Kafka是为大数据而生的消息中间件，在数据采集、传输、存储的过程中发挥着举足轻重的作用。

优点：

1. 性能卓越，单机写入TPS约在百万条/秒，最大的优点，就是吞吐量高。
2. 时效性：ms级
3. 可用性：非常高，kafka是分布式的，一个数据多个副本，少数机器宕机，不会丢失数据，不会导致不可用
4. 消费者采用Pull方式获取消息, 消息有序, 通过控制能够保证所有消息被消费且仅被消费一次;
5. 有优秀的第三方Kafka Web管理界面Kafka-Manager；
6. 在日志领域比较成熟，被多家公司和多个开源项目使用；
7. 功能支持：功能较为简单，主要支持简单的MQ功能，在大数据领域的实时计算以及日志采集被大规模使用。

缺点：

1. Kafka单机超过64个队列/分区，Load会发生明显的飙高现象，队列越多，load越高，发送消息响应时间变长；
2. 使用短轮询方式，实时性取决于轮询间隔时间； 消费失败不支持重试； 支持消息顺序，但是一台代理宕机后，就会产生消息乱序
3. 存在丢消息可能：在设计层面上就有丢消息的可能（比如定时刷盘，如果掉电就会丢消息）。
4. 错峰流控：上下游对于事情的处理能力是不同的。比如，Web前端每秒承受上千万的请求，并不是什么神奇的事情，只需要加多一点机器，再搭建一些LVS负载均衡设备和Nginx等即可。但数据库的处理能力却十分有限，即使使用SSD加分库分表，单机的处理能力仍然在万级。由于成本的考虑，我们不能奢求数据库的机器数量追上前端。 这种问题同样存在于系统和系统之间，如短信系统可能由于短板效应，速度卡在网关上（每秒几百次请求），跟前端的并发量不是一个数量级。但用户晚上个半分钟左右收到短信，一般是不会有太大问题的。如果没有消息队列，两个系统之间通过协商、滑动窗口等复杂的方案也不是说不能实现。但系统复杂性指数级增长，势必在上游或者下游做存储，并且要处理定时、拥塞等一系列问题。而且每当有处理能力有差距的时候，都需要单独开发一套逻辑来维护这套逻辑。所以，利用中间系统转储两个系统的通信内容，并在下游系统有能力处理这些消息的时候，再处理这些消息，是一套相对较通用的方式。

消息队列优点：低耦合、可靠投递、广播、流量控制、最终一致性等一系列功能，成为异步RPC的主要手段之一。

分析设计一个消息队列时需要考虑到的问题，如RPC、高可用、顺序和重复消息、可靠投递、消费关系解析等。 当你需要使用消息队列时，首先需要考虑它的必要性。可以使用mq的场景有很多，最常用的几种，是做业务解耦/最终一致性/广播/错峰流控等。反之，如果需要强一致性，关注业务逻辑的处理结果，则RPC显得更为合适。

Kafka是最初由Linkedin公司开发，是一个分布式、分区的、多副本的、多订阅者，基于zookeeper协调的分布式日志系统(也可以当做MQ系统)，

常见可以用于web/nginx日志、访问日志，消息服务等等，Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。

Kakfa具有高吞吐、低延迟等特点，在大数据、日志收集等应用场景下被广泛使用。

Kafka部分名词解释如下：

1. Broker：消息中间件处理结点，Kafka服务端，负责消息的存储和转发。一个Kafka节点就是一个broker，多个broker可以组成一个Kafka集群。
2. Topic：一类消息，例如页面浏览日志、点击日志等都可以以topic的形式存在，Kafka集群能够同时负责多个topic的分发。
3. Partition：topic物理上的分组，一个topic可以分为多个partition，每个partition是一个有序的队列。
4. Segment：partition物理上由多个segment组成，每个Segment存着消息信息。
5. Offset：每个partition都由一系列有序的、不可变的消息组成，这些消息被连续的追加到partition中。partition中的每个消息都有一个连续的序列号叫做offset，用于partition唯一标识一条消息。
6. Producer：消息生产者，负责将产生的消息发送到broker。
7. Consumer：消息消费者，从broker中拉取消息进行消费。
8. Consumer Group：消费者分组，消息的消费是以组为单位的，每个Consumer必须属于一个group。partition中的每个消息只能被组中的一个consumer（线程）消费，如果一个消息可以被多个consumer（线程）消费的话，那么这些consumer必须在不同的组。
9. Zookeeper：保存着集群broker、topic、partition等meta数据；另外，还负责broker故障发现，partition leader选举，负载均衡等功能

 体系结构图：

 Topic

一个topic是对一组消息的归纳，一个topic可以认为是一类消息。对每个topic，它被分成多个partition，，每个partition在存储层面就是append log文件。也就是说Kafka通过partition对topic做了【日志分区】。

