Kafka is a distributed,partitioned,replicated commit logservice

　　Kafka提供了类似于JMS的特性，但是在设计实现上完全不同，并不是JMS规范的实现。kafka对消息保存时根据Topic进行归类，发送消息者成为Producer，消息接受者成为Consumer，此外kafka集群有多个kafka实例组成，每个实例(server)成为broker，无论是kafka集群，还是producer和consumer都依赖于zookeeper来保证系统可用性集群保存一些meta信息。

核心API

Topics And Logs

　　一个Topic可以认为是一类消息，每个topic将被分成多个partition(如下图)，每个partition在存储层面是append log文件。任何发布到此partition的消息都会被直接追加到log文件的尾部，每条消息在文件中的位置称为offset（偏移量），offset为一个long型数字，它是唯一标记一条消息。kafka并没有提供其他额外的索引机制来存储offset，因为在kafka中几乎不允许对消息进行“随机读写”，每个消息可以有多个订阅者。

　　kafka和JMS（Java Message Service）实现(activeMQ)不同的是：即使消息被消费,消息仍然不会被立即删除。日志文件将会根据broker中的配置要求，保留一定的时间之后删除；比如设置log文件保留2天，那么两天后，文件会被清除，无论其中的消息是否被消费。kafka通过这种简单的手段，来释放磁盘空间，以及减少消息消费之后对文件内容改动的磁盘IO开支。

　　对于consumer而言，它需要保存消费消息的offset（如下图），对于offset的保存和使用，由consumer来控制；当consumer正常消费消息时，offset将会"线性"的向前驱动，即消息将依次顺序被消费。事实上consumer可以使用任意顺序消费消息，它只需要将offset重置为任意值，offset将会保存在zookeeper中。

　　partitions的设计目的有多个，最根本原因是kafka基于文件存储，通过分区，可以将日志内容分散到多个server上，来避免文件尺寸达到单机磁盘的上限，每个partiton都会被当前server(kafka实例)保存；可以将一个topic切分多任意多个partitions，来提高消息保存/消费的效率。此外越多的partitions意味着可以容纳更多的consumer，有效提升并发消费的能力。

2个kafka集群托管4个分区（P0-P3），2个消费者组，消费组A有2个消费者实例，消费组B有4个。本质上kafka只支持Topic.每个consumer属于一个consumer group。反过来说，每个group中可以有多个consumer，发送到Topic的消息只会被订阅此Topic的每个group中的一个consumer消费。

　　正像传统的消息系统一样，Kafka保证消息的顺序不变。 再详细扯几句。传统的队列模型保持消息，并且保证它们的先后顺序不变。但是， 尽管服务器保证了消息的顺序，消息还是异步的发送给各个消费者，消费者收到消息的先后顺序不能保证了。这也意味着并行消费将不能保证消息的先后顺序。用过传统的消息系统的同学肯定清楚，消息的顺序处理很让人头痛。如果只让一个消费者处理消息，又违背了并行处理的初衷。 在这一点上Kafka做的更好，尽管并没有完全解决上述问题。 Kafka采用了一种分而治之的策略：分区。 因为Topic分区中消息只能由消费者组中的唯一一个消费者处理，所以消息肯定是按照先后顺序进行处理的。但是它也仅仅是保证Topic的一个分区顺序处理，不能保证跨分区的消息先后处理顺序。 所以，如果你想要顺序的处理Topic的所有消息，那就只提供一个分区。

　　如果所有的consumer都具有相同的group，这种情况和queue模式很像，消息将会在consumers之间负载均衡。

　　如果所有的consumer都具有不同的group，那这就是"发布-订阅"，消息将会广播给所有的消费者。

　　在kafka中，一个partition中的消息只会被group中的一个consumer消费。每个group中consumer消息消费互相独立，我们可以认为一个group是一个"订阅"者，一个Topic中的每个partions，只会被一个"订阅者"中的一个consumer消费。不过一个consumer可以消费多个partitions中的消息。kafka只能保证一个partition中的消息被某个consumer消费时，消息是顺序的。事实上,从Topic角度来说,消息仍不是有序的。

　　kafka的设计原理决定，对于一个topic，同一个group中不能有多于partitions个数的consumer同时消费，否则将意味着某些consumer将无法得到消息。

