kafka是一个分布式的发布/订阅的消息队列

1.kafka的核心组件

Producer：消息生产者，产生的消息会被发送到某个topic。主动将消息发给broker。
Consumer：消息消费者，消费的消息内容来自于某个topic。主动向topic拉取消息（因为消费水平不同，不能指定推给consumer）。
Topic：消息根据topic进行归类，topic本质上是一个目录，将同一主题消息归类到同一个目录。
Broker：每台kafka服务器节点就是一个broker，一个broker可以有多个topic。
Zookeeper：zookeeper集群不属于kafka内的组件，但kafka依赖zookeeper集群保存meta信息。以及leader的选举和follower的同步

2.kafka数据处理步骤

1.producer产生消息，发送到broker中。
2.leader状态的broker接收消息，写入到相应的topic。
3.leader状态的broker接收完毕以后，传给follow状态的broker作为副本备份。
4.consumer消费broker中的消息。

3.kafka名词解释和工作方式

Producer
消息生产者，就是像broker发送消息的客户端

Consumer
消息消费者，就是像broker拉去消息的客户端

Topic
本质上是一个目录

Consumer Group（CG）
消费者组，这个是kafka用来实现topic消息的广播（发送给所有的consumer）和单播（发给任意一个consumer）的手段。一个topic可以有多个CG。topic的消息会复制（不是真的复制，是概念上的）到所有的CG，但每个partition只会把消息发给该CG中的一个consumer。如果需要实现广播，只需要让每个consumer有一个独立的CG就可以。要实现单播只要所有的consumer在同一个CG中即可。

Broker
一台kafka服务器就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic。

Partition
为了实现扩展性，一个非常大的topic可以分布到多个broker（服务器）上，一个topic可以分为多个partition。每个partition是一个有序的队列。partition中的每条消息都会被分配一个有序的id（offset）。kafka只需要安一个partition中的顺序将消息发给consumer，不保证一个topic整体的顺序（多个partition之间）。

4.kafka和topic的关系

kafka中消息是以topic进行分类的，生产者生产消息，消费者消费消息，都是面向topic的。
topic是逻辑上的概念，而partition是物理上的概念，每个partition对应于一个log文件，该log文件中存储的就是producer生产的数据。producer生产的数据会被不断追加到该log文件的末尾，且每一条数据都有它自己的offset。消费组中的每个消费者，都会实时记录自己消费到哪个offset，以便出错恢复时，从上次的位置继续消费。

由于生产者生产的消息会不断追加到log文件末尾，为防止log文件过大导致数据定位效率低下，kafka采取了分片和索引机制，将每个partition分为多个segment。每个segment对应两个文件——".index"文件和".log"文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic名称+分区序号。例如：first这个topic有三个分区，则对应的文件夹名称为first-0，first-1，first-2。

index和log文件以当前segment的第一条消息的offset命名。

“.index"文件存储大量的索引信息，”.log"文件存储大量的数据

5.Consumer和topic的关系

kafka只支持topic

每个group中可以有多个consumer，每个consumer属于一个consumer group。通常情况下，一个group中会包含多个consumer，这个不仅可以提高topic中消息的并发消费能力，而且还能提高“故障容错”性，如果group中的某个consumer失效，那么其消费的partition将会有其他consumer自动接管。

对于topic中的一条特定的消息，只会被订阅此topic中的某一个group中的其中一个consumer消费，此消息不会发送给一个group中的多个consumer；

在kafka中，一个partition中的消息只会被group中的一个consumer消费（同一时刻）；一个topic中的每个partition，只会被一个group中的一个consumer消费，但是一个consumer可以同时消费多个partition中的消息。

kafka只能保证一个partition中的消息被某个consumer消费时是顺序的；事实上，从topic角度来说，当有多个partition时，消费仍然不是全局有序的。

