Kafka

Kafka是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写。该项目的目标是为处理实时数据提供一个统一、高吞吐、低延迟的平台。其持久化层本质上是一个“按照分布式事务日志架构的大规模发布/订阅消息队列”，^[4]这使它作为企业级基础设施来处理流式数据非常有价值。此外，Kafka可以通过Kafka Connect连接到外部系统（用于数据输入/输出），并提供了Kafka Streams——一个Java流式处理库。

Kafka^[1]

開發者	Apache软件基金会，領英
首次发布	2011年1月，​12年前​（2011-01）^[2]
当前版本	3.5.1 (2023年7月20日)^[3]
源代码库	github.com/apache/kafka
编程语言	Scala、Java
操作系统	跨平台
类型	流式处理, 消息中间件（英语：message broker）
许可协议	Apache许可证 2.0
网站	kafka.apache.org

该设计受事务日志（英语：Transaction log）的影响较大。^[5]

Kafka的历史

Kafka最初是由领英开发，并随后于2011年初开源，并于2012年10月23日由Apache Incubator孵化出站。2014年11月，几个曾在领英为Kafka工作的工程师，创建了名为Confluent的新公司，^[6]，并着眼于Kafka。根据2014年Quora的帖子，Jay Kreps似乎已经将它以作家弗朗茨·卡夫卡命名。Kreps选择将该系统以一个作家命名是因为，它是“一个用于优化写作的系统”，而且他很喜欢卡夫卡的作品。^[7]

Kafka的架构

 

Kafka概览

Kafka存储的消息来自任意多被称为“生产者”（Producer）的进程。数据从而可以被分配到不同的“分区”（Partition）、不同的“Topic”下。在一个分区内，这些消息被索引并连同时间戳存储在一起。其它被称为“消费者”（Consumer）的进程可以从分区查询消息。Kafka运行在一个由一台或多台服务器组成的集群上，并且分区可以跨集群结点分布。

Kafka高效地处理实时流式数据，可以实现与Storm、HBase和Spark的集成。作为群集部署到多台服务器上，Kafka处理它所有的发布和订阅消息系统使用了四个API，即生产者API、消费者API、Stream API和Connector API。它能够传递大规模流式消息，自带容错功能，已经取代了一些传统消息系统，如JMS、AMQP等。

Kafka架构的主要术语包括Topic、Record和Broker。Topic由Record组成，Record持有不同的信息，而Broker则负责复制消息。Kafka有四个主要API：

• 生产者API：支持应用程序发布Record流。
• 消费者API：支持应用程序订阅Topic和处理Record流。
• Stream API：将输入流转换为输出流，并产生结果。
• Connector API：执行可重用的生产者和消费者API，可将Topic链接到现有应用程序。

相关术语

• Topic 用来对消息进行分类，每个进入到Kafka的信息都会被放到一个Topic下
• Broker 用来实现数据存储的主机服务器
• Partition 每个Topic中的消息会被分为若干个Partition，以提高消息的处理效率
• Producer 消息的生产者
• Consumer 消息的消费者
• Consumer Group 消息的消费群组

设计目标

Kafka的性能

由于其广泛集成到企业级基础设施中，监测Kafka在规模运行中的性能成为一个日益重要的问题。监测端到端性能，要求跟踪所有指标，包括Broker、消费者和生产者。除此之外还要监测ZooKeeper，Kafka用它来协调各个消费者。^[8][9]目前有一些监测平台可以追蹤Kafka的性能，有开源的，如领英的Burrow；也有付费的，如Datadog。除了这些平台之外，收集Kafka的数据也可以使用工具来进行，这些工具一般需要Java，包括JConsole。^[10]

Consumer Group

Kafka文件格式

00000000000000000000.index 00000000000000000000.log 00000000000000000000.timeindex 00000000000000782248.snapshot leader-epoch-checkpoint

使用Kafka的企业

下面的列表是曾经或正在使用Kafka的知名企业：

• 小米
• CloudFlare^[11]
• EBay^[12]
• Kakao^[13]
• Netflix^[14]
• PayPal^[15]
• Spotify^[16]
• Yelp^[17]
• 纽约时报^[18]
• 思科系统^[19]
• 沃尔玛^[20]
• 优步^[21]

