消息中間件：解耦、異步、削峰
消息隊(duì)列通信的兩種模式：
? ? 一、點(diǎn)對點(diǎn)模式：
如上圖所示，點(diǎn)對點(diǎn)模式通常是基于拉取或者輪詢的消息傳送模型，這個(gè)模型的特點(diǎn)是發(fā)送到隊(duì)列的消息被一個(gè)且只有一個(gè)消費(fèi)者進(jìn)行處理。
生產(chǎn)者將消息放入消息隊(duì)列后，由消費(fèi)者主動(dòng)的去拉取消息進(jìn)行消費(fèi)。
點(diǎn)對點(diǎn)模型的的優(yōu)點(diǎn)是消費(fèi)者拉取消息的頻率可以由自己控制。但是消息隊(duì)列是否有消息需要消費(fèi)，在消費(fèi)者端無法感知，所以在消費(fèi)者端需要額外的線程去監(jiān)控。
? ? 二、發(fā)布訂閱模式
如上圖所示，發(fā)布訂閱模式是一個(gè)基于消息推送的消息傳送模型，該模型可以有多種不同的訂閱者。
生產(chǎn)者將消息放入消息隊(duì)列后，隊(duì)列會(huì)將消息推送給訂閱過該類消息的消費(fèi)者（類似微信公眾號）。
由于是消費(fèi)者被動(dòng)接收推送，所以無需感知消息隊(duì)列是否有待消費(fèi)的消息！
但是consumer1、consumer2、consumer3由于機(jī)器性能不一樣，所以處理消息的能力也會(huì)不一樣，可是消息隊(duì)列卻無法感知消費(fèi)者消費(fèi)的速度！所以推送的速度成了發(fā)布訂閱模模式的一個(gè)問題！假設(shè)三個(gè)消費(fèi)者處理速度分別是8M/s、5M/s、2M/s，如果隊(duì)列推送的速度為5M/s，則consumer3無法承受！如果隊(duì)列推送的速度為2M/s，則consumer1、consumer2會(huì)出現(xiàn)資源的極大浪費(fèi)！
kafka：是一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)。
基礎(chǔ)架構(gòu)及其術(shù)語：
Producer：即生產(chǎn)者，消息的產(chǎn)生者，是消息的入口。
Kafka Cluster：
Broker：是kafka實(shí)例。每個(gè)服務(wù)器上有一個(gè)或多個(gè)kafka的實(shí)例，我們姑且認(rèn)為每個(gè)broker對應(yīng)一臺(tái)服務(wù)器。每個(gè)kafka集群內(nèi)的broker都有一個(gè)不重復(fù)的編號，如圖中的broker-0、broker-1等……
Topic：消息的主題，可以理解為消息的分類，kafka的數(shù)據(jù)就保存在topic。在每個(gè)broker上都可以創(chuàng)建多個(gè)topic。
Partition：Topic的分區(qū)，每個(gè)topic可以有多個(gè)分區(qū)，分區(qū)的作用是做負(fù)載，提高kafka的吞吐量。同一個(gè)topic在不同的分區(qū)的數(shù)據(jù)是不重復(fù)的，partition的表現(xiàn)形式就是一個(gè)一個(gè)的文件夾！
Replication:每一個(gè)分區(qū)都有多個(gè)副本，副本的作用是做備胎。當(dāng)主分區(qū)（Leader）故障的時(shí)候會(huì)選擇一個(gè)備胎（Follower）上位，成為Leader。在kafka中默認(rèn)副本的最大數(shù)量是10個(gè)，且副本的數(shù)量不能大于Broker的數(shù)量，follower和leader絕對是在不同的機(jī)器，同一機(jī)器對同一個(gè)分區(qū)也只可能存放一個(gè)副本（包括自己）。
Message：每一條發(fā)送的消息主體。
Consumer：消費(fèi)者，即消息的消費(fèi)方，是消息的出口。
??????????Consumer Group：我們可以將多個(gè)消費(fèi)者組成一個(gè)消費(fèi)者組，在kafka的設(shè)計(jì)中同一個(gè)分區(qū)的數(shù)據(jù)只能被消費(fèi)者組中的某一個(gè)消費(fèi)者消費(fèi)。同一個(gè)消費(fèi)者組的消費(fèi)者可以消費(fèi)同一個(gè)topic的不同分區(qū)的數(shù)據(jù)，這也是為了提高kafka的吞吐量！
Zookeeper：kafka集群依賴zookeeper來保存集群的的元信息，來保證系統(tǒng)的可用性。
工作流程分析：
? ? ? ? ? ? 一、發(fā)送數(shù)據(jù)：我們看上面的架構(gòu)圖中，producer就是生產(chǎn)者，是數(shù)據(jù)的入口。注意看圖中的紅色箭頭，Producer在寫入數(shù)據(jù)的時(shí)候永遠(yuǎn)的找leader，不會(huì)直接將數(shù)據(jù)寫入follower！那leader怎么找呢？寫入的流程又是什么樣的呢？我們看下圖：
需要注意的一點(diǎn)是，消息寫入leader后，follower是主動(dòng)的去leader進(jìn)行同步的！