注意：同一topic中partition的Leader和Follower不会在同一个broker中。

消费组和分区的关系

如部分上图所示，可以看出，一个主题中的分区必须都被消费。但是一个topic中的分区最多只能被消费者群组中的一个消费者消费

6.kafka消息的发布

Producer客户端负责消息的发布

kafka集群中的任何一个broker都可以向producer提供metadata信息，这些metadata中包含“集中存活的servers列表”、“partitions leader列表”等信息；

当producer获取到metadata信息之后，producer将会和topic下所有的partition leader保持socket连接；

消息由producer直接通过scoket发送到broker，中间不会经过任何"路由层"。事实上，消息被路由到哪个partition上由producer客户端决定，比如采用"随机"，“轮训”，"key-hash"等。

如果一个topic中有个多个partition，那么在producer端实现"消息均衡分发"是必要的。

在producer端的配置文件中，开发者可以指定partition的路由方式。

producer消息发送的应答机制
设置发送数据是否需要服务端的反馈，有三个值0,1，-1
0：producer不会等待broker发送ack，producer发送之后就不管了；
1：当leader接收到消息之后，等待leader落盘成功后，发送ack；
-1：等待leader和follower都落盘成功后，发送ack；此方式不会丢失消息，但是可能会导致消费者重复消费；

request.required.acks=0

这里说明一下，很多面试都会问到避免消息丢失和重复消费。
先说消息丢失，这个通常是在生产者方面丢消息给broker。此时ack设置为-1，会让消息落盘到leader和follower。之后相应ack。
再来说下重复消费：
生产者方面：
重复消费其实在生产者方面就会出现，比如出现异常但是offset没有及时修改之类的。此时我们可以在producer方引入幂等性操作，幂等性操作提供了PID（producerID）和sequenceNum ID（决定topic和partition）
ProducerID：在每个新的Producer初始化时，会被分配一个唯一的ProducerID，这个ProducerID对客户端使用者是不可见的。
SequenceNumber：对于每个ProducerID，Producer发送数据的每个Topic和Partition都对应一个从0开始单调递增的SequenceNumber值。

enable.idempotence=true

消费者方面：
手动提交偏移量（可以解决，但是不建议）
如果在生产者方面没有做幂等操作，那么就需要在消费时创建一个表来进行重复排查。

7.Conusmer的负载均衡

当一个group中，有consumer加入或者离开时，会触发partition均衡，均衡的最终目的是提高topic的并发消费能力，步骤：
1.加入topic1，具有partition：P0,P1,P2,P3
2.加入groupA，有如下consumer：C0,C1
3.首先根据partition索引号对partition排序：P0,P1,P2,P3
4.根据consumer.id排序：C0,C1
5.计算倍数: M = [P0,P1,P2,P3].size / [C0,C1].size,本例值M=2(向上取整)
6.然后依次分配partitions: C0 = [P0,P1],C1=[P2,P3],即Ci = [P(i * M),P((i + 1) * M -1)]

8.副本数据同步

8.1 同步策略

第二种情况，当ack=-1时，如果所有leader和follower都落盘之后再返回ack。那么会出现该问题：leader收到数据，所有follower都开始同步数据，但有一个follower，因为某种故障，迟迟不能与leader进行同步，那么leader就要一直等待下去。那么我们该怎么办呢？
Leader维护一个动态的in-sync relica set（ISR），意为和leader保持同步的follower集合。当ISR中的follower完成数据的同步之后，leader就会给follower发送ack。如果follower长时间未向leader同步数据，则将follower踢出ISR。该时间阈值由replica.lag.time.max.ms参数设定。Leader发生故障之后，就会ISR中选举新的leader。
我们可以想想为什么要用时间来来进行判断呢，而不能用leader和follower同步之后相差的条数来进行判定踢出的条件呢？这样不是更方便吗？
试想一下，如果由条数作为条件。那么如果follower向leader拉取条数时条数拉取的较少，而导致follower同步的时候就达到了leader和follower的阈值条件，导致ISR直接丢掉。

