分布式学习(5) ---- 初识消息系统kafka

那为什么不学习用Java写的ActiveMQ或RabbitMQ呢？

因为我看过卡夫卡写的变形记。

简单原理图

分布式消息系统就是生产者集群和消费者集群分离，通过中间的一个消息系统进行通信。

生产者异步生产东西，不用管消费者的反馈，消费者也不用死等着生产者生产，等有东西了来拿就好。就像是母鸡下蛋，母鸡（生产者）直接把蛋（消息）下在筐里，人（消费者）不用在一边等着，只用隔段时间来拿就行了。

概念介绍

producer

Kafka系统中的生产者，用于产生数据并发送给broker进行存储。由于需要与broker中的分区保持socket连接，因此需要在zk中维护生产者与分区broker的对应关系。同一个topic下的数据，会以某种负载均衡的方式发送到不同的分区中。

broker

Broker可以当做Kafka中的存储节点，数据按照topic组织，按照某种负载均衡方式分配到不同的分区中。一个Topic由多个分区组成，每个分区可以设置备份数量。分区由一个leader+多个followers组成，生产者直接与leader进行沟通，leader接收消息后，其他的followers会同步这个消息。所有的follwers同步消息后，该消息才会成为可消费的状态。

Broker中Topic与分区，分区与生产者，分区之间的选举备份等等信息都需要zookeeper进行协调。

consumer

Consumer是Kafka中的消费者，通常以组的形式存在，一个Group会包含多个Consumer。每个组对应一个Topic，该Topic内的分区只能对应一个消费者，也就是如果消费者很多的情况下，会出现有的消费者消费不到数据；如果消费者很少的情况下，会有消费者同时消费多个分区的数据。

Kafka仅仅会保证一个分区的消息的消费是有序的，多个分区并不保证有序性。

为了保证数据消费的可靠性，Kakka提供了几种消费的机制：

• 1 at most once，即消费数据后，保存offset，就再也取不到这个数据了。
• 2 at least once，即消费数据后，保存offset，如果保存出错，下次可能还会取到该数据

在Kafka中offset是由consumer维护的（实际可以由zookeeper来完成）。这种机制有两个好处，

• 一个是可以依据consumer的能力来消费数据，避免产生消费数据的压力；
• 另一个就是可以自定义fetch消费的数据数目，可以一次读取1条，也可以1次读取100条。

topic

Kafka中的数据的主题，所有的操作（如消息的存储和读取\消费）都是依据topic完成。

partition

每个Topic由多个分区组成，每个分区内部的数据保证了有序性，即是按照时间序列，append到分区的尾部。分区是有固定大小的，容量不够时，会创建新的分区。Kafka在一定时间内会定期清理过期的文件。

这种连续性的文件存储，一方面有效的利用磁盘的线性存取；另一方面减轻了内存的压力。

zookeeper

在Kafka中很多节点的调度以及资源的分配，都要依赖于zookeeper来完成。

• 1 Broker的注册，保存Broker的IP以及端口；
• 2 Topic注册，管理broker中Topic的分区以及分布情况
• 3 Broker的负载均衡，讲Topic动态的分配到broker中，通过topic的分布以及broker的负载判断
• 4 消费者，每个分区的消息仅发送给一个消费者
• 5 消费者与分区的对应关系，存储在zk中
• 6 消费者负载均衡，一旦消费者增加或者减少，都会触发消费者的负载均衡
• 7 消费者的offset，High level中由zk维护offset的信息；Low Level中由自己维护offset

Demo实现

由于我租的乞丐版服务器，开伪集群有一些困难，所以以下demo均在单机上完成。

首先来看一下命令行实现简易demo：

• 启动kafka服务
  

bin/kafka-server-start.sh config/server.properties &