Kafka 来源

Kafka的前身是由LinkedIn开源的一款产品，2011年初开始开源，加入了 Apache 基金会，2012年从 Apache Incubator 毕业变成了 Apache 顶级开源项目。同时LinkedIn还有许多著名的开源产品。如：

• 分布式数据同步系统Databus
• 高性能计算引擎Cubert
• Java异步处理框架ParSeq
• Kafka流处理平台

Kafka 介绍

Kafka 用于构建实时数据管道和流应用程序。它具有水平可扩展性，容错性，快速性，并在数千家公司的生产环境中运行。

从官方我们可以知道ApacheKafka是一个分布式流媒体平台。这到底是什么意思呢？

流媒体平台有三个关键功能：

• 发布和订阅记录数据流，类似于消息队列或企业消息传递系统。
• 有容错能力的可以持久化的存储数据流。
• 记录发生时可以进行流处理。

Kafka 通常用于两大类应用：

• 构建可在系统或应用程序之间可靠获取数据的实时流数据管道
• 构建转换或响应数据流的实时流处理

Kafka 基本概念

• Producer - 消息和数据的生产者，向 Kafka 的一个 Topic 发布消息的进程/代码/服务。
• Consumer - 消息和数据的消费者，订阅数据（Topic）并且处理其发布的消息的进程/代码/服务。
• Consumer Group - 逻辑概念，对于同一个 Topic，会广播不同的 Group，一个Group中，只有一个consumer 可以消费该消息。
• Broker - 物理概念，Kafka 集群中的每个 Kafka 节点。
• Topic - 逻辑概念，Kafka消息的类别，对数据进行区分，隔离。
• Partition - 物理概念，分片，Kafka 下数据存储的基本单元，一个 Topic 数据，会被分散存储到多个Partition，每一个Partition是有序的。
• Replication - 副本，同一个 Partition 可能会有多个 Replica ，多个 Replica 之间数据是一样的。
• Replication Leader - 一个 Partition 的多个 Replica 上，需要一个 Leade r负责该 Partition 上与 Produce 和 Consumer 交互
• ReplicaManager - 负责管理当前的 broker 所有分区和副本的信息，处理 KafkaController 发起的一些请求，副本状态的切换，添加/读取消息等。

概念的延伸

Partition

• 每一个Topic被切分为多个Partitions
• 消费者数据要小于等于Partition的数量
• Broker Group中的每一个Broker保存Topic的一个或多个Partitions
• Consumer Group中的仅有一个Consumer读取Topic的一个或多个Partions，并且是唯一的Consumer。

Replication

• 当集群中有Broker挂掉的时候，系统可以主动的使用Replicas提供服务。
• 系统默认设置每一个Topic的Replication的系数为1，可以在创建Topic的时候单独设置。

Replication特点

• Replication的基本单位是Topic的Partition。
• 所有的读和写都从Leader进，Followers只是作为备份。
• Follower必须能够及时的复制Leader的数据
• 增加容错性与可扩展性。

Kafka 消息结构

在 Kafka2.0 中的消息结构如下（整理自官网）。

baseOffset: int64 - 用于记录Kafka这个消息所处的偏移位置
batchLength: int32 - 用于记录整个消息的长度
partitionLeaderEpoch: int32
magic: int8 (current magic value is 2) - 一个固定值，用于快速判断是否是Kafka消息
crc: int32 - 用于校验信息的完整性
attributes: int16 - 当前消息的一些属性

bit 0~2:

0: no compression
1: gzip
2: snappy
3: lz4

bit 3: timestampType
​ bit 4: isTransactional (0 means not transactional)
​ bit 5: isControlBatch (0 means not a control batch)
​ bit 6~15: unused

lastOffsetDelta: int32
firstTimestamp : int64
maxTimestamp: int64
producerId: int64
producerEpoch: int16
baseSequence: int32
records:

length: varint
attributes: int8

bit 0~7: unused

timestampDelta: varint
offsetDelta: varint
keyLength: varint
key: byte[]
valueLen: varint
value: byte[]
Headers => [Header]

headerKeyLength: varint
headerKey: String
headerValueLength: varint
Value: byte[]

关于消息结构的一些释义。

关键字：