摘要：生產(chǎn)者發(fā)送消息到指定的下，消息者從這個下消費(fèi)消息。消費(fèi)組，用于歸組同類消費(fèi)者。中的消息序列是有序的消息序列。在使用偏移量來指定消息的位置。

Kafka是一個分布式流處理系統(tǒng)，流處理系統(tǒng)使它可以像消息隊列一樣publish或者subscribe消息，分布式提供了容錯性，并發(fā)處理消息的機(jī)制。

Kafka的基本概念

kafka運(yùn)行在集群上，集群包含一個或多個服務(wù)器。kafka把消息存在topic中，每一條消息包含鍵值（key），值（value）和時間戳（timestamp）。

kafka有以下一些基本概念：

Producer

消息生產(chǎn)者，就是向kafka broker發(fā)消息的客戶端。

Consumer

消息消費(fèi)者，是消息的使用方，負(fù)責(zé)消費(fèi)Kafka服務(wù)器上的消息。

Topic

主題，由用戶定義并配置在Kafka服務(wù)器，用于建立Producer和Consumer之間的訂閱關(guān)系。生產(chǎn)者發(fā)送消息到指定的Topic下，消息者從這個Topic下消費(fèi)消息。

Partition

消息分區(qū)，一個topic可以分為多個 partition，每個partition是一個有序的隊列。partition中的每條消息都會被分配一個有序的id（offset）。

Broker

一臺kafka服務(wù)器就是一個broker。一個集群由多個broker組成。一個broker可以容納多個topic。

Consumer Group

消費(fèi)組，用于歸組同類消費(fèi)者。每個consumer屬于一個特定的consumer group，多個消費(fèi)組可以共同消息一個Topic下的消息，每消費(fèi)組中的消費(fèi)者消費(fèi)Topic的部分消息，這些消費(fèi)者就組成了一個分組。

Offset

消息在partition中的偏移量。每一條消息在partition都有唯一的偏移量，消息者可以指定偏移量來指定要消費(fèi)的消息。

如上圖所示，kafka將topic中的消息存在不同的partition中。如果存在鍵值（key），消息按照鍵值（key）做分類存在不同的partiition中，如果不存在鍵值（key），消息按照輪詢（Round Robin）機(jī)制存在不同的partition中。默認(rèn)情況下，鍵值（key）決定了一條消息會被存在哪個partition中。

partition中的消息序列是有序的消息序列。kafka在partition使用偏移量（offset）來指定消息的位置。一個topic的一個partition只能被一個consumer group中的一個consumer消費(fèi)，多個consumer消費(fèi)同一個partition中的數(shù)據(jù)是不允許的，但是一個consumer可以消費(fèi)多個partition中的數(shù)據(jù)。

kafka將partition的數(shù)據(jù)復(fù)制到不同的broker，提供了partition數(shù)據(jù)的備份。每一個partition都有一個broker作為leader，若干個broker作為follower。所有的數(shù)據(jù)讀寫都通過leader所在的服務(wù)器進(jìn)行，并且leader在不同broker之間復(fù)制數(shù)據(jù)。

上圖中，對于Partition 0，broker 1是它的leader，broker 2和broker 3是follower。對于Partition 1，broker 2是它的leader，broker 1和broker 3是follower。

在上圖中，當(dāng)有Client（也就是Producer）要寫入數(shù)據(jù)到Partition 0時，會寫入到leader Broker 1，Broker 1再將數(shù)據(jù)復(fù)制到follower Broker 2和Broker 3。

在上圖中，Client向Partition 1中寫入數(shù)據(jù)時，會寫入到Broker 2，因?yàn)锽roker 2是Partition 1的Leader，然后Broker 2再將數(shù)據(jù)復(fù)制到follower Broker 1和Broker 3中。

上圖中的topic一共有3個partition，對每個partition的讀寫都由不同的broker處理，因此總的吞吐量得到了提升。

kafka-python是一個python的Kafka客戶端，可以用來向kafka的topic發(fā)送消息、消費(fèi)消息。

這個實(shí)驗(yàn)會實(shí)現(xiàn)一個producer和一個consumer，producer向kafka發(fā)送消息，consumer從topic中消費(fèi)消息。結(jié)構(gòu)如下圖

producer代碼

#-*- coding: utf-8 -*-

from kafka import KafkaProducer
import time

producer = KafkaProducer(bootstrap_servers="localhost:9092")

i = 1000
while True:
    ts = int(time.time() * 1000)
    producer.send(topic="py_test", value=str(i), key=str(i), timestamp_ms=ts)
    producer.flush()
    print i
    i += 1
    time.sleep(1)

consumer代碼

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer

consumer = KafkaConsumer("py_test", bootstrap_servers=["localhost:9092"])
for message in consumer:
    print message

