新增关于kafka mq文档的阅读

mq/kafka/kafka.md

@@ -0,0 +1,140 @@
+# Apache Kafka
+## Introduction
+Apache Kafka是一个分布式的stream平台，具有如下三个核心功能：
+- 发布和订阅record stream，类似于消息队列或企业消息系统
+- 通过一种容错的持久化方式对record stream进行存储
+- 当record stream产生时对其进行处理
+
+Kafka通常应用于如下两类应用：
+- 构建实时的流数据管道，应用或系统之间传递的数据是可靠传输的
+- 构建实时stream应用，应用会传输流数据并且对流数据进行响应  
+
+Kafka核心观念：
+- Kafka可以作为集群在一台或多台服务器上运行，服务器可以跨多个数据中心
+- kafka在`topic`的分类中存储stream record
+- 每条record都含有一个key、一个value和一个时间戳
+
+Kafka具有四类核心API：
+- Producer API:允许应用发布records stream到一个或多个kafka topic中
+- Consumer API：允许应用订阅一个或多个topic，并且处理被订阅topic的record流
+- Stream API：Stream API允许应用像stream processor一样，从一个或多个topic消费input stream并向一个或多个output topic产生output stream，能够有效的将输入流转化为输出流
+- Connector API：可以用于构建和运行一个可重用的生产者或消费者，生产者或消费者会将Kafka topic现存的应用或data system。**例如，一个关系型数据库的connector可以捕获对数据库表中的所有变动
+
+在client和server之间的交流通过一个简单、高性能、语言无关的tcp协议进行。该tcp协议拥有版本，并且新的版本会兼容旧的版本。
+### Topic and Logs
+Topic是被发布record的类别或是源名称。在Kafka中，一个Topic可以有0个、1个或多个消费者订阅。  
+对于每个topic，kafka集群都会维护一个分区日志，每个分区日志都是一个有序的、不可变的record序列，record序列被不断添加到分区的尾部。分区中的每条record都分配了一个序列号`offset`，序列号将唯一标识分区中的每条record。  
+Kafka集群将会把所有已发布的record进行持久化，无论其是否已经被消费，record的保留期是可配置的。**例如，如果将保留策略设置为2天，在消息被发布的两天之内，record都是可消费的，但是两天之后record将会被丢弃并且释放空间。**  
+Kafka即使数据大小不同，性能也是恒定的，存储大量数据并不会影响Kafka的性能，故而长时间存储数据并不会带来性能的问题。  
+实际上，每个消费者保存的元数据是Kafka log的偏移量，偏移量由消费者控制。正常情况下，消费者会在读取记录后线性推进offset，但是offset完全由消费者控制，故而消费者可以按其想要的任何顺序对消息进行消费。**例如，消费者可以将offset设置为旧的位置并且对已经被消费的record进行重复消费。**  
+
+日志中分区的目的如下：
+- 允许日志扩展到适合单个server的大小。每个独立的分区必须适合分区位于的服务器，但是一个topic可以含有多个分区，故而topic可以处理任意数量的数据
+- 日志分区某种意义上充当了并行的单元
+### Distribution
+log分区分布在Kafka集群的服务器上，每个服务器处理对共享分区的数据和请求。每个分区都跨可配置数量的服务器进行复制，从而增加容错性。  
+每个分区都有一台server作为“主机”，并由0或多台其他server作为“从机”。“主机”会处理所有对该分区的读写请求，而“从机”只是会被动的复制主机。如果“主机”宕机，那么“从机”会自动成为新的“主机”。每台服务器都充当了部分分区的“主机”和其他分区的“从机”，从而负载在集群中间是均衡的。  
+> 传统的主从复制，例如redis主从复制，读操作分布在主机和从机之间，而写操作只针对主机，针对多读少写的场景能在集群之间分担读压力  
+> 而对于kafka集群，通过分区来实现负载均衡，每个分区都分布在多台server上，而读写操作全部发生在主机上，从机只作为主机宕机后的备份。而一个Topic可分为多个分区，故而通过分区实现了负载在集群服务器之间的均衡。
+### Producers
+生产者发送record数据到topic。生产者可以选择将record发送到topic中的哪个分区。可以通过轮询的方式来将record分配到不同的分区。  
+### Consumers
+消费者通过***consumer group name***的属性来标记自己。对于每条发布到topic中的记录，都会被发布到订阅了该topic的所有consumer group中，对于每个consumer group，record都会被发送给consumer group中的一个消费者实例。消费者实例可以在不同的进程上或不同的机器上。  
+如果所有的消费者实例都位于一个consumer gorup中，那么record会在所有的消费者实例之间进行负载均衡。  
+如果所有的消费者实例位于不同的consumer group中，那么record会被广播给所有的consumer group。  
+> 通常的，topic含有较少数量的consumer group，每个consumer group都是一个“逻辑订阅者”。每个consumer group都有许多的消费者实例组成，从而实现容错性和可拓展性。  
+> 上述consumer group整体作为一个订阅者，**在此语义中订阅者并非是单个进程，而是一个由消费者实例组成的集群**
+
+在Kafka中，“消费”操作的实现方式是通过将分区日志根据消费者实例进行划分，故而每个实例在任何时间点对于其分配到的期间都是唯一的消费者。  
+维护consumer group中成员的过程是由Kafka协议动态处理的，如果新的消费者实例加入到consumer group中，它们会接管从其他group成员中获取到的分区区间；如果现有消费者实例宕机，那么宕机实例的分区区间将会被分配给其他的消费者实例。  
+### multi-tenancy（多租户）
+可以将部署Kafka作为多租户的解决方案。可以通过配置哪些topic可以产生和消费数据来启用多租户。这些操作也支持配额。
+### Guarantees
+在高层，Kafka可以提供如下保证：
+- 一个生产者实例发送给特定topic分区的消息会按消息发送的顺序添加到topic分区中
