一、Kafka基礎
消息系統的作用
應該大部分小夥伴都清楚，用機油裝箱舉個例子
所以消息系統就是如上圖我們所說的倉庫，能在中間過程作爲緩存，並且實現解耦合的作用。
引入一個場景，我們知道中國移動，中國聯通，中國電信的日誌處理，是交給外包去做大數據分析的，假設現在它們的日誌都交給了你做的系統去做用戶畫像分析。
按照剛剛前面提到的消息系統的作用，我們知道了消息系統其實就是一個模擬緩存，且僅僅是起到了緩存的作用而並不是真正的緩存，數據仍然是存儲在磁盤上面而不是內存。
1.Topic 主題
kafka學習了數據庫裏面的設計，在裏面設計了topic（主題），這個東西類似於關係型數據庫的表
此時我需要獲取中國移動的數據，那就直接監聽TopicA即可
2.Partition 分區
kafka還有一個概念叫Partition（分區），分區具體在服務器上面表現起初就是一個目錄，一個主題下面有多個分區，這些分區會存儲到不同的服務器上面，或者說，其實就是在不同的主機上建了不同的目錄。這些分區主要的信息就存在了.log文件裏面。跟數據庫裏面的分區差不多，是爲了提高性能。
至於爲什麼提高了性能，很簡單，多個分區多個線程，多個線程並行處理肯定會比單線程好得多
Topic和partition像是HBASE裏的table和region的概念，table只是一個邏輯上的概念，真正存儲數據的是region，這些region會分佈式地存儲在各個服務器上面，對應於kafka，也是一樣，Topic也是邏輯概念，而partition就是分佈式存儲單元。
這個設計是保證了海量數據處理的基礎。我們可以對比一下，如果HDFS沒有block的設計，一個100T的文件也只能單獨放在一個服務器上面，那就直接佔滿整個服務器了，引入block後，大文件可以分散存儲在不同的服務器上。
注意：
分區會有單點故障問題，所以我們會爲每個分區設置副本數
分區的編號是從0開始的
3.Producer - 生產者
往消息系統裏面發送數據的就是生產者
4.Consumer - 消費者
從kafka裏讀取數據的就是消費者
5.Message - 消息
kafka裏面的我們處理的數據叫做消息
二、kafka的集羣架構
創建一個TopicA的主題，3個分區分別存儲在不同的服務器，也就是broker下面。Topic是一個邏輯上的概念，並不能直接在圖中把Topic的相關單元畫出
需要注意：kafka在0.8版本以前是沒有副本機制的，所以在面對服務器宕機的突發情況時會丟失數據，所以儘量避免使用這個版本之前的kafka
Replica - 副本
kafka中的partition爲了保證數據安全，所以每個partition可以設置多個副本。
此時我們對分區0,1,2分別設置3個副本（其實設置兩個副本是比較合適的）
而且其實每個副本都是有角色之分的，它們會選取一個副本作爲leader，而其餘的作爲follower，我們的生產者在發送數據的時候，是直接發送到leader partition裏面
然後follower partition會去leader那裏自行同步數據，消費者消費數據的時候，也是從leader那去消費數據的。
Consumer Group - 消費者組
我們在消費數據時會在代碼裏面指定一個group.id,這個id代表的是消費組的名字，而且這個group.id就算不設置，系統也會默認設置
conf.setProperty("group.id","tellYourDream")我們所熟知的一些消息系統一般來說會這樣設計，就是只要有一個消費者去消費了消息系統裏面的數據，那麼其餘所有的消費者都不能再去消費這個數據。
可是kafka並不是這樣,比如現在consumerA去消費了一個topicA裏面的數據。
consumerA: group.id = a consumerB: group.id = a consumerC: group.id = b consumerD: group.id = b
再讓consumerB也去消費TopicA的數據，它是消費不到了，但是我們在consumerC中重新指定一個另外的group.id，consumerC是可以消費到topicA的數據的。而consumerD也是消費不到的，所以在kafka中，不同組可有唯一的一個消費者去消費同一主題的數據。
所以消費者組就是讓多個消費者並行消費信息而存在的，而且它們不會消費到同一個消息，如下，consumerA，B，C是不會互相干擾的
consumer group:a consumerA consumerB consumerC
如圖，因爲前面提到過了消費者會直接和leader建立聯繫，所以它們分別消費了三個leader，所以一個分區不會讓消費者組裏面的多個消費者去消費，但是在消費者不飽和的情況下，一個消費者是可以去消費多個分區的數據的。
Controller
熟知一個規律：在大數據分佈式文件系統裏面，95%的都是主從式的架構，個別是對等式的架構，比如ElasticSearch。
kafka也是主從式的架構，主節點就叫controller，其餘的爲從節點，controller是需要和zookeeper進行配合管理整個kafka集羣。
