Kafka Topic Partition Offset 这一长串都是啥？

Kafka，作为一款分布式消息发布和订阅系统，被广泛应用于大数据传输场景；因为其高吞吐量、内置分区、冗余及容错性的特点，可谓是一个很好的大规模消息处理应用的解决方案（行为追踪，日志收集）。

基本架构组成

Kafka里几有如下大基本要素：
Producer：消息生产者，向Kafka cluster内的Broker发送消息；位于客户端内
Kafka cluster：包含了1个或多个broker的集群
broker：消息中间件处理节点，一个broker就是一个Kafka节点，一个broker里会有1个或多个Topic
Topic：主题，Kafka根据topic对消息进行归类；发布到Kafka集群的每条消息都需要指定一个topic
ZooKeeper cluster：一个分布式服务协调框架，管理和协调整个Kafka 集群
Consumer：消息消费者，向Kafka cluster内的Broker那读取消息；位于客户端内；每个Consumer属于一个特定的Consumer Group
Consumer Group：消息消费者组，多个不同的Consumer Group可以消费同一个消息，但是同一个Consumer Group中的不同Consumer不能消费同一个消息

以上几个元素它们之间是如何协调运作的呢？ Producer会将消息通过push 模式发布到到Kafka Clustr内的broker，consumer则通过监听把消息通过pull 模式从 broker 那订阅并消费。 而zookeeper则用来管理和协调整个Kafka 集群。

好，解释了这些基本、表面的概念，我们回到标题这一长串，“Kafka Topic Partition Offset”。Topic作为一个消息的逻辑概念，同类的消息会被存到同一个topic下；每个 topic 可以有多个生产者向它发送消息，也可以有多个消费者去消费其中的消息。那么为何topic下会有1个或则多个partition呢？

Partition

Partition 分区，在一个 topic 内，可以划分为1个或多个分区。

它其实是一个有序的消息队列，消息会按照按顺序被添加到一个叫做commit log的文件中；一个commit log文件就对应一个partition。同一个topic下不同分区包含的消息是不同的。

下图中的p0,p1,p2就是3个分区：

Offset

Offset 偏移量，是针对于单个partition存在的概念。partition中的消息不止一个，根据进来的顺序，都会分配到一个唯一的编号即offset，用来标示某个分区中的唯一的message。

比如上图中p0分区里的0,1就是两条消息，p1分区里的0,1,2就是三条消息。offset的顺序不跨分区，这个顺序只保证在同一个分区内的消息是有序的，不同的分区内消息的offset可能是相同的。

对于消费者来说，每次消费了分区内一个消息并且提交以后，就会保存当前消费了的最近的一个 offset记录，就不会再去消费已经消费过了的消息了。

为何要搞分区呢？

1. 如果以消息日志文件的形式来保存，那么就会受到所在机器的文件系统大小的限制；Topic 分区之后，理论上一个topic可以处理任意数量的消息数据
2. 提高并行度，针对大数据场景，kafka应用了分布式存储的思想，把Topic划分为很多个Partition，不同的分区还可以存在不同的集群机器节点上

参考链接

1. https://kafka.apache.org/intro
2. https://www.huaweicloud.com/product/dms.html
3. https://blog.51cto.com/u_15281317/3007837