一、目录
1、MQ基础概念
2、Kafka数据存储设计
3、Kafka生产者设计
4、Kafka消费者设计
5、Kafka提交与移位
6、Kafka消息保留策略
二、MQ概念
MQ 是message queue ,消息队列，也叫消息中间件。消息队列中间件是分布式系统中重要的组件，主要解决应用解耦，异步消息，流量削锋等问题，实现高性能，高可用，可伸缩和最终一致性架构。目前使用较多的消息队列有ActiveMQ，RabbitMQ，Kafka，RocketMQ。
MQ，是一种跨进程的通信机制，用于上下游传递消息。 画外音：这两个进程，一般不在同一台服务器上。
在互联网架构中，MQ经常用做“上下游解耦”：
消息发送方只依赖MQ，不关注消费方是谁;
消息消费方也只依赖MQ，不关注发送方是谁;
画外音：发送方与消费方，逻辑上和物理上都不依赖彼此。
什么时候不使用MQ?
当调用方需要关心消息执行结果时，通常不使用MQ，而使用RPC调用。
三、MQ常见使用场景
典型场景一：数据驱动的任务依赖
举个例子，互联网公司经常在凌晨进行一些数据统计任务，这些任务之间有一定的依赖关系，例如：
task3需要使用task2的输出作为输入;
task2需要使用task1的输出作为输入;
这样的话，tast1, task2, task3之间就有任务依赖关系，必须task1先执行，再task2执行，载task3执行。
典型场景二：上游不关心执行结果
举个例子，互联网的消息通知，发短信，发邮件等
典型场景三：上游关注执行结果，但执行时间很长
举个例子，微信支付，跨公网调用微信的接口，执行时间会比较长，但调用方又非常关注执行结果
一般采用“回调网关+MQ”方案来解耦：
1.调用方直接跨公网调用微信接口;
2.微信返回调用成功，此时并不代表返回成功;
3.微信执行完成后，回调统一网关;
4.网关将返回结果通知MQ;
5.请求方收到结果通知;
四、基础架构
Kafka 是一种高吞吐量、分布式、基于发布/订阅的消息系统 常用于系统间的异步交互、大数据的实时分析场景
五、核心概念
1. broker：一个单独的Kafka server就是一个Broker，主要工作是接收生产者发送的消息，分配offset，之后保存到磁盘中；同时，接收消费者、其他Broker的请求，根据请求类型进行相应处理并返回响应。
2. topic：存储消息的逻辑概念，可以看作是一个消息集合。每个Topic可以有多个生产者向其中push消息，也可以任意多个消费者消费消息。
3. Partition：每个Topic可以划分成多个分区，同一Topic下的不同分区包含的消息是不同的。一个消息被添加到Topic时，会分配唯一的一个offset，Kafka通过offset保证消息在分区内时顺序的。即：Kafka保证一个分区内的消息是有序的；同一Topic的多个分区的消息，Kafka并不保证其顺序性。
4. offset：消息在日志中的位置，可以理解是消息在 partition 上的偏移量，也是代表该消息的唯一序号
5. Producer：主要工作是生产消息，将消息按照一定的规则推送到Topic的分区中。如：根据消息key的Hash值选择分区、或者按序轮询全部分区。
6. Consumer：主要工作是从Topic拉取消息进行消费。某个消费者消费Partition的哪个位置（offset）是由Consumer自己维护的。
7. Consumer Group：Kafka中可以让多个Consumer组成一个 Consumer Group（下面简称CG），一个Consumer只能属于一个CG。Kafka保证其订阅的Topic的每个Partition只会分配给此CG的一个消费者进行处理。如果不同CG订阅了同一个Topic，CG之间是不会互相影响的。
8. Zookeeper：Broker注册、Topic注册、生产者负载均衡、消费者负载均衡、记录分区与消费者组的关系、offset的记录、消费者注册。
六、Kafka数据存储设计-partition
partition
1、每个Partition只会在一个Broker上，物理上每个 对应的是一个文件夹.
