事件源，最終一致性，微服務(wù)，CQRS等等，這些越多越多的概念被現(xiàn)代開(kāi)發(fā)者所熟悉。從細(xì)粒度的服務(wù)組裝到復(fù)雜的以業(yè)務(wù)為中心的應(yīng)用架構(gòu)，這其中最重要的一塊就是以中間件為基礎(chǔ)的業(yè)務(wù)脫藕。本文我們介紹中間件基礎(chǔ)構(gòu)建塊——事務(wù)流。其主導(dǎo)者是Apache Kafka，事實(shí)上的事務(wù)流平臺(tái)標(biāo)準(zhǔn)，還會(huì)介紹Kafka的一個(gè)Web界面工具Kafdrop。

概述

事務(wù)流平臺(tái)屬于更廣泛的面向消息的中間件(MoM)類(lèi)，與傳統(tǒng)的消息隊(duì)列和主題類(lèi)似，但是由于日志結(jié)構(gòu)的不變性，它提供了更強(qiáng)大的時(shí)間保證和大幅度性能提高。簡(jiǎn)而言之，由于事務(wù)流的寫(xiě)操作只限于順序追加，所以更加高效。

傳統(tǒng)消息隊(duì)列(MQ)中的消息往往是任意排序的，并且通常彼此獨(dú)立，而流中的事務(wù)(或記錄)往往是按時(shí)間順序或因果關(guān)系排序的。而且，事務(wù)流會(huì)保留其記錄，而MQ一旦讀取了一條消息，就會(huì)丟棄它。因此，事務(wù)流往往更適合事件驅(qū)動(dòng)的體系結(jié)構(gòu)，包括事件源，最終一致性和CQRS等(當(dāng)然，也包括FIFO消息隊(duì)列，但是FIFO隊(duì)列和成熟的事務(wù)流平臺(tái)之間的差異非常大，而不僅限于訂購(gòu))。

事務(wù)流平臺(tái)是MoM領(lǐng)域中相對(duì)較新的范例。與數(shù)百種MQ風(fēng)格的消息代理相比較，只有少數(shù)幾種主流可用。與已建立的標(biāo)準(zhǔn)(例如AMQP，MQTT，XMPP和JMS)相比，事務(wù)流空間中還沒(méi)有與之等效的標(biāo)準(zhǔn)。

事務(wù)流平臺(tái)是當(dāng)前持續(xù)研究和實(shí)驗(yàn)的活躍領(lǐng)域。但是，事務(wù)流平臺(tái)不僅僅是一個(gè)商用產(chǎn)品，或者復(fù)雜的學(xué)術(shù)問(wèn)題。它可以廣泛應(yīng)用于消息傳遞和事務(wù)場(chǎng)景，可用于例行性替換消息隊(duì)列的傳統(tǒng)使用場(chǎng)景。

架構(gòu)概述

下圖簡(jiǎn)要概述了Kafka組件體系結(jié)構(gòu)。此處限于篇幅，我們不詳細(xì)介紹Kafka內(nèi)部工作原理。

kafka組成

Kafka是一個(gè)分布式系統(tǒng)，包含如下幾個(gè)關(guān)鍵組件：

Broker(代理)節(jié)點(diǎn)：負(fù)責(zé)批量I/O操作和集群內(nèi)的持續(xù)持久化。代理附加日志文件，這些文件中包含由集群托管的主題分區(qū)。可以在多個(gè)代理之間復(fù)制分區(qū)，以實(shí)現(xiàn)水平可伸縮性和增加的持久性，這些復(fù)制的分區(qū)被稱(chēng)為副本。有一個(gè)代理節(jié)點(diǎn)為控制節(jié)點(diǎn)(控制者)，其他副本受其管理(追隨者)。一個(gè)代理節(jié)點(diǎn)會(huì)被選舉為集群控制器，負(fù)責(zé)分區(qū)狀態(tài)的內(nèi)部管理，還負(fù)責(zé)仲裁給定分區(qū)的領(lǐng)導(dǎo)者跟隨者角色。

