分布式消息队列

kafka介绍

基本架构

Kafka是开源的分布式消息队列，能够轻松实现高吞吐、可扩展、高可用，并且部署简单快速、开发接口丰富。

kafka分布式消息队列的作用：

解耦：将消息生产阶段和处理阶段拆分开，两个阶段互相独立各自实现自己的处理逻辑，通过kafka提供的消息写入和消费接口实现对消息的连接处理。降低开发复杂度，提高系统稳定性。
高吞吐量：kafka通过顺序读写磁盘提供可以和内存随机读写相匹敌的读写速度，灵活的客户端API设计，利用Linux操作系统提供的“零拷贝”特性减少消息网络传输时间，提供端到端的消息压缩传输，对同一主题下的消息采用分区存储，kafka通过诸多良好的特性利用廉价的机器就可以轻松实现高吞吐率。
高容错、高可用：kafka允许用户对分区配置多副本，kafka将副本均匀分配到各个broker存储，保证同一个分区的副本不会再同一台机器上存储（集群模式下），多副本之间采用Leader-Follower机制同步消息，只有Leader对外提供读写服务，当Leader以外失败、Broker进程关闭、服务宕机等情况导致数据不可用时，kafka会从Follwer中选择一个Leader继续提供读写服务。
可扩展：理论上kafka的性能随着Broker的增多而增加，增加一个Broker只需要为新增加的Broker设置一个唯一编号，编写好配置文件后，kafka通过zookeeper就能发现新的Broker。
峰值处理：例如秒杀系统、双十一等促销活动的爆发几种支付系统、推荐系统等都需要消息队列的介入，这类系统在某个时间点数据会爆发式增长，后台处理系统不能够及时处理峰值请求，如果没有消息队列的接入就会造成后台系统处理不及时，请求数据严重挤压，如此恶性循环最终导致系统崩溃。kafka的接入能够使数据进行冗余存储，并保证消息顺序读写，相当于给系统接入一个大的缓冲区，既能够接收持续暴增的的请求，又能根据后台系统的处理能力提供数据服务，进而提高各业务系统的峰值处理能力。

kafka相关名词解析

Broker：启动kafka的一个实例就是一个Broker，默认端口9092。一个kafka集群可以启动多个Broker同时对外提供服务，Broker不保存任何producer和consumer相关的信息。
Topic：主题，kafka中同一种类型数据集的名称，相当于数据库中的表，producer将同一类型的数据写入同一个topic下，consumer从同一个topic消费同一类型的数据。逻辑上同一数据集只有一个topic，如果设置一个topic有多个partition和多个replication，在物理机上同一个topic下的数据集会被分成多份存储到不同的物理机上。
Partition：分区，一个topic可以设置多个分区，相当于把一个数据集分成多份分别放到不同的分区中存储。一个topic可以有一个或者多个分区，在创建topic的时候可以设置topic的Partition数，如果不设置默认为1。理论上Partition数越多，系统的整体吞吐率就越高，但是在实际应用中并不是Partition越多越好，反而过多的Partition在broker宕机需要重新对Partition选主，在这个过程中耗时太久会导致Partition暂时无法提供服务，造成写入消息失败。分区命名规则是topicname-index。
Segment：段文件，kafka中最小数据存储单位，kafka可以存储多个topic，各个topic之间隔离没有影响，一个topic包含一个或者多个Partition，每个Partition在物理结构上是一个文件夹，文件夹名称以topic名称加Partition索引的方式命名，一个Partition包含多个segment，每个segment以message在Partition中的其实偏移量命名以log结尾的文件，productor想topic中发布消息会被顺序写入对应的segment文件中。kafka为了提高写入和查询速度，在Partition文件夹下每个segment log文件都有一个同名的索引文件，索引文件以index结尾。
Offset：消息在分区中的偏移量，用来在分区中唯一地表示这个消息。
Replication：副本，一个Partition可以设置一个或者多个副本，副本主要保证系统能够持续不丢失地对外提供服务。在创建topic的时候可以设置Partition的replication数。
Producer：消息生产者，负责向kafka中发布消息。
Consumer Group：消费者所属组，一个Consumer Group可以包含一个或者多个consumer，当一个topic被一个Consumer Group消费的时候，Consumer Group内只能有一个consumer消费同一条消息，不会出现Consumer Group中多个consumer同时消费一条消息造成一个消息被Consumer Group消费多次的情况。
Consumer：消息消费者，consumer从kafka指定的主题中拉取消息，如果一个topic有多个分区，kafka只能保证一个分区内消息的有序性，在不同的分区之间无法保证。
zookeeper：zookeeper在kafka集群中主要用于协调管理，kafka将元数据信息保存在zookeeper中，通过zookeeper协调管理来实现整个kafka集群的动态扩展、各个Broker负载均衡、Productor通过zookeeper感知Partition的Leader、Consumer消费的负载均衡并可以保存Consumer消费的状态信息，kafka0.9版本之前Consumer消费信息的偏移量记录在zookeeper中，0.9版本之后则由kafka自己维护Consumer消费消息的偏移量。

高吞吐的实现

kafka通过顺序读写磁盘提供可以和内存随机读写相匹敌的读写速度，使用“sendfile”技术实现“零拷贝”减少消息网络传输时间，通过对客户端的优化设计提高消息发布和订阅的性能，对同一主题下的消息采用多分区存储，kafka通过诸多良好的特性利用廉价的机器就可以轻松实现高吞吐率。

kafka配置参数详解

Broker配置参数
broker.id：broker的唯一标识，不同broker的值必须不同。
host.name：绑定的主机名称或IP。
port：监听端口。
auto.create.topics.enable：是否自动创建topic，默认值为true。
auto.leader.reblalance.enable：是否启动Leader自动平衡，如果设置为true，将会有一个后台线程定期检查是否需要触发leader平衡操作，默认值为true。
leader.imbalance.check.interval.seconds：检查分区是否平衡的时间间隔，默认值300秒。
leader.imbalance.per.broker.percentage：每个broker允许的不平衡Leader的百分比，超过该值则会触发Leader重新平衡，默认值为10。
compression.type：设置topic压缩格式，目前支持gzip、snappy、lz4压缩格式。
background.threads：后台处理任务线程数，默认值为8。
delete.topic.enable：是否启动删除主题功能，如果设置为true开启功能，则使用kafka管理工具就可以删除主题。默认值为false。
log.dir：日志数据保存目录。
log.retention.bytes：每个分区最大文件大小。
log.retention.hours：数据保存时长，超时文件会被删除。
socket.send.buffer.bytes：socket发送缓冲区大小。
socket.receive.buffer.bytes：socket最大请求大小。
zookeeper.connection.timeout.ms：客户端与zookeeper连接的超时时间。
zookeeper.session.timeout.ms：zookeeper最大超时时间。
log.segment.bytes：Segment文件大小。
replica.fetch.wait.max.ms：副本Follower与leader之间通信同步消息的超时时间。
replica.lag.time.max.ms：如果Follower没有向Leader发送同步消息请求的时间或者Follower一直没有同步到Leader最后一条消息的时间超过了该项配置的时间，则改Follower将会被移除出ISR。
更多kafka相关信息请看新书Kafka技术内幕