要做一個消息隊列可能要考慮到以下的問題：
- 使用消息隊列不可能是單機的（必然是分佈式or集羣）？
- 數據寫到消息隊列，可能會存在數據丟失問題，數據在消息隊列需要持久化(磁盤？數據庫？Redis？分佈式文件系統？)
- 想要保證消息（數據）是有序的，怎麼做？
- 爲什麼在消息隊列中重複消費了數據？
Kafka是一個消息隊列，把消息放到隊列裏邊的叫生產者，從隊列裏邊消費的叫消費者。
一個消息中間件，隊列不單單隻有一個，我們往往會有多個隊列，而我們生產者和消費者就得知道：把數據丟給哪個隊列，從哪個隊列取消息。我們需要給隊列取名字，叫做topic(相當於數據庫裏邊表的概念)。
現在我們給隊列取了名字以後，生產者就知道往哪個隊列丟數據了，消費者也知道往哪個隊列拿數據了。我們可以有多個生產者往同一個隊列(topic)丟數據，多個消費者往同一個隊列(topic)拿數據。
爲了提高一個隊列(topic)的吞吐量，Kafka會把topic進行分區(Partition)。
所以，生產者實際上是往一個topic名爲Java3y中的分區(Partition)丟數據，消費者實際上是往一個topic名爲Java3y的分區(Partition)取數據。
一臺Kafka服務器叫做Broker，Kafka集羣就是多臺Kafka服務器。
一個topic會分爲多個partition，實際上partition會分佈在不同的broker中，舉個例子：
由此得知：Kafka是天然分佈式的。
現在我們已經知道了往topic裏邊丟數據，實際上這些數據會分到不同的partition上，這些partition存在不同的broker上。分佈式肯定會帶來問題：“萬一其中一臺broker(Kafka服務器)出現網絡抖動或者掛了，怎麼辦？”
Kafka是這樣做的：我們數據存在不同的partition上，那kafka就把這些partition做備份。比如，現在我們有三個partition，分別存在三臺broker上。每個partition都會備份，這些備份散落在不同的broker上。
紅色塊的partition代表的是主分區，紫色的partition塊代表的是備份分區。生產者往topic丟數據，是與主分區交互，消費者消費topic的數據，也是與主分區交互。
備份分區僅僅用作於備份，不做讀寫。如果某個Broker掛了，那就會選舉出其他Broker的partition來作爲主分區，這就實現了高可用。
另外值得一提的是：當生產者把數據丟進topic時，我們知道是寫在partition上的，那partition是怎麼將其持久化的呢？（不持久化如果Broker中途掛了，那肯定會丟數據嘛)。
Kafka是將partition的數據寫在磁盤的(消息日誌)，不過Kafka只允許追加寫入(順序訪問)，避免緩慢的隨機 I/O 操作。
Kafka也不是partition一有數據就立馬將數據寫到磁盤上，它會先緩存一部分，等到足夠多數據量或等待一定的時間再批量寫入(flush)。
既然數據是保存在partition中的，那麼消費者實際上也是從partition中取數據。
生產者可以有多個，消費者也可以有多個。像上面圖的情況，是一個消費者消費三個分區的數據。多個消費者可以組成一個消費者組。本來是一個消費者消費三個分區的，現在我們有消費者組，就可以每個消費者去消費一個分區（也是爲了提高吞吐量）。
按圖上所示的情況，這裏想要說明的是：
- 如果消費者組中的某個消費者掛了，那麼其中一個消費者可能就要消費兩個partition了
- 如果只有三個partition，而消費者組有4個消費者，那麼一個消費者會空閒
- 如果多加入一個消費者組，無論是新增的消費者組還是原本的消費者組，都能消費topic的全部數據。（消費者組之間從邏輯上它們是獨立的）
前面講解到了生產者往topic裏丟數據是存在partition上的，而partition持久化到磁盤是IO順序訪問的，並且是先寫緩存，隔一段時間或者數據量足夠大的時候才批量寫入磁盤的。
消費者在讀的時候也很有講究：正常的讀磁盤數據是需要將內核態數據拷貝到用戶態的，而Kafka 通過調用sendfile()直接從內核空間（DMA的）到內核空間（Socket的），少做了一步拷貝的操作。
如果一個消費者組中的某個消費者掛了，那掛掉的消費者所消費的分區可能就由存活的消費者消費。那存活的消費者是需要知道掛掉的消費者消費到哪了。
Kafka用offset來表示消費者的消費進度到哪了，即offset就是表示消費者的消費進度，每個消費者會都有自己的offset。
在以前版本的Kafka，這個offset是由Zookeeper來管理的，後來Kafka開發者認爲Zookeeper不合適大量的刪改操作，於是把offset在broker以內部topic(__consumer_offsets)的方式來保存起來。
每次消費者消費的時候，都會提交這個offset，Kafka可以讓你選擇是自動提交還是手動提交。
Zookeeper雖然在新版的Kafka中沒有用作於保存客戶端的offset，但是Zookeeper是Kafka一個重要的依賴。
- 探測broker和consumer的添加或移除。
- 負責維護所有partition的領導者/從屬者關係（主分區和備份分區），如果主分區掛了，需要選舉出備份分區作爲主分區。
- 維護topic、partition等元配置信息。
- ……
![在這裏插入圖片描述]()
最後解答一下開篇的幾個問題。
1.使用消息隊列不可能是單機的（必然是分佈式or集羣）
Kafka天然是分佈式的，往一個topic丟數據，實際上就是往多個broker的partition存儲數據。
2.數據寫到消息隊列，可能會存在數據丟失問題，數據在消息隊列需要持久化(磁盤？數據庫？Redis？分佈式文件系統？)
Kafka會將partition以消息日誌的方式(落磁盤)存儲起來，通過 順序訪問IO和緩存(等到一定的量或時間)才真正把數據寫到磁盤上，來提高速度。
3.想要保證消息（數據）是有序的，怎麼做？
Kafka會將數據寫到partition，單個partition的寫入是有順序的。如果要保證全局有序，那隻能寫入一個partition中。如果要消費也有序，消費者也只能有一個。
4.爲什麼在消息隊列中重複消費了數據？
凡是分佈式就無法避免網絡抖動/機器宕機等問題的發生，很有可能消費者A讀取了數據，還沒來得及消費，就掛掉了。Zookeeper發現消費者A掛了，讓消費者B去消費原本消費者A的分區，等消費者A重連的時候，發現已經重複消費同一條數據了。(各種各樣的情況，消費者超時等等都有可能…)
如果業務上不允許重複消費的問題，最好消費者那端做業務上的校驗（如果已經消費過了，就不消費了）