A、カフカの基礎
メッセージシステムの役割
これは、オイルパッキンと、たとえば、小さなパートナーの大半ことは明らかです
したがって、我々は図の倉庫を呼び出すことが、上記メッセージシステムは、プロセス内の中間バッファとして使用することができ、及びデカップリング効果を達成します。
シーンの導入は、我々は中国移動、中国聯通、中国電信のログ処理は、アウトソーシングは今、彼らはあなたがユーザー分析の肖像画を行うために行うシステムログに引き継がれていることを想定し、ビッグデータ分析を行うために引き渡されることを知っています。
ただ前述のシステムメッセージングの役割によると、私たちは、メッセージングシステムが実際にシミュレーションキャッシュであることを知っている、とキャッシュのみではなく、実際のキャッシュでの役割を果たし、データがまだディスク上ではなくメモリ上に保存されています。
1.Topicテーマ
トピック（話題）のデザインは、この事は、リレーショナルデータベースのテーブルのようになっているデータベースの設計、内部で学んだカフカ
私は中国がデータを移動するために取得する必要があります。この時点で、それが直接TOPICAを監視することができます
2.Partitionパーティション
カフカパーティション（パーティション）と呼ばれる概念があり、最初に特定のサーバのパフォーマンス上のパーティションがディレクトリで、以下のトピックが複数のパーティションを持って、これらのパーティションは、上記の異なるサーバに保存されている、またはその異なるホスト上で実際にあります私たちは、別のディレクトリを構築しました。メインのパーティション情報は.logファイルの内部に存在していました。ほぼ性能を向上させるために、データベース内のパーティション化されます。
なぜパフォーマンスを向上させる、非常に単純な、複数の複数のパーティションのスレッドについては、並列処理で複数のスレッドは確かにはるかに優れたシングルスレッドになります
トピックとHBaseのパーティションテーブルのようなや概念の領域で、テーブルは、実データ領域に格納されている唯一の論理的な概念であるが、領域話題も、カフカに対応し、上記分散様々なサーバに記憶されている同じであることができるが、ロジックのコンセプト、およびストレージユニットパーティションを配布されています。
この設計は、その基礎大量のデータ処理を確実にするためです。私たちは、ブロックデザインをHDFSない場合は、100Tファイルは単一のサーバーの上に配置することができ、それが直接サーバ全体を占有し、比較し、ブロックの導入ができ、大容量のファイルを異なるサーバに分散して保存することができます。
注意：
ゾーニングは、単一障害点を発行しますので、我々は、各パーティションのコピーの数を設定します
パーティションは0から始まる番号が付けられます
3.Producer - プロデューサー
往消息系统里面发送数据的就是生产者
4.Consumer - 消费者
从kafka里读取数据的就是消费者
5.Message - 消息
kafka里面的我们处理的数据叫做消息
二、kafka的集群架构
创建一个TopicA的主题，3个分区分别存储在不同的服务器，也就是broker下面。Topic是一个逻辑上的概念，并不能直接在图中把Topic的相关单元画出
需要注意：kafka在0.8版本以前是没有副本机制的，所以在面对服务器宕机的突发情况时会丢失数据，所以尽量避免使用这个版本之前的kafka
Replica - 副本
kafka中的partition为了保证数据安全，所以每个partition可以设置多个副本。
此时我们对分区0,1,2分别设置3个副本（其实设置两个副本是比较合适的）
而且其实每个副本都是有角色之分的，它们会选取一个副本作为leader，而其余的作为follower，我们的生产者在发送数据的时候，是直接发送到leader partition里面
然后follower partition会去leader那里自行同步数据，消费者消费数据的时候，也是从leader那去消费数据的。
Consumer Group - 消费者组
我们在消费数据时会在代码里面指定一个group.id,这个id代表的是消费组的名字，而且这个group.id就算不设置，系统也会默认设置
conf.setProperty("group.id","tellYourDream")
我们所熟知的一些消息系统一般来说会这样设计，就是只要有一个消费者去消费了消息系统里面的数据，那么其余所有的消费者都不能再去消费这个数据。
可是kafka并不是这样,比如现在consumerA去消费了一个topicA里面的数据。
consumerA: group.id = a consumerB: group.id = a consumerC: group.id = b consumerD: group.id = b
再让consumerB也去消费TopicA的数据，它是消费不到了，但是我们在consumerC中重新指定一个另外的group.id，consumerC是可以消费到topicA的数据的。而consumerD也是消费不到的，所以在kafka中，不同组可有唯一的一个消费者去消费同一主题的数据。
所以消费者组就是让多个消费者并行消费信息而存在的，而且它们不会消费到同一个消息，如下，consumerA，B，C是不会互相干扰的
consumer group:a consumerA consumerB consumerC
如图，因为前面提到过了消费者会直接和leader建立联系，所以它们分别消费了三个leader，所以一个分区不会让消费者组里面的多个消费者去消费，但是在消费者不饱和的情况下，一个消费者是可以去消费多个分区的数据的。
Controller