ZooKeeper節(jié)點(diǎn)：在后臺(tái)Kafka需要一種方法來(lái)管理集群中總體控制器狀態(tài)。如果控制器出于某種原因退出，則有一個(gè)協(xié)議可以從剩余的代理集中選出另一個(gè)控制器。ZooKeeper很大程度上實(shí)現(xiàn)了控制器選舉，心跳等的實(shí)際機(jī)制。ZooKeeper還充當(dāng)各種配置存儲(chǔ)庫(kù)，維護(hù)集群元數(shù)據(jù)，領(lǐng)導(dǎo)者和跟隨者狀態(tài)，配額，用戶(hù)信息，ACL和其他內(nèi)部管理項(xiàng)目。由于底層的選舉和共識(shí)協(xié)議，ZooKeeper節(jié)點(diǎn)的數(shù)量必須為奇數(shù)。

生產(chǎn)者：負(fù)責(zé)將消息發(fā)布到Kafka主題的客戶(hù)端應(yīng)用程序。由于Kafka具有日志結(jié)構(gòu)的性質(zhì)，并且能夠在多消費(fèi)者生態(tài)系統(tǒng)之間共享主題，因此只有生產(chǎn)者才能修改底層日志文件中的數(shù)據(jù)。實(shí)際I/O由代理節(jié)點(diǎn)代表生產(chǎn)者客戶(hù)端執(zhí)行。可以將任意數(shù)量生產(chǎn)者消息發(fā)布到同一Kafka主題，并選擇用于保存記錄的分區(qū)。

消費(fèi)者：從主題讀取消息的客戶(hù)端應(yīng)用程序。任意數(shù)量的消費(fèi)者都可以從同一主題中閱讀內(nèi)容;但是，根據(jù)消費(fèi)者的配置和分組，存在一些規(guī)則來(lái)管理消費(fèi)者之間的記錄分配。

分區(qū)，記錄、偏移量和主題

分區(qū)是記錄的完全有序序列，每一個(gè)分區(qū)對(duì)應(yīng)一個(gè)append日志，這是Kafka的基礎(chǔ)。每一條記錄具有一個(gè)ID：64位整數(shù)偏移量和毫秒級(jí)的時(shí)間簽。它可能會(huì)存在一個(gè)鍵和一個(gè)值。兩者都是字節(jié)數(shù)組，并且都是可選的。術(shù)語(yǔ)"完全排序"僅表示對(duì)于任何給定的生產(chǎn)者，記錄將按照應(yīng)用程序發(fā)出的順序進(jìn)行寫(xiě)入。如果記錄P在Q之前發(fā)布，則P將在分區(qū)中的Q之前。(假設(shè)P和Q共享一個(gè)分區(qū)。)此外，所有消費(fèi)者將以相同的順序讀取它們。對(duì)于每個(gè)可能的消費(fèi)者，將始終在Q之前讀取P。在大多數(shù)用例中，這種訂購(gòu)保證至關(guān)重要。通常，已發(fā)布的記錄將與某些現(xiàn)實(shí)事務(wù)相對(duì)應(yīng)，并且保留這​​些事務(wù)的時(shí)間表通常是必不可少的。

記錄的偏移量是分區(qū)中一條記錄的唯一標(biāo)識(shí)分。偏移量是稀疏地址空間中嚴(yán)格單調(diào)遞增的整數(shù)，每個(gè)記錄偏移量始終高于其上一個(gè)記錄偏移量，并且相鄰偏移量之間可能存在可變的間隙。如果啟用了壓縮或作為事務(wù)的結(jié)果，則必然會(huì)存在間隙，所以偏移量也有可能不是連續(xù)的。

應(yīng)用程序不應(yīng)嘗試從字面上解釋偏移量，也不應(yīng)該猜測(cè)下一個(gè)偏移量是多少。但是，可以根據(jù)偏移量推斷任何記錄的相對(duì)順序，按記錄的偏移量對(duì)記錄進(jìn)行排序。

下圖顯示了內(nèi)部分區(qū)的結(jié)構(gòu)：

第一個(gè)偏移量(也稱(chēng)為low-water mark，低水位標(biāo)記)是要顯示給消費(fèi)者的第一個(gè)消息。由于Kafka的保留期限制，因此不一定是第一個(gè)發(fā)布的消息。可以根據(jù)時(shí)間和/或分區(qū)大小來(lái)修剪記錄。當(dāng)有這種情況發(fā)生時(shí)，低水位線似乎會(huì)后移，早于低水位線的記錄將被截?cái)唷?/p>

