一、什么是 Kafka

Apache Kafka 是一个开源的分布式流处理平台，最初由 LinkedIn 开发，2011 年开源。它不仅仅是一个消息队列，更是一个集消息发布/订阅、持久化存储、实时流处理于一体的分布式系统。

简单来说，Kafka 就像是分布式系统的"数据高速公路"——各个系统通过它传输数据，既能异步解耦，又能保证高吞吐和可靠性。

Kafka 的三大核心能力：

能力 说明
发布与订阅 类似消息队列，生产者发送消息，消费者订阅消费
持久化存储 消息持久化到磁盘，可回溯、可重放，不会消费即删除
实时流处理 通过 Kafka Streams / ksqlDB 实现实时计算

核心设计目标：

  • 高吞吐：单集群轻松支持百万级消息/秒
  • 低延迟：毫秒级端到端延迟
  • 可扩展：水平扩展，增加 Broker 即可提升容量
  • 持久化：消息可保留数天甚至永久，支持重复消费
  • 容错性：副本机制保证数据不丢失

二、核心概念

理解 Kafka，首先要理解以下核心概念：

概念 说明
Broker Kafka 集群中的一个节点，负责消息的存储和转发
Topic 消息的逻辑分类，生产者按 Topic 发布消息，消费者按 Topic 订阅
Partition Topic 的物理分区，是分布式存储和并行处理的基本单元
Replica Partition 的副本，分为 Leader（处理读写）和 Follower（同步数据）
Offset 消息在 Partition 中的唯一偏移量，标识消费进度
Consumer Group 消费者组，组内消费者共同消费一个 Topic 的不同 Partition
ISR In-Sync Replicas，与 Leader 保持同步的副本集合

关键理解：

  • 一个 Topic 可以有多个 Partition，分布在不同的 Broker 上
  • 每个 Partition 内部消息有序，跨 Partition 无序
  • 一个 Partition 只能被同一个 Consumer Group 内的一个 Consumer 消费
  • 不同的 Consumer Group 之间互不影响，可以独立消费同一个 Topic

三、架构原理

3.1 数据流转过程

Kafka 的数据流转非常清晰：

Producer → Broker 集群 → Consumer Group
  1. 生产者发送消息：Producer 将消息发送到指定 Topic，Kafka 根据分区策略（如 Key Hash）将消息路由到具体的 Partition
  2. Broker 存储消息：消息被追加写入 Partition 的日志文件（顺序写入），同时 Follower 副本从 Leader 同步数据
  3. 消费者拉取消息：Consumer 从 Partition 的 Leader 副本拉取消息，处理完成后提交 Offset

3.2 分区机制

Partition 是 Kafka 实现水平扩展和并行处理的核心：

Topic: order-topic
├── Partition-0 (Broker-1)
├── Partition-1 (Broker-2)
└── Partition-2 (Broker-3)

分区的关键特性：

特性 说明
分区内有序 同一 Partition 的消息按 Offset 严格有序
分区间无序 不同 Partition 之间没有顺序保证
水平扩展 增加 Partition 数量可线性提升吞吐量
并行消费 多个 Consumer 可并行消费不同 Partition

分区数与消费者数的关系：

  • 消费者数 ≤ Partition 数：部分消费者消费多个 Partition
  • 消费者数 = Partition 数：最佳并行度
  • 消费者数 > Partition 数：部分消费者空闲（浪费资源）

3.3 副本机制与 ISR

每个 Partition 可以有多个副本（Replica），分布在不同的 Broker 上：

Partition-0
├── Leader (Broker-1)      ← 处理所有读写请求
├── Follower-1 (Broker-2)  ← 同步 Leader 数据
└── Follower-2 (Broker-3)  ← 同步 Leader 数据

ISR（In-Sync Replicas）：

  • ISR 是与 Leader 保持同步的副本集合
  • 同步判定标准：在 replica.lag.time.max.ms（默认 30s）内未落后 Leader
  • 只有 ISR 中的副本才有资格在 Leader 故障时被选举为新 Leader

