原文地址：https://kafka.apache.org/0101/documentation.html#theconsumer
消費(fèi)者通過從主分區(qū)的服務(wù)器獲取數(shù)據(jù)進(jìn)行消費(fèi)悍募。消費(fèi)者指定每次請求時(shí)日志的偏移量良漱，然后從這個(gè)位置開啟批量獲取數(shù)據(jù)。消費(fèi)者對位移量有絕對的控制權(quán)蒸甜，這樣消費(fèi)者可以重新設(shè)置位移位置倒慧，并在有需要的時(shí)重新消費(fèi)柳洋。
推送 vs 拉取
一個(gè)基本的問題是走敌，我們在考慮消費(fèi)者是主動(dòng)從服務(wù)器那里拉去數(shù)據(jù)惯豆，還是服務(wù)器應(yīng)該主動(dòng)推送數(shù)據(jù)到消費(fèi)者端蠢熄。在這方面跪解，kafka和傳統(tǒng)的消息吸引設(shè)計(jì)一樣，生產(chǎn)者推送消息到服務(wù)器签孔，消費(fèi)者從服務(wù)器拉去消息叉讥。在一些日志中心系統(tǒng)，像 Scribe 和 Apache Flume饥追，使用一種特殊的推送流數(shù)據(jù)推送機(jī)制图仓，這些方式都有利有弊，但是但绕，在一個(gè)基于推送方式消息系統(tǒng)救崔，很難處理大量的消費(fèi)者，因?yàn)榉?wù)器需要控制數(shù)據(jù)的傳輸速率捏顺。目標(biāo)是為了讓消費(fèi)者盡可能多消費(fèi)數(shù)據(jù)六孵；不幸的是，在一個(gè)推送系統(tǒng)幅骄，這意味著消費(fèi)者往往被消息淹沒劫窒，如果消費(fèi)率低于生產(chǎn)速度(例如密集的服務(wù)攻擊)〔鹱基于拉取的系統(tǒng)往往比較優(yōu)雅些主巍，消息處理只是落后，消費(fèi)者在后面盡可能趕上挪凑。
使用基于拉取方式的系統(tǒng)還有一個(gè)好處就是容易匯集批量數(shù)據(jù)后發(fā)給消費(fèi)者孕索。基于推送的系統(tǒng)岖赋，要么馬上發(fā)送請求檬果，要么匯總數(shù)據(jù)后再發(fā)送，而不光下游的消費(fèi)者是否能夠處理得上唐断。如果為了進(jìn)一步降低延遲，這會(huì)導(dǎo)致緩存還沒有結(jié)束時(shí)就傳輸單條數(shù)據(jù)過去杭抠，這樣很浪費(fèi)脸甘。基于拉的方式可以從當(dāng)前日志位置拉去可用的消息(或者根據(jù)配置的大小)偏灿。這樣能在沒有引入不必要的延遲的情況下丹诀，獲取到比較好的批處理性能。
基于拉取方式的系統(tǒng)不足的地方是如果沒有任何數(shù)據(jù)，消費(fèi)者就要循環(huán)檢測铆遭，使用空輪詢的繁忙檢測方式等候數(shù)據(jù)到來硝桩。為了避免這一點(diǎn)，我們可以設(shè)置拉請求的參數(shù)枚荣，允許消費(fèi)者請求在“長輪詢”時(shí)阻塞碗脊，直到數(shù)據(jù)到達(dá)。
你可以想象一些其他從端到端的一些可能性設(shè)計(jì)橄妆。生產(chǎn)者把記錄寫入到本地日志中衙伶，服務(wù)器將從消費(fèi)者拉取的數(shù)據(jù)中拉取。一種類似的儲存和轉(zhuǎn)發(fā)的生產(chǎn)者模型經(jīng)常被提議害碾。這雖然挺有趣的矢劲，但不適合有成千上萬生產(chǎn)者的情況。在我們大規(guī)模運(yùn)行數(shù)據(jù)儲存系統(tǒng)的經(jīng)驗(yàn)來看慌随，成千上萬的磁盤跨越多個(gè)應(yīng)用并不讓系統(tǒng)更為可靠芬沉，操作起來將會(huì)是一個(gè)噩夢。在實(shí)踐中阁猜，我們發(fā)現(xiàn)可以創(chuàng)建具有很強(qiáng)壯的SLAs保障的花嘶，大規(guī)模的管道，并且不需要提供者有持久化能力蹦漠。
消費(fèi)位置
令人驚訝的是椭员，跟蹤已消耗的內(nèi)容是消息傳遞系統(tǒng)的關(guān)鍵性能點(diǎn)之一。
