Kafka3.0之前依赖于zookeeper

Zookeeper开源，分布式的架构，提供协调服务（apache项目）

基于观察者模式设计的分布式服务管理架构

存储和管理数据，分布式节点上的服务接受观察者的注册，一旦分布式节点上的数据发生变化，由zookeeper开负责通知分布式节点上的服务

Zookeeper 分为领导者和追随者 leaderfoollower

只有一般以上的集群存活，zookeeper集群可以正常工作，适用于安装奇数台的服务集群

全局数据一致，每个zookeeper每个节点都保存相同的数据，维护监控服务的数据一致

数据更新的原子性，要么都成功，要么都失败。

Zookeeper的应用场景

1. 统一命名服务，在分布式的环境下，对所有的应用和服务进行统一的命名
2. 统一配置管理，配置文件同步，kafka的配置文件被修改，可以快速同步到其他节点
3. 统一集群管理，实时掌握所有节点的状态
4. 服务器动态上下线
5. 负载均衡，把访问服务器的数据，发送到访问最少的服务器处理客户端的请求

领导者：zookeeper的选举机制

三台服务器  A B C

A先启动，发起第一次选举，投票给自己只有一票，不满半数，A的状态是looking

B启动，再次发起选举，A和B分别投自己一票，交换选票信息，myid，A发现B的myid比A大，A的这一票转而投给B

A0  B2 没有半数以上结果，A  B会进入looking

C启动 MYID  c的myid最大  A和B都会把票给C   A0  B0  C3

C的状态变为leader，a和b变成follower

D myid4

只要leader确定，后续的服务器都是追随者

只有两种情况会开启选举机制

1. 初始化的情况会产生选举
2. 服务器之间的leader丢失了连接状态

Leader已经存在，建立连接即可

Leader不存，leader不存在

1. 服务器ID大的胜出
2. EPOCH大，直接胜出
3. EPOCH相同，事务ID大的胜出
4. EPOCH每个leader任期的代号，没有leader，大家的逻辑地址相同，每次投完一次之后，数据都是递增，事务id，表示服务器的每一次变更，每变更一次事务id变化一次

服务器ID，zookeeper集群当中都有一个id，每台机器不重复，和myid保持一致。

消息队列：kafka

为什么要引入消息队列这个机制(MQ),首先它是一个中间件，他负责发消息，客户到中间到服务端，服务端到中间件再到客户端，在高并发环境下，同步请求来不及处理，来不及处理的请求会形成阻塞，比方说数据库就会形成行锁或者表锁，请求线程满了，超标了，too manyconnection，出现就会引发系统雪崩

消息队列的作用

	异步处理请求，流量削峰，应用解耦
耦合	在软件系统当中，修改一个组件，需要修改所有其他组件，高度耦合
低度耦合	修改其中一个组件，对其他组件影响不大，无需修改所有
解耦	只要通信保证，其他的修改不影响整个集群，每个组件可以独立的跨站，修改，降低组件之间的依赖性

已来电就是接口约束，通过不同的端口，保证集群通信

可恢复性：系统当中的有一部分组件小时，不影响整个系统，也就是说在消息队列当中，即使有一个处理消息的进程失败，一旦恢复还可以重新加入到队列当中，继续处理消息

缓冲：可以控制和优化数据经过系统的时间和速度，解决生产消息和消费消息处理速度不一致问题

峰值的处理能力：消息队列在峰值情况之下，能够顶住突发的访问压力，避免了专门为了突发情况而对系统进行修改。

异步通信：允许用户把一个消息放入队列，但是不立即处理，等用户想处理的时候在再处理。

消息队列的模式

点对点 一对一	消息的生产者发送消息到队列中，消费者从队列中提取消息，消费者提取完之后，队列将不再存储被提取的消息，队列中被提取的消息会被移除，后续消费者不能在消费队列当中的消息，消息队列可以有多个消费者，但是一个消息只能有一个消费者
发布/订阅模式	1对多，又叫观察者模式，消费者提取数据之后，队列当中的消息不会被清除

生产者发布一个消息到主题，所有消费者都是通过主题获取消息

主题：topic topic类似一个数据流的管道，生产者把消息发布到主题，消费者从主题当中订阅数据，主题可以分区，每个分区都有自己的偏移量

分区：partion  每个主题可以分成多个分区，每个分区都是数据的有序子集，分区可以允许kafka进行水平拓展，，以处理大量数据消息在分钟按照偏移量存储，消费者可以独立读取每个分区的数据

偏移量： 是每个消息在分区中唯一的标识，消费者可以通过偏移量来跟踪获取已读或者未读消息的位置，也可以提交偏移量来记录已处理的信息

生产者：producer生产者把数据发送kafka的主题当中，负责写入消息

消费者：从主题当中读取数据，消费者可以是一个也可以十多个，每个消费者有一个唯一的消费者组ID，kafka通过消费者实现负载均衡和容错性

经纪人： broker，每个kafka节点都有一个borker，每个负责一个kafka服务器，id唯一，存储主题分区当中的数据，处理生产和消费者的请求，以及维护元数据(zookeeper)，3.0之后不依赖zookeeper的核心，元数据由kafka节点自己管理

Zookeeper：zookeeper负责保存元数据，元数据就是topic的相关信息(发布在哪台主机,制定了多少分区，以及副本数，偏移量)

Zookeeper自建一个主题：_consumer_offsets

1. zookeeper：主要是分布式，观察者模式，统一各个服务器节点的数据，在kafka当中，收集保存kafka的元数据
2. Kafka消息队列订阅发布模式

RABBIT MQ(实现rabbit MQ消息队列)

Kafka的工作流程