Kafka整體結構圖 Consumer與topic關係 Kafka訊息分發 Consumer的負載均衡 Kafka檔案存
分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！http://blog.csdn.net/jiangjunshow
也歡迎大家轉載本篇文章。分享知識，造福人民，實現我們中華民族偉大復興！
1． Kafka整體結構圖
Kafka名詞解釋和工作方式
Producer ：訊息生產者，就是向kafka broker發訊息的客戶端。
Consumer ：
Topic ：可以理解為一個佇列。
Consumer Group （CG）：這是kafka用來實現一個topic訊息的廣播（發給所有的consumer）和單播（發給任意一個consumer）的手段。一個topic可以有多個CG。topic的訊息會複製（不是真的複製，是概念上的）到所有的CG，但每個partion只會把訊息發給該CG中的一個consumer。如果需要實現廣播，只要每個consumer有一個獨立的CG就可以了。要實現單播只要所有的consumer在同一個CG。用CG還可以將consumer進行自由的分組而不需要多次傳送訊息到不同的topic。
Broker ：
Partition：為了實現擴充套件性，一個非常大的topic可以分佈到多個broker（即伺服器）上，一個topic可以分為多個partition，每個partition是一個有序的佇列。partition中的每條訊息都會被分配一個有序的id（offset）。kafka只保證按一個partition中的順序將訊息發給consumer，不保證一個topic的整體（多個partition間）的順序。
** Offset：**kafka的儲存檔案都是按照offset.kafka來命名，用offset做名字的好處是方便查詢。例如你想找位於2049的位置，只要找到2048.kafka的檔案即可。當然the first offset就是00000000000.kafka
2． Consumer與topic關係
本質上kafka只支援Topic；
每個group中可以有多個consumer，每個consumer屬於一個consumer group；
通常情況下，一個group中會包含多個consumer，這樣不僅可以提高topic中訊息的併發消費能力，而且還能提高”故障容錯”性，如果group中的某個consumer失效那麼其消費的partitions將會有其他consumer自動接管。
對於Topic中的一條特定的訊息，只會被訂閱此Topic的每個group中的其中一個consumer消費，此訊息不會發送給一個group的多個consumer；
那麼一個group中所有的consumer將會交錯的消費整個Topic，每個group中consumer訊息消費互相獨立，我們可以認為一個group是一個”訂閱”者。
在kafka中,一個partition中的訊息只會被group中的一個consumer消費(同一時刻)；
一個Topic中的每個partions，只會被一個”訂閱者”中的一個consumer消費，不過一個consumer可以同時消費多個partitions中的訊息。
kafka的設計原理決定,對於一個topic，同一個group中不能有多於partitions個數的consumer同時消費，否則將意味著某些consumer將無法得到訊息。
kafka只能保證一個partition中的訊息被某個consumer消費時是順序的；事實上，從Topic角度來說,當有多個partitions時,訊息仍不是全域性有序的。
3． Kafka訊息的分發
Producer客戶端負責訊息的分發
kafka叢集中的任何一個broker都可以向producer提供metadata資訊,這些metadata中包含”叢集中存活的servers列表”/”partitions leader列表”等資訊；
當producer獲取到metadata資訊之後, producer將會和Topic下所有partition leader保持socket連線；
訊息由producer直接通過socket傳送到broker，中間不會經過任何”路由層”，事實上，訊息被路由到哪個partition上由producer客戶端決定；
比如可以採用”random”“key-hash”“輪詢”等,如果一個topic中有多個partitions,那麼在producer端實現”訊息均衡分發”是必要的。
在producer端的配置檔案中,開發者可以指定partition路由的方式。
Producer訊息傳送的應答機制
設定傳送資料是否需要服務端的反饋,有三個值0,1,-1
0: producer不會等待broker傳送ack
1: 當leader接收到訊息之後傳送ack
-1: 當所有的follower都同步訊息成功後傳送ack
request.required.acks=0
4． Consumer的負載均衡
當一個group中,有consumer加入或者離開時,會觸發partitions均衡.均衡的最終目的,是提升topic的併發消費能力，步驟如下：
1、 假如topic1,具有如下partitions: P0,P1,P2,P3
2、 加入group中,有如下consumer: C1,C2
3、 首先根據partition索引號對partitions排序: P0,P1,P2,P3
4、 根據consumer.id排序: C0,C1
5、 計算倍數: M = [P0,P1,P2,P3].size / [C0,C1].size,本例值M=2(向上取整)
6、 然後依次分配partitions: C0 = [P0,P1],C1=[P2,P3],即Ci = [P(i * M),P((i + 1) * M -1)]
5． kafka檔案儲存機制
5.1.Kafka檔案儲存基本結構
在Kafka檔案儲存中，同一個topic下有多個不同partition，每個partition為一個目錄，partiton命名規則為topic名稱+有序序號，第一個partiton序號從0開始，序號最大值為partitions數量減1。
每個partion(目錄)相當於一個巨型檔案被平均分配到多個大小相等segment(段)資料檔案中。但每個段segment file訊息數量不一定相等，這種特性方便old segment file快速被刪除。預設保留7天的資料。 
每個partiton只需要支援順序讀寫就行了，segment檔案生命週期由服務端配置引數決定。（什麼時候建立，什麼時候刪除） 
資料有序的討論？
一個partition的資料是否是有序的？ 間隔性有序，不連續
針對一個topic裡面的資料，只能做到partition內部有序，不能做到全域性有序。
特別加入消費者的場景後，如何保證消費者消費的資料全域性有序的？偽命題。
只有一種情況下才能保證全域性有序？就是隻有一個partition。
5.2.Kafka Partition Segment
Segment file組成：由2大部分組成，分別為index file和data file，此2個檔案一一對應，成對出現，字尾”.index”和“.log”分別表示為segment索引檔案、資料檔案。 
Segment檔案命名規則：partion全域性的第一個segment從0開始，後續每個segment檔名為上一個segment檔案最後一條訊息的offset值。數值最大為64位long大小，19位數字字元長度，沒有數字用0填充。
索引檔案儲存大量元資料，資料檔案儲存大量訊息，索引檔案中元資料指向對應資料檔案中message的物理偏移地址。 
3，497：當前log檔案中的第幾條資訊，存放在磁碟上的那個地方
上述圖中索引檔案儲存大量元資料，資料檔案儲存大量訊息，索引檔案中元資料指向對應資料檔案中message的物理偏移地址。
其中以索引檔案中元資料3,497為例，依次在資料檔案中表示第3個message(在全域性partiton表示第368772個message)、以及該訊息的物理偏移地址為497。
segment data file由許多message組成， qq物理結構如下：
5.3.Kafka 查詢message
讀取offset=368776的message，需要通過下面2個步驟查詢。 
5.3.1、查詢segment file
00000000000000000000.index表示最開始的檔案，起始偏移量(offset)為0
00000000000000368769.index的訊息量起始偏移量為368770 = 368769 + 1
00000000000000737337.index的起始偏移量為737338=737337 + 1
其他後續檔案依次類推。
以起始偏移量命名並排序這些檔案，只要根據offset 二分查詢檔案列表，就可以快速定位到具體檔案。當offset=368776時定位到00000000000000368769.index和對應log檔案。
5.3.2、通過segment file查詢message
當offset=368776時，依次定位到00000000000000368769.index的元資料物理位置和00000000000000368769.log的物理偏移地址
然後再通過00000000000000368769.log順序查詢直到offset=368776為止。
給我老師的人工智慧教程打call！http://blog.csdn.net/jiangjunshow
