好了现在我们接着上一篇的随笔，继续来讲。上一篇我们讲到，我们如果要去更新所有微服务的配置，在不重启的情况下去更新配置，只能依靠spring cloud config了，但是，是我们要一个服务一个服务的发送post请求，

我们能受的了吗？这比之前的没配置中心好多了，那么我们如何继续避免挨个挨个的向服务发送Post请求来告知服务，你的配置信息改变了，需要及时修改内存中的配置信息。

这时候我们就不要忘记消息队列的发布订阅模型。让所有为服务来订阅这个事件，当这个事件发生改变了，就可以通知所有微服务去更新它们的内存中的配置信息。这时Bus消息总线就能解决，你只需要在springcloud Config Server端发出refresh，就可以触发所有微服务更新了。

如下架构图所示：

Spring Cloud Bus除了支持RabbitMQ的自动化配置之外，还支持现在被广泛应用的Kafka。在本文中，我们将搭建一个Kafka的本地环境，并通过它来尝试使用Spring Cloud Bus对Kafka的支持，实现消息总线的功能。

Kafka使用Scala实现，被用作LinkedIn的活动流和运营数据处理的管道，现在也被诸多互联网企业广泛地用作为数据流管道和消息系统。

Kafak架构图如下：

Kafka是基于消息发布/订阅模式实现的消息系统，其主要设计目标如下：

1.消息持久化：以时间复杂度为O(1)的方式提供消息持久化能力，即使对TB级以上数据也能保证常数时间复杂度的访问性能。

2.高吞吐：在廉价的商用机器上也能支持单机每秒100K条以上的吞吐量

3.分布式：支持消息分区以及分布式消费，并保证分区内的消息顺序

4.跨平台：支持不同技术平台的客户端(如：Java、PHP、Python等)

5.实时性：支持实时数据处理和离线数据处理

6.伸缩性：支持水平扩展

Kafka中涉及的一些基本概念：

1.Broker：Kafka集群包含一个或多个服务器，这些服务器被称为Broker。

2.Topic：逻辑上同Rabbit的Queue队列相似，每条发布到Kafka集群的消息都必须有一个Topic。(物理上不同Topic的消息分开存储，逻辑上一个Topic的消息虽然保存于一个或多个Broker上，但用户只需指定消息的Topic即可生产或消费数据而不必关心数据存于何处)

3.Partition：Partition是物理概念上的分区，为了提供系统吞吐率，在物理上每个Topic会分成一个或多个Partition，每个Partition对应一个文件夹(存储对应分区的消息内容和索引文件)。

4.Producer：消息生产者，负责生产消息并发送到Kafka Broker。

5.Consumer：消息消费者，向Kafka Broker读取消息并处理的客户端。

6.Consumer Group：每个Consumer属于一个特定的组(可为每个Consumer指定属于一个组，若不指定则属于默认组)，组可以用来实现一条消息被组内多个成员消费等功能。

可以从kafka的架构图看到Kafka是需要Zookeeper支持的，你需要在你的Kafka配置里面指定Zookeeper在哪里，它是通过Zookeeper做一些可靠性的保证，做broker的主从，我们还要知道Kafka的消息是以topic形式作为组织的，Producers发送topic形式的消息，

Consumer是按照组来分的，所以，一组Consumers都会都要同样的topic形式的消息。在服务端，它还做了一些分片，那么一个Topic可能分布在不同的分片上面，方便我们拓展部署多个机器，Kafka是天生分布式的。

这里为了演示，我们只需要用它的默认配置，在windows上做个小Demo即可。

我们这里主要针对Spring Cloud Bus对Kafka的支持，实现消息总线的功能，具体的Kafka，RabbitMQ消息队列希望自己去找资料来学习一下。