作為一個爬蟲工程師，Kafka 對你而言就是一個消息隊(duì)列，你只需要掌握如何向里面寫入數(shù)據(jù)，以及如何讀取數(shù)據(jù)就可以了。

[[285596]]

請謹(jǐn)記：使用 Kafka 很容易，但對 Kafka 集群進(jìn)行搭建、維護(hù)與調(diào)優(yōu)很麻煩。Kafka 集群需要有專人來維護(hù)，不要以為你能輕易勝任這個工作。”本文，以及接下來的幾篇針對 Kafka 的文章，我們面向的對象都是爬蟲工程師或者僅僅需要使用 Kafka 的讀者。關(guān)于 Kafka 更深入的底層細(xì)節(jié)與核心原理，不在我們的討論范圍中。為了解釋方便，文章中對 Kafka 的一些術(shù)語會使用一些不太準(zhǔn)確但能表明意思的類比。如果你需要在面試中解釋這些術(shù)語，還請閱讀Kafka 的官方文檔。

今天我們要討論的一個話題是，Kafka 是如何做到，對單個程序的多個進(jìn)程而言，能持續(xù)消費(fèi)，斷點(diǎn)續(xù)傳和并行消費(fèi);對多個程序而言又互不影響，各自獨(dú)立。

一個 Kafka 可以有多個不同的隊(duì)列，我們把這個隊(duì)列叫做Topic，假設(shè)其中一個隊(duì)列如下圖所示：

信息從右邊進(jìn)去，從左邊出來。如果這是Redis 的列表，那么它彈出一條信息以后，隊(duì)列會變成下面這樣：

最左邊的信息1不見了。所以即使程序在消費(fèi)了信息1后立刻關(guān)閉，再重新打開，程序也會接著從信息2開始消費(fèi)，不會把信息1重復(fù)消費(fèi)兩次。

但我如果有兩個程序呢?程序1讀取每一條數(shù)據(jù)，再轉(zhuǎn)存到數(shù)據(jù)庫。程序2讀取每一條數(shù)據(jù)，再檢查是否有關(guān)鍵詞。這種情況下，信息1應(yīng)該能被程序1消費(fèi)，也能被程序2消費(fèi)。但上面這種方案顯然是不行的。當(dāng)程序1消費(fèi)了信息1，程序2就再也拿不到它了。

所以，在 Kafka 里面，信息會停留在隊(duì)列里面，但對每一個程序來說，有一個單獨(dú)的記號，來記錄當(dāng)前消費(fèi)到了哪一條數(shù)據(jù)，如下圖所示。

當(dāng)程序1要讀取 Kafka 里面下一條數(shù)據(jù)時，Kafka 先把當(dāng)前位置的標(biāo)記向右移動一位，把新的這個值返回出來。標(biāo)記移動與返回這兩個操作合在一起算是一個原子操作，不會出現(xiàn)重復(fù)讀取的問題。

程序1與程序2使用的是不同的標(biāo)記，所以各自的標(biāo)記指向哪個值，是互不影響的。

當(dāng)增加一個程序3的時候，只需要再加一個標(biāo)記即可。新的這個標(biāo)記也不受前兩個標(biāo)記的影響。

這就實(shí)現(xiàn)了在多個不同的程序讀取 Kafka 時，各自互不影響。

現(xiàn)在如果你覺得程序1消費(fèi)太慢了，把程序1同時運(yùn)行了3次，那么由于標(biāo)記和移位是原子操作，即使你看起來程序是同時去讀取 Kafka，但在內(nèi)部 Kafka 也會對他們進(jìn)行“排隊(duì)”，從而使得他們返回的結(jié)果不重復(fù)，不遺漏。

如果你在網(wǎng)上看 Kafka 的教程，你會發(fā)現(xiàn)他們提到了一個叫做 Offset 的東西，實(shí)際上就是本文所說的各個程序里面指向當(dāng)前數(shù)據(jù)的標(biāo)記。

你還會看到一個關(guān)鍵詞叫做Group，實(shí)際上對應(yīng)到本文的程序1，程序2和程序3。

對同一個隊(duì)列，如果多個程序使用不同的Group消費(fèi)，那么他們讀取的數(shù)據(jù)就互不干擾。

對同一個隊(duì)列，相同 Group 的多個進(jìn)程在消費(fèi)數(shù)據(jù)時，看起來就像是在對 Redis 進(jìn)行 lpop 操作一樣。

最后，你在網(wǎng)上關(guān)于 Kafka 的文章里面，一定會看到一個詞叫做Paritition或者中文分片。而且你會發(fā)現(xiàn)你無法理解這個東西。

沒關(guān)系，忘記它吧。你只需要知道，一個 Topic 有多少個 Partition，那么你最多能啟動多少個進(jìn)程讀取同一個 Group。——如果一個Topic有3個Partition，那么你只能最多開3個進(jìn)程同時讀相同的 Group。Topic如果有5個Partition，那么你只能最多開5個進(jìn)程讀同一個 Group。