1、什么是消息队列，什么是Kafka？

我们通常说的消息队列，简称MQ（Message Queue），它其实就指消息中间件，比较流行的开源消息中间件有：Kafka、RabbitMQ、RocketMQ等。今天我们要介绍的就是其中的Kafka。

2、为什么要用Kafka？

小剧场：假如你正在上班，快递员给你打电话取快递，正常情况下，你要去找快递员拿快递，快递员需要等着你来拿，如果很多快递员同时给你打call，叫你去不同的地方拿快递，而且你还没有下班，怎么解决这种情况呢？

我们可以修一个快递站（消息队列），快递员只需要把快递都放在快递站不就行了，这样你就去快递站拿就ok了，万一哪天你生病了，快递员也能把快递送出去（解耦），你也不需要去那么多地方拿了（流量削峰），直接去快递站就行了，快递员不再需要等你（异步），可以继续去送下一单了，美滋滋。

以上就是为什么要用Kafka的原因，也是为什么用消息队列的原因。

（1）解耦（2）流量削峰（3）异步处理

3、Kafka中的一些基本概念

Producer：生产者，也就是发送消息的一方。生产者负责创建消息，然后将其投递到 Kafka 中。

Consumer：消费者，也就是接收消息的一方。消费者连接到 Kafka 上并接收消息，进而进行相应的业务逻辑处理。

Broker：服务代理节点。对于 Kafka 而言，Broker 可以简单地看作一个独立的 Kafka 服务节点或 Kafka 服务实例。大多数情况下也可以将 Broker 看作一台 Kafka 服务器，前提是这台服务器上只部署了一个 Kafka 实例。一个或多个 Broker 组成了一个 Kafka 集群。一般而言， 我们更习惯使用首字母小写的 broker 来表示服务代理节点。

主题（Topic）与分区（Partition）。Kafka 中的消息以 topic 题为单位进行归类，生产者负责将消息发送到特定的 topic (发送到 Kafka 集群中的每一条消息都要指定一个主题)，而消费者负责订阅主题并进行消费。

主题是逻辑上的概念，一个主题可能存放在很多台服务器之上，一个主题包含多个分区。分区在存储层面可以看作一个追加的日志文件，Kafka通过offset来保证消息在分区内的顺序性，已经提交的日志无法被修改，结构如右上的图所示。Kafka保证的是分区的有序而不是主题的有序。

消费组。每个消费者都有一个对应的消费组，消费组由许多消费者组成。当消息发送到主题之后，会发送给已订阅的消费组中的一个消费者。

当消费组内消费者增多的时候，会将之前消费者所负责的分区分配给新增的消费者身上来，所以适当增加消费者的数量可以提高整体的消费能力（横向伸缩性），但是当消费者的数量大于分区数的时候，就会出现上图右下角的现象，C7消费者没有分到任何的分区，这就造成了资源的浪费。

 也可以改变消费者分区分配策略，如上图实现组内广播。

基本概念总结：生产者、消费者、broker、Kafka集群、topic、partition、消费组。

 4、Kafka多副本机制

每个分区可能会有多个副本，增加副本数量可以提升容灾机制，不同的副本存储在不同的broker中，副本之间是一主多从关系，其中leader副本负责读写请求，follower副本负责与leader副本进行同步。下面介绍三个概念：

（1）AR (Assigned Replicas)：分区所有的副本

（2）ISR (In-Sync Replicas)：所有与 leader 副本保持一定程度同步的副本(包括 leader 副本)