使用场景

 #Messaging

　　对于一些常规的消息系统，kafka是个不错的选择。partitons/replication和容错，可以使kafka具有良好的扩展性和性能优势。不过到目前为止，我们应该很清楚认识到，kafka并没有提供JMS中的"事务性""消息传输担保(消息确认机制)""消息分组"等企业级特性。kafka只能使用作为"常规"的消息系统。在一定程度上，尚未确保消息的发送与接收绝对可靠(比如,消息重发,消息发送丢失等)。

#Websit activity tracking

　　kafka可以作为"网站活性跟踪"的最佳工具，可以将网页/用户操作等信息发送到kafka中，并实时监控，或者离线统计分析等。

#Log Aggregation

　　kafka的特性决定它非常适合作为"日志收集中心"。application可以将操作日志"批量""异步"的发送到kafka集群中，而不是保存在本地或者DB中。kafka可以批量提交消息/压缩消息等，这对producer端而言，几乎感觉不到性能的开支。此时consumer端可以使hadoop等其他系统化的存储和分析系统。

设计原理

#持久性

　　kafka使用文件存储消息，这就直接决定kafka在性能上严重依赖文件系统的本身特性。且无论任何OS下，对文件系统本身的优化几乎没有可能。文件缓存/直接内存映射等是常用的手段。因为kafka是对日志文件进行append操作，因此磁盘检索的开支是较小的。同时为了减少磁盘写入的次数，broker会将消息暂时buffer起来，当消息的个数(或尺寸)达到一定阀值时，再flush到磁盘，这样减少了磁盘IO调用的次数。

#性能

　　需要考虑的影响性能点很多，除磁盘IO之外，我们还需要考虑网络IO，这直接关系到kafka的吞吐量问题。kafka并没有提供太多高超的技巧，对于producer端，可以将消息buffer起来，当消息的条数达到一定阀值时，批量发送给broker。对于consumer端也是一样，批量fetch多条消息。不过消息量的大小可以通过配置文件来指定。对于kafka broker端，似乎有个sendfile系统调用可以潜在的提升网络IO的性能，将文件的数据映射到系统内存中，socket直接读取相应的内存区域即可，而无需进程再次copy和交换。其实对于producer/consumer/broker三者而言，CPU的开支应该都不大，因此启用消息压缩机制是一个良好的策略。压缩需要消耗少量的CPU资源，不过对于kafka而言，网络IO更应该需要考虑，可以将任何在网络上传输的消息都经过压缩，kafka支持gzip/snappy等多种压缩方式。

#生产者

　　负载均衡， producer将会和Topic下所有partition leader保持socket连接。消息由producer直接通过socket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,有producer客户端决定。比如可以采用"random""key-hash""轮询"等，如果一个topic中有多个partitions，那么在producer端实现"消息均衡分发"是必要的。

　　其中partition leader的位置(host:port)注册在zookeeper中，producer作为zookeeper client，已经注册了watch用来监听partition leader的变更事件。异步发送，将多条消息暂且在客户端buffer起来，并将他们批量的发送到broker，小数据IO太多，会拖慢整体的网络延迟，批量延迟发送事实上提升了网络效率。不过这也有一定的隐患，比如说当producer失效时，那些尚未发送的消息将会丢失。

#消费者

　　consumer端向broker发送"fetch"请求，并告知其获取消息的offset，此后consumer将会获得一定条数的消息，consumer端也可以重置offset来重新消费消息。

　　在JMS实现中,Topic模型基于push方式，即broker将消息推送给consumer端。不过在kafka中，采用了pull方式，即consumer在和broker建立连接之后，主动去pull(或者说fetch)消息。

　　这中模式有些优点，首先consumer端可以根据自己的消费能力适时的去fetch消息并处理，且可以控制消息消费的进度(offset)。此外，消费者可以良好的控制消息消费的数量，batch fetch。

#轻量级

　　其他JMS实现，消息消费的位置是由prodiver保留，以便避免重复发送消息或者将没有消费成功的消息重发等，同时还要控制消息的状态，这就要求JMS broker需要太多额外的工作。而在kafka中，partition中的消息只有一个consumer在消费，且不存在消息状态的控制，也没有复杂的消息确认机制，可见kafka broker端是相当轻量级的。当消息被consumer接收之后，consumer可以在本地保存最后消息的offset，并间歇性的向zookeeper注册offset，由此可见,consumer客户端也很轻量级。

