系列文章目录
一、kafka基本原理
二、使用java简单操作kafka
三、简单了解kafka设计原理
一、Kafka核心总控制器Controller
在Kafka集群中会有一个或者多个broker，其中有一个broker会被选举为控制器（Kafka Controller），它负责管理整个集群中所有分区和副本的状态。
- 当某个分区的leader副本出现故障时，由控制器负责为该分区选举新的leader副本。
- 当检测到某个分区的ISR集合发生变化时，由控制器负责通知所有broker更新其元数据信息。
- 当使用kafka-topics.sh脚本为某个topic增加分区数量时，同样还是由控制器负责让新分区被其他节点感知到。
关于总控制器是怎么选出来的呢？
情况一:
如果kafka集群是一台一台启动的，那么最先启动的就是controller。
情况二;
同时启动，所有的kafka节点都会向zookeeper发送create命令，谁先创建成功，谁就是controller，如果controller挂了，还是会按照这样重新选举。
controller具体细节：
1.监听broker相关的变化。为zookeeper中的/brokers/ids/节点添加BrokerChangeListener，用来处理broker增加减少变化（kafka集群增加减少节点）
2.监听topic相关变化。为zookeeper中的/brokers/topics/节点添加TopicChangeListener，用来处理topic的增加减少变化。为zookeeper中的/admin/delete_topics/[topic]/节点添加TopicDeletionListener，用来处理删除topic的动作。
3.从zookeeper中获取当前所有的与topic、partition和broker有关的信息进行相应的管理。对于所有topic所对应的zookeeper中的/brokers/topics/[topic]/中添加PartitionModificationsListener，用来监听topic中的分区分配变化。
4.更新集群的元数据信息，同步到其他普通的broker节点中。
Partition副本选举Leader机制
controller感知到分区leader所在的broker挂了（controller监听了很多zookeeper节点可以感知到broker存活），controller会从ISR列表（配置为unclean.leader.election.enable=false的前提下）里挑一个broker为leader，如果isr列表里边都挂了，那么会一直卡在这块，影响消息的写入。（在Isr前面的broker，也就是最先放假isr列表的broker，可能是同步数据最多的副本），如果配置为unclean.leader.election.enable=true，这种情况下，只有在isr列表的broker都挂了之后，回去取isr列表之外的存活的broker，这种设置可以提高可用性，但是新的leader可能有部分数据没有同步，数据会少很多。
消费者消费消息的offset记录机制
每个consumer会定期将自己消费分区的offset提交给kafka内部topic:_consumer_offsets,提交过去的时候，key是consumerGroupId+topic+分区号，value就是当前的offset值，kafka会定期清理topic里的消息，最后就保留最新的那条数据，因为_consumer_offsets可能会接受高并发的请求，kafka默认给其分配50个分区（通过offsets.topic.num.partitions设置），这样做的好处是可以更好的抗并发。
如果没有指定提交的分区，会有一个公式来计算提交的那个分区上。
公式：hash(consumerGroupId) % __consumer_offsets主题的分区数
消费者Rebalance机制
rebalance就是消费组里的消费者数量变化，或者消费的分区数有变化，kafka会重新分配消费组消费分区的关系。例如消费组中某个消费者挂了，此时会自动把分配给他的分区交给其他消费者，如果他又重新启动，那么又会把一些分区重新分给他。
Rebalance只针对subscribe这种不指定分区消费的情况，如果通过assign指定分区消费，则kafka不会进行rebanlance。
可能触发kafka的Rebalance的情况：
1.消费组里的consumer增加或减少了。
2.动态给topic增加了分区
3.消费组订阅了更多的topic
Rebalance过程中，消费者无法从kafka消费消息，这对kafka的tps会有影响，如果kafka集群内节点较多，那么重平衡会耗时非常多，尽量避免业务高峰时间发生。
消费者Rebalance分区分配策略：
主要有三种策略：range、round-robin、sticky。
1.range：按照分区序号排序。假设 n＝分区数／消费者数量 = 3， m＝分区数%消费者数量 = 1，那么前 m 个消费者每个分配 n+1 个分区，后面的（消费者数量－m ）个消费者每个分配 n 个分区。比如分区0-3给一个consumer，分区4-6给一个consumer，分区7-9给一个onsumer。
2.round-robin：轮询分配。比如分区0、3、6、9给一个consumer，分区1、4、7给一个consumer，分区2、5、8给一个consumer
3.sticky：初始时分配策略与round-robin类似，但是在rebalance的时候，需要保证如下两个原则。
①分区的分配要尽可能均匀 。
②分区的分配尽可能与上次分配的保持相同。
当两者发生冲突时，第一个目标优先于第二个目标 。这样可以最大程度维持原来的分区分配的策略。
比如对于第一种range情况的分配，如果第三个consumer挂了，那么重新用sticky策略分配的结果如下：
consumer1除了原有的0-3，会再分配一个7
consumer2除了原有的4-6，会再分配8和9
二、kafka高性能简单理解
1.磁盘顺序读写：kafka不能修改以及不会从文件中间删除保证了磁盘顺序读（保证数据连续），kafka的消息写入文件都是追加在文件末尾，不会写入文件中的某个位置保证了磁盘顺序写。
2.数据传输零拷贝
3.读写数据的批量处理，以及压缩传输