為什麼是kafka？ 在我們大量使用分散式資料庫、分散式計算集群的時候，是否會遇到這樣的一些問題： 我們想分析下用戶行為（pageviews），以便我們設計出更好的廣告位 我想對用戶的搜索關鍵詞進行統計，分析出當前的流行趨勢 有些數據，存儲資料庫浪費，直接存儲硬碟效率又低 這些場景都有一個共同點： ...
為什麼是kafka？
在我們大量使用分散式資料庫、分散式計算集群的時候，是否會遇到這樣的一些問題：
我們想分析下用戶行為（pageviews），以便我們設計出更好的廣告位
我想對用戶的搜索關鍵詞進行統計，分析出當前的流行趨勢
有些數據，存儲資料庫浪費，直接存儲硬碟效率又低
這些場景都有一個共同點：
數據是由上游模塊產生，上游模塊，使用上游模塊的數據計算、統計、分析，這個時候就可以使用消息系統，尤其是分散式消息系統！
知道了我們有必要在數據處理系統中使用一個消息系統，但是我們為什麼一定要選kafka呢？現在的消息系統可不只有kafka。
話說阿裡中間件團隊和LinkedIn團隊都做了一個Kafka、RabbitMQ、RocketMQ的三者對比。這邊就不獻醜了，實際結果可以參考以下兩篇博文：
阿裡測試：http://jm.taobao.org/2016/04/01/kafka-vs-rabbitmq-vs-rocketmq-message-send-performance/
LinkedIn測試：https://blog.csdn.net/SJF0115/article/details/78480433
對比圖
Kafka簡介
Kafka是Linkedin於2010年12月份創建的開源消息系統，它主要用於處理活躍的流式數據。活躍的流式數據在web網站應用中非常常見，這些活動數據包括頁面訪問量（Page View）、被查看內容方面的信息以及搜索情況等內容。 這些數據通常以日誌的形式記錄下來，然後每隔一段時間進行一次統計分析。
傳統的日誌分析系統是一種離線處理日誌信息的方式，但若要進行實時處理，通常會有較大延遲。而現有的消息隊列系統能夠很好的處理實時或者近似實時的應用，但未處理的數據通常不會寫到磁碟上，這對於Hadoop之類，間隔時間較長的離線應用而言，在數據安全上會出現問題。Kafka正是為瞭解決以上問題而設計的，它能夠很好地進行離線和線上應用。
kafka部署結構
消息隊列（Message Queue，簡稱MQ），從字面意思上看，本質是個隊列，FIFO先入先出，只不過隊列中存放的內容是message而已。其主要用途：不同進程Process/線程Thread之間通信。
幾大特性：
高吞吐量：可以滿足每秒百萬級別消息的生產和消費——生產消費。
負載均衡：通過zookeeper對Producer,Broker,Consumer的動態加入與離開進行管理。
拉取系統：由於kafka broker會持久化數據，broker沒有記憶體壓力，因此，consumer非常適合採取pull的方式消費數據
動態擴展：當需要增加broker結點時，新增的broker會向zookeeper註冊，而producer及consumer會通過zookeeper感知這些變化，並及時作出調整。
消息刪除策略：數據文件將會根據broker中的配置要求,保留一定的時間之後刪除。kafka通過這種簡單的手段,來釋放磁碟空間。
消息收發流程：
啟動Zookeeper及Broker.
Producer連接Broker後，將消息發佈到Broker中指定Topic上(可以指定Patition)。
Broker集群接收到Producer發過來的消息後，將其持久化到硬碟，並將消息該保留指定時長（可配置），而不關註消息是否被消費。
Consumer連接到Broker後，啟動消息泵對Broker進行偵聽，當有消息到來時，會觸發消息泵迴圈獲取消息，獲取消息後Zookeeper將記錄該Consumer的消息Offset。
Kafka服務：
對於kafka而言，kafka服務就像是一個大的水池。不斷的生產、存儲、消費著各種類別的消息。那麼kafka由何組成呢？
Broker： Kafka消息伺服器，消息中心。一個Broker可以容納多個Topic。
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。
Zookeeper：管理Producer，Broker，Consumer的動態加入與離開。
Topic：可以為各種消息劃分為多個不同的主題，Topic就是主題名稱。Producer可以針對某個主題進行生產，Consumer可以針對某個主題進行訂閱。
Consumer Group： Kafka採用廣播的方式進行消息分發，而Consumer集群在消費某Topic時， Zookeeper會為該集群建立Offset消費偏移量，最新Consumer加入並消費該主題時，可以從最新的Offset點開始消費。
Partition：Kafka採用對數據文件切片（Partition）的方式可以將一個Topic可以分佈存儲到多個Broker上，一個Topic可以分為多個Partition。在多個Consumer併發訪問一個partition會有同步鎖控制。
有的時候，不光是燈紅酒綠的世界可以讓人沉迷，技術的世界也同樣如此。而且有的時候，技術的世界比前者更加可怕，它不但能讓你悄無聲息的陷入進去，還能讓你產生一種你很上進，你很努力的假象，以至於等到你恍然大悟那天，已經悔之晚矣。這裡向大家推薦一個測試交流圈q裙：790047143。
所以大家一定要找準自己的方向，不能因為今天阿裡招聘需求這麼寫就去學這些，明天看到一個技術很牛逼又去學那個。
未來Kafka中間件
目前該中間件只完成了初級階段功能，很多功能都不完善不深入，隨著應用業務的拓展及Kafka未來版本功能支持。以Kafka消息中間件為中心的大數據處理平臺還有很多任務去實現。
一般在互聯網中所流動的數據由以下幾種類型：
需要實時響應的交易數據，用戶提交一個表單，輸入一段內容，這種數據最後是存放在關係資料庫(Oracle, MySQL)中的，有些需要事務支持。
活動流數據，準實時的，例如頁面訪問量、用戶行為、搜索情況等。我們可以針對這些數據廣播、排序、個性化推薦、運營監控等。這種數據一般是前端伺服器先寫文件，然後通過批量的方式把文件倒到Hadoop(離線數據分析平臺)這種大數據分析器裡面，進行慢慢的分析。
各個層面程式產生的日誌，例如http的日誌、tomcat的日誌、其他各種程式產生的日誌。這種數據一個是用來監控報警，還有就是用來做分析。