kafka和zookeeper如何配合工作
kafka嚴重依賴於zookeeper集羣（所以之前的zookeeper文章還是有點用的）。
所有的broker在啓動的時候都會往zookeeper進行註冊，目的就是選舉出一個controller，這個選舉過程非常簡單粗暴，就是一個誰先誰當的過程，不涉及什麼算法問題。
那成爲controller之後要做啥呢，它會監聽zookeeper裏面的多個目錄，例如有一個目錄/brokers/，其他從節點往這個目錄上註冊（就是往這個目錄上創建屬於自己的子目錄而已）自己，這時命名規則一般是它們的id編號，比如/brokers/0,1,2
註冊時各個節點必定會暴露自己的主機名，端口號等等的信息，此時controller就要去讀取註冊上來的從節點的數據（通過監聽機制），生成集羣的元數據信息，之後把這些信息都分發給其他的服務器，讓其他服務器能感知到集羣中其它成員的存在。
此時模擬一個場景，我們創建一個主題（其實就是在zookeeper上/topics/topicA這樣創建一個目錄而已），kafka會把分區方案生成在這個目錄中，此時controller就監聽到了這一改變，它會去同步這個目錄的元信息，然後同樣下放給它的從節點，通過這個方法讓整個集羣都得知這個分區方案，此時從節點就各自創建好目錄等待創建分區副本即可。這也是整個集羣的管理機制。
加餐時間
1.Kafka性能好在什麼地方？
① 順序寫
操作系統每次從磁盤讀寫數據的時候，需要先尋址，也就是先要找到數據在磁盤上的物理位置，然後再進行數據讀寫，如果是機械硬盤，尋址就需要較長的時間。
kafka的設計中，數據其實是存儲在磁盤上面，一般來說，會把數據存儲在內存上面性能纔會好。但是kafka用的是順序寫，追加數據是追加到末尾，磁盤順序寫的性能極高，在磁盤個數一定，轉數達到一定的情況下，基本和內存速度一致
隨機寫的話是在文件的某個位置修改數據，性能會較低。
② 零拷貝
先來看看非零拷貝的情況
可以看到數據的拷貝從內存拷貝到kafka服務進程那塊，又拷貝到socket緩存那塊，整個過程耗費的時間比較高，kafka利用了Linux的sendFile技術（NIO），省去了進程切換和一次數據拷貝，讓性能變得更好。
2.日誌分段存儲
Kafka規定了一個分區內的.log文件最大爲1G，做這個限制目的是爲了方便把.log加載到內存去操作
00000000000000000000.index 00000000000000000000.log 00000000000000000000.timeindex 00000000000005367851.index 00000000000005367851.log 00000000000005367851.timeindex 00000000000009936472.index 00000000000009936472.log 00000000000009936472.timeindex
這個9936472之類的數字，就是代表了這個日誌段文件裏包含的起始offset，也就說明這個分區裏至少都寫入了接近1000萬條數據了。
Kafka broker有一個參數，log.segment.bytes，限定了每個日誌段文件的大小，最大就是1GB，一個日誌段文件滿了，就自動開一個新的日誌段文件來寫入，避免單個文件過大，影響文件的讀寫性能，這個過程叫做log rolling，正在被寫入的那個日誌段文件，叫做active log segment。
如果大家有看前面的兩篇有關於HDFS的文章時，就會發現NameNode的edits log也會做出限制，所以這些框架都是會考慮到這些問題。
3.Kafka的網絡設計
kafka的網絡設計和Kafka的調優有關，這也是爲什麼它能支持高併發的原因
首先客戶端發送請求全部會先發送給一個Acceptor，broker裏面會存在3個線程（默認是3個），這3個線程都是叫做processor，Acceptor不會對客戶端的請求做任何的處理，直接封裝成一個個socketChannel發送給這些processor形成一個隊列
發送的方式是輪詢，就是先給第一個processor發送，然後再給第二個，第三個，然後又回到第一個。消費者線程去消費這些socketChannel時，會獲取一個個request請求，這些request請求中就會伴隨着數據。
線程池裏面默認有8個線程，這些線程是用來處理request的，解析請求，如果request是寫請求，就寫到磁盤裏。讀的話返回結果。
processor會從response中讀取響應數據，然後再返回給客戶端。這就是Kafka的網絡三層架構。
所以如果我們需要對kafka進行增強調優，增加processor並增加線程池裏面的處理線程，就可以達到效果。request和response那一塊部分其實就是起到了一個緩存的效果，是考慮到processor們生成請求太快，線程數不夠不能及時處理的問題。
所以這就是一個加強版的reactor網絡線程模型。
finally
集羣的搭建會再找時間去提及。這一篇簡單地從角色到一些設計的方面講述了Kafka的一些基礎，在之後的更新中會繼續逐步推進，進行更加深入淺出的講解。