概述

百度消息服务（Baidu Messaging System BMS）是全兼容Apache Kafka的分布式、高可扩展、高通量的托管消息队列服务，您可以直接享用Kafka带来的先进功能而无需考虑集群运维，并按照使用量付费。

Kafka在网络中的位置和作用

本章节以开发新一代互联网应用的发展历程为例，介绍Kafka在网络中的位置和作用。

• 第一阶段，首次搭建应用网络如下：

  • Web应用部署在云服务器上，为个人电脑或移动用户提供访问服务。
  • SQL数据库为Web应用提供数据持久化和数据查询。

  

• 第二阶段：基于业务的迅速发展，网络扩容如下：

  • 增加缓存服务，从而降低SQL数据库的荷载。
  • 搜集日志保存至Hadoop做离线处理，从而更加理解用户行为。
  • 数据汇总至数据仓库，从而获取交互式报表。
  • 加入实时模块和外部数据交互等等。

  

  网络扩容后的问题如下：

  • 不同系统之间的数据同步
  • 系统扩展问题

• 第三阶段：新增Kafka模块提供消息队列，Web应用数据只需向队列中添加数据，网络中的各组件从队列中依次读取数据并自行处理，如下图所示：

  

  网络扩容带来的问题迎刃而解，而且降低了系统组网复杂度；降低编程复杂度，各个子系统不在是相互协商接口，各个子系统类似插口插在插座上，Kafka承担高速数据总线的作用。

Apache Kafka简介

Apache Kafka是分布式的流数据平台，具有三大特性：

• 提供Pub/Sub方式的海量消息处理。

  Kafka提供的Pub/Sub就是典型的异步消息交换，消息的发布者（Pub）只需指定消息的类别，而无需与订阅者（Sub）交互；订阅者只接受订阅的一个或几个类型的消息。发布者与订阅者的解耦可独立的扩展或修改接口两边的处理过程。例如，您可以为服务器日志或者物联网设备创建不同主题（Topic），之后数据便可持续发送到各个主题，后端数据仓库、流式分析或者全文检索等对接特定主题，无需关注服务器或者物联网设备。

  

  同时，Kafka将主题划分为多个分区（Partition），并根据分区规则选择消息存储的分区。若分区规则设置合理，则所有的消息被均匀的分布到不同的分区中，可实现负载均衡和水平扩展。

• 以高容错的方式存储海量数据流。

  多个订阅者可以从一个或者多个分区中同时消费数据，以支撑海量数据处理能力。同时为了保证数据的可靠性，Kafka为每个分区设置一个Leader，Leader负责所有的读写操作，Follower只与Leader同步消息。消息写入分区时，Leader为自己和Follower复制数据做多个备份，如果Follower失效，Kafka会从另外的Follower处同步Leader的历史消息；如果Leader失效，其他Follower成为新的Leader继续服务。

• 保证数据流的顺序。

  每个发布者发送到Kafka分区中的消息是确保顺序的，订阅者可以依赖这个承诺进行后续处理。顺序写磁盘的效率比随机写内存高，是Kafka高吞吐率的重要保证之一。

百度消息服务综述

百度消息服务是基于Apache Kafka的分布式、高可扩展、高通量、多分区和多副本的托管消息队列服务。百度消息服务封装了Kafka集群细节，并以托管服务形式提供，您可以直接使用百度消息服务创建主题来集成大规模分布式应用，而无需考虑集群运维，仅按照使用量支付处理数据的费用。相对于传统的消息服务，百度消息服务有以下特点：

• 可通过分区（Partition）实现主题水平扩展。
• 分区分布在多个节点上以达到高通量。
• 通过消费者组（Consumer Group）来支持单个消费者以队列或者Pub/Sub形式的消息消费，或者多个消费者集群顺序消费消息。
• 生产者和消费者异步交互，而不需要彼此等待。

产品优势

• 一键部署：开通即使用百度消息服务，专注产品开发即可，无需耗费精力安装、部署、配置、调试和维护集群。
• 低廉价格：无需任何硬件软件投入，只需开通服务并且为使用的资源付费。由于与社区的Kafka兼容，迁移成本极低，且不用担心被技术锁定。
• 数据安全：消息中心仅支持SSL加密的数据传输，以保证数据在传输的过程中不被窃听或者篡改，保证客户数据的安全。
• 可靠耐用：独特的高可用特性设计，防止数据在应用程序故障、个别机器故障或设施故障时丢失。

业务场景

• 采集网站、设备或应用程序的海量用户浏览、点击、搜索等数据以便实时分析。
• 汇总分布式应用的遥感数据方便系统运维。
• 对接百度MapReduce提供的Spark Streaming实现实时流数据分析。