熟知一个规律：在大数据分布式文件系统里面，95%的都是主从式的架构，个别是对等式的架构，比如ElasticSearch。
kafka也是主从式的架构，主节点就叫controller，其余的为从节点，controller是需要和zookeeper进行配合管理整个kafka集群。
kafka和zookeeper如何配合工作
kafka严重依赖于zookeeper集群（所以之前的zookeeper文章还是有点用的）。
所有的broker在启动的时候都会往zookeeper进行注册，目的就是选举出一个controller，这个选举过程非常简单粗暴，就是一个谁先谁当的过程，不涉及什么算法问题。
那成为controller之后要做啥呢，它会监听zookeeper里面的多个目录，例如有一个目录/brokers/，其他从节点往这个目录上注册（就是往这个目录上创建属于自己的子目录而已）自己，这时命名规则一般是它们的id编号，比如/brokers/0,1,2
注册时各个节点必定会暴露自己的主机名，端口号等等的信息，此时controller就要去读取注册上来的从节点的数据（通过监听机制），生成集群的元数据信息，之后把这些信息都分发给其他的服务器，让其他服务器能感知到集群中其它成员的存在。
此时模拟一个场景，我们创建一个主题（其实就是在zookeeper上/topics/topicA这样创建一个目录而已），kafka会把分区方案生成在这个目录中，此时controller就监听到了这一改变，它会去同步这个目录的元信息，然后同样下放给它的从节点，通过这个方法让整个集群都得知这个分区方案，此时从节点就各自创建好目录等待创建分区副本即可。这也是整个集群的管理机制。
加餐时间
1.Kafka性能好在什么地方？
① 顺序写
操作系统每次从磁盘读写数据的时候，需要先寻址，也就是先要找到数据在磁盘上的物理位置，然后再进行数据读写，如果是机械硬盘，寻址就需要较长的时间。
kafka的设计中，数据其实是存储在磁盘上面，一般来说，会把数据存储在内存上面性能才会好。但是kafka用的是顺序写，追加数据是追加到末尾，磁盘顺序写的性能极高，在磁盘个数一定，转数达到一定的情况下，基本和内存速度一致
随机写的话是在文件的某个位置修改数据，性能会较低。
② 零拷贝
先来看看非零拷贝的情况
可以看到数据的拷贝从内存拷贝到kafka服务进程那块，又拷贝到socket缓存那块，整个过程耗费的时间比较高，kafka利用了Linux的sendFile技术（NIO），省去了进程切换和一次数据拷贝，让性能变得更好。
2.日志分段存储
Kafka规定了一个分区内的.log文件最大为1G，做这个限制目的是为了方便把.log加载到内存去操作
00000000000000000000.index 00000000000000000000.log 00000000000000000000.timeindex 00000000000005367851.index 00000000000005367851.log 00000000000005367851.timeindex 00000000000009936472.index 00000000000009936472.log 00000000000009936472.timeindex
这个9936472之类的数字，就是代表了这个日志段文件里包含的起始offset，也就说明这个分区里至少都写入了接近1000万条数据了。
Kafka broker有一个参数，log.segment.bytes，限定了每个日志段文件的大小，最大就是1GB，一个日志段文件满了，就自动开一个新的日志段文件来写入，避免单个文件过大，影响文件的读写性能，这个过程叫做log rolling，正在被写入的那个日志段文件，叫做active log segment。
如果大家有看前面的两篇有关于HDFS的文章时，就会发现NameNode的edits log也会做出限制，所以这些框架都是会考虑到这些问题。
3.Kafka的网络设计
kafka的网络设计和Kafka的调优有关，这也是为什么它能支持高并发的原因
すべてのクライアントの最初の要求は最初のアクセプタ、3つのスレッド（デフォルトは3である）があるでしょうブローカーに送信されます、これらの3つのスレッドがプロセッサと呼ばれている送信し、アクセプターは、任意のクライアントの要求の処理、直接カプセル化をすることはありませんフォームにこれらのいずれかのキュープロセッサへのSocketChannel
送信の方法は、最初のものに戻って最初のプロセッサを与える送信し、その後、第二、第三のを与え、そしてすることで、ポーリングです。これらのSocketChannelを消費する消費者スレッドは、要求は、要求を取得します、要求は、データ要求を伴うことになります。
デフォルトのスレッド・プールが要求を処理するために使用されている8つのスレッド、解析要求を持っている内部要求が書き込み要求であれば、それはディスクに書き込まれます。言葉は結果を返す読みます。
プロセッサは、応答からの応答データを読み込み、クライアントに返します。これは、カフカの3層ネットワークアーキテクチャです。
プロセッサを増加させ、処理スレッド内のスレッドプールを増やし、我々はカフカ強化チューニングに必要であれば、あなたは、所望の効果を達成することができます。実際の結果のキャッシュの役割を果たしている要求と応答は、アカウントの問題を考慮して、プロセッサの要求が急速に生成され、スレッドの数は、タイムリーに十分なハンドルにすることはできません。
これは、原子炉ネットワークスレッドモデルの拡張版です。
最後に
ビルドクラスタは言及するまでの時間があります。これは、単にいくつかの基本的なカフカのデザイン面の一部から指示する役割で、徐々により明快な説明の後のアップデートで進めていきます。