一、前言

在这个系列博客中，小编将向大家介绍一下一款吞吐超级大的消息中间件——kafka。
说到消息中间件MQ，小编也在前面的博客中介绍过 rocketMq，activeMq等等。

至于为什么叫kafka呢？是因为创作它的程序员叫做jay krep，他非常喜欢 弗兰兹·卡夫卡，觉的kafka这个名字很酷，所以就起了这个名字。名字没有什么特别的意思。

二、什么是kafka？能干点什么？

Kafka是由Apache软件基金会开发的一个开源流平台，由Scala和Java编写。Kafka的Apache官网是这样介绍Kafka的。

流平台？干什么的？

From apache kafka官网

1. To publish (write) and subscribe to (read) streams of events, including continuous import/export of your data from other systems.
2. To store streams of events durably and reliably for as long as you want.
3. To process streams of events as they occur or retrospectively.

翻译过来就是：

1. 发布和订阅流数据流，包括从其他系统持续导入/导出数据。
2. 持久化数据流，数据落地
3. 处理数据流，数据流回放

三、kafka的架构图

首先kafka其他mq一样，都是有 服务端和客户端组成，客户端我们一般分成 生产者和消费者。

• 生产者

• 服务端，一个节点叫做broker，多个broker组成我们的集群。其中通过 zookeeper来管理集群，比如集群配置，leader的选举，负载均衡等。

• 消费者

这里还有一些概念要介绍：

• topic
  队列，生产者会发送消息到topic，消费者从topic消费消息。

• partition
  分区，目的是提高并发，一个topic可以有多个partition，每个patition内的消息是保证顺序的，是有序队列。

• segment
  每个patition又由多个segment file组成。文件存储二进制格式数据
  segment = xxx.index + xxxx.timeindex + xxxx.log
  xxxx.log是数据文件，xxx.index 和 xxx.timeindex 是索引文件。

log文件大小默认是1G，超出限制会新建立一个文件。可以通过log.segment.byte参数来配置每个segment大小。

命名规则：partition的第一个segment从0开始，后续每个segment文件名为上一个segment文件最后一条消息的offset + 1

• replica
  副本，kafka为了保证消息的高可用性，为每个日志文件都做了备份，被称作副本，目的就是为了防止数据丢失，这样就拆成了两类：leader 和 follower。如果其中一台broker 宕机，Kafka 会从剩余的 replica 中选举出新的 leader 继续提供服务。

• leader
  主副本，其中的数据会给到消费者。

• follower
  从副本，备胎，个别broker宕机的时候，可以重新选举为主副本。从副本中的数据，不会给到消费者。从副本主动从主副本拉取，不同从副本的拉取同步速度也是不一样的。

• offset
  消费者消费的位置信息，当消费者挂掉或重新恢复的时候可以，从消费位置重新继续消费。

• consumer group
  消费者组，消费者组内所有的消费者，分别消费不同分区数据，消费互斥。

• ISR
  in sync replica，基本保持同步的Replica列表，是从副本与主副本保持同步的列表，默认是30s数据，如果从副本保持同步，那么重新选举leader的时候，会被选择；如果与主副本同步差距较大，会被移除，选举leader，将不会被考虑。

• OSR
  out of sync replica，同步有延迟的follower列表。

• LEO (logEndOffset)
  表示每个partition的log最后一条message的位置。

• HW（高水位 HighWatermark）
  每个partition的副本数据间同步且一致的offset位置，即表示所有副本都已经commit的位置
  高水位之前的数据才是Commit后的，对消费者才可见

四、小结

了解kafka的架构，就是要了解设计理念，阿里的rocketmq也是根据kafka的这个架构来设计的，好的架构可以拓展出更多的中间件。了解透了，你就会有收获。