Kafka在大數(shù)據(jù)技術生態(tài)當中，以作為消息系統(tǒng)而聞名，面對活躍的流式數(shù)據(jù)，提供高吞吐量的服務，在實時大數(shù)據(jù)處理場景下，可以說是一大利器，國內(nèi)外大廠都有應用。今天的大數(shù)據(jù)開發(fā)技術分享，我們就主要來講講Kafka框架的工作原理。

Kafka概述

官方定義，Kakfa是一個分布式的基于發(fā)布/訂閱模式的消息隊列，主要應用于大數(shù)據(jù)的實時處理領域。

通常來說，消息隊列的模式分為兩種：

①點對點模式：消息生產(chǎn)者發(fā)送消息到消息隊列中，然后消息消費者從隊列中取出并且消費消息，消息被消費后，隊列中不在存儲。

②發(fā)布/訂閱模式（一對多，消費者消費數(shù)據(jù)之后不會清除消息）：消息生產(chǎn)者將消息發(fā)布到Topic中，同時有多個消息消費者（訂閱）消費該消息。

Kafka就是典型的發(fā)布/訂閱模式，更加適用于實時大數(shù)據(jù)場景下的消息服務。

Kafka基礎架構

Kafka的基礎架構主要有Broker、生產(chǎn)者、消費者組構成，當前還包括ZooKeeper。

生產(chǎn)者負責發(fā)送消息，Broker負責緩沖消息，Broker中可以創(chuàng)建Topic，每個Topic又有Partition和Replication的概念。

消費者組負責處理消息，同一個消費者組的消費者不能消費同一個Partition中的數(shù)據(jù)。

消費者組主要是提高消費能力，比如之前是一個消費者消費100條數(shù)據(jù)，現(xiàn)在是2個消費者消費100條數(shù)據(jù)，可以提高消費能力。

所以消費者組的消費者的個數(shù)要小于Partition的個數(shù)，不然就會有消費者沒有Partition可以消費，造成資源的浪費。

注意：不同消費者組的消費者是可以消費相同的Partition數(shù)據(jù)。

Kakfa如果要組件集群，則只需要注冊到一個ZooKeeper中就可以了，ZooKeeper中還保留消息消費的進度或者說偏移量或者消費位置：

0.9之前的版本偏移量存儲在ZooKeeper。

0.9之后的版本偏移量存儲在Kafka中。Kafka定義了一個系統(tǒng)Topic，專用用來存儲偏移量的數(shù)據(jù)。這樣做主要是考慮到頻繁更改偏移量，對ZooKeeper的壓力較大，而且Kafka本身自己的處理也較復雜。

Kafka不能保證消息的全局有序，只能保證消息在Partition內(nèi)有序，因為消費者消費消息是在不同的Partition中隨機的。

Kafka工作流程

Kafka中的消息是以Topic進行分類的，生產(chǎn)者生成消息、消費者消費消息都面向Topic。

Topic是一個邏輯上的概念，而Partition是物理上的概念。每個Partition又有副本的概念。

每個Partition對應于一個Log文件，該Log文件中存儲的就是生產(chǎn)者生成的數(shù)據(jù)，生產(chǎn)者生成的數(shù)據(jù)會不斷的追加到該Log的文件末端。

且每條數(shù)據(jù)都有自己的Offset，消費者都會實時記錄自己消費到了那個Offset，以便出錯的時候從上次的位置繼續(xù)消費，這個Offset就保存在Index文件中。

Kafka的Offset是分區(qū)內(nèi)有序的，但是在不同分區(qū)中是無順序的，Kafka不保證數(shù)據(jù)的全局有序。

關于大數(shù)據(jù)開發(fā)，Kafka工作原理入門，以上就為大家做了簡單的介紹了。Kafka在大數(shù)據(jù)技術生態(tài)當中，普及度是非常高的，尤其是擁有豐富數(shù)據(jù)資源的企業(yè)，更加青睞于使用kafka。
責任編輯人：CC