1.2.1 消息
消息：字节数据组。消息有一个可选的元数据称为键，也是一个字节数组，在分区时会对键取hash值再模以分区数得到这条数据存进哪个分区。
1.2.2 模式
可以理解为数据的格式：如：json、xml、强类型模式
Avro提供了一种紧凑的序列化格式，模式和消息体是分开的，支持强烈型和模式进化。
数据格式要一致才能解除生产者和消费者之间的耦合。
1.2.3 主题和分区
主题：可以把一个主题看成是从生产者流到消费者的一条数据流。
分区：一个主题可以有多个分区，数据被追加到这些分区，单个分区内到数据是有序的。
分区的好处是数据冗余备份和数据吞吐的伸缩性，分区是负载均衡和冗余备份的单位。
1.2.4 生产者和消费者
生产者：负责把数据写入主题。默认是均衡的把消息写到所有分区，也可以指定分区器，通过消息的键生成一个散列值，将其映射到指定分区上。
消费者：读取主题数据。
偏移量：消费者通过检查偏移量来记录已经读区过的消息，每个分区内的偏移量都是唯一、递增的。每个分区最后读取的偏移量被保存到zookeeper或Kafka中
消费者群组：一个消费者组对应一个主题。一个主题内的一个分区只能被一个消费者所有，但一个消费者可以拥有多个分区。
这样设计的好处在于：
1. 保证了在一个组内，每条消息只被处理一次。
2. 这种方式让消费者组可以负载均衡的消费大量消息的主题，而且还具有容灾的特性。
1.2.5 broker和集群
broker:一个独立的Kafka server就是一个broker
对生产者作用：接收消息->设置偏移量->提交存盘
对消费者作用：响应读取消息的请求
性能：数千分区、每秒百万级别数据
对于分区：一个分区可以存储到多个broker上，其中一个是master负责读写消息，其它的salve负责复制数据备份，master挂了会有一个顶上
集群：集群内会有一个broker作为controller的角色，负责分配分区给broker和监控broker
保留消息：保留一段时间、保留一定大小、紧凑型日志（只有最后一个带有特定键的消息会被保留）
1.3选择kafka的理由
1. 支持多个生产者同时写如一个主题，消费者可以获得统一主题数据
2. 可以重复消费一个主题，一个主题可以由多个消费者并发消费，每个分区只能指定一个消费者，保证了每条消费只被消费一次。
3. 基于磁盘的存储。让消息可以保留、不会阻塞在生产端、消费端可重复消费、消费者离线也不会丢数据
4. 伸缩性好，broker可以从一个逐步扩展到多个
转载于:https://www.jianshu.com/p/66ecf4dd4b87