2、Kafka默认使用的是hash进行分区，所以会出现不同的分区数据不一样的情况
3、Partition包含多个Segment，每个Segment对应一个文件，Segment可以手动指定大小，
当Segment达到阈值时，将不再写数据，每个Segment都是大小相同的。
partition在broker上的分配原则：
1、保证所有的分区以及副本可以均衡在分布上所有的broker上。
2、保证同一个分区及其副本尽量不要分布在同一个broker上。
七、Kafka数据存储设计-segment
数据文件分段 segment（ 顺序读写、二分查找 ）
partition 物理上由多个 segment 文件组成，每个 segment 大小相等，顺序读写。每个 segment数据文件以该段中最下的 offset 命名，文件扩展名为.log和.index。这样在查找指定 offset 的 Message 的时候，用二分查找就可以定位到该 Message 在哪个 segment 数据文件索引中。
1、segment file组成：由2大部分组成，分别为index file和data file，此2个文件一一对应，成对出现，后缀”.index”和“.log”分别表示为segment索引文件、数据文件.
2、segment文件命名规则：partion全局的第一个segment从0开始，后续每个segment文件名为上一个segment文件最后一条消息的offset值。数值最大为64位long大小，19位数字字符长度，没有数字用0填充。
数据文件索引（分段索引、 稀疏存储 ）
Kafka 为每个分段后的数据文件建立了索引文件，文件名与数据文件的名字是一样的，只是文件扩展名为.index。index 文件中并没有为数据文件中的每条 Message 建立索引，而是采用了稀疏存储的方式，每隔一定字节的数据建立一条索引。这样避免了索引文件占用过多的空间，从而可以将索引文件保留在内存中。
八、Kafka生产者设计
负载均衡（partition 会均衡分布到不同 broker 上）
由于消息 topic 由多个 partition 组成，且 partition 会均衡分布到不同 broker 上，因此，为了有效利用 broker 集群的性能，提高消息的吞吐量，默认的round-robin方式来在partition间负载均衡，也可以指定一个partition function实现自定义的均衡方法，将消息平均发送到多个 partition 上，以实现负载均衡。
异步&批量发送提高吞吐率
异步和批量发送是提高消息吞吐量重要的方式，Producer 端可以在内存中合并多条消息后，以一次请求的方式发送了批量的消息给 broker，从而大大减少 broker 存储消息的 IO 操作次数。但也一定程度上影响了消息的实时性，相当于以时延代价，换取更好的吞吐量。
压缩（ GZIP 或 Snappy ）
Producer 端可以通过 GZIP 或 Snappy 格式对消息集合进行压缩。Producer 端进行压缩之后，在Consumer 端需进行解压。压缩的好处就是减少传输的数据量，减轻对网络传输的压力，在对大数据处理上，瓶颈往往体现在网络上而不是 CPU（压缩和解压会耗掉部分 CPU 资源）。
九、Kafka消费者设计
消费者组
每个消费者都属于一个消费者组。不指定会有一个默认组。一个消费者组中默认有多个消费者。kafka消费消息使用pull方式进行消费。
十、Kafka提交与移位
提交与移位
当我们调用poll()时，该方法会返回我们没有消费的消息。
当消息从broker返回消费者时，broker并不跟踪这些消息是否被消费者接收到；Kafka让消费者自身来管理消费的位移，并向消费者提供更新位移的接口，这种更新位移方式称为提交（commit）。
自动提交
默认方式让消费者来管理位移，应用本身不需要显式操作。当我们将enable.auto.commit设置为true，那么消费者会在poll方法调用后每隔5秒（由auto.commit.interval.ms指定）提交一次位移。和很多其他操作一样，自动提交也是由poll()方法来驱动的；在调用poll()时，消费者判断是否到达提交时间，如果是则提交上一次poll返回的最大位移。
手动提交
1、同步提交
提交失败，会进行重试直到提交成功或最终抛出异常到应用服务。
2、异步以交
提交失败，不会进行重试，原因是异步提交容易造成移位覆盖的问题。
3、混合提交
先异步提交，若提交失败，则使用同步提交补充提交。
十一、Kafka消息保留策略
无论消费者是否消费过消息，Kafka为了保证磁盘不被占满，会配置相应的“保留策略”，以实现周期性地删除陈旧的消息。
kafka有2种保留策略：
1.根据消息保留的时间，当消息在kafka中保存的时间超过指定时间，就会被删除。
2.根据Topic存储的数据大小，当Topic所占日志文件大于一个阈值时，则可以开始删除最旧的消息。
kafka会启动一个后台线程，定期检查是否有可以删除的消息。“保留策略”可以有全局配置，也可以针对某个Topic覆盖全局配置。