1． Kafka整體結構圖
Kafka名詞解釋和工作方式
Producer ：消息生產者，就是向kafka broker發消息的客戶端。
Consumer ：消息消費者，向kafka broker取消息的客戶端
Topic ：可以理解爲一個隊列。
Consumer Group （CG）：這是kafka用來實現一個topic消息的廣播（發給所有的consumer）和單播（發給任意一個consumer）的手段。一個topic可以有多個CG。topic的消息會複製（不是真的複製，是概念上的）到所有的CG，但每個partion只會把消息發給該CG中的一個consumer。如果需要實現廣播，只要每個consumer有一個獨立的CG就可以了。要實現單播只要所有的consumer在同一個CG。用CG還可以將consumer進行自由的分組而不需要多次發送消息到不同的topic。
Broker ：一臺kafka服務器就是一個broker。一個集羣由多個broker組成。一個broker可以容納多個topic。
Partition：爲了實現擴展性，一個非常大的topic可以分佈到多個broker（即服務器）上，一個topic可以分爲多個partition，每個partition是一個有序的隊列。partition中的每條消息都會被分配一個有序的id（offset）。kafka只保證按一個partition中的順序將消息發給consumer，不保證一個topic的整體（多個partition間）的順序。
** Offset：**kafka的存儲文件都是按照offset.kafka來命名，用offset做名字的好處是方便查找。例如你想找位於2049的位置，只要找到2048.kafka的文件即可。當然the first offset就是00000000000.kafka
2． Consumer與topic關係
本質上kafka只支持Topic；
每個group中可以有多個consumer，每個consumer屬於一個consumer group；
通常情況下，一個group中會包含多個consumer，這樣不僅可以提高topic中消息的併發消費能力，而且還能提高”故障容錯”性，如果group中的某個consumer失效那麼其消費的partitions將會有其他consumer自動接管。
對於Topic中的一條特定的消息，只會被訂閱此Topic的每個group中的其中一個consumer消費，此消息不會發送給一個group的多個consumer；
那麼一個group中所有的consumer將會交錯的消費整個Topic，每個group中consumer消息消費互相獨立，我們可以認爲一個group是一個”訂閱”者。
在kafka中,一個partition中的消息只會被group中的一個consumer消費(同一時刻)；
一個Topic中的每個partions，只會被一個”訂閱者”中的一個consumer消費，不過一個consumer可以同時消費多個partitions中的消息。
kafka的設計原理決定,對於一個topic，同一個group中不能有多於partitions個數的consumer同時消費，否則將意味着某些consumer將無法得到消息。
kafka只能保證一個partition中的消息被某個consumer消費時是順序的；事實上，從Topic角度來說,當有多個partitions時,消息仍不是全局有序的。
3． Kafka消息的分發
Producer客戶端負責消息的分發
kafka集羣中的任何一個broker都可以向producer提供metadata信息,這些metadata中包含”集羣中存活的servers列表”/”partitions leader列表”等信息；
當producer獲取到metadata信息之後, producer將會和Topic下所有partition leader保持socket連接；
消息由producer直接通過socket發送到broker，中間不會經過任何”路由層”，事實上，消息被路由到哪個partition上由producer客戶端決定；
比如可以採用”random”“key-hash”“輪詢”等,如果一個topic中有多個partitions,那麼在producer端實現”消息均衡分發”是必要的。
在producer端的配置文件中,開發者可以指定partition路由的方式。
Producer消息發送的應答機制
設置發送數據是否需要服務端的反饋,有三個值0,1,-1
0: producer不會等待broker發送ack
1: 當leader接收到消息之後發送ack
-1: 當所有的follower都同步消息成功後發送ack
request.required.acks=0
4． Consumer的負載均衡
當一個group中,有consumer加入或者離開時,會觸發partitions均衡.均衡的最終目的,是提升topic的併發消費能力，步驟如下：
1、 假如topic1,具有如下partitions: P0,P1,P2,P3
2、 加入group中,有如下consumer: C1,C2
3、 首先根據partition索引號對partitions排序: P0,P1,P2,P3
4、 根據consumer.id排序: C0,C1
5、 計算倍數: M = [P0,P1,P2,P3].size / [C0,C1].size,本例值M=2(向上取整)
6、 然後依次分配partitions: C0 = [P0,P1],C1=[P2,P3],即Ci = [P(i * M),P((i + 1) * M -1)]
5． kafka文件存儲機制
5.1.Kafka文件存儲基本結構
在Kafka文件存儲中，同一個topic下有多個不同partition，每個partition爲一個目錄，partiton命名規則爲topic名稱+有序序號，第一個partiton序號從0開始，序號最大值爲partitions數量減1。
每個partion(目錄)相當於一個巨型文件被平均分配到多個大小相等segment(段)數據文件中。但每個段segment file消息數量不一定相等，這種特性方便old segment file快速被刪除。默認保留7天的數據。
每個partiton只需要支持順序讀寫就行了，segment文件生命週期由服務端配置參數決定。（什麼時候創建，什麼時候刪除）
數據有序的討論？
一個partition的數據是否是有序的？ 間隔性有序，不連續
針對一個topic裏面的數據，只能做到partition內部有序，不能做到全局有序。
特別加入消費者的場景後，如何保證消費者消費的數據全局有序的？僞命題。
只有一種情況下才能保證全局有序？就是隻有一個partition。
5.2.Kafka Partition Segment
Segment file組成：由2大部分組成，分別爲index file和data file，此2個文件一一對應，成對出現，後綴”.index”和“.log”分別表示爲segment索引文件、數據文件。
Segment文件命名規則：partion全局的第一個segment從0開始，後續每個segment文件名爲上一個segment文件最後一條消息的offset值。數值最大爲64位long大小，19位數字字符長度，沒有數字用0填充。
索引文件存儲大量元數據，數據文件存儲大量消息，索引文件中元數據指向對應數據文件中message的物理偏移地址。
3，497：當前log文件中的第幾條信息，存放在磁盤上的那個地方
上述圖中索引文件存儲大量元數據，數據文件存儲大量消息，索引文件中元數據指向對應數據文件中message的物理偏移地址。
其中以索引文件中元數據3,497爲例，依次在數據文件中表示第3個message(在全局partiton表示第368772個message)、以及該消息的物理偏移地址爲497。
segment data file由許多message組成， qq物理結構如下：
5.3.Kafka 查找message
讀取offset=368776的message，需要通過下面2個步驟查找。
5.3.1、查找segment file
00000000000000000000.index表示最開始的文件，起始偏移量(offset)爲0
00000000000000368769.index的消息量起始偏移量爲368770 = 368769 + 1
00000000000000737337.index的起始偏移量爲737338=737337 + 1
其他後續文件依次類推。
以起始偏移量命名並排序這些文件，只要根據offset 二分查找文件列表，就可以快速定位到具體文件。當offset=368776時定位到00000000000000368769.index和對應log文件。
5.3.2、通過segment file查找message
當offset=368776時，依次定位到00000000000000368769.index的元數據物理位置和00000000000000368769.log的物理偏移地址
然後再通過00000000000000368769.log順序查找直到offset=368776爲止。