我太难了--kafka

背景

项目里使用了kafka和spark作消息的流式处理，但是我对kafka一窍不通。每次测试找我kafka都是傻坐着，主管让我花时间学习kafka。

kafka介绍

在大数据时代，分析，处理和挖掘海量数据成为了目前技术领域的热点和难点。kafka是一款开源，轻量，分布式，可分区，可备份的消息系统。kafka能够很好地处理活跃的流数据，使得数据在各个子系统中高性能、低延时地不停流转。

kafka特性

消息可持久化

kafka存储数据使用的是文件系统。只要文件系统足够大，数据就可以一直追加。kafka也提供了数据最大保存时间，用户可以设置。因为是写到硬盘上，所以节点故障，重启后数据可恢复

高吞吐量

• kafka使用文件系统存储数据，按理说性能不会太高。但kafka采用顺序写，顺序写比文件的随机写快6000倍；
• 在写入时采用零拷贝技术(在两个文件描述符（打开或新建文件会返回文件描述符，读写文件都需要这个东西）之间进行操作，完全内核操作)，避免了文件从用户态转变为内核态的数据拷贝；
• kafka支持数据压缩和批量发送；
• kafka每个主题有多个分区；

扩展性

因为依赖zk注册，只要注册服务。就可以在多态廉价服务器上搭建集群

多客户端

支持java，scala，c，c++，python，go，erlang，ruby，node.js等，还好我都认识。

kafka streams

kafka 0.10后引入了kafka stream，一个专注于流处理的jar包。

安全机制

生产者，消费者连接代理要认证，zk连接代理要认证，通信数据加密，客户端读写也要认证。

数据备份

kafka可以为每个主题指定副本数，进行持久化备份

轻量

kafka的代理是不会记录消息是否被消费，消费偏移量的管理交由消费者自己或组协调器来维护。

消息压缩

kafka支持gzip，snappy，lz4三种压缩方式，把多条消息压缩成messageset，再放到一个消息中。

kafka和其他消息中间件比较

https://rocketmq.apache.org/d...

kafka应用场景

1. 消息系统
2. 应用监控，kafka接收应用程序的健康相关的指标
3. 用户行为追踪。kafka和spark集成，进行数据分析。很大众的一种解决方案
4. 需要将流数据交给其他流计算框架处理
5. 持久化日志。利用kafka的消息持久化特性，同时kafka支持和hdfs和flume整合，方便数据转移