一、分区的概念规则

1、每个topic（逻辑名称）由一个或多个分区组成，分区是topic物理上的分组，在创建topic时被指定
2、一个partition只对应一个Broke，一个Broke可以管理多个partition
3、由消息在顺序写入，在同一个分区内的消息是有序的，在不同的分区间，kafka并不保证消息的顺序（所以kafka消息是支持跨分区的）
3.1 同一个主题下，不同分区所包含的内容是不同的，每个消息被添加到分区当中时，会被 分配一个偏移量（Offset），它是消息在分区当中的唯一编号，kafka通过offset来确保分区内的消息是顺序的，offset的顺序并不跨越分区。
3.2 要想保证消息顺序消息，需要将partion数目设为1

二、分区（partition）下的leader和follower（也统称为副本）

2.1 每个partition分区会选一server节点火器作为leader，（0个或多个）server节点做Follower
2.2 每个分区有且仅有一个Leader，leader是负责当前数据读写的partition，有0个或多个follower跟随leader，保持数据同步（数据一致性，体现的是follower只用为副本，不负责读写）
2.3 leader失效，会从follower中重新选举一个新的leader，不是所有的follower 都 可以参加选举，只有状态为“同步副本”的follower才可以参于选举（参照 Kafka选举机制简述）
2.3.1 控制器（Broker）选举
2.3.2 分区副本选举机制
2.3.3 分区副本选举机制
临时节点，/controller, rpc 通知，优先leader,ISR等
2.4 follower 挂掉、卡住或者同步太慢，leader会把follower删除 ，在新建一个follower
2.5 leader和follower跨节点同步，达到一种选举方式，若是在同一个broker上同步没意义；每个服务器都能作为分区的一个learder和其它分区的followers，因此kafka是一个去中心化的集群，能被很好平衡

三、分区如何分配到broker

1、网上查到的分配策略如下
1.1 将所有的broker和partition排序
1.2 将第i个partition分配到第（i % n）个broker上，这个partition的第一个Replica存在于这个broker上，并且会作为partition的优先副本（learder）
1.3 将第i个partition的 j 个副本，放到第（（i+j）%n）个broker上
2、以上分配算法会有一个问题，前几个分区都 会被分配到 broker0， broker1，brokerN上面，直到broker的数量和小于partition数据后会继续重复前面的动作，导致前几个broker压力上升，达不到负载均衡（实际上真实的分配方法并不是这样的）
3、实际上在kafka集群中，每一个broker都有均等 分配partition的learder的机会，kafka是先随机挑选一个broker放置分区0，然后在按顺序放置其他分区，副本也是一样的情况。第一个放置的分区副本一般都是leader，其余的都 是follower

四、Segment

1、由于生产者生产的消息会不断追加到log文件末尾（顺序写入要比内存写入还要快），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 file， 每个segment file存message，segment由两部分组件（.log 数据文件 .index索引文件）组成，并且一一对应
2、目录和file都是物理存储于磁盘，但是kafka不支持随机读写，只支持顺序读写，有效提高磁盘利用率，而且顺序读写速度超过内存读写速度，所以效率很高
3、partition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
4、“.log” 数据文件
4.1 offset在partition（分区）内的每条消息都有一个有序的id号，这个id号被称为偏移（offset），它可以唯一确定每条消息在partition内的位置，即offset表示partition的第多少条message
4.2 MessageSize 表示消息内容data的大小
4.3 data 为Message 的具体内容
5、“.index” 索引文件
5.1 采取稀疏索引的方式，减少了索引文件的大小，相对于稠密索引节约了存储空间，但是查找起来更费时间
5.2 索引包含两个部分，分别为相对offset 和 position
6、消息的查找流程
6.1 通过offset定位数据信息在哪个文件(.index , .log)
6.2 找到文件后，在根据offset和文件名（也是offset）计算相对偏移量，可以找到index中查找到对应position

五、生产者分区策略

1、每一条消息ProducerRecord由主题名称、可选的分区号、可选的键和值组成
2、分区策略
2.1如果消息producerRecord中指定了有效的partition字段，发送记录使用该partition
2.2 如果消息ProducerRecord 中没有指定partition
2.2.1 但指定了key，则将使用key进行hash，采用MurmurHash2算法，（具备高运算性能和低碰撞率）选择一个分区
2.2.2 且没有key，则将以轮询（round-robin）的方式分配一个分区
注意：
如果key不为null，那么hash计算得到的分区号会是所有分区中的任意一个；
如果key为null并且有可用分区，那么计算得到的分区号仅为可用分区中的任意一个
3、自定义分区策略
3.1 随机分区
3.1.1 创建一个类，实现Partitioner，改写partition
3.1.2 在修改配置文件，partitioner.class=package.创建的类名，启动即可
或者 prop.put(“partition.class”, package.创建的类名)

public class DefineRandomPartitioner implements Partitioner {
public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueByte, Cluster cluster) {

// 获取总的分区数
Integer partitionNum = cluster.partitionsForTopic(topic);
// 随机策略
int i = random.nextInt(partitionNum);
return i;
}
}

hash 分区
轮询分区
分组分区

提高kafka并行度，其实就是提高kafka topic 分区的个数，分区个数提高了，同一时间同一消费组内可以有的消费者可以更多，消费能力增强。一般分区和消费组内的消费者保持对应

参考&摘录：https://www.cnblogs.com/oneLittleStar/p/13528835.html