Kafka

Kafka是一个由apache软件基金会开发、Scala和Java编写的开源流处理平台。该项目旨在提供一个高吞吐、低延迟的平台，用于处理实时数据。Kafka是一种分布式发布订阅消息系统，可以处理现代网络上的大量社会功能，如网页浏览、搜索等，这些数据对于现代网络至关重要。Kafka旨在通过Hadoop的并行加载机制，统一线上和离线的消息处理，并为集群提供实时消息。

Kafka通过连接到外部系统（用于数据导入/导出），并通过Kafka Connect提供。此外，Kafka还提供了一个名为Kafka Streams的Java流式处理库。Kafka的设计受到事务日志的影响，其持久化层本质上是一个“大规模发布/订阅消息队列”，这使得Kafka成为企业级基础设施，用于处理流式数据非常有价值。

名字由来

kafka的架构师jay kreps对于kafka的名称由来是这样讲的，由于jay kreps非常喜欢franz kafka,并且觉得kafka这个名字很酷，因此取了个和消息传递系统完全不相干的名称kafka，该名字并没有特别的含义。

kafka的诞生，是为了解决Linkedin的数据管道问题，起初linkedin采用了ActiveMQ来进行数据交换，大约是在2010年前后，那时的ActiveMQ还远远无法满足linkedin对数据传递系统的要求，经常由于各种缺陷而导致消息阻塞或者服务无法正常访问，为了能够解决这个问题，linkedin决定研发自己的消息传递系统，当时linkedin的首席架构师jay kreps便开始组织团队进行消息传递系统的研发。

特性

Kafka是一种高吞吐量的分布式发布订阅消息系统，有如下特性：

• 通过O(1)的磁盘数据结构提供消息的持久化，这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能。

• 高吞吐量：即使是非常普通的硬件Kafka也可以支持每秒数百万的消息。

• 支持通过Kafka服务器和消费机集群来分区消息。

• 支持Hadoop并行数据加载。

Kafka通过官网发布了最新版本2.0.0。

术语介绍

• 掮客

• Kafka集群包含一个或多个服务器，这种服务器被称为broker。

• Topic

• 每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic。（物理上不同Topic的消息分开存储，逻辑上一个Topic的消息虽然保存于一个或多个broker上但用户只需指定消息的Topic即可生产或消费数据而不必关心数据存于何处）

• Partition

• Partition是物理上的概念，每个Topic包含一个或多个Partition。

• Producer

• 负责发布消息到Kafka 掮客。

• 消费者

• 消息消费者，向Kafka broker读取消息的客户端。

• Consumer 基团

• 每个Consumer属于一个特定的Consumer Group（可为每个Consumer指定group 人名，若不指定group name则属于默认的group）。

参考资料

Apache Kafka官网.Apache Kafka官网.2018-01-05

Benchmarking Apache Kafka: 2 Million Writes Per Second (On Three Cheap Machines).LinkedIn.2015-11-20