转自：https://blog.csdn.net/zhangdong2012/article/details/80316882
Kafka原理
在Kafka中向topic发送消息者称为Producer，从topic获取数据者称为Consumer，Consumer被定义到一个Consumer Group中，整个Kafka集群通过Zookeeper进行协调
Kafka集群由多个broker实例组成，消息按照topic进行分类存储，每个topic被分为多个分区，每个分区又存在多个副本，保证数据对可用性 
Partition内顺序存储，写入对消息采用追加的方式，消费者采用FIFO的方式进行拉去，一个topic由多个分区组成，分区内的数据有序，但kafka并不保证topic中的数据整体有序。 
为了加快读取，多个Consumer被划分为一个Consumer Group并行的消费topic中的数据，一个topic可以由多个Consumer Group订阅，多个Conser Group之间互补影响，可以同时消费同一条数据，但组内但Consumer ，同一条消息只能被一个Consumer处理，
Kafka存储原理
Topic的每个Partition副本对应一个物理上的目录，存储当前Partition数据，Partition中的数据以Segment为单位存储，每个segment存储一段数据。
Kafka为了提高读取效率，为每个segment创建一个两个索引文件，一个以消息偏移量为依据，以.index结尾，以偏移量为名称，另一个是以消息被写入的时间戳为依据，以.timeindex结尾，以时间偏移量为名称。偏移量索引文件中稀疏存储来偏移量既索引位置，而时间索引文件中存储来时间戳偏移量和索引位置，这样可以以logn的时间复杂度快速定位到segment中的数据。
偏移量索引文件
1）以偏移量作为名称，index作为后缀
2）索引内容格式：offset，position
3）采用稀疏的存储方式
4）通过log.index.interval.bytes设置索引跨度
时间错索引文件
1）以时间戳作为名称，以timeindex为后缀
2）索引内容格式：timestame，offset
3）采用稀疏存储方式
4）通过log.index.interval.bytes设置索引跨度
Kafka高可用
数据高可用
1）一个topic可以又多个分区，每个分区多个副本
2）0.8版本以前分区没有副本（replication），一旦某个broker宕机，其上的partition数据便丢失
3）一个分区的多个副本选举一个leader，由leader负责读写，其他副本作为follower从leader同步数据
4）同一个partition的不同副本分布到不同的broker上
集群高可用
1）从集群中的broker选举一个broker作为Controller控制节点
2）Controller负责整个集群的管理，如broker管理，topic管理，Partition Leader选举
3）选举过程通过想Zookeeper创建临时的znode节点实现，为选中的broker监听Controller的znode，等待下次选举
Partition Leader高可用
1）Controller负责分区Leader的选举
2）Follower批量从Leader拉取数据
3）Leader跟踪与其保持同步的flower列表ISR，ISR作为下次选主的时候列表
4）Follower心跳超时时或者消息落后太多，将被移除ISR列表
5）Leader失败后，由Controller从ISR列表中选择一个Follower作为新的Leader