官方文档：http://kafka.apache.org/documentation/
简介
多租户
保证：
同一个partition内的顺序性；
consumer能够按序看到日志文件中的记录；
对于副本因子为N的topic，即使N-1个服务器宕机，已经提交到日志的记录能够不被丢失。
用作消息系统：
简化了传统消息系统的两种概念：queuing publish-subscribe
将topic中的每一个partition分配给组里的一个consumer，能够保证同一个partition中的消息被顺序消费。
用作存储系统：
只有数据被完全备份并且保证已经持久化了，数据的写入才被认为成功。
流处理：
用例
Messages
better throughput, built-in partitioning, replication, and fault-tolerance，其他消息队列：
Website Activity Tracking
日志聚合
流处理
其他流处理平台：Storm，Samza
Metrics
Commit Log
配置
broker
topic
producer
consumer
connect
设计
持久化
pagecache-centric design
常量的时间复杂度
性能
Producer
LB：
producer直接将数据发送给对应的partition；
所有的kafka服务器可以在给定的时间内回应哪一个服务器是存储的并且topic的partition leader在哪里；
客户端控制将数据写入到哪一个partition；kafka留了一个指定key的接口，kafka将对该key作hash（hash函数也是可以自定义的）从而确定partition。
异步发送：
批量发送可以配置为不超过固定数量的message或者等到不超过一些固定的延迟限制(比如说64k，10ms)；
这种缓冲是可以配置的，并且提供了一种来通过少量的延迟来提高吞吐量的机制。
Consumer
push vs pull
kafka采用的是传统的数据由producer推送给broker，然后由consumer从broker拉去的机制；Scribe及flume采用的pushed机制，这样consumer就比较难处理信息，因为它无法控制broker向他推送数据的频率，相反kafka在这方面就显得更加可控些；
拉式系统有一个问题是如果broker没有数据，consumer会一直空转忙等待至有数据到达；
consumer position
常规的消息系统是由broker记录哪些消息被消费，确定哪些消息被消费后，将之删除这能使数据量变小，但会带来一些其他问题：如果消息被发送后没有被正确消费，一直收不到消费成功的确认等，给每条数据记录状态的性能问题等等；
kafka将topic分为多个有序的partition，对于每一个partition而言，consumer的position仅仅是一个整数；另外，消息可以被重复消费。
离线数据加载
消息传送语义
从producer的角度而言：0.11之后，kafka提供了一种幂等的机制，能够保证重发不会在log中产生重复的项，因为broker给每个producer分配了一个ID并且删除使用已被发送消息的序列码的消息；在这个版本后，kafka还支持向多个topic partitions发送消息的事务语义。
从consumer的角度而言：为了保证"exactly once"，我们可以在一个事务中处理数据并将offset写入到topic中；事务默认的隔离级别是未提交读。
kafka默认支持at-least-once发送，并且允许用户通过关闭重试机制实现at-most-once发送以及在处理一批数据之前提交offset。
复制
所有的读写都是由leader partition实现。
kafka对节点存活的定义：
1. 节点维持着与ZK的session（依据ZK的心跳机制）；
2. 从节点必须复制主节点上发生的写并且不能落后太多；
leader跟踪从节点的列表，并且发现挂了、出错或者落后的节点后将至从列表中移除。对于出错或者落后的节点的配置在replica.lag.time.max.ms中；
kafka不处理拜占庭一类的问题：比如恶意或者随意的回复。
只有已经提交的消息才能被consumer读到。
producer可以选择是否等待消息被提交，这取决于在时延及持久性之间作权衡，这由相关的producer的ack配置控制。
Replicated Logs：Quorums，ISRs，and State Machines
kafka的选举不是多数决，而是为能够追上leader的副本动态维护一个ISR(In-sync replicas)，只有这里的成员能够参与leader选举。写入数据至partition时，只有in-sync的副本都接受到了，这些消息才会确认。ISR集合放在ZK中。
所有ISR都挂了
两种办法：
等待ISR中的副本出现；（0.11后默认，可设置unclean.leader.election.enable改变）
选择第一个出现的副本；
可用性及持久性保证
在多少副本写入成功才认为消息已提交：0，1，-1(all），注意：all只是保证所有处于正在in-sync的副本成功。
关于可用性及持久性，有两个更高级的配置：
Disable unclean leader election；
指定最小ISR大小：不过只有当ack为all时才能起效。
副本管理
partition的分配：
leader的选择：
日志清理
保证
1. min.compaction.lag.ms可以保证消息写入后不被清理的最短时间；
2. 不改变顺序
3. 不改变offset
4. delete.retention.ms
细节
日志清理有一个log cleaner后台线程池执行。
配置log cleaner
log.cleanup.policy=compact
log.cleaner.min.compaction.lag.ms 消息在被清理前的最小保留时间
Quotas
Quotas的配置：
超过配额了怎么办：
操作
基本操作
topic相关
由于文件夹名大小限制255个字符，所以topic的名字长度有限制；
kafka可以增加partition的数目，但是不会改变已有数据的partition归属，同时也不支持减小partition的数目。
优雅关机
1. 同步日志到磁盘，避免重启时作日志恢复；这一点在非hard kill情况下是默认执行的；
2. 关机前迁移所拥有的leader partition，需设置controlled.shutdown.enable=true。
balanced leadership
执行
bin/kafka-preferred-replica-election.sh --zookeeper zk_host:port/chroot
或者配置 auto.leader.rebalance.enable=true
跨机架平衡副本
broker.rack=my-rack-id可以设置broker所属的机架，一个partition将分布于min{racks，replication-factor}个机架中。
跨集群镜像数据
source以及destination集群的partition数量及offset都可以不一样。
kafka-mirror-maker.sh命令，--whitelist指定topic，值需要在引号中，可以是一个正则表达式。
auto.create.topics.enable=true配置可以让集群实现自动创建或者备份数据。
扩容--关键是如何重分配partition
kafka-reassign-partitions.sh
缩容
提升备份因子
限制数据迁移过程中的网络带宽
设置Quota
数据中心
横跨多个数据中心的情形，kakfa更推荐使用镜像集群的方式。
不推荐部署一个跨越多个数据中心的集群，因为会增加分片之间同步的延时，网络不可用时，要么kafka要么ZK不可用。
Kafka配置
producer的关键配置包括：
- acks
- compression
- batch size
consumer的关键配置是fetch size
依赖的Java版本
硬件及OS
监测
kafka服务器使用Yammer Metrics ，Kafka客户端使用内置的Kafka Metrics。这两者都拓展自JMX
依赖的ZooKeeper的配置
典型的ZK服务包含5或7个节点
使ZK隔离运行
为ZK分配足够的Java堆空间
需要思考的问题：
1. subscribe与assign的区别
2. enable.auto.commit
3. 同步发送及异步发送的原理 Batch RecrodAccumulator
4. 如何进行重复消费
5. 如何做到生产者负载均衡（四层负载均衡以及ZooKeeper负载均衡，它们的具体实现）
6. 消费者又是如何做到负载均衡的