Kafka 是LinkedIn 開發的一個高性能、分佈式的消息系統，廣泛用於日誌收集、流式數據處理、在線和離線消息分發等場景。雖然不是作爲傳統的MQ來設計，在大部分情況，Kafaka 也可以代替原先ActiveMQ 等傳統的消息系統。
Kafka 將消息流按Topic 組織，保存消息的服務器稱爲Broker，消費者可以訂閱一個或者多個Topic。爲了均衡負載，一個Topic 的消息又可以劃分到多個分區(Partition)，分區越多，Kafka並行能力和吞吐量越高。
Kafka 集羣需要zookeeper 支持來實現集羣，最新的kafka 發行包中已經包含了zookeeper，部署的時候可以在一臺服務器上同時啓動一個zookeeper Server 和 一個Kafka Server，也可以使用已有的其他zookeeper集羣。
和傳統的MQ不同，消費者需要自己保留一個offset，從kafka 獲取消息時，只拉去當前offset 以後的消息。Kafka 的scala/java 版的client 已經實現了這部分的邏輯，將offset 保存到zookeeper 上。每個消費者可以選擇一個id，同樣id 的消費者對於同一條消息只會收到一次。一個Topic 的消費者如果都使用相同的id，就是傳統的 Queue；如果每個消費者都使用不同的id, 就是傳統的pub-sub.
如果在MQ的場景下，將Kafka 和 ActiveMQ 相比:
Kafka 的優點
分佈式可高可擴展。Kafka 集羣可以透明的擴展，增加新的服務器進集羣。
高性能。Kafka 的性能大大超過傳統的ActiveMQ、RabbitMQ等MQ 實現，尤其是Kafka 還支持batch 操作。下圖是linkedin 的消費者性能壓測結果:
容錯。Kafka每個Partition的數據都會複製到幾臺服務器上。當某個Broker故障失效時，ZooKeeper服務將通知生產者和消費者，生產者和消費者轉而使用其它Broker。
Kafka 的不利
重複消息。Kafka 只保證每個消息至少會送達一次，雖然機率很小，但一條消息有可能會被送達多次。
消息亂序。雖然一個Partition 內部的消息是保證有序的，但是如果一個Topic 有多個Partition，Partition 之間的消息送達不保證有序。
複雜性。Kafka需要zookeeper 集羣的支持，Topic通常需要人工來創建，部署和維護較一般消息隊列成本更高
=-=======================================================================
00
今天讓我們來談談身份高貴，舉止優雅的消息中間件，主要還是淺談，消息中間件這塊水太深。大體上我們結合互聯網業務做一些探討，從互聯網主要關心的消息安全性，服務器的穩定性容錯性以及吞吐量三方面來講。
由於這塊產品非常多，我只挑選兩個我使用過的產品結合使用經驗做一些研究，他們是ActiveMQ和Kafka，前者完全實現了JMS的規範，後者看上去有一些“野路子”，並沒有糾結於JMS規範，劍走偏鋒的設計了另一套吞吐非常高的分佈式發佈-訂閱消息系統，目前非常流行。接下來我們結合三個點（消息安全性，服務器的穩定性容錯性以及吞吐量）來分別談談這兩個消息中間件。今天我們談Kafka，ActiveMQ的文章在此。
01 性能怪獸Kafka
Kafka是LinkedIn開源的分佈式發佈-訂閱消息系統，目前歸屬於Apache定級項目。”Apache Kafka is publish-subscribe messaging rethought as a distributed commit log.”，官網首頁的一句話高度概括其職責。Kafka並沒有遵守JMS規範，他只用文件系統來管理消息的生命週期。Kafka的設計目標是：
（1）以時間複雜度爲O(1)的方式提供消息持久化能力，即使對TB級以上數據也能保證常數時間複雜度的訪問性能。
（2）高吞吐率。即使在非常廉價的商用機器上也能做到單機支持每秒100K條以上消息的傳輸。
（3）支持Kafka Server間的消息分區，及分佈式消費，同時保證每個Partition內的消息順序傳輸。
（4）同時支持離線數據處理和實時數據處理。
（5）Scale out：支持在線水平擴展。