数据写入流程：

1. Producer 发送消息到 Leader
2. Leader 写入本地日志
3. Follower 从 Leader 拉取并写入本地
4. Follower 向 Leader 返回 ACK
5. Leader 收到 ISR 中过半副本的 ACK 后，向 Producer 返回成功

3.4 Leader 选举

当 Leader 副本所在 Broker 宕机时，Kafka 会从 ISR 中选举新的 Leader：

  1. Controller 检测到 Leader 失效
  2. 从 ISR 中选择一个新的副本作为 Leader
  3. 通知所有相关 Broker 更新元数据
  4. Producer 和 Consumer 自动重定向到新 Leader

四、为什么 Kafka 这么快

Kafka 能够实现百万级 TPS，依赖以下核心设计：

4.1 顺序写入

Kafka 将消息追加写入磁盘（Append-Only），避免了随机 I/O：

磁盘顺序写入速度 ≈ 内存随机写入速度 >> 磁盘随机写入速度

4.2 零拷贝（Zero-Copy）

传统数据传输：磁盘 → 内核缓冲区 → 用户空间 → Socket 缓冲区 → 网卡（4次拷贝）

Kafka 使用 sendfile() 系统调用：磁盘 → 内核缓冲区 → 网卡（2次拷贝）

4.3 页缓存（Page Cache）

Kafka 不自己管理内存，而是利用操作系统的 Page Cache：

  • 消息写入时直接进入 Page Cache，由 OS 异步刷盘
  • 消息读取时优先从 Page Cache 读取，命中率高

4.4 批量与压缩

  • 批量发送：Producer 可以攒一批消息后一次性发送
  • 批量压缩：支持 Snappy、LZ4、Zstd 等压缩算法，减少网络传输

4.5 分段存储

每个 Partition 由多个 Log Segment 组成：

partition-0/
├── 00000000000000000000.log      ← 第 0 ~ 1000 条消息
├── 00000000000000000000.index    ← 偏移量索引
├── 00000000000000000000.timeindex← 时间戳索引
├── 00000000000000368769.log      ← 第 1001 ~ 2000 条消息
└── ...
  • 每个 Segment 默认 1GB，便于管理和清理
  • 通过稀疏索引快速定位消息

五、消费者组与 Rebalance

5.1 消费者组机制

Consumer Group 是 Kafka 实现并行消费和消息广播的核心：

Topic: order-topic (3 Partitions)

Consumer Group A (订单处理):
├── Consumer-A1 → Partition-0
├── Consumer-A2 → Partition-1
└── Consumer-A3 → Partition-2

Consumer Group B (数据分析):
├── Consumer-B1 → Partition-0
├── Consumer-B2 → Partition-1
└── Consumer-B3 → Partition-2
  • 同一个 Group 内：一个 Partition 只能被一个 Consumer 消费（负载均衡）
  • 不同 Group 之间：每个 Group 都能消费完整的 Topic（消息广播）

5.2 Rebalance（再平衡）

当 Consumer Group 中的成员发生变化时，会触发 Rebalance：

触发条件：

  • 新 Consumer 加入 Group
  • Consumer 宕机或主动退出
  • Consumer 心跳超时（session.timeout.ms）
  • 消费处理超时（max.poll.interval.ms）
  • Topic 分区数变化

分区分配策略：

策略 说明
Range 按分区序号范围分配（默认）
RoundRobin 轮询分配所有分区
Sticky 粘性分配，最小化重平衡时的分区移动
CooperativeSticky 协作式粘性分配，避免全量停止

注意：Rebalance 期间 Consumer 无法消费消息，频繁 Rebalance 会影响性能。

六、常见应用场景

6.1 日志收集

Kafka 最初就是为日志收集而生的。将各个服务的日志统一发送到 Kafka，再由下游系统处理：

App Logs → Kafka (log-topic) → Elasticsearch → Kibana
                                    ↓
                                  Hive (离线分析)

