1、kafka:
是一个高吞吐的分布式消息系统,与Hdfs比较相似,但是与hdfs的区别是在于hdfs是存储的是历史的、海量的数据,然而kafka存储的是实时的、最新的数据。
2、消息队列:
指的是在Kafka中的数据队列。可以存放数据在峰值的时候的数据,因为在数据峰值的时候,此时的数据量比较大,对于消费者没有办法及时的消费,为了防止反压的现象,此时的数据就可以在消息队列中等待。
生产者:生产者负责产生数据
消费者:消费者负责消费数据
3、消息队列的一般的应用场景:系统之间的解耦合、峰值压力缓冲、异步通信
峰值压力缓冲的应用在Flink中:
当数据某一时刻的产生的速度要是大于Flink的处理的速度,可以通过提高并行度来增加数据处理的速度,但是Flink是7*24小时的工作机制,就会导致资源的浪费,此时可以通过kafka来做峰值压力缓冲,就是在Flink高峰期的时候,将没办法及时处理的数据缓存在队列中,减轻Flink的压力。
4、Kafka的特点:
1、消息系统的模型:生存者消费者模型,FIFO模型
2、高性能:单节点支持上千个客户端
3、持久性:消息直接持久化在磁盘上且性能比较好
4、分布式:数据副本冗余,流量负载均衡,可扩展
5、很灵活:消息长时间持久化+client维护消费状态
5、kafka性能比较好的原因:
1、kafka写磁盘是顺序写的
2、采用了sendFile的0拷贝的技术,提高速度
3、还采用了批量写入,一批一批的写入数据,64k为一个单位。
6、kafka集群:
1、组件:
1、broker:使用存放数据的,也是多节点的
2、Zookeeper:负责存储kafka的元数据