生产者消息分区机制原理剖析

为什么分区？

• Kafka 有主题（Topic）的概念，它是承载真实数据的逻辑容器，而在主题之下还分为若干个分区，也就是说 Kafka 的消息组织方式实际上是三级结构：主题 - 分区 - 消息。
• 主题下的每条消息只会保存在某一个分区中，而不会在多个分区中被保存多份。
  
• 分区的作用就是提供负载均衡的能力
  • 对数据进行分区的主要原因，就是为了实现系统的高伸缩性（Scalability）。
  • 不同的分区能够被放置到不同节点的机器上，而数据的读写操作也都是针对分区这个粒度而进行的，这样每个节点的机器都能独立地执行各自分区的读写请求处理。
  • 并且，我们还可以通过添加新的节点机器来增加整体系统的吞吐量。
  • 除了提供负载均衡这种最核心的功能之外，利用分区也可以实现其他一些业务级别的需求，比如实现业务级别的消息顺序的问题。
• 不同的分布式系统对分区的叫法也不尽相同。
  • 在 Kafka 中叫分区；
  • 在 MongoDB 和 Elasticsearch 中就叫分片 Shard；
  • 在 HBase 中则叫 Region；
  • 在 Cassandra 中被称作 vnode。

都有哪些分区策略？

• 如果要自定义分区策略，你需要显式地配置生产者端的参数 partitioner.class。
  • 在编写生产者程序时，你可以编写⼀个具体的类实现 org.apache.kafka.clients.producer.Partitioner 接口。
  • 这个接口也很简单，只定义了两个方法：partition() 和 close()，通常你只需要实现最重要的 partition 方法。
  • 所谓分区策略是决定生产者将消息发送到哪个分区的算法。

轮询策略

• Round-robin 策略，即顺序分配：
  
• 轮询策略是 Kafka Java 生产者 API 默认提供的分区策略。
• 轮询策略有非常优秀的负载均衡表现，它总是能保证消息最大限度地被平均分配到所有分区上，故默认情况下它是最合理的分区策略，也是我们最常用的分区策略之一。

随机策略

• 所谓随机就是我们随意地将消息放置到任意一个分区上。
• Randomness 策略：
  
• 本质上看随机策略也是力求将数据均匀地打散到各个分区，但从实际表现来看，它要逊于轮询策略，所以如果追求数据的均匀分布，还是使用轮询策略比较好。

按消息键保序策略

• Kafka 允许为每条消息定义消息键，简称为 Key。
• 一旦消息被定义了 Key，那么你就可以保证同一个 Key 的所有消息都进入到相同的分区里面，由于每个分区下的消息处理都是有顺序的，故这个策略被称为按消息键保序策略：
  
• 实现这个策略的 partition 方法只需要两行代码即可：

  List<PartitionInfo> partitions = cluster.partitionsForTopic(topic);
  return Math.abs(key.hashCode()) % partitions.size();
  

• Kafka 默认分区策略实际上同时实现了两种策略：如果指定了 Key，那么默认实
  现按消息键保序策略；如果没有指定 Key，则使用轮询策略。