优势：

  • 解耦日志产生与存储
  • 高吞吐应对突发流量
  • 日志可重放（修复 ETL 逻辑后重新导入）

6.2 异步解耦与削峰填谷

将耗时操作异步化，主流程无需等待：

用户下单 → 订单服务 → Kafka (order-topic)
                        ├── 库存服务（扣减库存）
                        ├── 积分服务（发放积分）
                        └── 通知服务（发送短信/邮件）

优势：

  • 主流程响应时间缩短
  • 下游系统按需消费，避免被流量冲垮
  • 系统间完全解耦，独立扩展

6.3 实时数据管道（ETL）

Kafka 作为数据管道的中心，连接各个数据源和数据目的地：

MySQL (CDC) → Debezium → Kafka → Kafka Streams → ClickHouse / S3
                                        ↓
                                    Flink (实时计算)

优势：

  • 统一的数据入口和出口
  • 支持多种数据源和数据目的地
  • 数据可回溯、可重放

6.4 流式处理

结合 Kafka Streams 或 Flink，实现实时数据处理：

// 实时统计每小时订单金额
KStream<String, OrderEvent> orders = builder.stream("db.orders");
KTable<Windowed<String>, Double> hourlyRevenue = orders
    .filter((k, v) -> v.getStatus().equals("PAID"))
    .groupBy((k, v) -> v.getStoreId())
    .windowedBy(TimeWindows.of(Duration.ofHours(1)))
    .aggregate(() -> 0.0,
        (storeId, order, total) -> total + order.getAmount());

典型应用：

  • 实时排行榜
  • 实时风控
  • 实时监控告警
  • 实时用户画像

6.5 事件驱动架构

在微服务架构中，服务间通过事件通信：

订单服务 → [订单创建事件] → Kafka
    ├── 库存服务 → [库存扣减事件]
    ├── 支付服务 → [支付完成事件]
    └── 物流服务 → [发货事件]

优势：

  • 服务间完全解耦
  • 支持事件溯源（Event Sourcing）
  • 最终一致性保证

七、分布式安装部署

1. 集群规划

在已有的hadoop1、hadoop2、hadoop3上部署 kafka_2.12-3.5.1

2. 下载安装

  1. 下载地址：https://kafka.apache.org/community/downloads/#351

在这里插入图片描述

  1. 下载完后上传到 /opt/software目录，再 tar 解压到 /opt/module：

    cd /opt/software
tar -zxvf kafka_2.12-3.5.1.tgz -C /opt/module/

在这里插入图片描述

3. 配置和分发

  1. 进入解压目录，修改配置文件 server.properties
cd /opt/module/kafka_2.12-3.5.1/config/
vim server.properties
  1. 输入下面内容，注意先注释掉已有的同名配置
#broker的全局唯一编号，不能重复，只能是数字。
broker.id=1

#broker对外暴露的IP和端口 （每个节点单独配置）
advertised.listeners=PLAINTEXT://hadoop1:9092
#处理网络请求的线程数量
num.network.threads=3
#用来处理磁盘IO的线程数量
num.io.threads=8
#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400
#接收套接字的缓冲区大小
socket.receive.buffer.bytes=102400
#请求套接字的缓冲区大小
socket.request.max.bytes=104857600
#kafka运行日志(数据)存放的路径，路径不需要提前创建，kafka自动帮你创建，可以配置多个磁盘路径，路径与路径之间可以用"，"分隔
log.dirs=/opt/module/kafka_2.12-3.5.1/datas
#topic在当前broker上的分区个数
num.partitions=1
#用来恢复和清理data下数据的线程数量
num.recovery.threads.per.data.dir=1
# 每个topic创建时的副本数，默认时1个副本
offsets.topic.replication.factor=1
#segment文件保留的最长时间，超时将被删除
log.retention.hours=168
#每个segment文件的大小，默认最大1G
log.segment.bytes=1073741824
# 检查过期数据的时间，默认5分钟检查一次是否数据过期
log.retention.check.interval.ms=300000
#配置连接Zookeeper集群地址（在zk根目录下创建/kafka，方便管理）
zookeeper.connect=hadoop1:2181,hadoop2:2181,hadoop3:2181/kafka

