什么是Kafka？Kafka架构原理

在《财富》 500强公司中，超过三分之一的公司使用Kafka。这些公司包括排名前十的旅行社，排名前十的银行中有七个，排名前十的保险公司中有八个，排名前十的电信公司中有九个，等等。LinkedIn，Microsoft和Netflix每天使用Kafka（1,000,000,000,000）处理消息。国内腾讯、阿里、特别是支付宝等，都大量在用。

Kafka用于实时数据流，收集大数据或进行实时分析。Kafka与内存中的微服务一起使用，提供持久性，并且可以将事件馈送到CEP（复杂事件流系统）和IoT / IFTTT风格的自动化系统。

Kafka通常用于实时流数据架构中以提供实时分析。由于Kafka是一种快速，可伸缩，持久且具有容错能力的发布系统，因此Kafka用于JMS、RabbitMQ和AMQP的用例中。

Kafka具有更高的吞吐量，可靠性和复制特性，这使其可用于跟踪服务呼叫或跟踪可能不考虑传统MOM的IoT传感器数据之类的事。

Kafka可以与Flume / Flafka，Spark Streaming，Storm，HBase，Flink和Spark一起使用，以实时提取，分析和处理流数据。也是用于送Hadoop BigData的数据流。同时它还代理支持大量消息流，以便在Hadoop或Spark中进行低延迟的后续分析。此外，Kafka Streams（一个子项目）也可以用于实时分析。

简而言之，Kafka用于流处理，网站活动跟踪，指标收集和监视，日志聚合，实时分析，CEP，将数据摄取到Spark中，将数据摄取到Hadoop，CQRS，重播消息，错误恢复和有保证的分布式提交用于内存计算（微服务）的日志。

许多处理大量数据的大公司都使用Kafka。起源于LinkedIn的LinkedIn用来跟踪活动数据和运营指标。Twitter将其用作Storm的一部分，以提供流处理基础结构。Square使用Kafka作为总线，将所有系统事件移至各个Square数据中心（日志，自定义事件，指标等），向Splunk输出，用于Graphite（仪表板），并实现类似Esper/CEP警报系统。

国外Spotify，Uber，Tumbler，Goldman Sachs，PayPal，Box，Cisco，CloudFlare和Netflix等其他公司也都会使用它。

Kafka具有操作简便性。Kafka易于设置和使用，并且很容易弄清楚Kafka是如何工作的。但是，Kafka受欢迎的主要原因是其出色的性能。它稳定，提供可靠的耐用性，具有灵活的发布/队列，可以很好地适应N个消费者组，具有强大的复制能力，为生产者提供可调的一致性保证，并且可以在分片级别（即Kafka）提供保留的订购主题分区）。

此外，Kafka可以与需要处理数据流的系统配合使用，并使这些系统能够聚合，转换并加载到其他商店中。但是，如果Kafka慢一点，那么这些特征都将无关紧要。

Kafka非常依赖OS内核来快速移动数据。它依赖零复制的原理 。通过Kafka，可以将数据记录分批处理。从生产者——文件系统（Kafka主题日志）——消费者这条路径中，可以端对端地查看这些批次的数据。

批处理允许更有效的数据压缩并减少I / O延迟。Kafka将不可变的提交日志顺序写入磁盘，从而避免了随机磁盘访问和缓慢的磁盘搜索。并通过分片提供水平缩放。它会将主题日志分片到数百个（可能是数千个）分区中，成千上万个服务器。这种分片使Kafka可以处理大量负载。

Kafka最常用于将数据实时流式传输到其他系统中。Kafka是中间层，用于分离实时数据管道。

Kafka核心不适用于直接计算，例如数据聚合或CEP。Kafka流是Kafka生态系统的一部分，提供了进行实时分析的功能。

Kafka可用于为Storm，Flink，Spark流以及您的服务和CEP系统等快速通道系统（实时和操作数据系统）提供数据。还用于流数据以进行批处理数据分析。Kafka支持Hadoop。它将数据流式传输到大数据平台或RDBMS，Cassandra，Spark甚至S3中，以进行将来的数据分析。这些数据存储通常支持数据分析，报告，数据科学处理，合规性审核和备份。

现在，说了上面这些有的没的前缀，说说真正的问题：

Kafka是一个分布式流媒体平台，用于发布和订阅记录流。Kafka用于容错存储。Kafka将主题日志分区复制到多个服务器。Kafka旨在允许您的应用程序在记录发生时进行处理。Kafka快速且通过批处理和压缩记录来有效地使用IO。Kafka用于解耦数据流。Kafka用于将数据流传输到数据库，应用程序和实时流分析系统中。

来自客户端和服务器的Kafka通信使用经过版本控制和记录的TCP有线协议。Kafka承诺与较旧的客户端保持向后兼容性，并且支持多种语言。有C＃，Java，C，Python，Ruby和许多其他语言的客户端。Kafka生态系统还提供REST代理，允许通过HTTP和JSON轻松集成，这使得集成更加容易。

Kafka还通过Confluent Schema Registry for Kafka支持Avro模式。Avro和Schema Registry允许客户端以多种编程语言生成和读取复杂的记录，并允许记录的演变。因此它是真正的多语种。

Kafka允许构建实时流数据管道。Kafka支持内存中的微服务（即actor，Akka， Baratine.io，QBit，reactor，reactive，Vert.x，RxJava和Spring Reactor）。Kafka允许构建对流做出反应的实时流应用程序，以进行实时数据分析，转换，反应，聚合，加入实时数据流，以及执行 CEP（复杂事件处理）。

在数据科学和分析非常重要的世界中，捕获数据以馈入数据湖和实时分析系统也 很重要。而且由于Kafka可以承受这些特别复杂的用例，因此Kafka至关重要。

Kafka是一个很好的记录/消息存储系统。Kafka就像高速文件系统一样，用于提交日志的存储和复制。这些特性使Kafka可用于各种应用程序。

写入Kafka主题的记录将保存到磁盘，并复制到其他服务器以实现容错。由于现代驱动器速度快且体积很大，因此非常适合并且非常有用。Kafka生产者可以等待确认，因此消息是持久的，因为在消息复制之前生产者的操作不会完成。Kafka磁盘结构可伸缩。当批量写入大量流时，现代磁盘驱动器具有很高的吞吐量。

同样，Kafka的客户和消费者可以控制读取位置（偏移量），这允许使用案例，例如，如果存在严重错误（例如，修复错误和重新播放），则重播日志。

Kafka集群保留所有已发布的记录。如果未设置限制，它将保留记录，直到磁盘空间用完为止。您可以设置基于时间的限制（可配置的保留期限），基于大小的限制（可根据大小配置）或压缩（使用键保留最新的记录版本）。例如，您可以将保留策略设置为三天或两周或一个月。可以使用主题日志中的记录，直到按时间，大小或压缩将其丢弃。消耗速度不受大小影响，因为Kafka始终写入主题日志的末尾。