Kafka优点
可靠性强：分布式的，分区，复制和容错
可扩展性：无需停机进行扩展。
耐用性：消息会尽可能快速的保存在磁盘上，持久化。
性能高：对于发布和定于消息都具有高吞吐量，保证零停机和零数据丢失
Kafka应用场景
指标分析：用于操作监控数据,分析各种指标。
日志收集：收集各个业务的数据发送到kafka TOPIC里
流式处理：数据实时打入kafka,实时计算框架（sparkstreaming flink）实时在kafka中消费数据
Kafka技术架构(宏观)
Producer: 应用程序发布记录流至一个或者多个kafka的主题（topics）
Consumer: 应用程序订阅一个或者多个主题（topics）
Connectors: 允许构建和运行可重用的生产者或者消费者
StreamProcessors: 允许应用程序充当流处理器
Kafka架构内部细节剖析(维观)
生产者(Producer)：kafka当中的消息生产者，生产者通过topic进行归类保存到kafka的broker里面去
主题(topic)：一个主题可以有零个，一个或者多个消费者定阅写入的数据。可以有无数个主题
分区(partition): 每一个分区的数据是有序的，多个partition之间是无序的。Partition数量决定了每个Consumer Group中并发消费者的最大数量。
分区和消费组之间的关系：
同一个组中的消费者对于同一条信息只能消费一次
消费者应该小于等于该主题下的分区数，
Partition=消费任务并发度=刚刚好，每个任务取一个partition数据
partition>消费任务并发度=有部分消费任务读取多个分区的数据
partition<消费任务并发度=有部分任务空闲
任何时候，分区中的一条数据只能被一个消费组中的一个消费任务读取。
总结：分区数越多，用一时间可以有越多的消费者来进行消费，消费数据的速度就会越快，提高消费的性能
lsr表示：当前可用的副本列表
Segment: 一个partition当中有多个segment，一个segment有一个.log文件和一个.index文件组成
index file: 采取稀疏索引存储方式。(只是存储一部分索引，不存储所有数据的索引) 稀疏能够节省存储空间，偏移量（offset）:每条消息在文件中的位置称为offset(偏移量)
消费者(Consumer):任何时候一个消费都必定需要属于某一个消费组当中。
