1. 什么是 Kafka？
- Kafka 是由 Apache 开发的分布式流处理平台，最初由 LinkedIn 设计，现已成为 Apache 顶级项目。它以高吞吐量、可扩展性和容错性著称，主要用于处理实时数据流，如日志收集、用户行为追踪、系统监控等场景。
- 电子教程资料：
https://pan.quark.cn/s/8eee10a2e055
2. 核心特性
- 高吞吐量：支持每秒处理数百万条消息，适合大数据场景下的实时数据传输。
- 分布式架构：数据分散存储在多个节点上，具备自动容错和扩展能力。
- 持久化存储：消息被持久化到磁盘，确保数据不丢失，且支持数据回溯。
- 实时处理：结合 Flink、Spark Streaming 等框架，可实现流数据的实时分析和处理。
- 多订阅者：支持多个消费者同时订阅同一主题（Topic），且不影响彼此消费进度。
3. 核心概念
| 概念 | 解释 |
|---|---|
| 主题（Topic） | 消息的分类，相当于数据的“频道”，每条消息都属于一个 Topic。 |
| 生产者（Producer） | 发送消息到 Topic 的组件，可将数据发布到指定 Topic。 |
| 消费者（Consumer） | 从 Topic 读取消息的组件，按顺序消费并处理数据。 |
| 消费者组（Consumer Group） | 多个消费者组成的组，同一组内的消费者共享消费偏移量（Offset），确保消息不重复消费。 |
| 代理（Broker） | Kafka 集群中的节点，负责存储和管理 Topic 的分区数据，处理生产者和消费者的请求。 |
| 分区（Partition） | Topic 的物理分片，每个 Partition 是有序的日志序列，提高数据并行处理能力。 |
4. 典型应用场景
- 日志收集：聚合多个服务的日志，统一存储和分析（如 ELK 栈）。
- 实时数据分析：处理用户行为数据（如点击流、交易记录），用于推荐系统或风控。
- 微服务通信：作为服务间异步通信的中间件，解耦系统组件。
- 事件溯源：记录系统所有变更事件，用于重建状态或审计。
5. 与其他消息队列的对比
- 对比 RabbitMQ：Kafka 吞吐量更高，适合大数据流处理；RabbitMQ 更灵活，支持复杂路由和事务。
- 对比 RocketMQ：两者均为分布式架构，但 Kafka 生态更成熟，RocketMQ 在金融场景下的事务性支持更优。
6. 基本架构与工作流程
- 生产者将消息发送到指定 Topic 的 Partition。
- Broker 接收消息并持久化存储，按 Partition 顺序追加日志。
- 消费者组从 Partition 读取消息，通过 Offset 标记消费位置，支持按需回溯。
7. 优势与挑战
- 优势：高吞吐、低延迟、易扩展、数据持久化可靠。
- 挑战：运维复杂度较高（需关注集群负载、数据副本同步）；不适合小规模数据场景（资源开销较大）。
总结
Kafka 凭借分布式流处理能力，成为大数据生态中不可或缺的组件，尤其适合需要处理海量实时数据的场景。若需深入学习，可进一步了解其分区机制、副本策略及与 Flink 等框架的集成应用。
