kafka 入门
首先，了解一下消息队列，消息队列有什么作用？
应用解耦：多个应用可以通过消息队列对相同的消息进行处理，应用之间是相互独立的。
异步处理：减少处理的时间。
数据限流：流量高峰期，可以通过消息队列来控制流量，避免因流量过大引起系统的崩溃。
消息通信：可以实现点对点、消息队列或聊天室。
如何通俗地描述你理解中的集群和分布式？
什么是吞吐量？高并发？
吞吐量：网络、设备、端口、虚电路或其它设备，单位时间内成功地传送数据的数量（以比特、字节、分组等测量）
高并发：在极短的单位时间内，极多个请求同时发起到服务器。
kafka中的专业名词？
Broker:一个Kafka进程就被称为一个代理节点，代理节点是消息队列中的一个常用概念。Kafka集群包含一个或多个服务器，这种服务器被称为代理。
Producer:生产者，负责发布消息到Kafka broker。
Consumer:消息消费者，向Kafka broker读取消息的客户端。
Consumer Group:每个Consumer属于一个特定的Consumer Group，可以为每个Consumer指定group name，若不指定group name则属于默认的group。
Topic:每条发布到Kafka集群的消息都有一个类别，这个类别被称为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上但用户只需要指定消息的topic即可生产或消费数据而不必关心数据存于何处。
Partition(分区):这个是物理上的概念（可以理解为文件夹），每个topic包含一个或多个Partition。
kafka概念？
Kafka是一个分布式的、可分区的、可复制的消息系统。Kafka将消息以topic为单位进行归纳。将向Kafka topic（类别）发布消息的程序称为producers（生产者），将预订topics并消费消息的程序称为consumer。Kafka以集群的方式运行，可以由一个或多个服务组成，每个服务叫做一个broker。生产者通过网络将消息发送到Kafka集群，集群向消费者提供消息。
客户端和服务端通过TCP协议通信。
每个分区都由一系列有序的、不可变的消息组成，这些消息被连续的追加到分区中。分区中的每个消息都有一个连续的***叫做offset,用来在分区中唯一的标识这个消息。
在一个可配置的时间段内，Kafka集群保留所有发布的消息，不管这些消息有没有被消费。比如，如果消息的保存策略被设置为2天，那么在一个消息被发布的两天时间内，它都是可以被消费的。之后它将被丢弃以释放空间。Kafka的性能是和数据量无关的，所以保留太多的数据并不是问题。实际上每个consumer唯一需要维护的数据是消息在日志中的位置，也就是offset。这个offset由consumer来维护：一般情况下随着consumer不断的读取消息，这offset的值不断增加（默认顺序读取），但其实consumer可以以任意的顺序读取消息，比如它可以将offset设置成为一个旧的值来重读之前的消息（可以自定义读取某个位置的消息）。将日志分区可以达到以下目的：首先这使得每个日志的数量不会太大，可以在单个服务上保存。另外每个分区可以单独发布和消费，为并发（不同时，有顺序）操作topic（主题，类别）提供了一种可能。每个分区在Kafka集群的若干服务中（理论上可以每个，但显然不够合理）都有副本，这样这些持有副本的服务可以共同处理数据和请求，副本数量是可以配置的。副本使Kafka具备了容错能力。每个分区都由一个服务器作为“leader”，零或若干服务器作为“followers”，leader负责处理消息的读和写，followers则去复制leader（同步）。如果leader down了，followers中的一台则会自动成为leader。集群中的每个服务一般都会同时扮演两个角色：作为它所持有的一部分分区的leader，同时作为其他分区的followers，这样集群就能实现较好的负载均衡效果。
Producer将消息发布到它指定的topic（主题，类别）中，并负责决定发布到哪个分区（一个Topic有多个分区，每个分区有多个消息）。通常简单的由负载均衡机制随机选择分区，但也可以通过特定的分区函数选择分区。使用的更多的是后者。
