本文共 600 字，大约阅读时间需要 2 分钟。

Refrence:https://zhuanlan.zhihu.com/p/20772147?refer=bittiger

 · 21 天前

数据集成超麻烦，你往往会发现你用在收集整理数据的时间是最多的，像这样： 

数据有两种：一种是数据库数据，比如用户、产品等关系型数据；另一种是实时的数据，比如数据（包括用户点击、浏览等），应用数据（包括CPU的使用等）和log。

如果不同的数据用不同的数据库来存储监控，不同应用要从不同的地方取得需要的数据，就会这样（炸了）：

所以Kafka出现了，把数据集成这个环节做的简洁高效，像这样：Kafka把这个过程抽象了一下变成了这样（眼熟不眼熟，就是生产者消费者模型呀）：

Kafka最核心的是log，什么是log呢，log就是记录什么时间发生了什么事。当log很多就要做成分布式，对log分区，每个partition是独立的、不交互的，这样避免了partition之间的协调，非常高效。像这样：工作流程就是数据源（生产者）将数据写入log，消费者从log中提取数据，log起到了一个消息队列的作用。所以Kafka就是一个基于分布式log实现的，具有发布／订阅功能的消息系统。

因为Kafka用log记下了所有时间发生的所有事，任何一个状态都可以被恢复出来。Kafka的理念就是实时处理就是log加计算（Job），像这样：

本文整理作者：Mengying Tian，

转载地址：http://kqhbi.baihongyu.com/