Kafka是由Apache软件基金会开发的一个开源流处理平台,由ScalaJava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”,[3]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

Kafka[1]
开发者Apache软件基金会,领英
首次发布2011年1月,​13年前​(2011-01[2]
当前版本3.0.0(2021年9月21日,​3年前​(2021-09-21
原始码库 编辑维基数据链接
编程语言ScalaJava
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。[4]

Kafka的历史

编辑

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,[5],并着眼于Kafka。根据2014年Quora的贴文,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。[6]

Kafka的架构

编辑
 
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伺服器组成的集群上,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。作为聚类部署到多台伺服器上,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持有不同的资讯,而Broker则负责复制消息。Kafka有四个主要API:

  • 生产者API:支持应用程式发布Record流。
  • 消费者API:支持应用程式订阅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链接到现有应用程式。

相关术语

编辑
  • Topic 用来对消息进行分类,每个进入到Kafka的资讯都会被放到一个Topic下
  • Broker 用来实现数据存储的主机伺服器
  • 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

编辑

Kafka的性能

编辑

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。[7][8]目前有一些监测平台可以追踪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。[9]

Consumer Group

编辑

Kafka文件格式

编辑

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

使用Kafka的企业

编辑

下面的列表是曾经或正在使用Kafka的知名企业:

参见

编辑

参考资料

编辑
  1. ^ GitHub仓库镜像. [2014-04-09]. (原始内容存档于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]. (原始内容存档于2021-01-11). 
  3. ^ Monitoring Kafka performance metrics [监控Kafka性能数据]. Datadog官方部落格. [2016-05-23]. (原始内容存档于2020-11-08) (英语). 
  4. ^ The Log: What every software engineer should know about real-time data's unifying abstraction [The Log: What every software engineer should know about real-time data's unifying abstraction]. 领英官方部落格. [2014-05-05]. (原始内容存档于2014-03-17) (英语). 
  5. ^ 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]. (原始内容存档于2020-10-22) (英语). 
  6. ^ 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). 
  7. ^ Monitoring Kafka performance metrics [监测Kafka性能指标]. 2016-04-06 [2016-10-05]. (原始内容存档于2020-11-08) (英语). 
  8. ^ Mouzakitis, Evan. Monitoring Kafka performance metrics [监测Kafka性能指标]. 2016-04-06 [2016-10-05]. (原始内容存档于2020-11-08) (英语). 
  9. ^ Collecting Kafka performance metrics - Datadog [收集Kafka性能指标-Datadog]. 2016-04-06 [2016-10-05]. (原始内容存档于2020-11-27) (英语). 
  10. ^ More data, more data [更多数据,更多数据]. [2017-12-22]. (原始内容存档于2018-10-21) (英语). 
  11. ^ Kafka Usage in Ebay Communications Delivery Pipeline [Kafka在Ebay通信传递管道中的用途]. [2017-12-22]. (原始内容存档于2019-02-16) (英语). 
  12. ^ Doyung Yoon. S2Graph : A Large-Scale Graph Database with HBase [S2Graph:基于HBase的大规模图形数据库]. [2017-12-22]. (原始内容存档于2016-03-09) (英语). 
  13. ^ Cheolsoo Park and Ashwin Shankar. Netflix: Integrating Spark at Petabyte Scale [Netflix:在Pb级规模集成Spark]. [2017-12-22]. (原始内容存档于2016-03-04) (英语). 
  14. ^ 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]. (原始内容存档于2016-09-17) (英语). 
  15. ^ Josh Baer. How Apache Drives Spotify's Music Recommendations [Apache如何驱动Spotify的音乐推荐]. [2017-12-22]. (原始内容存档于2016-03-09) (英语). 
  16. ^ Streaming Messages from Kafka into Redshift in near Real-Time [从Kafka到Redshift的流式消息接近于实时]. Yelp. [2017-07-19]. (原始内容存档于2017-06-03) (英语). 
  17. ^ Boerge Svingen. Publishing with Apache Kafka at The New York Times [在纽约时报使用Kafka进行出版]. [2017-09-19]. (原始内容存档于2017-09-17) (英语). 
  18. ^ OpenSOC: An Open Commitment to Security [OpenSOC:一份公开的安全承诺]. 思科部落格. [2016-02-03]. (原始内容存档于2016-03-09) (英语). 
  19. ^ Apache Kafka for Item Setup [Kafka用于项目设置]. medium.com. [2017-06-12]. (原始内容存档于2019-05-03) (英语). 
  20. ^ Stream Processing in Uber [优步的流式处理]. InfoQ. [2015-12-06]. (原始内容存档于2015-12-05) (英语). 

外部链接

编辑