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。

  此條目介紹的是Apache軟體基金會的開源流處理平台。关于其他用法，请见「卡夫卡 (消歧义)」。
Kafka[1]
開發者Apache软件基金会，領英
首次发布2011年1月​（2011-01）[2]
当前版本
  • 3.7.0 (2024年2月26日；穩定版本)[3]
源代码库
编程语言Scala、Java
操作系统跨平台
类型流式处理, 消息中间件
许可协议Apache许可证 2.0
网站kafka.apache.org

该设计受事务日志的影响较大。[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

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]

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：

参见

参考资料
  1. . [2014-04-09]. （原始内容存档于2020-08-16）.
  2. [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. . 2024年2月26日 [2024年3月19日].
  4. [监控Kafka性能数据]. Datadog官方博客. [2016-05-23]. （原始内容存档于2020-11-08） （英语）.
  5. [The Log: What every software engineer should know about real-time data's unifying abstraction]. 领英官方博客. [2014-05-05]. （原始内容存档于2014-03-17） （英语）.
  6. Primack, Dan. [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）.
  7. [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. [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. Mouzakitis, Evan. [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）.
  10. [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）.
  11. [更多数据，更多数据]. [2017-12-22]. （原始内容存档于2018-10-21） （英语）.
  12. [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）.
  13. Doyung Yoon. [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）.
  14. Cheolsoo Park and Ashwin Shankar. [Netflix：在Pb级规模集成Spark]. [2017-12-22]. （原始内容存档于2016-03-04） （英语）.
  15. Shibi Sudhakaran of PayPal. [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）.
  16. Josh Baer. [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）.
  17. [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）.
  18. Boerge Svingen. [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）.
  19. [OpenSOC：一份公开的安全承诺]. 思科博客. [2016-02-03]. （原始内容存档于2016-03-09） （英语）.
  20. [Kafka用于项目设置]. medium.com. [2017-06-12]. （原始内容存档于2019-05-03） （英语）.
  21. [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
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.