1、基本概念
Kafka：A distributed streaming platform，是一种高吞吐量的分布式发布订阅消息系统，使用scala编写。kafka是一个分布式的，分区的消息（commit log）服务。
2、组件
Topic：是一个高层次的抽象概念，kafka按照Topic分类来维护消息；
Producter：将发布publish消息到Topic的进程称之为生产者producter；
Consumer：将订阅subscribe topic 并且处理Topic中消息的进程称之消费者consumer；
Broker：kafka以集群的方式运作，集群中的每一台服务器称之为一个代理broker；
image.png
Zookeeper：存储topic信息，和元数据信息，新建的topic都会在zookeeper中存在
3、关键概念
Topic和commit-log
可以将Topic理解为是一个类别的名称，所有的message发送到Topic下面，对于一个Topic，kafka集群按照如下方式维护一个分区（partition，可以将其理解为一个队列Queue）日志文件
image.png
partition是一个有序的message序列，这些message按顺序添加到一个叫做commit log的文件中，每个partition中的消息都有一个唯一的编号，称之为offset，用来唯一标识某个分区中的message；每个partition，都对应一个commit-log，一个partition中的message的offset都是唯一的，但是不同的partition中的message的offset可能是相同。
kafka集群，在配置的时间范围内，维护所有的由producter生成的消息，而不管这些消息有没有被消费。例如日志保留时间（log retention）时间被设置为2天，kafka会维护最近2天生产的所有消息，而2天前的消息会被丢弃。kafka的性能与保留的数据量的大小没有关系，因此保存大量的数据（日志信息）不会有什么影响。
每个consumer是基于自己在commit log中的消费进度（offset）来进行工作的，在kafka中，offset由consumer来维护，一般情况下，我们按照顺序逐条消费commit log中的消息，当然我们也可以通过指定offset来重复消费某些消息，或者跳过某些消息。这意味着kafka中的consumer对集群的影响是非常小的，添加一个或者减少一个consumer，对于集群或者其他consumer来说，都是没有影响的，因为每个consumer维护各自的offset。
对log进行分区（partitioned）,有几个目的，首先，当log文件大小超过文件系统的限制时，可以自动炒粉，每个partition对应的log都受到所在机器的文件系统大小的限制，但是一个topic中是可以有多个分区的，因为可以处理任意数据的数据，其次，是为了提高并行度。
Distribution
log的partitions分布在kafka集群中的不同broker上，每个broker可以请求备份其他broker上的partition数据，kafka集群支持配置一个partition备份的数量，即多个副本。
针对每个partition的多个副本（在多个broker上），都有一个broker起到 leader 的作用，其他broker作为follwers，leader处理所有针对这个partition的读写请求，而flowers被动复制leader的结果，如果这个leader失效了，其中的一个flower将自动的变成新的leader，每个broker都是自己所管理的partiton的leader，同时又是其他broker所管理partitons的flowers，kafka通过这种方式来达到负载均衡。
Producters
生产者将消息发送到topic中，同时负责选择将message发送到topic的哪一个partition中，如果不指定partition，则通过round-robin（轮询）做简单的负载均衡，也可以根据消息中的某一个关键字来进行区分，
Consumers
传统的消息传递模式有2种，队列（queuing）和广播（public-subscribe）；在queuing中，多个consumer从服务器中读取数据，消息只会到达一个consumer，而public-subscribe模型中，消息会被广播给所有的comsumer。
kafka基于这2中模式，提供了一种comsumer的抽象概念，consumer group，每个comsumer都要标记自己属于哪一个consumer group；发布到topic中的message会被传递到consumer group中的一个comsumer实例。
consumer实例可运行在不同的进程上，也可以在不同的物理机器上。
如果所有的consumer都位于同一个consumer group下，这就类似于传统的queue模式，并在众多的consumer instance之间进行负载均衡。
如果所有的consumer都有着自己唯一的consumer group，这就类似于传统的public-subscribe模型。
更一般的情况是，通常一个topic会有几个consumer group，每个consumer group都是一个逻辑上的订阅者（logical subscriber），每个consumer group由多个consumer instance组成，从而达到可扩展和容灾的功能，这并没有什么特殊的地方，仅仅是将public-subscribe模型中的运行在当个进程上的consumer替换成一个consumer group。如下
image.png
消费顺序
kafka比传统的消息系统有着更强的 顺序保证。在传统的情况下，服务器按照顺利保留消息到队列，如果有多个consumer来消费队列中的消息，服务器会按接收消息的顺序向外提供消息，但是，尽管服务器是按照顺序提供消息，但是消息传递到每一个consumer是异步的，这可能会导致消费的consumer获取到消息的时间可能比后消费的consumer获取到消息的时间长，导致不能保证顺序性。这表明，当进行并行消费的时候，消息在多个consumer之间可能会失去顺序性，这时候，消息系统通常会采取一种“exclusive consumer”的概念，来确保同一时间内只有一个consumer能够从队列中进行消费，但是这实际上意味着消息处理的过程中是不支持并行的。
kafka在这方面做得更好。通过Topic中并行度的概念，即partition，kafka可以同时提供顺序性保证和多个consumer同时消费时的负载均衡，实现的原理是通过将一个topic中的不同partition分配给一个consumer group中的不同consumer instance，一个partiton对应一个instance，如上图中的consumer groupA。通过这种方式，我们可以保证一个partition在同一时刻只有一个consumer instance在消费消息，从而保证顺序；虽然一个topic中有多个partition，单上一个一个consumer group中同时也有多个consumer instance，通过合理的分配，依然能够保证负载均衡。需要注意的是，一个consumer group中的consumer instance的数量不能比一个topic 中的partition的数量多（防止重复消费）；
kafka只在partition的范围内保证消息消费的局部顺序性，不能在同一个topic中的多个partition中保证总的消费顺序性。如果需要在总体上保证消费的顺序的的需求的话，那么我们可以将topic的partition数量设置为1，将consumer group中的consumer instance数量也设置为1。
Guarantees
容灾，备份。
从较高的层面上来说的话，kafka提供了一下的保证：
发送到一个topic中的message会按照发送的顺序添加到commit log中，意思是，如果消息M1 M2由同一个producer发送，M1比M2发送早的话，那么在commit log中，M1的offset就会比M2的offset小；
一个consumer在commit log中可以按照发送顺序来消费message，如果一个topic的备份因子（replication factor）设置为N，那么kafka可以容忍N-1个服务器的失败，而存储在commit log中的消息不会丢失
kafka分区leader选举原理
kafka分区leader选举原理.png
image.png