一文详解kafka知识点

目录

1、kafka定义

 2、消息队列

2.1、产品选择

 2.2、应用场景

2.3、消息队列的两种模式

3、kafka架构

 4、kafka生产者

4.1、kafka生产者原理

4.2、kafka生产者异步发送

 4.3、同步发送

4.4、分区

4.4.1、kafka分区好处

4.4.2、分区策略

4.4.3、自定义分区

4.5、生成吞吐量

4.6、数据可靠性

4.7、数据重复分析

4.7.1、幂等性

4.7.2、事务原理

4.8、数据有序

4.9、数据乱序

5、kafka-broker

5.1、zk存储

5.2、broker-工作原理

5.3、节点服役和退役

5.4、kafka-副本

5.5、Leader选举

5.6、Follower故障

5.7、Leader故障

 5.8、分区副本分配

 5.9、Leader Partition自动平衡

5.10、文件存储机制

5.10.1、Log文件和Index文件详解

5.11、文件清除策略

5.12、高效读写数据

6、kafka消费者

6.1、kafka消费方式

6.2、kafka消费者总体工作流程

6.3、消费者组

6.3.1、消费者组初始化流程

 6.3.2、消费者组详细消费流程

 6.4、kafka分区分配策略

6.4.1、Range

6.4.2、RoundRobin

6.4.3、Sticky

6.5、offset

6.5.1、自动提交offset

6.5.2、手动提交offset 

 6.5.3、指定offset消费

 6.6、指定时间消费

6.7、漏消费与重复消费

 6.8、消费者事务

 6.9、数据积压

1、kafka定义

传统定义：kafka是一个分布式的基于发布/订阅模式的消息队列（Message Queue），主要应用于大数据实时处理领域。

发布/订阅：消息的发布者不会将消息直接发生给特定的订阅者。而是将发布的消息分为不同的类别，订阅者只接收感兴趣的消息。

新定义：kafka是一个开源的分布式事件流平台（Event Streaming Platform），被数千家公司用于高性能数据管道、流分析、数据集成和关键任务。

 2、消息队列

2.1、产品选择

目前企业中比较常见的消息队列产品主要有kafka、ActiveMQ、RabbitMQ、RoketMQ等

 2.2、应用场景

传统的消息队列的主要应用场景包括：缓存/消峰、解耦和异步通信。

（1）缓存/消峰：有助于控制和优化数据流经过系统的速度，解决生产消息和消费消息的处理速度不一致的情况。

（2）解耦：允许你独立的扩展或修改两边的处理过程，只确保他们遵循同样的接口约束

（3） 异步通信：允许用户把一个消息放入队列，但并不立即处理它，然后在需要的时候再去处理它们。

2.3、消息队列的两种模式

（1）点对点

• 消费者主动拉取数据，消息收到后清除消息

（2）发布/订阅模式

• 可以有多个topic主题（浏览、点赞、收藏、评论等）
• 消费者消费数据之后，不删除数据
• 每个消费者相互独立、都可以消费到数据

 思考：那么什么时候删呢？

3、kafka架构

1、为方便扩展，并提高吞吐量，一个topic分为多个partition

2、配合分区的设计，提出消费者组的概念，组内每个消费者并行消费，一个分区partition只能由一个消费者来消费。

3、为了提高可用性，为每个partition增加若干副本，类型NameNode HA。分区挂掉之后follow可以成为leader。

4、ZK中记录谁是leader，kafka2.8以后也可以不配置不采用ZK。

 4、kafka生产者

4.1、kafka生产者原理

（1）主线程：kafka producer生产者send(ProduceRecord)、可选的拦截器Interceptor、序列化器、分区器。

创建多个分配，都是在内存里面完成的，（RecordAccumulator）总大小默认32M，（ProducerBatch）一批次16k。

（2）sender线程：NetWorkClient 汽车、各个请求。以每个broker为key，把数据放到一个队列里面，发送给broker应答，每个队列最多缓存5个请求。selector：高速公路，链路。

什么时候拉数据发生？

• batch.size：只有数据积累到batch.size之后，sender才会发生数据。默认16k
• linger.ms：如果数据迟迟未达到batch.size,sender等待linger.ms设置的时间到了之后就会发送数据。单位ms，默认值是0ms，表示没有延迟。

（3）kafka集群：分为多个broker、拥有备份的能力，收到数据之后，发送acks应答。

• 0：生产者发送过来的数据，不需要等待数据落盘应答；
• 1：生产者发送过来的数据，Leader收到数据后应答；
• -1（all）：生产者发送过来的数据，Leader和ISR队列里面的所有节点收齐数据后应答。-1和all等价。

什么是ISR？

1. AR（Assigned Repllicas）：一个partition的所有副本（就是replica，不区分leader或follower）
2. ISR（In-Sync Replicas）能够和 leader 保持同步的 follower + leader本身 组成的集合。
3. OSR（Out-Sync Relipcas）不能和 leader 保持同步的 follower 集合
4. 公式：AR = ISR + OSR

 应答机制-成功：清理掉每个分区的数据。

 应答机制-失败：默认是一直重试，可以修改retries重试次数。

4.2、kafka生产者异步发送

异步发送：外部的数据发送到队列里面的，kafka回调异步发送。