一、kafka整体架构
kafka是一个发布订阅模式的消息队列，生产者和消费者是多对多的关系，将发送者与接收者真正解耦；
生产者将消息发送到broker；
消费者采用拉（pull）模式订阅并消费消息；
二、生产者介绍
分区器：制定partition，按照msg key进行分区，保证同样key的消息投递到同一个partiton。例如，按照uid最后两位作为key，可以有100partiron，来保证相同uid的时间在一个partition中。
kafka发送消息是 批量发送+异步的方式来发送，性能提升，消息有序性无法保证；
三、消费者介绍
消费者是指调用poll方法的实体，可以是一个线程，也可以是一个服务；
为了避免消费者的浪费，消费者数量要小于partition数量；
3、拉取、处理消息模型
（1）同步消息处理：一个线程对应一个partiton，能够保证partiton内消息有序，消费性能受限于处理消息的速度。
（2）异步处理消息：一个线程负责拉取消息，线程池负责处理消息的模式，不能保证partition内消息有序，消息消费速度快，节省tcp连接开销。
四、消息有序性及重复性
1、消息乱序产生原因：
（1）发送者：异步发送 + 发送失败重试导致的消息乱序
（2）接收者：单个拉消息的线程，多线程同时处理消息的先后顺序不同，导致消息被处理的时间乱序；
多个拉消息的线程，由于gc导致的消息被处理的乱序；
（3）broker：单partition内消息有序，多个partition之间消息无序；
2、消息重复产生原因
消费者提交消息offset与真正处理消息的时差导致的消息重复消费；
增加消费者引起的partiton与消费者之间的“再均衡”导致的消息重复消费；
结论，在保证性能的前提下，消息中间件不可能保证消息不重复投递，除非牺牲性能和高可用，需要下游做幂等。
3、从业务角度看到消息有序
要保证消息的严格有序，需要生产者、消费者、broker之间严密的配合并且牺牲掉系统的并发性，例如将topic的partiton设置为1个。而对于99%的业务需求来说，并不需要100%的按照时间戳的全局严格有序。
可以将全局消息拆成按照业务类型分区的有序，例如订单A的发单、完单、支付与订单B的发单、完单、支付之间并不需要严格有序，但是订单内各种事件的消息顺序却很重要，一个业务需要首先发单事件，并且在随后的支付事件时依赖于前面那个发单事件的一些属性。
所以我们可以将全局的消息按照业务属性拆成局部有序。
从上面的分析看，要保证消息有序性就要降低系统并行度，系统整体吞吐量下降。
严格的按照消息生产的时间戳有序是几乎不可能实现的，所以一个可用的系统是在正常情况下保证消息有序，在几种异常情况下允许乱序，并且对这几种异常情况导致的乱序做好监控和补救措施。
对于消息重复的情况，应该要求下游做好幂等，不能完全依赖于mq，因为mq在保证高可用和高吞吐凉的前提下是不可能做到消息不重复的。