Kafka基础认识

1）：Apache kafka介绍及架构详解

假设一个场景：
    数据源：
        应用系统A 产生的用户访问数据和订单数据
                10000 条一秒钟
                    push：推送数据
                消息系统：队列 产生的数据量>数据量
                    pusll：拉取数据

消息系统kafka：
        分布式系统队列系统
        分布/订阅功能
        不恰当比喻：   
                    发布者来发布文章 -> 推送文章
                微信公众号：    类似于  -Topic主题/类别
                    订阅者1
                    订阅则2
                    订阅则3
                    订阅则4
                    ...订阅者 就能接受到这篇文章消息



kafka的功能：
    -1：分布式消息Message系统（发布/订阅功能）
        0.8.x功能

    -2：Connector API
        将Kafka Topics中的数据保存到RDBMS数据库中
        0.9.x

    -3：Stream Compute
        可以对Kafka中的数据进行流实计算功能
        0.10.x


SparkStreaming与kafka集成，使用的版本为0.8.2.x

kafka系统能够通过分布式提交日志处理数据，kafka中topics用户
定于的一个类别


Kafka Cluster：
    - 消息系统，储存数据
        提交日志格式文件
    - 分布式：
        有多台数据，进行储存数据
    - Topic 
        储存某一类的数据（消息），类比于微信公众号
        储存数据类似于HDFS
         -i，按照分区partition储存
             相当于文件夹下面有很多文件
        -ii，分区数据有多个副本
             replications（每个数据有3个副本）
    - 分布/订阅
        消费者（用户）可以订阅Topic（类比于关注某个微信公众号）
        只要生产者向Topic发送数据，订阅者就可以自动接受到数据
        进行处理

一个典型的Kafka集群中包含若干个Producer，（Kafka支持水平扩展，一般Broker
数量越多，集群吞吐率越高），若干个Consumer Group，以及一个Zookeeper集群

Kafka通过Zookeeper管理集群配置，选举leader，以及在Consumer Group发生变化
时进行reablance。

Producer使用push模式将消息发布到broker，Consumer使用pull模式从broker订阅
并消费消息

TOPIC & PARTITION

一个Topic分为多个Partition来进行数据管理
一个Partition中的数据是有序，不可变的
使用偏移量（offset）唯一标识一条数据，是
一个long类型的数据；

Partiton接受到producer发送过来数据后，会
产生一个递增的offset偏移量数据，同是将数
据保存到本地的磁盘文件中（文件内容追加
的方式写入数据）

基本懂得Kafka流程，搭建起来很简单