+- 一个消费者实例将会按照消息存储在分区log中的顺序消费消息
+- 对于一个复制因子为N的主题，其最多可以容忍N-1台服务器宕机而不会丢失提交给日志的任何记录
+### Kafka Storage System
+写入到Kafka的数据将会被持久化到磁盘中，并被复制到从机以解决容错。Kafka允许生产者等待ack返回，在数据被完全的被复制并且持久化之前，生产者向Kafka的写入操作都不会被认为完成。  
+Kafka使用的磁盘结构具有很好的拓展性，不管有50K或是50T的数据写入到服务器，Kafka的性能都相同。  
+由于严格的存储策略和允许客户端控制其读写位置，可以将Kafka看作一种特殊目的的分布式文件系统，该文件系统具有高性能、低延时，并且容错性高，主从复制。  
+## Quick Start
+### Start the server
+Kafka使用了Zookeeper，在启动Kafka之前必须启动一个zookeeper实例。  
+启动zookeeper命令：
+```shell
+> bin/zookeeper-server-start.sh config/zookeeper.properties
+[2013-04-22 15:01:37,495] INFO Reading configuration from: config/zookeeper.properties (org.apache.zookeeper.server.quorum.QuorumPeerConfig)
+...
+```
+启动zookeeper之后可以启动kafka实例：
+```shell
+> bin/kafka-server-start.sh config/server.properties
+[2013-04-22 15:01:47,028] INFO Verifying properties (kafka.utils.VerifiableProperties)
+[2013-04-22 15:01:47,051] INFO Property socket.send.buffer.bytes is overridden to 1048576 (kafka.utils.VerifiableProperties)
+...
+```
+### Create a topic
+如下命令会创建一个名为”test“的topic，该topic含有一个分区和一个复制：
+```shell
+> bin/kafka-topics.sh --create --bootstrap-server localhost:9092 --replication-factor 1 --partitions 1 --topic test
+```
+可以通过如下命令列出现存的topic：
+```shell
+> bin/kafka-topics.sh --list --bootstrap-server localhost:9092
+test
+```
+除了手动创建topic，还可以将broker配置为如果record发布到一个不存在topic，该不存在topic会自动被创建。
+### Send Some Message
+可以通过命令行将文件或是标准输入中的内容发送到Kafka集群，默认情况下，每一行都会作为一个独立的消息被发送：
+```shell
+> bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test
+This is a message
+This is another message
+```
+### Start a consumer
+Kafka同样有一个命令行消费者，可以将消息内容输出到标准输出：
+```shell
+> bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test --from-beginning
+This is a message
+This is another message
+```
+### Setting multi-broker cluster
+为每个broker创建一个config文件：
+```shell
+> cp config/server.properties config/server-1.properties
+> cp config/server.properties config/server-2.properties
+```
+为每个broker单独设置配置文件
+```vim
+config/server-1.properties:
+    broker.id=1
+    listeners=PLAINTEXT://:9093
+    log.dirs=/tmp/kafka-logs-1
+
+config/server-2.properties:
+    broker.id=2
+    listeners=PLAINTEXT://:9094
+    log.dirs=/tmp/kafka-logs-2
+```
+`broker.id`属性对集群中的每个节点都是唯一且永久的名称。  
+通过如下命令可以再开启两个kafka节点：
+```shell
+> bin/kafka-server-start.sh config/server-1.properties &
+...
+> bin/kafka-server-start.sh config/server-2.properties &
+...
+```
+通过如下方式可以创建一个复制因子为3的新topic：
+```shell
+> bin/kafka-topics.sh --create --bootstrap-server localhost:9092 --replication-factor 3 --partitions 1 --topic my-replicated-topic
+```
+通过如下命令行，可以获知集群和各个节点的信息：
+```shell
+> bin/kafka-topics.sh --describe --bootstrap-server localhost:9092 --topic my-replicated-topic
+Topic:my-replicated-topic	PartitionCount:1	ReplicationFactor:3	Configs:
+	Topic: my-replicated-topic	Partition: 0	Leader: 1	Replicas: 1,2,0	Isr: 1,2,0
+```
+对于每个分区，leader都是随机选择的，并且，在leader宕机之后会有一台从机自动的成为leader
+
+