源文章地址：https://blog.csdn.net/ZuoAnYinXiang/article/details/50902425
一.Kafka的持久化
1.数据持久化：
- 线性的访问磁盘（即：按顺序的访问磁盘），很多时候比随机的内存访问快得多，而且有利于持久化
- 传统的使用内存做为磁盘的缓存
- Kafka直接将数据写入到日志文件中，以追加的形式写入
2.日志数据持久化特性：
写操作：通过将数据追加到文件中实现
读操作：读的时候从文件中读就好了
3.优势：
读操作不会阻塞写操作和其他操作（因为读和写都是追加的形式，都是顺序的，不会乱，所以不会发生阻塞），数据大 小不对性能产生影响；
没有容量限制（相对于内存来说）的硬盘空间建立消息系统；
线性访问磁盘，速度快，可以保存任意一段时间！
4.持久化的具体实现：
5.索引
为数据文件建索引：
稀疏存储，每隔一定字节的数据建立一条索引（这样的目的是为了减少索引文件的大小）。
下图为一个partition的索引示意图：
注：
1.现在对6.和8建立了索引，如果要查找7，则会先查找到8然后，再找到8后的一个索引6，然后两个索引之间做二分法，找到7的位置
2.每一个log文件中又分为多个segment
二.Kafka的分布式实现
注:
1.当生产者将消息发送到Kafka后，就会去立刻通知ZooKeeper，会往zookeeper的节点中去挂载，
zookeeper中会watch到相关的动作，当watch到相关的数据变化后，会通知消费者去消费消息。
2.消费者是主动去Pull（拉）kafka中的消息，这样可以降低Broker的压力，因为Broker中的消息是无状态的，Broker也不知道哪个消息是可以消费
3.当消费者消费了一条消息后，也必须要去通知ZooKeeper。zookeeper会记录下消费的数据，这样但系统出现问题后就可以还原，可以知道哪些消息已经被消费了
部署图：
Name Server集群即ZooKeeper集群
三.Kafka的通讯协议
注：
最重要的是要理解使用CRC机制来验证数据是否传输不完整，破损。
其他的了解即可
四.Kafka的事务机制
五、其他
1.kafka的高吞吐量的因素
- 顺序写的方式存储数据，频繁的IO；
- 批量发送：batchsize/integer.ms
- 零拷贝
2.为了防止磁盘爆满，日志有两种策略
- 时间策略：消息的条数或大小超过一定的阈值时，进行删除处理；
- 压缩策略： 对相同的key的值进行压缩合并保留最新的内容，用户只需关注最新的数据；