使用场景
大数据：数据量和速率激增，数据类型越来越复杂
应用开发：消息引擎，应用解耦，分布式存储，流处理
Kafka的体系结构
topic : 主题（消息的逻辑分类）
客户端： 细分为生产者（朝主题发送消息）， 消费者（读取主题的消息）；
服务端： broker (1 处理客户端发送和提供消费支持 2 消息持久化)
消息架构
1，一个主题可以划分为X个领导分区，分布在Y个的broker上；
2，每个领导分区有Z个副本，跟领导分布区在不同的broker上；（领导分区负责读写，随从分区负责复制领导分区的数据）
3，每个领导分区有A条消息，从0开始，依次增加；
概念从小到大：
生产者 -》消息-》分区-》主题->broker (分区内部的offset)
消费者组-》消费者-》主题(消费者的offset)
持久化数据和回收数据
记录在日志文件里，按照顺序写的方式，io效率比较高；
日志文件是分段的 log segment , 当当前段用完，会分配新的日志段，然后有定时任务会定期回收可以回收的log segment ;
消费消息
如何防止消息被重复消费？
消费组：不同的消费者实体分配了不一样的分区。 一个分区对应了唯一的一个消费者。所以不会出现消息重复。
可靠性和性能
高可用
broker部署在不同的机器上；
备份机制，以分区为单位保存副本，副本分为leader rep, follower rep ; 分布在不同的broker上；
leader rep : 跟客户端交互，生产和消费消息；
follower rep: 复制leader的 rep 数据;
扩展性
分区： 一个主题分为多个分区，分区分布在不同的broker上，方便进行扩展。
高性能
消费高性能：消费组的消费者分配得到不同的分区，并行消费，并且增加或者减少消费者会自动rebalance，即重新分配分区;
生产高性能：分区在不同的broker，可以并发的写消息；