接下來創(chuàng)建test topic

kafka-topics --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test

打開兩個窗口中，我們在window1中運(yùn)行producer，如下:

在window2中運(yùn)行consumer，如下:

這個實(shí)驗(yàn)將展示消費(fèi)組的容錯性的特點(diǎn)。這個實(shí)驗(yàn)中將創(chuàng)建一個有2個partition的topic，和2個consumer，這2個consumer共同消費(fèi)同一個topic中的數(shù)據(jù)。結(jié)構(gòu)如下所示

producer部分代碼和實(shí)驗(yàn)一相同，這里不再重復(fù)。consumer需要指定所屬的consumer group，代碼如下

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer

consumer = KafkaConsumer("py_test", group_id="testgt", bootstrap_servers=["localhost:9092"])
for message in consumer:
    print message

接下來我們創(chuàng)建topic，名字test，設(shè)置partition數(shù)量為2

打開三個窗口，一個窗口運(yùn)行producer，還有兩個窗口運(yùn)行consumer。
運(yùn)行consumer的兩個窗口的輸出如下：

可以看到兩個consumer同時運(yùn)行的情況下，它們分別消費(fèi)不同partition中的數(shù)據(jù)。window1中的consumer消費(fèi)partition 0中的數(shù)據(jù)，window2中的consumer消費(fèi)parition 1中的數(shù)據(jù)。
我們嘗試關(guān)閉window1中的consumer，可以看到如下結(jié)果

剛開始window2中的consumer只消費(fèi)partition1中的數(shù)據(jù)，當(dāng)window1中的consumer退出后，window2中的consumer中也開始消費(fèi)partition 0中的數(shù)據(jù)了。

kafka允許consumer將當(dāng)前消費(fèi)的消息的offset提交到kafka中，這樣如果consumer因異常退出后，下次啟動仍然可以從上次記錄的offset開始向后繼續(xù)消費(fèi)消息。

這個實(shí)驗(yàn)的結(jié)構(gòu)和實(shí)驗(yàn)一的結(jié)構(gòu)是一樣的，使用一個producer，一個consumer，test topic的partition數(shù)量設(shè)為1。

producer的代碼和實(shí)驗(yàn)一中的一樣，這里不再重復(fù)。consumer的代碼稍作修改，這里consumer中打印出下一個要被消費(fèi)的消息的offset。consumer代碼如下

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer, TopicPartition

tp = TopicPartition("py_test", 0)
consumer = KafkaConsumer(bootstrap_servers=["localhost:9092"], group_id="test_g", auto_offset_reset="earliest", enable_auto_commit=False)
consumer.assign([tp])
print "starting offset is", consumer.position(tp)
for message in consumer:
    # pass
    print message.value

auto.offset.reset值含義解釋
earliest 
當(dāng)各分區(qū)下有已提交的offset時，從提交的offset開始消費(fèi)；無提交的offset時，從頭開始消費(fèi) 
latest 
當(dāng)各分區(qū)下有已提交的offset時，從提交的offset開始消費(fèi)；無提交的offset時，消費(fèi)新產(chǎn)生的該分區(qū)下的數(shù)據(jù) 
none 
topic各分區(qū)都存在已提交的offset時，從offset后開始消費(fèi)；只要有一個分區(qū)不存在已提交的offset，則拋出異常

在一個窗口中啟動producer，在另一個窗口并且啟動consumer。consumer的輸出如下

可以嘗試退出consumer，再啟動consumer。每一次重新啟動，consumer都是從offset=98的消息開始消費(fèi)的。
修改consumer的代碼如下 在consumer消費(fèi)每一條消息后將offset提交回kafka

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer, TopicPartition

tp = TopicPartition("py_test", 0)
consumer = KafkaConsumer(bootstrap_servers=["localhost:9092"], group_id="test", auto_offset_reset="earliest", enable_auto_commit=True)
consumer.assign([tp])
print "starting offset is", consumer.position(tp)
for message in consumer:
    print message.offset
    # consumer.commit() 也可以主動提交offset

啟動consumer

可以看到consumer從offset=98的消息開始消費(fèi)，到offset=829時，我們Ctrl+C退出consumer。

我們再次啟動consumer

可以看到重新啟動后，consumer從上一次記錄的offset開始繼續(xù)消費(fèi)消息。之后每一次consumer重新啟動，consumer都會從上一次停止的地方繼續(xù)開始消費(fèi)。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from kafka import KafkaConsumer, TopicPartition

tp = TopicPartition("py_test", 0)
consumer = KafkaConsumer(bootstrap_servers=["localhost:9092"], group_id="test_1", auto_offset_reset="earliest", enable_auto_commit=False)
consumer.assign([tp])
print "starting offset is", consumer.position(tp)
for message in consumer:
    print message.offset
    # consumer.commit()

換一個group_id test_1,會從starting offset is 0開始輸出：

starting offset is 0
0