所以，不像AMQ，Kafka從設計開始極爲高可用爲目的，天然HA。broker支持集羣，消息亦支持負載均衡，還有副本機制。同樣，Kafka也是使用Zookeeper管理集羣節點信息，包括consumer的消費信息也是保存在zk中，下面我們分話題來談：
1）消息的安全性
Kafka集羣中的Leader負責某一topic的某一partition的消息的讀寫，理論上consumer和producer只與該Leader節點打交道，一個集羣裏的某一broker即是Leader的同時也可以擔當某一partition的follower，即Replica。Kafka分配Replica的算法如下：
（1）將所有Broker（假設共n個Broker）和待分配的Partition排序
（2）將第i個Partition分配到第（i mod n）個Broker上
（3）將第i個Partition的第j個Replica分配到第（(i + j) mode n）個Broker上
同時，Kafka與Replica既非同步也不是嚴格意義上的異步。一個典型的Kafka發送-消費消息的過程如下：首先首先Producer消息發送給某Topic的某Partition的Leader，Leader先是將消息寫入本地Log，同時follower（如果落後過多將會被踢出出Replica列表）從Leader上pull消息，並且在未寫入log的同時即向Leader發送ACK的反饋，所以對於某一條已經算作commit的消息來講，在某一時刻，其存在於Leader的log中，以及Replica的內存中。這可以算作一個危險的情況（聽起來嚇人），因爲如果此時集羣掛了這條消息就算丟失了，但結合producer的屬性（request.required.acks=2 當所有follower都收到消息後返回ack）可以保證在絕大多數情況下消息的安全性。當消息算作commit的時候纔會暴露給consumer，並保證at-least-once的投遞原則。
2）服務的穩定容錯性
前面提到過，Kafka天然支持HA，整個leader/follower機制通過zookeeper調度，它在所有broker中選出一個controller，所有Partition的Leader選舉都由controller決定，同時controller也負責增刪Topic以及Replica的重新分配。如果Leader掛了，集羣將在ISR（in-sync replicas）中選出新的Leader，選舉基本原則是：新的Leader必須擁有原來的Leader commit過的所有消息。假如所有的follower都掛了，Kafka會選擇第一個“活”過來的Replica（不一定是ISR中的）作爲Leader，因爲如果此時等待ISR中的Replica是有風險的，假如所有的ISR都無法“活”，那此partition將會變成不可用。
3） 吞吐量
Leader節點負責某一topic（可以分成多個partition）的某一partition的消息的讀寫，任何發佈到此partition的消息都會被直接追加到log文件的尾部，因爲每條消息都被append到該partition中，是順序寫磁盤，因此效率非常高（經驗證，順序寫磁盤效率比隨機寫內存還要高，這是Kafka高吞吐率的一個很重要的保證），同時通過合理的partition，消息可以均勻的分佈在不同的partition裏面。Kafka基於時間或者partition的大小來刪除消息，同時broker是無狀態的，consumer的消費狀態(offset)是由consumer自己控制的（每一個consumer實例只會消費某一個或多個特定partition的數據，而某個partition的數據只會被某一個特定的consumer實例所消費），也不需要broker通過鎖機制去控制消息的消費，所以吞吐量驚人，這也是Kafka吸引人的地方。
最後說下由於zookeeper引起的腦裂（Split Brain）問題：每個consumer分別單獨通過Zookeeper判斷哪些partition down了，那麼不同consumer從Zookeeper“看”到的view就可能不一樣，這就會造成錯誤的reblance嘗試。而且有可能所有的consumer都認爲rebalance已經完成了，但實際上可能並非如此。