主題是分區(qū)的邏輯組成。一個(gè)主題可以具有一個(gè)或多個(gè)分區(qū)，而一個(gè)分區(qū)只能有一個(gè)主題或者一個(gè)主題的部分。主題是Kafka的基礎(chǔ)，允許并行和負(fù)載平衡。前面我們說(shuō)過(guò)分區(qū)顯示總順序。由于主題內(nèi)的分區(qū)是相互獨(dú)立的，因此稱(chēng)該主題具有部分順序。簡(jiǎn)而言之，這意味著某些記錄可以互相排序，而相對(duì)于某些其他記錄則不可排序。總順序和部分順序的概念雖然聽(tīng)起來(lái)有些學(xué)術(shù)化，但在構(gòu)建性能事務(wù)流管道中非常重要。它使我們能夠在可能的地方并行處理記錄，同時(shí)在必須的地方保持順序。稍后，我們將探討記錄順序，消費(fèi)者并行性和主題大小的概念。

實(shí)例：消息發(fā)布

實(shí)踐是檢驗(yàn)真理的唯一標(biāo)準(zhǔn)，我將理論付諸實(shí)踐，通過(guò)實(shí)例說(shuō)明概念。我們將啟動(dòng)一對(duì)Docker容器，一個(gè)用Kafka容器，另一個(gè)為Kafdrop容器。我們使用Docker Compose方式啟用容器。

在選定目錄中創(chuàng)建一個(gè)docker-compose.yaml文件，內(nèi)容如下：

為了方便起見(jiàn)，我們用obsidiandynamics/kafka鏡像，它會(huì)將Kafka和ZooKeeper巧妙地打包在一個(gè)鏡像中。然后通過(guò)docker-compose up啟動(dòng)容器。啟動(dòng)成功后，可以通過(guò)瀏覽器中訪問(wèn)localhost:9000，就能看到Kafdrop登陸界面。

實(shí)例中是一個(gè)單代理集群，還沒(méi)有任何主題。我們可以使用Kafka的命令行工具創(chuàng)建一個(gè)主題并發(fā)布一些消息。我們可以使用docker exec工具對(duì)kafka容器進(jìn)行操作方便地調(diào)用內(nèi)置的CLI工具：

docker exec -it kafka-kafdrop_kafka_1 bash

上面的命令將讓我么進(jìn)入容器的shell命令行界面。工具位于/opt/kafka/bin目錄中，cd進(jìn)入該目錄：

創(chuàng)建一個(gè)名為streams-intro的主題，其中包含3個(gè)分區(qū)：

切換回Kafdrop界面，現(xiàn)在我們就能在列表中看到新主創(chuàng)建的主題。

接著，我們可以使用kafka-console-producer工具發(fā)布消息：

注意：kafka-topics使用--bootstrap-server參數(shù)來(lái)配置Kafka代理列表，而kafka-console-producer則使用--broker-list。

記錄由換行符分隔。鍵和值部分由冒號(hào)分隔，如key.separator屬性所指示。本例下，我們可以輸入下內(nèi)容：

完成后，按CTRL + D鍵完成消息發(fā)布。然后切換回Kafdrop，然后單擊streams-intro主題。將看到該主題的概述以及基礎(chǔ)分區(qū)的詳細(xì)分類(lèi)：

我們創(chuàng)建了一個(gè)包含三個(gè)分區(qū)的主題。然后，我們使用兩個(gè)唯一的鍵foo和bar發(fā)布了五條記錄。Kafka使用鍵將記錄映射到分區(qū)，這樣具有相同鍵的所有記錄將始終出現(xiàn)在同一分區(qū)上。很方便，也很重要，它可以使發(fā)布者指定準(zhǔn)確的記錄順序。稍后，我們將更詳細(xì)地討論鍵哈希和分區(qū)分配。

查看分區(qū)表，分區(qū)#0的第一個(gè)和最后一個(gè)偏移分別為0和2。分區(qū)#2的值為零和3個(gè)，而分區(qū)#1的顯示為空白。在Kafdrop網(wǎng)絡(luò)用戶(hù)界面中單擊#0，會(huì)將會(huì)轉(zhuǎn)到主題查看器：

可以看到在bar鍵下發(fā)布的兩條記錄。注意，它們與foo記錄完全無(wú)關(guān)。

消費(fèi)者和消費(fèi)組

上面我們實(shí)例講了，聽(tīng)過(guò)生產(chǎn)者發(fā)布消息，將記錄發(fā)送到流中。這些記錄被組織成井井有條的分區(qū)。Kafka的發(fā)布-訂閱拓?fù)渥裱`活的多到多模型，所以，可以有任意數(shù)量的生產(chǎn)者和消費(fèi)者同時(shí)與流進(jìn)行交互。根據(jù)實(shí)際的解決方案，流拓?fù)湟部梢砸粚?duì)多，多對(duì)一。下面我們講，如何消費(fèi)這些記錄。