（3）OSR (Out-of-Sync Replicas)：与 leader 副本同步滞后过多的副本

AR = ISR + OSR

ISR还与HW和LEO有关

HW(High WaterMark)：高水位，标志了一个特殊的offset，消费者只能获取到这个之前的消息。

LEO（Log End Offset)：当前日志下下一条待写的offset

下图中HW为6 消费者只能获取到0-5的消息，队尾的offset为8。

 如下图所示，如果follower1已经和leader同步了，但follower2还没有同步，此时HW要选择小的，也就是3，LEO为4。

5、Kafka应用实战

（1）为什么分区数只能增加不能减少？

考虑几个方面，减少分区的流程和代价，减少分区的效益。

实现此功能需要考虑的因素很多，比如删除的分区中的消息该如何处理? 如果随着分区一起消失则消息的可靠性得不到保障;如果需要保留则又需要考虑如何保留。直接存储到现有分区的尾部，消息的时间戳就不会递增，如此对于 Spark、Flink 这类需要消息时间戳(事件时间)的组件将会受到影响; 如果分散插入现有的分区，那么在消息量很大的时候，内部的数据复制会占用很大的资源，而且在复制期间，此主题的可用性又如何得到保障?与此同时，顺序性问题、 事务性问题，以及分区和副本的状态机切换问题都是不得不面对的。

所以要去减少分区还不如重新创建一个分区数小的主题。

（2）为什么消费者端不采用推送的形式？

生产者将消息推送到中间件，中间件为什么不推送给消费者，而是让消费者自己pull？

因为一下子都推送给消费者，消费者可能处理不过来，就像秒杀系统一样。所以让消费者自己去pull，能处理多少就pull多少。

那这样不会造成消息积压吗？

一般像秒杀系统都是短暂的，不会长期处于这种状态，可以等到恢复正常的时候再慢慢处理这些积压。

那万一因为bug导致消息积压了太久怎么办呢？

可以采用临时扩容的方案来处理：

• 先修复consumer消费者的问题，以确保其恢复消费速度，然后将现有consumer 都停掉。
• 新建一个 topic，partition 是原来的 10 倍，临时建立好原先10倍的queue 数量。
• 然后写一个临时的分发数据的 consumer 程序，这个程序部署上去消费积压的数据，消费之后不做耗时的处理，直接均匀轮询写入临时建立好的 10 倍数量的 queue。
• 接着临时征用 10 倍的机器来部署 consumer，每一批 consumer 消费一个临时 queue 的数据。这种做法相当于是临时将 queue 资源和 consumer 资源扩大 10 倍，以正常的 10 倍速度来消费数据。
• 等快速消费完积压数据之后，得恢复原先部署的架构，重新用原先的 consumer 机器来消费消息。

（3）分区数怎么设定？

partition 表示 topic 的分区号，如果在消息（ProducerRecord）中指定了这个属性，就会将这条发送到topic 的指定分区。如果消息中未指定 key，那么会以轮训的方式分发。如果指定了 key，那么会对 key进行哈希（MurmurHash2 算法）来计算分区号。

基于key的分区计算要多加注意，如果多数消息算出来的key都是一样的，就会有大量任务被分配到同一个分区，可能会造成消息积压。

分区数不是越多越好，如果分区数一昧的增多的话，会让Kafka的启动和关闭的耗时加长，如果一个broker节点宕机，其上的leader节点的所有副本都变的不可用，需要重新选出新的leader节点，并将所有的副本leader节点都修改为新的leader节点，耗时增加。

（4）如何保证消息的幂等性？

幂等处理重复消息，简单来说，就是搞个本地表，利用主键或者唯一性索引，每次处理业务，先校验一下就好啦。或者设置版本号，发送的时候截获消息插入版本号，获取的时候截获消息查看版本号，来保证不重复处理，又或者用redis缓存下业务标记，每次看下是否处理过了。

 （5）Kafka批量处理提高性能

而Kafka 采用了批量处理：生产者聚合了一批消息，然后再做 2 次 rpc 将消息存入 broker，这原本是需要很多次的 rpc 才能完成的操作。假设需要发送 1000 条消息，每条消息大小 1KB，那么传统的消息中间件需要 2000 次 rpc，而 Kafka 可能会把这 1000 条消息包装成 1 个 1MB 的消息，采用 2 次 rpc 就完成了任务。

参考文章链接：

Kafka 科普 - 掘金 (juejin.cn)

消息队列经典十连问 - 掘金 (juejin.cn)

Kafka 核心概念介绍 - 掘金 (juejin.cn)

下篇文章介绍一下Git的原理。