本篇主要介紹kafka的分區和副本，因為這兩者是有些關聯的，所以就放在一起來講了，后面順便會給出一些對應的配置以及具體的實現代碼，以供參考~
1.kafka分區機制
分區機制是kafka實現高吞吐的秘密武器，但這個武器用得不好的話也容易出問題，今天主要就來介紹分區的機制以及相關的部分配置。
首先，從數據組織形式來說，kafka有三層形式，kafka有多個主題，每個主題有多個分區，每個分區又有多條消息。
而每個分區可以分布到不同的機器上，這樣一來，從服務端來說，分區可以實現高伸縮性，以及負載均衡，動態調節的能力。
當然多分區就意味着每條消息都難以按照順序存儲，那么是不是意味着這樣的業務場景kafka就無能為力呢？不是的，最簡單的做法可以使用單個分區，單個分區，所有消息自然都順序寫入到一個分區中，就跟順序隊列一樣了。而復雜些的，還有其他辦法，那就是使用按消息鍵，將需要順序保存的消息存儲的單獨的分區，其他消息存儲其他分區，這個在下面會介紹。
我們可以通過replication-factor指定創建topic時候所創建的分區數。
bin/kafka-topics.sh --create --bootstrap-server localhost:9092 --replication-factor 1 --partitions 1 --topic test
比如這里就是創建了1個分區，的主題。值得注意的是，還有一種創建主題的方法，是使用zookeeper參數的，那種是比較舊的創建方法，這里是使用bootstrap參數的。
1.1 分區個數選擇
既然分區效果這么好，是不是越多分區越好呢？顯而易見並非如此。
分區越多，所需要消耗的資源就越多。甚至如果足夠大的時候，還會觸發到操作系統的一些參數限制。比如linux中的文件描述符限制，一般在創建線程，創建socket，打開文件的場景下，linux默認的文件描述符參數，只有1024，超過則會報錯。
看到這里有讀者就會不耐煩了，說這么多有啥用，能不能直接告訴我分區分多少個比較好？很遺憾，暫時沒有。
因為每個業務場景都不同，只能結合具體業務來看。假如每秒鍾需要從主題寫入和讀取1GB數據，而消費者1秒鍾最多處理50MB的數據，那么這個時候就可以設置20-25個分區，當然還要結合具體的物理資源情況。
而如何無法估算出大概的處理速度和時間，那么就用基准測試來測試吧。創建不同分區的topic，逐步壓測測出最終的結果。如果實在是懶得測，那比較無腦的確定分區數的方式就是broker機器數量的2~3倍。
1.2 分區寫入策略
所謂分區寫入策略，即是生產者將數據寫入到kafka主題后，kafka如何將數據分配到不同分區中的策略。
常見的有三種策略，輪詢策略，隨機策略，和按鍵保存策略。其中輪詢策略是默認的分區策略，而隨機策略則是較老版本的分區策略，不過由於其分配的均衡性不如輪詢策略，故而后來改成了輪詢策略為默認策略。
輪詢策略
所謂輪詢策略，即按順序輪流將每條數據分配到每個分區中。
舉個例子，假設主題test有三個分區，分別是分區A，分區B和分區C。那么主題對接收到的第一條消息寫入A分區，第二條消息寫入B分區，第三條消息寫入C分區，第四條消息則又寫入A分區，依此類推。
輪詢策略是默認的策略，故而也是使用最頻繁的策略，它能最大限度保證所有消息都平均分配到每一個分區。除非有特殊的業務需求，否則使用這種方式即可。
隨機策略
隨機策略，也就是每次都隨機地將消息分配到每個分區。其實大概就是先得出分區的數量，然后每次獲取一個隨機數，用該隨機數確定消息發送到哪個分區。
在比較早的版本，默認的分區策略就是隨機策略，但其實使用隨機策略也是為了更好得將消息均衡寫入每個分區。但后來發現對這一需求而言，輪詢策略的表現更優，所以社區后來的默認策略就是輪詢策略了。
按鍵保存策略
按鍵保存策略，就是當生產者發送數據的時候，可以指定一個key，計算這個key的hashCode值，按照hashCode的值對不同消息進行存儲。
至於要如何實現，那也簡單，只要讓生產者發送的時候指定key就行。欸剛剛不是說默認的是輪詢策略嗎？其實啊，kafka默認是實現了兩個策略，沒指定key的時候就是輪詢策略，有的話那激素按鍵保存策略了。
上面有說到一個場景，那就是要順序發送消息到kafka。前面提到的方案是讓所有數據存儲到一個分區中，但其實更好的做法，就是使用這種按鍵保存策略。
讓需要順序存儲的數據都指定相同的鍵，而不需要順序存儲的數據指定不同的鍵，這樣一來，即實現了順序存儲的需求，又能夠享受到kafka多分區的優勢，豈不美哉。
1.3 實現自定義分區
說了這么多，那么到底要如何自定義分區呢？
kafka提供了兩種讓我們自己選擇分區的方法，第一種是在發送producer的時候，在ProducerRecord中直接指定，但需要知道具體發送的分區index，所以並不推薦。
第二種則是需要實現Partitioner.class類，並重寫類中的partition(String topic, Object key, byte[] keyBytes,Object value, byte[] valueBytes, Cluster cluster) 方法。后面在生成kafka producer客戶端的時候直接指定新的分區類就可以了。
package kafkaconf;
import java.util.List;
import java.util.Map;
import java.util.concurrent.ThreadLocalRandom;
import org.apache.kafka.clients.producer.Partitioner;
import org.apache.kafka.common.Cluster;
import org.apache.kafka.common.PartitionInfo;
public class MyParatitioner implements Partitioner {
@Override
public void configure(Map<String, ?> configs) {
}
@Override
public int partition(String topic, Object key, byte[] keyBytes,
Object value, byte[] valueBytes, Cluster cluster) {
//key不能空，如果key為空的會通過輪詢的方式 選擇分區
if(keyBytes == null || (!(key instanceof String))){
throw new RuntimeException("key is null");
}
//獲取分區列表
List<PartitionInfo> partitions = cluster.partitionsForTopic(topic);
//以下是上述各種策略的實現，不能共存
//隨機策略
return ThreadLocalRandom.current().nextInt(partitions.size());
//按消息鍵保存策略
return Math.abs(key.hashCode()) % partitions.size();
//自定義分區策略, 比如key為123的消息，選擇放入最后一個分區
if(key.toString().equals("123")){
return partitions.size()-1;
}else{
//否則隨機
ThreadLocalRandom.current().nextInt(partitions.size());
}
}
@Override
public void close() {
}
}
然后需要在生成kafka producer客戶端的時候指定該類就行：
val properties = new Properties()
......