参见

• Apache ActiveMQ
• Apache Flink
• Qpid（英语：Apache Qpid）
• Samza（英语：Apache Samza）
• Apache Spark
• 数据发布服务（英语：Data Distribution Service）
• 企业集成模式（英语：Enterprise Integration Patterns）
• 企业消息系统（英语：Enterprise Messaging System）
• 事件流式处理（英语：Event stream processing）
• 事件驱动SOA（英语：Event-driven SOA）
• 面向消息的中间件（英语：Message-oriented middleware）
• 面向服务的架构
• StormMQ（英语：StormMQ）

参考资料

1. GitHub仓库镜像. [2014-04-09]. （原始内容于2020-08-16）. 
2. Open-sourcing Kafka, LinkedIn's distributed message queue [开源的Kafka，LinkedIn的分布式消息队列]. [2016-10-27]. （原始内容于2021-01-11）. 
3. Release 3.5.1. 2023年7月20日 [2023年7月27日]. 
4. Monitoring Kafka performance metrics [监控Kafka性能数据]. Datadog官方博客. [2016-05-23]. （原始内容于2020-11-08） （英语）. 
5. . 领英官方博客. [2014-05-05]. （原始内容存档于2014-03-17） （英语）. 
6. Primack, Dan. LinkedIn engineers spin out to launch 'Kafka' startup Confluent [领英工程师推迟发布Kafka启动Confluent]. [2015-02-10]. （原始内容于2020-10-22） （英语）. 
7. What is the relation between Kafka, the writer, and Apache Kafka, the distributed messaging system? [作家卡夫卡和Apache Kafka那个分布式消息系统之间有什么关系？]. [2017-06-12] （英语）. 
8. Monitoring Kafka performance metrics [监测Kafka性能指标]. 2016-04-06 [2016-10-05]. （原始内容于2020-11-08） （英语）. 
9. Mouzakitis, Evan. Monitoring Kafka performance metrics [监测Kafka性能指标]. 2016-04-06 [2016-10-05]. （原始内容于2020-11-08） （英语）. 
10. Collecting Kafka performance metrics - Datadog [收集Kafka性能指标－Datadog]. 2016-04-06 [2016-10-05]. （原始内容于2020-11-27） （英语）. 
11. . [2017-12-22]. （原始内容存档于2018-10-21） （英语）. 
12. Kafka Usage in Ebay Communications Delivery Pipeline [Kafka在Ebay通信传递管道中的用途]. [2017-12-22]. （原始内容于2019-02-16） （英语）. 
13. Doyung Yoon. . [2017-12-22]. （原始内容存档于2016-03-09） （英语）. 
14. Cheolsoo Park and Ashwin Shankar. . [2017-12-22]. （原始内容存档于2016-03-04） （英语）. 
15. Shibi Sudhakaran of PayPal. PayPal: Creating a Central Data Backbone: Couchbase Server to Kafka to Hadoop and Back (talk at Couchbase Connect 2015) [PayPal：创建中心数据骨干：Couchbase Server到Kafka到Hadoop和Back（在Couchbase Connect 2015上的讲话）]. Couchbase. [2016-02-03]. （原始内容于2016-09-17） （英语）. 
16. Josh Baer. . [2017-12-22]. （原始内容存档于2016-03-09） （英语）. 
17. . Yelp. [2017-07-19]. （原始内容存档于2017-06-03） （英语）. 
18. Boerge Svingen. . [2017-09-19]. （原始内容存档于2017-09-17） （英语）. 
19. . 思科博客. [2016-02-03]. （原始内容存档于2016-03-09） （英语）. 
20. Apache Kafka for Item Setup [Kafka用于项目设置]. medium.com. [2017-06-12]. （原始内容于2019-05-03） （英语）. 
21. Stream Processing in Uber [优步的流式处理]. InfoQ. [2015-12-06]. （原始内容于2015-12-05） （英语）. 

外部链接

• Apache Kafka网站（页面存档备份，存于互联网档案馆）（英文）
• 项目设计讨论（页面存档备份，存于互联网档案馆）（英文）
• Github镜像 （页面存档备份，存于互联网档案馆）
• Morten Kjetland对Apache Kafka的介绍（页面存档备份，存于互联网档案馆）（英文）
• Quora上与RabbitMQ的对比（英文）
• Kafka开发者邮件列表中与RabbitMQ的对比（页面存档备份，存于互联网档案馆）（英文）
• Stackoverflow上与RabbitMQ和ZeroMQ的对比（页面存档备份，存于互联网档案馆）（英文）
• Apache Kafka中的集群内部响应（页面存档备份，存于互联网档案馆）（英文）
• （英文）