  1. 分发安装包

    cd /opt/module
xsync kafka_2.12-3.5.1

  2. 分别在其它hadoop2、hadoop3修改配置文件 server.properties 中的 broker.id 和 advertised.listeners ，不能重复

在这里插入图片描述
6. 配置环境变量

sudo vim /etc/profile.d/my_env.sh

在文件末尾增加如下内容：

#KAFKA_HOME
export KAFKA_HOME=/opt/module/kafka_2.12-3.5.1
export PATH=$PATH:$KAFKA_HOME/bin

分发环境变量文件，再刷新环境变量

sudo /home/hadoop/bin/xsync /etc/profile.d/my_env.sh
source /etc/profile

4. 集群启停脚本

  1. 在 /home/hadoop/bin 目录下创建脚本
cd ~/bin
vim kf.sh

输入如下内容：

#! /bin/bash

case $1 in
"start"){
    for i in hadoop1 hadoop2 hadoop3
    do
        echo " --------启动 $i Kafka-------"
        ssh $i "/opt/module/kafka_2.12-3.5.1/bin/kafka-server-start.sh -daemon /opt/module/kafka_2.12-3.5.1/config/server.properties"
    done
};;
"stop"){
    for i in hadoop1 hadoop2 hadoop3
    do
        echo " --------停止 $i Kafka-------"
        ssh $i "/opt/module/kafka_2.12-3.5.1/bin/kafka-server-stop.sh "
    done
};;
esac
  1. 增加执行权限，起停集群，kafka依赖zookeeper服务，必须先启动zookeeper
chmod +x kf.sh
zk.sh start
kf.sh start
kf.sh stop
zk.sh stop

在这里插入图片描述

八、 常用终端命令

1. 服务启停命令

脚本名称 完整示例命令 功能作用
kafka-server-start.sh bin/kafka-server-start.sh config/server.properties 前台启动 Kafka Broker 服务
kafka-server-stop.sh bin/kafka-server-stop.sh 优雅关闭 Kafka 服务
zookeeper-server-start.sh bin/zookeeper-server-start.sh config/zookeeper.properties 启动内置 Zookeeper（KRaft 版本无需）
zookeeper-server-stop.sh bin/zookeeper-server-stop.sh 关闭内置 Zookeeper

2. Topic 主题管理

脚本名称 完整示例命令 功能作用
kafka-topics.sh 创建 Topicbin/kafka-topics.sh --create --bootstrap-server 127.0.0.1:9092 --topic test_topic --partitions 3 --replication-factor 2 创建主题，指定分区、副本数
kafka-topics.sh 查看所有 Topicbin/kafka-topics.sh --list --bootstrap-server 127.0.0.1:9092 列出集群全部主题
kafka-topics.sh 查看 Topic 详情bin/kafka-topics.sh --describe --bootstrap-server 127.0.0.1:9092 --topic test_topic 查看分区 Leader、副本、ISR 同步列表
kafka-topics.sh 扩容分区bin/kafka-topics.sh --alter --bootstrap-server 127.0.0.1:9092 --topic test_topic --partitions 5 增加分区（不支持减少分区）
kafka-topics.sh 删除 Topicbin/kafka-topics.sh --delete --bootstrap-server 127.0.0.1:9092 --topic test_topic 删除主题，需开启delete.topic.enable=true

3. 控制台生产者（发送消息）

脚本名称 完整示例命令 功能作用
kafka-console-producer.sh bin/kafka-console-producer.sh --bootstrap-server 127.0.0.1:9092 --topic test_topic 简易控制台发送普通消息
kafka-console-producer.sh 带 Key 发送bin/kafka-console-producer.sh --bootstrap-server 127.0.0.1:9092 --topic test_topic --property parse.key=true --property key.separator=, 发送带消息 Key 的数据，逗号分隔 key/value

