Apache Kafka —一个不同的消息系统

Apache 已经发布了 Kafka 0.8，也是自从成为 Apache 软件基金会的顶级项目后 Kafka 的第一个主版本。 Apache Kafka 是发布—订阅消息传递，实现了分布式提交日志，适用于离线和在线消息消费。它最初由 LinkedIn 开发的消息系统，用于低延迟的收集和发送大量的事件和日志数据。最新版本包括群集内复制和多数据目录支持。目前请求处理也是异步的，使用请求处理线程的附属线程池来实现。日志文件可以按年龄进行覆盖，并且日志级别可通过 JMX 进行动态设置。性能测试工具已提供，帮助解决存在的性能问题，并寻找潜在的性能优化点。

Kafka 是一个分布式，分区化，可复制的提交日志服务。生产者将消息发布到 Kafka 主题，消费者订阅这些主题并消费这些消息。在 Kafka 集群上一个服务器称为一个 Broker。对于每一个主题，Kafka 群集保留一个用于缩放，并行化和容错性的分区。每个分区是一个有序，不可变的消息序列，并不断追加到提交日志文件。分区的消息每个也被赋值一个称为偏移顺序的序列化编号。

偏移是由消费者来控制。典型的消费者将处理列表中的下一条消息，它可以以任何顺序接收消息，因为 Kafka 集群为所有发布的消息保留一段可配置的时间。这让消费者很灵活，他们可以来去自由而不影响群集，并适合像 Hadoop 集群这样的脱机消费者。生产者能够选择那一个主题，主题的那一个分区，来发布该消息。消费者自己也可以分配一个消费者组名，每个消息将发送给每个订阅消费者组的消费者。如果所有的消费者有不同的消费组，那么消息将被广播到每一个消费者。

Kafka 可以像一个传统的消息 Broker 使用。它具有高吞吐量，内置分区，可复制和容错等特性，这使得它成为大型消息处理应用的理想解决方案。Kafka 也可以用于高访问量的网站活动的跟踪机制。网站活动可以被发布，并且可以被实时处理，或加载到 Hadoop 或离线的数据仓库系统。Kafka 也可以用来作为一种日志整合方案。代替工作于日志文件，日志可以作为消息流处理。

Kafka 目前用于 LinkedIn，它每天处理超过 100 亿消息，持续负载平均每秒 172,000 消息。目前，无论从内部和外部的使用数据的应用程序大量使用多订阅者支持。每个消息发布出来后，基本上会有 5.5 个消息消费者使用，这导致的结果是每一天将有 550 亿的消息发送给实时消费者。367 个主题涵盖用户活动的主题和运营数据，其中最大将每天增加的平均 92GB 批量压缩消息。信息保存时间为 7 天，这些平均约 9.5 TB 压缩消息跨越主题。除了在线消费者，还有众多的大型 Hadoop 集群，它们消费频繁，高吞吐量，并行矩阵，作为离线数据负载的一部分。

作为入门，访问官方的 Apache Kafka 文档页，你可以学习更多和下载 Kafka。也有一篇来自 LinkedIn 的论文，标题为《构建LinkedIn 的实时活动数据管道》 , 该论文讨论Kafka 建立原因和Kafka 设计上的特性。

查看英文原文： Apache Kafka - A Different Kind of Messaging System

感谢张龙对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ）或者腾讯微博（ @InfoQ ）关注我们，并与我们的编辑和其他读者朋友交流。