消費(fèi)者是通過(guò)客戶(hù)端庫(kù)連接到Kafka集群的進(jìn)程或線程。消費(fèi)者通常(但不一定)是一個(gè)整體消費(fèi)組的成員。該組由group.id屬性指定。消費(fèi)組實(shí)際上是Kafka中的負(fù)載平衡機(jī)制，負(fù)責(zé)在組內(nèi)的各個(gè)消費(fèi)者實(shí)例之間大致平均地進(jìn)行分區(qū)分配。當(dāng)組中的第一個(gè)消費(fèi)者訂閱該主題時(shí)，它將收到該主題中的所有分區(qū)。當(dāng)?shù)诙€(gè)消費(fèi)者隨后加入時(shí)，它將獲得大約一半的分區(qū)，從而減輕了第一個(gè)使用者的負(fù)擔(dān)。當(dāng)消費(fèi)者離開(kāi)時(shí)(通過(guò)斷開(kāi)連接或超時(shí))，該過(guò)程將反向進(jìn)行，其余的使用者將可用更多數(shù)量的分區(qū)。

因此，消費(fèi)者消費(fèi)某個(gè)主題中的記錄，從Kafka及其所屬的其他消費(fèi)者分配的分區(qū)中提取了份額。就負(fù)載平衡而言，這應(yīng)該非常簡(jiǎn)單。但是，這里有一個(gè)關(guān)鍵點(diǎn)，使用記錄的行為并不能將其刪除。起初這似乎是矛盾的，特別是如果將消耗行為與消耗聯(lián)系起來(lái)。(如果有的話，應(yīng)該將消費(fèi)者稱(chēng)為"閱讀者"。)一個(gè)簡(jiǎn)單的事實(shí)是，消費(fèi)者對(duì)主題及其分區(qū)絕對(duì)沒(méi)有任何影響。主題是僅追加，只能由生產(chǎn)者或Kafka本身(作為壓縮或清除的一部分)進(jìn)行追加記錄。消費(fèi)者的只讀操作是"便宜的"，因此，可以讓許多人在不增加集群負(fù)擔(dān)的情況下tail日志。這是事務(wù)流和傳統(tǒng)消息隊(duì)列之間的又一區(qū)別，這是至關(guān)重要的。

消費(fèi)者在內(nèi)部維護(hù)一個(gè)偏移量，該偏移量指向分區(qū)中的下一個(gè)記錄，從而在每次連續(xù)讀取時(shí)都增加偏移量。消費(fèi)者首次訂閱主題時(shí)，可以選擇從主題的頭端或尾端開(kāi)始。通過(guò)將auto.offset.reset屬性設(shè)置為latest, earliest 或者none，可以控制這個(gè)行為。在后一種情況下，如果消費(fèi)者組不存在先前的偏移量，則將觸發(fā)異常。

消費(fèi)者在本地保留其偏移狀態(tài)向量。由于不同消費(fèi)組中的消費(fèi)者不會(huì)互相干擾，因此可能有許多人同時(shí)閱讀同一主題。消費(fèi)者按照自己的偏移讀取消息;緩慢的或積壓的消費(fèi)者對(duì)其同組其他人也不會(huì)有影響。

為了說(shuō)明這個(gè)概念，我們考慮一個(gè)包含兩個(gè)分區(qū)的主題為場(chǎng)景。兩個(gè)消費(fèi)者組-A和B-訂閱了該主題。每個(gè)組具有三個(gè)實(shí)例，使用者被命名為A1，A2，A3，B1，B2和B3。下圖說(shuō)明了兩組如何共享主題，以及消費(fèi)者如何彼此獨(dú)立地瀏覽記錄。

仔細(xì)看上圖，會(huì)發(fā)現(xiàn)缺少某些東西。消費(fèi)者A3和B1不在上圖中。這是因?yàn)镵afka保證分區(qū)只能分配給其消費(fèi)組中的一個(gè)消費(fèi)者。由于每個(gè)組中有三個(gè)消費(fèi)者，但是只有兩個(gè)分區(qū)，因此一個(gè)消費(fèi)者將保持空閑狀態(tài)，等待其所在組中的另一個(gè)消費(fèi)者離開(kāi)。以這種方式，消費(fèi)組不僅是負(fù)載平衡機(jī)制，而且還是用于建立高性能管道而又不犧牲安全性的類(lèi)似柵欄的排他性控制，特別是在要求只能由一個(gè)線程處理記錄的情況下或在任何給定時(shí)間進(jìn)行處理。