Consumers发布消息通常有两种模式：队列模式（queuing）和发布-订阅模式(publish-subscribe)。队列模式中，consumers可以同时从服务端读取消息，每个消息只被其中一个consumer读到；发布-订阅模式中消息被广播到所有的consumer组。Consumers可以加入一个consumer 组，共同竞争一个topic，topic中的消息将被分发到组中的一个成员中。同一组中的consumer可以在不同的程序中，也可以在不同的机器上。如果所有的consumer都在一个组中，这就成为了传统的队列模式，在各consumer中实现负载均衡。如果所有的consumer在不同的组中，这就成为了发布-订阅模式，所有的消息都被分发到所有的consumer中。更常见的是，每个topic都有若干数量的consumer组，每个组都是一个逻辑上的“订阅者”，为了容错和更好的稳定性，每个组由若干consumer组成。这其实就是一个发布-订阅模式，只不过订阅者是个组而不是单个consumer。
由两个机器组成的集群拥有4个分区 (P0-P3)。 2个consumer组。A组有两个consumer，B组有4个。
相比传统的消息系统，Kafka可以很好的保证有序性。
传统的队列在服务器上保存有序的消息，如果多个consumers同时从这个服务器消费消息，服务器就会以消息存储的顺序向consumer分发消息。虽然服务器按顺序发布消息，但是消息是被异步（同时）的分发到各consumer上，所以当消息到达时可能已经失去了原来的顺序，这意味着并发消费将导致顺序错乱。为了避免故障，这样的消息系统通常使用“专用consumer”的概念，其实就是只允许一个消费者消费消息，当然这就意味着失去了并发性。
在这方面Kafka做的更好，通过分区的概念，Kafka可以在多个consumer组并发的情况下提供较好的有序性和负载均衡。将每个分区分只分发给一个consumer组，这样一个分区的消息就只被这个组的一个consumer消费，就可以顺序的消费这个分区的消息。因为有多个分区，依然可以在多个consumer组之间进行负载均衡。注意consumer组的数量不能多于分区的数量，也就是有多少分区就允许多少并发消费。
Kafka只能保证一个分区之内消息的有序性，在不同的分区之间是不可以的，这已经可以满足大部分应用的需求。如果需要topic中所有消息的有序性，那就只能让这个topic只有一个分区，当然也就只有一个consumer组消费它。
kafka基础架构
ps：kafka对同一主题进行分区，是为了提高负载能力和并发能力.leader是针对于分区而言的.同一主题的同一分区分步在不同机器上，只有一个leader，其余的follow都是副本.生产消息和消费消息都只和leader打交道，所有纵向看是在备份数据，斜向看是在提高负载能力.当纵向的一个leader挂掉，余下的某个follow会成为新的leader.kafka可以暂存消息.消费组内的所有消费者逻辑上是一个整体，多个消费成员只能消费同一主题不同分区的消息，组内成员数要不大于主题分区数(消费组可以提高消费能力).单一的消费者也是逻辑上的一个整体.kafka集群的正常工作需要依赖zookeeper(注册消息或者说存储数据)，zookeeper可以帮助kafka集群管理消息，也可以帮助消费者保存消费位置信息.offset在0.9版本之前存储在zk，0.9之后存储在kafka本地(系统topic中).kafka数据存在磁盘，默认7天.很多kafka信息会存到zk中(kafka元数据).
消息队列的两种模式
1)点对点模式(一对一，消费者主动拉取数据，消息收到后消息就删除)
2)发布/订阅模式
分为两种，一种是消费者主动拉取(速度可以自己控制，但是需要一直维护一个常轮询，不断询问是否有消息)，还有一种是消息队列主动推送.前者可以在有新消息时由消息队列主动通知消费者消费，而不必维护一个常轮询，但是此时需要维护所有订阅者的列表.kafka选用的是拉取的时候维护一个常轮询.