ISR : 速率和leader相差低于10秒的follower的集合
OSR : 速率和leader相差大于10秒的follower/集合
AR : 所有分区的follower,AR=ISR+OSR

8.2 故障处理细节

follower故障：
follower发生故障之后会被踢出ISR，待该follower恢复后，follower会读取本地磁盘记录的上次的HW，并将log文件高于HW的部分全部截取，从HW开始向leader进行同步。等待follower的LEO大于等于该partition的HW，即follower追上leader之后，就可以重新加入ISR了。
注意：截取该ISRHW后面部分，丢掉（为了避免错误）。由于之前已经读取了HW，所以只需要向leader的HW开始同步即可。

leader故障：
leader发生故障之后，会从ISR中选出一个新的leader，之后，为保证多个副本之间的数据一致性，其余的follower会先将各自的log文件高于HW的部分截掉，然后从新的leader同步数据。
注意：截取HW后面部分，丢掉。然后从新的leader的HW开始同步。

LEO:指的是每个副本最大的offset。
HW：指的是消费者能见到的最大的offset，ISR中最小的LEO

9.zookeeper在kafka中的作用

kafka集群中有一个broker会被选举为controller，负责管理集群broker上下线，所有topic的分区副本分配和leader选举等工作。
而Controller的管理工作都是依赖于zookeeper。

10.消费发送方式

1.异步发送（默认）
2.同步发送
同步发送的意思就是，一条消息发送之后，会阻塞当前线程，直至返回ack。
由于send方法返回的是一个Future对象，根据Future对象的特点，我们也可以实现同步发送的效果，只需要在调用Future对象的get方法即可。

11.消息提交方式

11.1 自动提交

enable.auto.commit：true
注意，如果为false，说明我们不需要由kafka自动进行提交偏移量。因此auto.commit.interval.ms（延时提交）也会失效。

11.2 手动提交

手动提交offset的方法有两种：分别是commitSync（同步提交）和commitAsync（异步提交）。两者的相同点是，都会将本次poll的一批数据最高的偏移量提交；不同点是：commitSync阻塞当前线程，一直到提交成功，并且失败会重试；而commitSync则没有重试机制，故有可能提交失败。
其实无论自动提交或者手动提交（同步提交还是异步提交）offset，都可能造成数据的漏消费或者重复消费。先提交offset后消费，有可能造成数据的漏消费；而先消费后提交offset，有可能会造成数据重复消费。
所以，一般比较手动提交保险的办法就是使用异步+同步的方式进行提交。

12.kafka为什么这么快

1.partition 并行处理
2.顺序写磁盘，充分利用磁盘特性
3.利用了现代操作系统分页存储 Page Cache 来利用内存提高 I/O 效率
4.采用了零拷贝技术
5.Producer 生产的数据持久化到 broker，采用 mmap 文件映射，实现顺序的快速写入
6.Customer 从 broker 读取数据，采用 sendfile，将磁盘文件读到 OS 内核缓冲区后，转到 NIO buffer进行网络发送，减少 CPU 消耗

对应面试题

最后

以上就是执着月饼为你收集整理的（2021年4月20日）kafka详解1.kafka的核心组件2.kafka数据处理步骤3.kafka名词解释和工作方式4.kafka和topic的关系5.Consumer和topic的关系6.kafka消息的发布7.Conusmer的负载均衡8.副本数据同步9.zookeeper在kafka中的作用10.消费发送方式11.消息提交方式12.kafka为什么这么快的全部内容，希望文章能够帮你解决（2021年4月20日）kafka详解1.kafka的核心组件2.kafka数据处理步骤3.kafka名词解释和工作方式4.kafka和topic的关系5.Consumer和topic的关系6.kafka消息的发布7.Conusmer的负载均衡8.副本数据同步9.zookeeper在kafka中的作用10.消费发送方式11.消息提交方式12.kafka为什么这么快所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。