消費(fèi)組也用于確保可用性。通過(guò)定期從主題中提取記錄，消費(fèi)者可以向集群隱式反饋集群為"健康"狀態(tài)，從而將租約擴(kuò)展到其分區(qū)分配上。但是，如果消費(fèi)者未能在允許的期限內(nèi)再次閱讀，則將其視為有缺陷，并且將重新分配其分區(qū)，分配給該組中其余的"健康"消費(fèi)者。該截止日期由max.poll.interval.ms在消費(fèi)者客戶(hù)端屬性控制，默認(rèn)情況下設(shè)置為五分鐘。

用交通系統(tǒng)來(lái)做個(gè)類(lèi)比，主題就像是高速公路，分區(qū)就是車(chē)道。記錄就是等同于汽車(chē)，其乘客對(duì)應(yīng)于記錄值。只要保持行車(chē)路線，幾輛車(chē)就可以安全地在同一條高速公路上行駛。共享相同線路的汽車(chē)按順序行駛，形成隊(duì)列。現(xiàn)在，假設(shè)每條車(chē)道通向一個(gè)匝道，將其流量轉(zhuǎn)移到某個(gè)位置。如果一個(gè)匝道堆積了，其他匝道可能仍能順暢流動(dòng)。

Kafka正是利用這種機(jī)制確保端到端的吞吐量，輕松地實(shí)現(xiàn)每秒達(dá)到數(shù)百萬(wàn)條記錄的QPS。創(chuàng)建主題時(shí)，可以選擇分區(qū)計(jì)數(shù)，通道數(shù)。分區(qū)在一個(gè)消費(fèi)組中的各個(gè)消費(fèi)者之間大致均勻地劃分，并確保不會(huì)將分區(qū)同時(shí)分配給兩個(gè)(或多個(gè))消費(fèi)者。

注意：創(chuàng)建后，可以通過(guò)增加分區(qū)數(shù)來(lái)調(diào)整主題的大小。但是，無(wú)法在不重新創(chuàng)建主題的情況下減少分區(qū)數(shù)。

記錄對(duì)應(yīng)于事件、消息、命令或任何其他可流式傳輸?shù)膬?nèi)容。記錄的精確劃分方式由生產(chǎn)者決定。生產(chǎn)者可以在發(fā)布記錄時(shí)顯式分配分區(qū)索引，盡管這種方法很少使用。正如我們?cè)谇懊娴氖纠兴龅哪菢樱环N更常見(jiàn)的方法是為記錄分配鍵。鍵對(duì)Kafka完全不透明，換句話說(shuō)，Kafka不會(huì)去解釋key的內(nèi)容，而是將其視為字節(jié)數(shù)組。使用一致的哈希技術(shù)對(duì)這些字節(jié)進(jìn)行哈希處理以得出分區(qū)索引。

共享相同散列的記錄可以保證占據(jù)相同的分區(qū)。假設(shè)一個(gè)主題具有多個(gè)分區(qū)，則具有不同鍵的記錄可能最終會(huì)位于不同的分區(qū)中。但是，由于哈希鍵沖突，具有不同哈希值的記錄也可能最終會(huì)在同一分區(qū)中。

生產(chǎn)者無(wú)需關(guān)心記錄將映射到哪個(gè)特定分區(qū)，只要相關(guān)記錄最終在同一分區(qū)中并且保留其順序。同樣，消費(fèi)者對(duì)也無(wú)需關(guān)心分配到那個(gè)分區(qū)，只要它們以與發(fā)布相同的順序接收記錄，并且其分區(qū)分配不會(huì)與組中的其他消費(fèi)者重復(fù)。

案例：交易平臺(tái)

假設(shè)我們正在尋找上市股票的特定價(jià)格模式，并在確定特定模式后發(fā)出交易信號(hào)。有大量庫(kù)存，可以理解的是，希望將它們并行處理。但是，任何給定的股票代碼的時(shí)間序列必須在單個(gè)使用者上順序處理。

