a）使用消费者组，提升消费效率和吞吐量

b) 同一个Group中的消费者，不能消费相同的分区（group id相同，在一个组内）

10.Consumer Offset(偏移量)（Kafka,单分区消息顺序消费的原因）

Kakfa在单分区里面的消息是顺序存储的。

a)Offset(偏移量)的目的在于：记录消费者的消费位置

b)Kafka现行版本将Offset保存在服务器（__consumer_offsets_）主题中（0.9版本以前是在zooKeeper中）

Kafka的整体架构

上图所示：

集群中有三个Broker,有两个topic,都有三个副本，topic0有两个分区，分区1（图中左上角的Partition(0)）的leader在Broker0中，分区2leader在Broker1中，topic1的分区leader在broker2中。

生产者往leader分区（蓝色部分）发送消息时候，leader节点会向follower节点同步备份消息（绿色线条部分）。然后每个消费者组对消息进行消费（红色箭头部分）（想通消费者组的消费者不能消费同一个分区的消息）

Kafka特性

1）磁盘顺序I/O（速度不亚于内存I/O）

Kafka采用的是磁盘顺序I/O

磁盘顺序I/O相对于随机I/O不同点在于：

随机I/O，数据存储在磁盘的位置是分散的，所以需要多次磁盘寻址来读取和写入数据。

但是顺序I/O只需要一次磁盘寻址。去除了重复寻址的过程。Kafka的记录是不断追加到本地磁盘的末尾的，所以是顺序I/O。

2）索引

Kafka在Broker端提供了offset索引和timeIndex(时间戳)索引，两种索引采用了稀疏索引的方案

3）批量处理和压缩传递（海量吞吐的基础）

在收发消息的时候批量处理。

压缩算法进行压缩后传递（gzip等）

4）零拷贝

传统的I/O拷贝如上图：

数据文件从磁盘到网卡，会经过四次从用户态到内核态切换。比较耗时

但是Kafka采用的是linux中的sendfile()函数，采用的是零拷贝的技术，使得读写有比较高的提升

对应的java源码中使用的是transferTo函数

以上就是Kafka整体架构，主要组件和对应的特性。后续还会记录几个主要组件的原理帮助理解。