kafka 名词解释及原理解析过程(三)

　　为什么要了解这些名词的解释呢？因为在学一个新的知识或者领域的时候，我们需要知道它所定义的概念和名词意思，因为只有这样我们才能理解和掌握这个新的知识点，才能更加系统的掌握这个技术。

一.名词解释

　1.broker

Kafka单个节点称为broker，一个Kafka服务就是一个broker，多个broker可以组成一个Kafka集群.

　2.topic (主题)

 topic相当于传统消息系统MQ中的一个队列queue，producer端发送的message必须指定是发送到哪个topic上.在一个大型的应用系统中， 可以根据功能的不同，区分不同的topic(订单的topic,登录的topic,金额的topic等等)

　3. partition(分区)

一个topic下面可以有多个partition,kafka在接收到message后，会将这个message进行load blance根据(hash(message)%[broker_num])均匀的将这个message分配在不同的partition上。
partition的配置个数一般与kafka的集群数保持一致即可(即broker的数量)

4.partition replica (分区副本)

partition replica 是partition 的副本数据，是为了防止数据丢失的一种优化，partition 不会和 replica 在同一台broker上。Replica 的数量与partition数量保持一致即可做到高可用

5. Segment（片断）

partition 在物理结构上可以分为多个segment，每个segment 上存放着message信息

6.producer

生产message,发送到topic上

7.consumer

订阅指定的topic，消费topic上面的message信息

8.Consumer group

多个consumer 可以组成一个consumer group

二．名词的作用解释

1.partition

kafka的message是1个key-value对的形式,或者只有topic 和value.当没有key的时候默认是null.大多数情况下都会分配1个key,这个key有2方面信息：1.元数据信息2.帮助partition分区，把这个key当成了路由，同一批数据写进一个partition上一个message 就是一个producer record(生产记录)对象，必须包含的有topic和value这2个参数，partition和key是可以不存在的所有的message是同一个key，将会被分配到同一个partition上当一个key为null的时候，它将会使用默认的partition，这个partition的作用是它会随机的把这个key所对应的producer record 放到其中的1个prtition中 尽量的使topic上的数据分布均匀，以防止数据倾斜如果显示的指定了一个key,那么这个partition它会根据这个key的hash值，再根据partition的数量取模，决定message存放到topic上的哪个partition中下面我们做个测试：当存入的message有key 和无key 时数据发送到partition的位置如何？

当存入的message有key存在时

/*** * @des        测试kafka partition 分区信息                              * @author  zhao* @date    2019年6月27日上午12:17:55**/
public class PartitionExample {private final static  Logger LOG = LoggerFactory.getLogger(PartitionExample.class);public static void main(String[] args) throws InterruptedException, ExecutionException {Properties properties = initProp();KafkaProducer<String, String> producer = new KafkaProducer<String, String>(properties);
        ProducerRecord<String, String> record = new ProducerRecord<String, String>("test_partition","appointKey","hello");   //指定key时Future<RecordMetadata> future = producer.send(record);RecordMetadata recordMetadata = future.get();LOG.info(">>>>>>>>>>>>>>>>>> {}",recordMetadata.partition());  record = new ProducerRecord<String, String>("test_partition","appointKey","world");future = producer.send(record); recordMetadata = future.get();LOG.info(">>>>>>>>>>>>>>>>>> {}",recordMetadata.partition());producer.flush();producer.close();System.out.println("====================================");}private static Properties initProp() {Properties prop = new Properties();prop.put("bootstrap.servers", "192.168.199.11:9092,192.168.199.12:9092,192.168.199.13:9092");prop.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");prop.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");return prop;}
}

/从日志中可以看出是随机发送到partition上的

22:21:06.231 [main] INFO com.zpb.kafka.PartitionExample - >>>>>>>>>>>>>>>>>> 1

22:21:06.258 [main] INFO com.zpb.kafka.PartitionExample - >>>>>>>>>>>>>>>>>> 0

当存入的message无key存在时

/*** * @des        测试kafka partition 分区信息                              * @author  zhao* @date    2019年6月27日上午12:17:55**/
public class PartitionExample {private final static  Logger LOG = LoggerFactory.getLogger(PartitionExample.class);public static void main(String[] args) throws InterruptedException, ExecutionException {Properties properties = initProp();KafkaProducer<String, String> producer = new KafkaProducer<String, String>(properties);
        ProducerRecord<String, String> record = new ProducerRecord<String, String>("test_partition", "hello");  Future<RecordMetadata> future = producer.send(record);RecordMetadata recordMetadata = future.get();LOG.info(">>>>>>>>>>>>>>>>>> {}",recordMetadata.partition());record = new ProducerRecord<String, String>("test_partition","world"); future = producer.send(record); recordMetadata = future.get();LOG.info(">>>>>>>>>>>>>>>>>> {}",recordMetadata.partition());producer.flush();producer.close();System.out.println("====================================");}private static Properties initProp() {Properties prop = new Properties();prop.put("bootstrap.servers", "192.168.199.11:9092,192.168.199.12:9092,192.168.199.13:9092");prop.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");prop.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");return prop;}
}

//从日志中可以看出发送到了同一个partition中

22:29:29.963 [main] INFO com.zpb.kafka.PartitionExample - >>>>>>>>>>>>>>>>>> 2

22:29:29.969 [main] INFO com.zpb.kafka.PartitionExample - >>>>>>>>>>>>>>>>>> 2

通过以上测试得出：　　当一个key或者一批key映射同一partition时，所有的partition都要计算映射关系，不一定指的是可用的partition,因为在多个partition中，当某个partition挂掉时，也要参加到计算中，这就意味着，当你写数据时，如果是发送到了这个挂掉的partition上时，会发送失败
在一个conusmer group里面只有一个consumer client 读其中的一个partition，不可能存在多个group里面多个consumer读同一个partition

转载于:https://www.cnblogs.com/MrRightZhao/p/11094707.html