props.put("partitioner.class", "kafkaconf.MyParatitioner"); //主要這個配置指定分區類
......其他配置
val producer = new KafkaProducer[String, String](properties)
2.kafka副本機制
說完了分區，再來說說副本。先說說副本的基本內容，在kafka中，每個主題可以有多個分區，每個分區又可以有多個副本。這多個副本中，只有一個是leader，而其他的都是follower副本。僅有leader副本可以對外提供服務。
多個follower副本通常存放在和leader副本不同的broker中。通過這樣的機制實現了高可用，當某台機器掛掉后，其他follower副本也能迅速”轉正“，開始對外提供服務。
這里通過問題來整理這部分內容。
kafka的副本都有哪些作用？
在kafka中，實現副本的目的就是冗余備份，且僅僅是冗余備份，所有的讀寫請求都是由leader副本進行處理的。follower副本僅有一個功能，那就是從leader副本拉取消息，盡量讓自己跟leader副本的內容一致。
說說follower副本為什么不對外提供服務？
這個問題本質上是對性能和一致性的取舍。試想一下，如果follower副本也對外提供服務那會怎么樣呢？首先，性能是肯定會有所提升的。但同時，會出現一系列問題。類似數據庫事務中的幻讀，臟讀。
比如你現在寫入一條數據到kafka主題a，消費者b從主題a消費數據，卻發現消費不到，因為消費者b去讀取的那個分區副本中，最新消息還沒寫入。而這個時候，另一個消費者c卻可以消費到最新那條數據，因為它消費了leader副本。
看吧，為了提高那么些性能而導致出現數據不一致問題，那顯然是不值得的。
leader副本掛掉后，如何選舉新副本？
如果你對zookeeper選舉機制有所了解，就知道zookeeper每次leader節點掛掉時，都會通過內置id，來選舉處理了最新事務的那個follower節點。
從結果上來說，kafka分區副本的選舉也是類似的，都是選擇最新的那個follower副本，但它是通過一個In-sync（ISR）副本集合實現。
kafka會將與leader副本保持同步的副本放到ISR副本集合中。當然，leader副本是一直存在於ISR副本集合中的，在某些特殊情況下，ISR副本中甚至只有leader一個副本。
當leader掛掉時，kakfa通過zookeeper感知到這一情況，在ISR副本中選取新的副本成為leader，對外提供服務。
但這樣還有一個問題，前面提到過，有可能ISR副本集合中，只有leader，當leader副本掛掉后，ISR集合就為空，這時候怎么辦呢？這時候如果設置unclean.leader.election.enable參數為true，那么kafka會在非同步，也就是不在ISR副本集合中的副本中，選取出副本成為leader，但這樣意味這消息會丟失，這又是可用性和一致性的一個取舍了。
ISR副本集合保存的副本的條件是什么？
上面一直說ISR副本集合中的副本就是和leader副本是同步的，那這個同步的標准又是什么呢？
答案其實跟一個參數有關：replica.lag.time.max.ms。
前面說到follower副本的任務，就是從leader副本拉取消息，如果持續拉取速度慢於leader副本寫入速度，慢於時間超過replica.lag.time.max.ms后，它就變成“非同步”副本，就會被踢出ISR副本集合中。但后面如何follower副本的速度慢慢提上來，那就又可能會重新加入ISR副本集合中了。
producer的acks參數
前面說了那么多理論的知識，那么就可以來看看如何在實際應用中使用這些知識。
跟副本關系最大的，那自然就是acks機制，acks決定了生產者如何在性能與數據可靠之間做取舍。
配置acks的代碼其實很簡單，只需要在新建producer的時候多加一個配置：
val properties = new Properties()
......
props.put("acks", "0/1/-1"); //配置acks，有三個可選值
......其他配置
val producer = new KafkaProducer[String, String](properties)
acks這個配置可以指定三個值，分別是0，1和-1。我們分別來說三者代表什么：
- acks為0：這意味着producer發送數據后，不會等待broker確認，直接發送下一條數據，性能最快
- acks為1：為1意味着producer發送數據后，需要等待leader副本確認接收后，才會發送下一條數據，性能中等
- acks為-1：這個代表的是all，意味着發送的消息寫入所有的ISR集合中的副本（注意不是全部副本）后，才會發送下一條數據，性能最慢，但可靠性最強
還有一點值得一提，kafka有一個配置參數，min.insync.replicas，默認是1（也就是只有leader，實際生產應該調高），該屬性規定了最小的ISR數。這意味着當acks為-1（即all）的時候，這個參數規定了必須寫入的ISR集中的副本數，如果沒達到，那么producer會產生異常。
以上~