Kafka有什麼用途？
舉例有如下場景：
1. 當前有一個接口提供創建用戶一個草稿評論
2. 檢查草稿後，若合法則將其推到線上，發現違禁字則刪除。
3. 若刪除則記錄用戶不合法次數+1
4. 推到線上後將文章評論數+1，並通知文章作者收穫了一條評論
5. 。。。。
上述操作的後續操作可以無限拓展下去，如果放在一個“創建評論”中寫完未免過於冗長。站在事件驅動的角度來看，好像一滴水滴入湖中，引發起不斷的波瀾。那麼有沒有一種方式能使操作專注於本身的修改，後續的操作由它們自己發現並開始呢？答案是使用消息隊列。
Kafka就是這樣一種消息隊列。使用Kafka我們可以將上述場景改爲：
1. 創建草稿評論後，發送一條comment_create的消息
2. 發現一條comment_create消息，消費者檢查評論是否合法，並選擇刪除或通過評論。若通過發送一條comment_created，不通過發送一條comment_illegal
3. 發現一條comment_created消息，消費者向文章作者發推送，將文章評論數+1
4. 發現一條comment_illegal消息，消費者將用戶置爲不合法
可以看到上述操作像是一道水波，從1開始擴展到2，再擴展到3或4，並且其中每一步都是異步的。
什麼是生產者與消費者
Producer生產者生產消息，被指定的Consumer消費者消費掉。
什麼是Topic
Kafka每個消息都需要指定一個Topic，每個Producer發送消息都需要指定一個Topic作爲目標。而Consumer也是從對應的Topic中拉取消息（實際不止是這樣）。
什麼是分組（Group）
每個Consumer屬於一個consumer Group，每個Group可以有多個Consumer。每個Group可以訂閱一個Topic，發送到Topic的消息，會發送給每一個了此Topic的Group。
而Group每次收到消息會隨機選定自己的一個Consumer來消費。示意圖如下：
什麼是Partition（分區）
到這裏開始就涉及一些各深層的概念了：每個Topic將被分成多個Partition(區)，一個消息到來時會根據Producer指定的算法存儲在某個Partition中，就是說把數據分開存儲，避免單臺Kafka實例存儲的數據量過大。此外越多的partitions意味着可以容納更多的consumer，有效提升併發消費的能力（具體原理參見下文）
任何發佈到某個Partition的消息都會被直接追加到它的log文件的尾部，每條消息在文件中的位置稱爲offset（偏移量），offset爲一個long型整數，用於唯一標記一條消息。
什麼是Replica（備份）
Kafka可以指定每個Partition的備份數，這樣即使一臺機器崩了，備份數據的機器可以立即生效。
如果每個Partition都有多個備份，那麼選擇哪一臺來讀寫呢？這就涉及到Leader的概念，在Kafka裏會選定Partition的一臺實例作爲Leader，其它所有的作爲Follower。
Leader負責所有的讀寫，如果它失效了，那麼將會有其他Follower來接管爲新Leader。而在正常情況下，所有的Follower只是單調的向Leader請求最新數據（同步數據）。
由此可見作爲Leader的服務器承載了全部的請求壓力，因此從集羣的整體考慮，有越多個Partitions就意味着有越多個”Leader”，也就更能確保整體的穩定性。