• Broker：Kafka节点，一个Kafka节点就是一个broker，多个broker可以组成一个Kafka集群。
• Topic：一类消息，消息存放的目录即主题，例如page view日志、click日志等都可以以topic的形式存在，Kafka集群能够同时负责多个topic的分发。
• Partition：topic物理上的分组，一个topic可以分为多个partition，每个partition是一个有序的队列
• Segment：partition物理上由多个segment组成，每个Segment存着message信息
• Producer: 生产message发送到topic
• Consumer: 订阅topic消费message, consumer作为一个线程来消费
• Consumer Group：一个Consumer Group包含多个consumer, 这个是预先在配置文件中配置好的。各个consumer（consumer 线程）可以组成一个组（Consumer group ），partition中的每个message只能被组（Consumer group ） 中的一个consumer（consumer 线程 ）消费，如果一个message可以被多个consumer（consumer 线程 ） 消费的话，那么这些consumer必须在不同的组。Kafka不支持一个partition中的message由两个或两个以上的consumer thread来处理，即便是来自不同的consumer group的也不行。它不能像AMQ那样可以多个BET作为consumer去处理message，这是因为多个BET去消费一个Queue中的数据的时候，由于要保证不能多个线程拿同一条message，所以就需要行级别悲观所（for update）,这就导致了consume的性能下降，吞吐量不够。而kafka为了保证吞吐量，只允许一个consumer线程去访问一个partition。如果觉得效率不高的时候，可以加partition的数量来横向扩展，那么再加新的consumer thread去消费。这样没有锁竞争，充分发挥了横向的扩展性，吞吐量极高。这也就形成了分布式消费的概念。
  

springboot项目中使用kafka的配置如下：

首先引入必须的依赖jar:

 <!-- springboot整合kafka -->
        <dependency>
            <groupId>org.springframework.integration</groupId>
            <artifactId>spring-integration-core</artifactId>
            <version>4.3.6.RELEASE</version>
            <classifier>sources</classifier>
        </dependency>
        <dependency>
            <groupId>org.springframework.kafka</groupId>
            <artifactId>spring-kafka</artifactId>
            <version>1.1.7.RELEASE</version>
        </dependency>

配置文件如下：

#============== kafka ===================
#kafka相关配置
spring.kafka.bootstrap-servers=39.105.104.132:9092
#设置一个默认组
spring.kafka.consumer.group-id=alarmTopic
#key-value序列化反序列化
spring.kafka.consumer.key-deserializer=org.apache.kafka.common.serialization.StringDeserializer
spring.kafka.consumer.value-deserializer=org.apache.kafka.common.serialization.StringDeserializer
spring.kafka.producer.key-serializer=org.apache.kafka.common.serialization.StringSerializer
spring.kafka.producer.value-serializer=org.apache.kafka.common.serialization.StringSerializer
#每次批量发送消息的数量
spring.kafka.producer.batch-size=65536
spring.kafka.producer.buffer-memory=524288

消息生产者：

/**
 * @author Shuyu.Wang
 * @package:com.ganinfo.kafka
 * @className:
 * @description:生产者
 * @date 2018-07-05 16:30
 **/
@Component
public class KafkaSender {
    @Autowired
    private KafkaTemplate<String,String> kafkaTemplate;
    /** * 发送消息到kafka */
    public void sendChannelMess(String channel, String message) {
        kafkaTemplate.send(channel,message);
    }

/**
 * @author Shuyu.Wang
 * @package:com.ganinfo.kafka
 * @className:
 * @description:消费者
 * @date 2018-07-05 16:31
 **/
@Component
public class KafkaConsumer {
    @Autowired
    private SendMessageUtil sendMessageUtil;
    /**
     * 监听alarmTopic主题,有消息就读取 *
     * @param message
     */
    @KafkaListener(topics = {"alarmTopic"})
    public void receiveMessage(String message) {
        //收到通道的消息之后执行秒杀操作
        System.out.println("KafkaConsumer的订阅消息："+message);
        sendMessageUtil.send("h1","1",message);
    }

}

测试类：

    @Autowired
    private KafkaSender kafkaSender;
    private static final String ALRAM_TOPIC = "alarmTopic";

    @Autowired
    private AlarmService alarmService;

    @ResponseBody
    @RequestMapping(value = "/kafka", method = RequestMethod.GET)
    public ApiResult getCarInout(@RequestParam(value = "refId") String refId, @RequestParam(value = "passType") Integer passType, @RequestParam(value = "type") Integer type) {
        ApiResult apiResult = new ApiResult();
        try {
            Map<String, Object> map = new HashMap<>();
            map.put("refId", refId);
            map.put("platformCode", "650106");
            map.put("passType", passType);
            map.put("type", type);
            map.put("level", 2);
            map.put("Gettime", 1000);
            kafkaSender.sendChannelMess(ALRAM_TOPIC, GsonUtil.GsonString(map));
            System.out.println("发送数据：" + GsonUtil.GsonString(map));
//            kafkaTemplate.send(ALRAM_TOPIC, "alarm", GsonUtil.GsonString(map));
        } catch (Exception e) {
            e.printStackTrace();
        }
        return apiResult;
    }