Kafka使這個(gè)用例以及其他類(lèi)似用例幾乎不容易實(shí)現(xiàn)。我們將創(chuàng)建兩個(gè)主題：價(jià)格，用來(lái)存儲(chǔ)原始價(jià)格數(shù)據(jù)。訂單主題，用來(lái)保存任何由產(chǎn)生的訂單。我們可以多劃分一些分區(qū)，可以讓我們充分的并行操作。

我們可以在價(jià)格主題上發(fā)布每個(gè)價(jià)格的記錄，并用股票代碼作為鍵。Kafka的自動(dòng)分區(qū)分配將確保每個(gè)股票代號(hào)由其組中的一個(gè)消費(fèi)者處理。消費(fèi)者實(shí)例可以自由擴(kuò)展和擴(kuò)展以匹配處理負(fù)載。消費(fèi)者組應(yīng)該有意義地命名，理想地反映消費(fèi)應(yīng)用程序的目的。比如trading-strategy.abc，它是一種名為" ABC"的虛擬交易策略。

消費(fèi)者確定了價(jià)格模式后，就可以在訂單主題上發(fā)布另一條消息，訂單請(qǐng)求。我們將召集另一個(gè)消費(fèi)組，訂單執(zhí)行，負(fù)責(zé)讀取訂單并將其轉(zhuǎn)發(fā)給經(jīng)紀(jì)人。

在這個(gè)簡(jiǎn)單的示例中，我們創(chuàng)建了一個(gè)完全由事件驅(qū)動(dòng)且高度可擴(kuò)展的端到端交易管道，假設(shè)沒(méi)有其他瓶頸。我們可以在各個(gè)階段動(dòng)態(tài)添加更多的處理節(jié)點(diǎn)，以應(yīng)對(duì)需要增加的負(fù)載的情況。

假設(shè)您需要在通用數(shù)據(jù)源的驅(qū)動(dòng)下同時(shí)運(yùn)行的幾種交易策略。此外，交易策略將由不同的團(tuán)隊(duì)制定;目的是盡可能地使這些實(shí)現(xiàn)脫鉤，從而使團(tuán)隊(duì)能夠自主運(yùn)作，甚至可以使用不同的編程語(yǔ)言和工具鏈以各自的節(jié)奏進(jìn)行開(kāi)發(fā)和部署。

Kafka靈活的多到多pub-sub體系結(jié)構(gòu)將狀態(tài)消耗與廣播語(yǔ)義相結(jié)合。通過(guò)使用不同的消費(fèi)群體，Kafka允許不同的應(yīng)用程序共享輸入主題，并按自己的進(jìn)度處理事件。第二種交易策略將需要一個(gè)專(zhuān)門(mén)的消費(fèi)群體：trading-strategy.xyz，將其特定的業(yè)務(wù)邏輯應(yīng)用于通用定價(jià)流，并將生成的訂單發(fā)布到相同的訂單主題。通過(guò)這種方式，Kafka能夠從易于重用和組合的離散元素構(gòu)建模塊化事件處理管道。

總結(jié)

事務(wù)流平臺(tái)是構(gòu)建模塊化、松耦合、事件驅(qū)動(dòng)的應(yīng)用程序的高效構(gòu)建塊。在事務(wù)流的世界中，Kafka鞏固了其成為成功開(kāi)源解決方案的地位，該解決方案兼顧了靈活性和高性能。并發(fā)和并行性是Kafka體系結(jié)構(gòu)的核心，形成部分排序的事務(wù)流，可以在可擴(kuò)展的消費(fèi)者生態(tài)系統(tǒng)中實(shí)現(xiàn)負(fù)載平衡。消費(fèi)者及其周?chē)M的簡(jiǎn)單重新配置可以帶來(lái)非常不同的事件分配和處理語(yǔ)義。

當(dāng)然，Kafka并非沒(méi)有缺陷。可以說(shuō)Kafka工具是低于標(biāo)準(zhǔn)的。大多數(shù)Kafka從業(yè)者長(zhǎng)期以來(lái)都放棄了現(xiàn)成的CLI實(shí)用程序，而轉(zhuǎn)向其他開(kāi)源工具(例如Kafdrop，Kafkacat和第三方商業(yè)產(chǎn)品(如Kafka Tool)。 Kafka的配置選項(xiàng)種類(lèi)繁多，初學(xué)的默認(rèn)值有坑，新手可能會(huì)踩到這些坑。總而言之，Kafka代表了構(gòu)建和構(gòu)建復(fù)雜系統(tǒng)的方式的范式轉(zhuǎn)變，它的優(yōu)勢(shì)也是顯而易見(jiàn)的。