面试问Kafka，这一篇全搞定

应大部分的小伙伴的要求，今天这篇咱们用大白话带你认识 Kafka。

图片来自 Pexels

Kafka 基础

消息系统的作用

大部分小伙伴应该都清楚，这里用机油装箱举个例子：

所以消息系统就是如上图我们所说的仓库，能在中间过程作为缓存，并且实现解耦合的作用。

引入一个场景，我们知道中国移动，中国联通，中国电信的日志处理，是交给外包去做大数据分析的，假设现在它们的日志都交给了你做的系统去做用户画像分析。

按照刚刚前面提到的消息系统的作用，我们知道了消息系统其实就是一个模拟缓存，且仅仅是起到了缓存的作用而并不是真正的缓存，数据仍然是存储在磁盘上面而不是内存。

Topic 主题

Kafka 学习了数据库里面的设计，在里面设计了 Topic(主题)，这个东西类似于关系型数据库的表：

此时我需要获取中国移动的数据，那就直接监听 TopicA 即可。

Partition 分区

Kafka 还有一个概念叫 Partition(分区)，分区具体在服务器上面表现起初就是一个目录。

一个主题下面有多个分区，这些分区会存储到不同的服务器上面，或者说，其实就是在不同的主机上建了不同的目录。

这些分区主要的信息就存在了 .log 文件里面。跟数据库里面的分区差不多，是为了提高性能。

至于为什么提高了性能，很简单，多个分区多个线程，多个线程并行处理肯定会比单线程好得多。

Topic 和 Partition 像是 HBase 里的 Table 和 Region 的概念，Table 只是一个逻辑上的概念，真正存储数据的是 Region。

这些 Region 会分布式地存储在各个服务器上面，对应于 Kafka，也是一样，Topic 也是逻辑概念，而 Partition 就是分布式存储单元。

这个设计是保证了海量数据处理的基础。我们可以对比一下，如果 HDFS 没有 Block 的设计，一个 100T 的文件也只能单独放在一个服务器上面，那就直接占满整个服务器了，引入 Block 后，大文件可以分散存储在不同的服务器上。

注意：

分区会有单点故障问题，所以我们会为每个分区设置副本数。

分区的编号是从 0 开始的。

Producer 生产者

往消息系统里面发送数据的就是生产者：

Consumer 消费者

从 Kafka 里读取数据的就是消费者：

Message 消息

Kafka 里面的我们处理的数据叫做消息。

Kafka 的集群架构

创建一个 TopicA 的主题，3 个分区分别存储在不同的服务器，也就是 Broker 下面。

Topic 是一个逻辑上的概念，并不能直接在图中把 Topic 的相关单元画出：

需要注意：Kafka 在 0.8 版本以前是没有副本机制的，所以在面对服务器宕机的突发情况时会丢失数据，所以尽量避免使用这个版本之前的 Kafka。

Replica 副本

Kafka 中的 Partition 为了保证数据安全，所以每个 Partition 可以设置多个副本。

此时我们对分区 0，1，2 分别设置 3 个副本(其实设置两个副本是比较合适的)：

而且其实每个副本都是有角色之分的，它们会选取一个副本作为 Leader，而其余的作为 Follower。

我们的生产者在发送数据的时候，是直接发送到 Leader Partition 里面，然后 Follower Partition 会去 Leader 那里自行同步数据，消费者消费数据的时候，也是从 Leader 那去消费数据的。

（编辑：ASP站长网）