producer采用push模式將數(shù)據(jù)發(fā)布到broker，每條消息追加到分區(qū)中，順序?qū)懭氪疟P，所以保證同一分區(qū)內(nèi)的數(shù)據(jù)是有序的！寫入示意圖如下：
上面說到數(shù)據(jù)會(huì)寫入到不同的分區(qū)，那kafka為什么要做分區(qū)呢？相信大家應(yīng)該也能猜到，分區(qū)的主要目的是：
1、 方便擴(kuò)展。因?yàn)橐粋€(gè)topic可以有多個(gè)partition，所以我們可以通過擴(kuò)展機(jī)器去輕松的應(yīng)對日益增長的數(shù)據(jù)量。
2、 提高并發(fā)。以partition為讀寫單位，可以多個(gè)消費(fèi)者同時(shí)消費(fèi)數(shù)據(jù)，提高了消息的處理效率。
熟悉負(fù)載均衡的朋友應(yīng)該知道，當(dāng)我們向某個(gè)服務(wù)器發(fā)送請求的時(shí)候，服務(wù)端可能會(huì)對請求做一個(gè)負(fù)載，將流量分發(fā)到不同的服務(wù)器，那在kafka中，如果某個(gè)topic有多個(gè)partition，producer又怎么知道該將數(shù)據(jù)發(fā)往哪個(gè)partition呢？
kafka中有幾個(gè)原則：
1、 partition在寫入的時(shí)候可以指定需要寫入的partition，如果有指定，則寫入對應(yīng)的partition。
2、 如果沒有指定partition，但是設(shè)置了數(shù)據(jù)的key，則會(huì)根據(jù)key的值hash出一個(gè)partition。
3、 如果既沒指定partition，又沒有設(shè)置key，則會(huì)輪詢選出一個(gè)partition。
保證消息不丟失是一個(gè)消息隊(duì)列中間件的基本保證，那producer在向kafka寫入消息的時(shí)候，怎么保證消息不丟失呢？
其實(shí)上面的寫入流程圖中有描述出來，那就是通過?ACK應(yīng)答機(jī)制?！ 在生產(chǎn)者向隊(duì)列寫入數(shù)據(jù)的時(shí)候可以設(shè)置參數(shù)來確定是否確認(rèn)kafka接收到數(shù)據(jù)， 這個(gè)參數(shù)可設(shè)置的值為? ?0、1、all。
? ? ? 0代表producer往集群發(fā)送數(shù)據(jù)不需要等到集群的返回，不確保消息發(fā)送成功。安全性最低但是效率最高。
? ? ? 1代表producer往集群發(fā)送數(shù)據(jù)只要leader應(yīng)答就可以發(fā)送下一條，只確保leader發(fā)送成功。
? ? ? all代表producer往集群發(fā)送數(shù)據(jù)需要所有的follower都完成從leader的同步才會(huì)發(fā)送下一條，確保leader發(fā)送成功和所有的副本都完成備份。安全性最高，但是效率最低。
最后要注意的是，如果往不存在的topic寫數(shù)據(jù)，能不能寫入成功呢？kafka會(huì)自動(dòng)創(chuàng)建topic，分區(qū)和副本的數(shù)量根據(jù)默認(rèn)配置都是1。
??????? ? ? 二、保存數(shù)據(jù)：Producer將數(shù)據(jù)寫入kafka后，集群就需要對數(shù)據(jù)進(jìn)行保存了。kafka將數(shù)據(jù)保存在磁盤，可能在我們的一般的認(rèn)知里，寫入磁盤是比較耗時(shí)的操作，不適合這種高并發(fā)的組件。Kafka初始會(huì)單獨(dú)開辟一塊磁盤空間，順序?qū)懭霐?shù)據(jù)（效率比隨機(jī)寫入高）。
Partition 結(jié)構(gòu)：前面說過了每個(gè)topic都可以分為一個(gè)或多個(gè)partition，如果你覺得topic比較抽象，那partition就是比較具體的東西了！
Partition在服務(wù)器上的表現(xiàn)形式就是一個(gè)一個(gè)的文件夾，每個(gè)partition的文件夾下面會(huì)有多組segment文件，每組segment文件又包含.index文件、.log文件、.timeindex文件（早期版本中沒有）三個(gè)文件， log文件就實(shí)際是存儲(chǔ)message的地方，而index和timeindex文件為索引文件，用于檢索消息。
????如上圖，這個(gè)partition有三組segment文件，每個(gè)log文件的大小是一樣的，但是存儲(chǔ)的message數(shù)量是不一定相等的（每條的message大小不一致）。文件的命名是以該segment最小offset來命名的，如000.index存儲(chǔ)offset為0~368795的消息，kafka就是利用分段+索引的方式來解決查找效率的問題。
Message結(jié)構(gòu)：上面說到log文件就實(shí)際是存儲(chǔ)message的地方，我們在producer往kafka寫入的也是一條一條的message，那存儲(chǔ)在log中的message是什么樣子的呢？