4. 控制台消费者（消费消息）

脚本名称 完整示例命令 功能作用
kafka-console-consumer.sh bin/kafka-console-consumer.sh --bootstrap-server 127.0.0.1:9092 --topic test_topic 实时消费新产生消息
kafka-console-consumer.sh bin/kafka-console-consumer.sh --bootstrap-server 127.0.0.1:9092 --topic test_topic --from-beginning 从头消费该 Topic 所有历史消息
kafka-console-consumer.sh 指定消费组bin/kafka-console-consumer.sh --bootstrap-server 127.0.0.1:9092 --topic test_topic --group test_group 使用自定义消费组，持久化 offset
kafka-console-consumer.sh 打印 Key+Valuebin/kafka-console-consumer.sh --bootstrap-server 127.0.0.1:9092 --topic test_topic --from-beginning --property print.key=true --property key.separator=: 消费时同时输出消息 Key 与 Value

5. 消费组 & Offset 偏移量管理

脚本名称 完整示例命令 功能作用
kafka-consumer-groups.sh 查看全部消费组bin/kafka-consumer-groups.sh --bootstrap-server 127.0.0.1:9092 --list 列出集群内所有消费组名称
kafka-consumer-groups.sh 查看消费组详情bin/kafka-consumer-groups.sh --bootstrap-server 127.0.0.1:9092 --group test_group --describe 查看分区 offset、消息堆积 LAG、分配节点
kafka-consumer-groups.sh 重置 offset 到最早bin/kafka-consumer-groups.sh --bootstrap-server 127.0.0.1:9092 --group test_group --topic test_topic --reset-offsets --to-earliest --execute 偏移量重置至分区第一条消息（需停消费程序）
kafka-consumer-groups.sh 重置 offset 到最新bin/kafka-consumer-groups.sh --bootstrap-server 127.0.0.1:9092 --group test_group --topic test_topic --reset-offsets --to-latest --execute 偏移量重置至最新消息，跳过历史数据
kafka-consumer-groups.sh 删除消费组bin/kafka-consumer-groups.sh --bootstrap-server 127.0.0.1:9092 --group test_group --delete 删除无活跃消费者、无 offset 的空消费组

九、Kafka 与其他消息队列对比

对比维度 Kafka RabbitMQ RocketMQ
定位 分布式流平台 传统消息队列 金融级消息队列
吞吐量 百万级/秒 万级/秒 十万级/秒
延迟 毫秒级 微秒级 毫秒级
消息留存 支持（可配置保留时间） 消费即删除 支持
顺序保证 Partition 内有序 单队列有序 队列内有序
协议 自定义二进制 AMQP 自定义
适用场景 日志、事件流、流处理 任务队列、RPC 金融、电商

选型建议：

  • 要高吞吐、可重放、流处理 → Kafka
  • 要低延迟、复杂路由、AMQP → RabbitMQ
  • 要金融级可靠、事务消息 → RocketMQ

十、总结

Kafka 的核心价值可以用一句话概括：高吞吐 + 持久化 + 流处理。

核心能力 支撑的应用场景
高吞吐、低延迟 日志收集、实时数据管道
持久化存储 消息重放、事件溯源
分区并行 水平扩展、并行消费
副本机制 数据可靠性、高可用
消费者组 负载均衡、消息广播
Kafka Streams 实时流处理

Kafka 已经成为现代分布式系统的标配基础设施，尤其在大数据、实时计算、微服务架构中扮演着核心角色。

参考资源：

# kafka # 分布式 # flink # 大数据
Logo
https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

cover

一个 API 入口调用多个大模型：AiiOnly客户端 + CC Switch 打通 Codex AI编程流程

avatar AI编程社区
cover

VSCode Claude Code + MiMo 中转免登录完整配置教程（解决原生登录弹窗 + 模型报错）

avatar AI编程社区
cover

从零开始做一个属于自己的 Skill（保姆级教程）

avatar AI编程社区