#消息传送机制

　　对于JMS实现，消息传输担保非常直接：有且只有一次(exactly once)。在kafka中稍有不同：

　　1) at most once： 最多一次。这个和JMS中"非持久化"消息类似，发送一次，无论成败，将不会重发。消费者fetch消息，然后保存offset，然后处理消息。当client保存offset之后，但是在消息处理过程中出现了异常，导致部分消息未能继续处理，那么此后"未处理"的消息将不能被fetch到，这就是"at most once"。

　　2) at least once： 消息至少发送一次。如果消息未能接受成功，可能会重发，直到接收成功。 消费者fetch消息，然后处理消息，然后保存offset。如果消息处理成功之后，但是在保存offset阶段zookeeper异常导致保存操作未能执行成功，这就导致接下来再次fetch时可能获得上次已经处理过的消息，这就是"at least once"，原因offset没有及时的提交给zookeeper，zookeeper恢复正常还是之前offset状态。

　　3) exactly once：消息只会发送一次。 kafka中并没有严格的去实现(基于2阶段提交,事务)，我们认为这种策略在kafka中是没有必要的。

　　通常情况下"at-least-once"是我们首选。(相比at most once而言,重复接收数据总比丢失数据要好).

#复制备份

　　kafka将每个partition数据复制到多个server上，任何一个partition有一个leader和多个follower(可以没有)。备份的个数可以通过broker配置文件来设定。leader处理所有的read-write请求，follower需要和leader保持同步。Follower和consumer一样，消费消息并保存在本地日志中。leader负责跟踪所有的follower状态，如果follower"落后"太多或者失效，leader将会把它从replicas同步列表中删除。当所有的follower都将一条消息保存成功，此消息才被认为是"committed"，那么此时consumer才能消费它。即使只有一个replicas实例存活，仍然可以保证消息的正常发送和接收，只要zookeeper集群存活即可(不同于其他分布式存储，比如hbase需要"多数派"存活才行)。

　　当leader失效时，需在followers中选取出新的leader，可能此时follower落后于leader，因此需要选择一个"up-to-date"的follower。选择follower时需要兼顾一个问题，就是新leaderserver上所已经承载的partition leader的个数，如果一个server上有过多的partition leader，意味着此server将承受着更多的IO压力，在选举新leader，需要考虑到"负载均衡"。

#日志

    如果一个topic的名称为"my_topic"，它有2个partitions，那么日志将会保存在my_topic_0和my_topic_1两个目录中。日志文件中保存了一序列"log entries"(日志条目)，每个log entry格式为"4个字节的数字N表示消息的长度" + "N个字节的消息内容"。每个日志都有一个offset来唯一的标记一条消息，offset的值为8个字节的数字，表示此消息在此partition中所处的起始位置。每个partition在物理存储层面，有多个log file组成(称为segment)，segmentfile的命名为"最小offset".kafka，例如"00000000000.kafka"。其中"最小offset"表示此segment中起始消息的offset。

 

    其中每个partiton中所持有的segments列表信息会存储在zookeeper中。

    当segment文件尺寸达到一定阀值时(可以通过配置文件设定,默认1G)，将会创建一个新的文件。当buffer中消息的条数达到阀值时将会触发日志信息flush到日志文件中，同时如果"距离最近一次flush的时间差"达到阀值时，也会触发flush到日志文件。如果broker失效，极有可能会丢失那些尚未flush到文件的消息。因为server意外出现，仍然会导致log文件格式的破坏(文件尾部)，那么就要求当server启东是需要检测最后一个segment的文件结构是否合法并进行必要的修复。

    获取消息时，需要指定offset和最大chunk尺寸。offset用来表示消息的起始位置，chunk size用来表示最大获取消息的总长度(间接的表示消息的条数)。根据offset，可以找到此消息所在segment文件，然后根据segment的最小offset取差值，得到它在file中的相对位置，直接读取输出即可。

    日志文件的删除策略非常简单：启动一个后台线程定期扫描log file列表，把保存时间超过阀值的文件直接删除(根据文件的创建时间)。为了避免删除文件时仍然有read操作(consumer消费)，采取copy-on-write方式。