任何发布到此partition的消息都会被追加到log文件的尾部，每条消息在文件中的位置称为offset(偏移量)，offset为一个long型的数字，它唯一标记分区中的一条消息。每条消息都被append到partition中，是顺序写磁盘，因此效率非常高（经验证，顺序写磁盘效率比随机写内存还要高，这是Kafka高吞吐率的一个很重要的保证）。连续追加到partition中的消息是有序的、不可变的。在一个可配置的时间段内，Kafka集群保留所有发布的消息，不管这些消息有没有被消费。比如，如果消息的保存策略被设置为2天，那么在一个消息被发布的两天时间内，它都是可以被消费的。之后它将被丢弃以释放空间。Kafka的性能是和数据量无关的常量级的，所以保留太多的数据并不是问题。

LOG consumer offset

每个consumer唯一需要维护的数据是消息在【日志】中的位置，也就是offset。

这个offset由consumer来维护：一般情况下随着consumer不断的读取消息，offset的值会不断增加，其实consumer可以以任意的顺序读取消息，

比如它可以将offset设置成为一个旧的值来重读之前的消息。这使得consumer非常的轻量级：它们可以在不对集群和其他consumer造成影响的情况下读取消息。

使用命令行来'tail'消息而不会对其他正在消费消息的consumer造成影响。 将日志分区可以达到以下目的：首先这使得每个日志的数量不会太大，可以在单个服务上保存。另外每个分区可以单独发布和消费，为并发操作topic提供了一种可能。

分布式

每个分区在Kafka集群的若干服务中都有副本，这样这些持有副本的服务可以共同处理数据和请求，副本数量是可以配置的。副本使Kafka具备了容错能力。

每个分区都由一个服务器作为"leader"，零或若干服务器作为"followers"，leader负责处理消息的读和写，followers则去复制leader。

如果leader 宕机了，followers中的一台则会自动成为leader。集群中的每个服务节点都会【同时】扮演两个角色：作为它所持有的一部分分区的leader，同时作为其他分区的followers，这样集群就会据有较好的负载均衡。

Producer

Producer将消息发布到它指定的topic中，并负责决定发布到哪个分区。通常简单的由负载均衡机制随机选择分区，但也可以通过特定的分区函数选择分区。一般使用的更多的是第二种。 每一条消息被发送到broker中，会根据partition规则选择被存储到哪一个partition。如果partition规则设置的合理，所有消息可以均匀分布到不同的partition里，这样就实现了水平扩展。（如果一个topic对应一个文件，那这个文件所在的机器I/O将会成为这个topic的性能瓶颈，而partition解决了这个问题）。在创建topic时可以'$KAFKA_HOME/config/server.properties'中指定这个partition的数量，当然可以在topic创建之后去修改partition的数量。 在发送一条消息时，可以指定这个消息的key，producer根据这个key和partition机制来判断这个消息发送到哪个partition。partition机制可以通过指定producer的partition.class这一参数来指定，该class必须实现'kafka.producer.Partitioner'接口。

Consumer

发布消息通常有两种模式：队列模式(queuing)和发布/订阅模式(publish-subscribe)。 1）队列模式：consumers可以同时从服务端读取消息，每个消息只被其中一个consumer读到； 2）发布/订阅模式：消息被广播到所有的consumer中，每个consumer都能收到。 Consumers可以加入一个consumer组，在同一个组内共同竞争一个topic，topic中的消息将被分发到组中的一个成员中。同一组中的consumer可以在不同的程序中，也可以在不同的机器上。如果所有的consumer都在一个组中，都抢一个topic，这就成为了传统的队列模式，只有一个会收到消息，在各consumer中实现负载均衡。如果所有的consumer都在不同的组中，这就成为了发布/订阅模式，消息会被分发到所有的consumer中。更常见的是，每个topic都有若干数量的consumer组，每个组都是一个逻辑上的"订阅者"，为了容错和更好的稳定性，每个组由若干consumer组成。这其实就是一个发布/订阅模式，只不过订阅者是个组而不是单个consumer。

有序性

相比传统的消息系统，Kafka可以很好的保证有序性。传统的队列在服务器上保存有序的消息，如果多个consumers同时从这个服务器消费消息，服务器就会以消息存储的顺序向consumer分发消息。虽然服务器按顺序发布消息，但是消息是被异步的分发到各consumer上，所以当消息到达时可能已经失去了原来的顺序，这意味着并发消费将导致顺序错乱。为了避免故障，这样的消息系统通常使用"专用consumer"的概念，其实就是只允许一个消费者消费消息，当然这就意味着失去了并发性。

Kafka通过分区的概念，可以在多个consumer组并发的情况下提供较好的有序性和负载均衡。将每个分区分只分发给一个consumer组，这样一个分区就只被这个组的一个consumer消费，就可以顺序的消费这个分区的消息。因为有多个分区，依然可以在多个consumer组之间进行负载均衡。注意consumer组中consumer的数量不能多于分区的数量，也就是有多少分区就允许多少并发消费。 Kafka只能保证一个分区之内消息的有序性，在不同的分区之间是不可以的，这已经可以满足大部分应用的需求。如果需要topic中所有消息的有序性，那就只能让这个topic只有一个分区，当然也就只有一个consumer组消费它。