消息主要包含消息體、消息大小、offset、壓縮類型……等等！我們重點(diǎn)需要知道的是下面三個(gè)：
1、 offset：offset是一個(gè)占8byte的有序id號，它可以唯一確定每條消息在parition內(nèi)的位置！
2、 消息大?。合⒋笮≌加?byte，用于描述消息的大小。
3、 消息體：消息體存放的是實(shí)際的消息數(shù)據(jù)（被壓縮過），占用的空間根據(jù)具體的消息而不一樣。
存儲(chǔ)策略：無論消息是否被消費(fèi)，kafka都會(huì)保存所有的消息。那對于舊數(shù)據(jù)有什么刪除策略呢？
1、 基于時(shí)間，默認(rèn)配置是168小時(shí)（7天）。
2、 基于大小，默認(rèn)配置是1073741824。
需要注意的是，kafka讀取特定消息的時(shí)間復(fù)雜度是O(1)，所以這里刪除過期文件并不會(huì)提高kafka的性能！
? ? ? ? ? ? 三、消費(fèi)數(shù)據(jù)：消息存儲(chǔ)在log文件后，消費(fèi)者就可以進(jìn)行消費(fèi)了。
????????與生產(chǎn)消息相同的是，消費(fèi)者在拉取消息的時(shí)候也是找leader去拉取。
多個(gè)消費(fèi)者可以組成一個(gè)消費(fèi)者組（consumer group），每個(gè)消費(fèi)者組都有一個(gè)組id！同一個(gè)消費(fèi)組者的消費(fèi)者可以消費(fèi)同一topic下不同分區(qū)的數(shù)據(jù)，但是不會(huì)組內(nèi)多個(gè)消費(fèi)者消費(fèi)同一分區(qū)的數(shù)據(jù)?。?！是不是有點(diǎn)繞。我們看下圖：
圖示是消費(fèi)者組內(nèi)的消費(fèi)者小于partition數(shù)量的情況，所以會(huì)出現(xiàn)某個(gè)消費(fèi)者消費(fèi)多個(gè)partition數(shù)據(jù)的情況，消費(fèi)的速度也就不及只處理一個(gè)partition的消費(fèi)者的處理速度！
如果是消費(fèi)者組的消費(fèi)者多于partition的數(shù)量，那會(huì)不會(huì)出現(xiàn)多個(gè)消費(fèi)者消費(fèi)同一個(gè)partition的數(shù)據(jù)呢？上面已經(jīng)提到過不會(huì)出現(xiàn)這種情況！多出來的消費(fèi)者不消費(fèi)任何partition的數(shù)據(jù)。
所以在實(shí)際的應(yīng)用中，建議消費(fèi)者組的consumer的數(shù)量與partition的數(shù)量一致！
在保存數(shù)據(jù)的小節(jié)里面，我們聊到了partition劃分為多組segment，每個(gè)segment又包含.log、.index、.timeindex文件，存放的每條message包含offset、消息大小、消息體……我們多次提到segment和offset，查找消息的時(shí)候是怎么利用segment+offset配合查找的呢？
假如現(xiàn)在需要查找一個(gè)offset為368801的message是什么樣的過程呢？我們先看看下面的圖：
1、 先找到offset的368801message所在的segment文件（利用二分法查找），這里找到的就是在第二個(gè)segment文件。
2、 打開找到的segment中的.index文件（也就是368796.index文件，該文件起始偏移量為368796+1，我們要查找的offset為368801的message在該index內(nèi)的偏移量為368796+5=368801，所以這里要查找的相對offset為5）。由于該文件采用的是稀疏索引的方式存儲(chǔ)著相對offset及對應(yīng)message物理偏移量的關(guān)系，所以直接找相對offset為5的索引找不到，這里同樣利用二分法查找相對offset小于或者等于指定的相對offset的索引條目中最大的那個(gè)相對offset，所以找到的是相對offset為4的這個(gè)索引。
3、 根據(jù)找到的相對offset為4的索引確定message存儲(chǔ)的物理偏移位置為256。打開數(shù)據(jù)文件，從位置為256的那個(gè)地方開始順序掃描直到找到offset為368801的那條Message。
這套機(jī)制是建立在offset為有序的基礎(chǔ)上，利用segment+有序offset+稀疏索引+二分查找+順序查找等多種手段來高效的查找數(shù)據(jù)！至此，消費(fèi)者就能拿到需要處理的數(shù)據(jù)進(jìn)行處理了。那每個(gè)消費(fèi)者又是怎么記錄自己消費(fèi)的位置呢？在早期的版本中，消費(fèi)者將消費(fèi)到的offset維護(hù)zookeeper中，consumer每間隔一段時(shí)間上報(bào)一次，這里容易導(dǎo)致重復(fù)消費(fèi)，且性能不好！在新的版本中消費(fèi)者消費(fèi)到的offset已經(jīng)直接維護(hù)在kafk集群的__consumer_offsets這個(gè)topic中！
