1）Kafka原理

1.1.生产者流程细节

1、生产者发送消息到 Kafka 集群，是以推送的方式发送的。

2、生产者只需要连接任意一台 Kafka 节点即可。

3、生产者发送的消息会被封装成为一个 record 对象，其中包含了发送的主题，分区，key，value。

4、发送出去的消息是如何进行分区的呢?

• 如果是没有指定分区和 key，那么就会按照轮循的方式进行循环分区。

• 如果是指定了 key 但是没有指定分区，那么就会按照 DefaultPartitioner 这个类进行分区，底层使用 hash 取模的方式进行分区。

• 如果是指定了分区，那么就会按照指定的分区将所有的 value 都发送到一个分区中（优先级最高）

• 可以自定义分区类（根据 DefaultPartitioner 来进行模仿即可）

  注意：在这个过程中的 key 只是逻辑上的一个业务标记（key 是可以重复的），而 value 才是消息中的真正内容。

5、分区的作用?

• 提高读写的效率。

• 增大了集群的扩容性（机器增加的时候可以对分区数进行增加）

• 方便消费者负载均衡（消费者数=分区数）

6、每一条消息发送给 Kafka 集群的时候，首先发送到一个缓冲区中，然后以 batch 的方式发送给 Kafka，并且按照顺序写入的方式追加到文件中。

7、每一条消息发送给分区之后都会有一个。唯一标识 offset（偏移量），offset 是区内有序的，全局无序的，也就是说 Kafka 具有局部有序的特性。

1.2.Broker 的存储流程细节

1、消息到达 Kafka 之后会根据分区规则进入到指定的分区中（分区是分散在各个节点中的，一般分区数与 Broker 数量成倍数关系，保证均衡性）

2、分区其实就是物理层面上的文件夹。

3、分区下面还有文件的分段（segment）（和 hive 中的分桶差不多），每个 segment 由 index 索引文件和 log 日志文件组成，index 文件中记录着信息的索引，log 文件中记录的就是消息的内容。

4、查询的时候会先到 index 文件中根据 offset 找到 log 文件中对应的消息的位置。

5、数据并不是一直存储在 Kafka 中的，会有删除策略。

• 首先文件达到一定的时间（默认时间是七天，168小时）的时候，就会对数据进行自动删除。

• 其次就是文件达到一定的大小就会删除。

  注意：数可以在配置文件中随时进行修改。

6、数据越来越多也不会对Kafka的读写产生影响，因为：

• 写入：各分区采用的是顺序写入，追加的方式。

• Kafka 的 index 文件是采用的二分查找法，数据越多查找的越爽。

1.3.消费者流程细节

1、消费者从 Kafka 中消费消息采用的是拉取的模式。

2、消费者连接 Kafka 集群中的任意一个节点，并且指定想要订阅的主题或者主题 + 分区。

3、消费者从哪个偏移量开始消费，由 auto、offset、reset 决定。

• earliest：如果有 offset 记录的位置，就从记录的位置开始消费，如果没有 offset 的记录，就从最早的位置开始消费。

• latest：如果有 offset 记录的位置，就从记录的位置开始消费，如果没有 offset 的记录，就从最新的位置开始消费。

• none：如果有 offset 提交记录，就从记录位置开始消费，没有则报错。

4、消费者消费数据之后需要提交 offset。

• 自动提交：按照固定的时间间隔进行提交（提交到默认主题：__consumer_offsets）

• 手动提交：可以自定义没消费多少条，统一提交一次，也就是说可以分批提交。

  注意：提交的信息包括，消费者消费到哪个主题的哪个分区了的哪个偏移量了。

5、消费者组内可以有多个消费者（如果没有设置消费者组就会有默认的消费者组，但是建议手动设置，方便管理）

注意：同一时间的一条消息只能被一个消费者组内的一个消费者所消费，但是可以被不同的消费者组的消费者再次消费。

6、消费者组中的消费者数量建议等于分区数。

2）Kafka读写流程图