大部分的消息系統(tǒng)在服務(wù)器端記錄哪些消息被消費(fèi)的元數(shù)據(jù)信息笛园。那就是隘击，消息被發(fā)送給消費(fèi)者時(shí)，服務(wù)器要么在本地馬上記錄日志研铆，要么等待消費(fèi)者反饋后記錄埋同。這樣的話相當(dāng)不直觀，事實(shí)上棵红，對于一臺服務(wù)器凶赁，很難理清楚這個(gè)狀態(tài)到底去哪里了。因?yàn)樵诖蟛糠值南Υ嫦到y(tǒng)中逆甜，數(shù)據(jù)結(jié)構(gòu)很難被擴(kuò)展虱肄，這也依賴于編程的語義，如果服務(wù)器知道消息被消費(fèi)后可以馬上刪除交煞，那么就可以維持比較小的數(shù)據(jù)集咏窿。
碰巧不太明顯的是，讓服務(wù)器和消費(fèi)者對已經(jīng)消費(fèi)的數(shù)據(jù)達(dá)成一致并不是一件簡單的事情素征。如果服務(wù)器在每次數(shù)據(jù)分發(fā)出去后集嵌，馬上標(biāo)記消息已經(jīng)被消費(fèi)了萝挤，如果消費(fèi)者處理消息失敗了(例如宕機(jī)了)，那么消息可能會(huì)丟失根欧。為了解決這個(gè)問題怜珍，很多消息系統(tǒng)添加了反饋機(jī)制，用于標(biāo)記消息已經(jīng)被發(fā)送凤粗，而不是被消費(fèi)酥泛，服務(wù)器等待消費(fèi)者發(fā)送一個(gè)反饋來確認(rèn)消息已經(jīng)被消費(fèi)。這個(gè)策略解決消息丟失的問題侈沪，但是同時(shí)也引發(fā)新的問題揭璃。首先，如果消費(fèi)者已經(jīng)消費(fèi)了記錄亭罪，但是在反饋時(shí)失敗瘦馍，則有可能重復(fù)消費(fèi)兩次。其次应役，是多一個(gè)來回的性能損耗情组，現(xiàn)在服務(wù)器就要為每個(gè)消息保存不同的狀態(tài)(先鎖定，這樣不會(huì)發(fā)送第二次箩祥，然后標(biāo)記為永久消費(fèi)后院崇，才能把它刪除)。還有些麻煩的問題需要處理袍祖，比如消息被發(fā)送了底瓣，但是從來沒有接受到反饋。
kafka使用不一樣的處理方式蕉陋，主題被劃分成一系列有序的分區(qū)集合捐凭，每個(gè)分區(qū)在一個(gè)時(shí)刻僅被訂閱分組中的一個(gè)消費(fèi)者消費(fèi)。這意味這每個(gè)消費(fèi)者在一個(gè)分區(qū)位置就只是一個(gè)數(shù)值凳鬓，用于記錄下一次消息要被消費(fèi)的位置茁肠。這意味著記錄消費(fèi)者狀態(tài)的代價(jià)非常小，只是每個(gè)分區(qū)一個(gè)數(shù)值缩举。這個(gè)狀態(tài)可以定期做檢查點(diǎn)垦梆，這使等價(jià)的消息反饋代價(jià)非常小。
這個(gè)方案還有另外的好處仅孩，消費(fèi)者可以優(yōu)雅地重新指定一個(gè)舊的位移位置托猩，并重新消費(fèi)數(shù)據(jù)。這個(gè)和通常的隊(duì)列觀念有點(diǎn)相悖杠氢，但是對很多消費(fèi)者來說是一個(gè)很重要的特性站刑。例如，如果消費(fèi)代碼有bug鼻百，并且在一些消息被消費(fèi)后發(fā)現(xiàn)绞旅，一旦bug被修復(fù)，消費(fèi)者可以重新使用這些消息温艇。
離線數(shù)據(jù)加載
可擴(kuò)展的持久性儲存能力因悲，使得消費(fèi)者能定期批量把數(shù)據(jù)導(dǎo)入到離線系統(tǒng)中，如:Hadoop 或關(guān)系型數(shù)據(jù)倉庫勺爱。
在hadoop的例子中晃琳，我們通過把數(shù)據(jù)分發(fā)到獨(dú)立的任務(wù)集中進(jìn)行并行處理，每個(gè)的單位是按服務(wù)器/主題/分區(qū)琐鲁，這樣可以允許很好的并發(fā)數(shù)據(jù)加載處理卫旱。Hadoop 提供任務(wù)管理，任務(wù)可以在失敗四重新啟動(dòng)围段，而不用擔(dān)心會(huì)重復(fù)處理數(shù)據(jù)——只需要簡單從他們原來處理的位置重新開始顾翼。
