本文主要是介绍kafka为什么如此之快？，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
天下武功，唯快不破。同样的，kafka在消息队列领域，也是非常快的，这里的块指的是kafka在单位时间搬运的数据量大小，也就是吞吐量，下图是搬运网上的一个性能测试结果，在同步发送场景下，单机Kafka的吞吐量高达17.3w/s，不愧是高吞吐量消息中间件的行业老大。
那究竟是什么原因让kafka如此之快呢？这也是面试官非常喜欢问的问题。
四个原因
原因一：磁盘顺序读写
生产者发送数据到kafka集群中，最终会写入到磁盘中，会采用顺序写入的方式。消费者从kafka集群中获取数据时，也是采用顺序读的方式。
无论是机械磁盘还是固态硬盘SSD，顺序读写的速度都是远大于随机读写的。因为对于机械磁盘顺序读写省去了磁头频繁寻址和旋转盘片的开销。而固态硬盘就更加复杂，这里不展开阐述。
下图是网上关于读写方式的性能比较。
机械磁盘顺序读写 53M/s，随读写 316k/s
固态硬盘顺序读写 42M/s, 随机读写 1000k/s
因而，由于kafka一般使用机械磁盘存储消息，因为机械磁盘的价格远小于固态硬盘SSD。
原因二：PageCache页缓存技术
前面提到了kafka采用顺序读写写入到磁盘中，难道是直接kafka到磁盘吗，实际上不是的，中间多了一道操作系统的PageCache页缓存，可以理解为内存。
当kafka有写操作时，先将数据写入PageCache中，然后在定时方式顺序写入到磁盘中。
当读操作发生时，先从PageCache中查找，如果找不到，再去磁盘中读取。
通过页缓存技术，更近一步的提高了读写的性能。
原因三：零拷贝技术
kafka之所以快的另外一个原因是采用了零拷贝技术。
首先我们来看下从磁盘读取数据到网卡场景下，传统IO的整个过程，如下图所示：
传统IO模型下，从磁盘读取数据，写到网卡设备中，经历了4次用户态和内核态之间的切换，以及4次数据的拷贝，包括CPU拷贝和DMA拷贝。这些操作都是十分损耗性能。
DMA, Direct Memory Access,
直接内存访问是一些计算机总线架构提供的功能，它能使数据从附加设备（如磁盘驱动器）直接发送到计算机主板的内存上。
那能否减少这样的切换和拷贝呢？ 答案是肯定的，不知道大家发下没有，kafka的消息在应用层做任何转换，怎么存就怎么取，你看连序列化、反序列化都是在生产者和消费者做的。所以kafka采用了sendfile的零拷贝技术。
sendfile零拷贝技术在内核态将数据从PageCache拷贝到了Socket缓冲区，这样就大大减少了不同形态的切换以及拷贝。
所谓的零拷贝技术不是指不发生拷贝，而是在用户态没有进行拷贝。
原因四：kafka分区架构和批量操作
一方面kafka的集群架构采用了多分区技术，并行度高。另外一方面，kafka采用了批量操作。生产者发送的消息先发送到一个队列，然后有sender线程批量发送给kafka集群。
如何提高生产者的吞吐量？
kafka生产者提供的一些配置参数可以有助于提高生产者的吞吐量。
如何提高消费者的吞吐量?
如果是Kafka消费能力不足，则可以考虑增加Topic的分区数，并且同时提升消费组的消费者数量，消费者数 = 分区数，并发度最高。
如果是下游的数据处理不及时：提高每批次拉取的数量。批次拉取数据过少，使处理的数据小于生产的数据，也会造成数据积压。
fetch.max.bytes：默认 Default: 52428800（50 m）。消费者获取服务器端一批消息最大的字节数。如果服务器端一批次的数据大于该值（50m）仍然可以拉取回来这批数据，因此，这不是一个绝、对最大值。一批次的大小受 message.max.bytes （broker config）or max.message.bytes （topic config）影响。
max.poll.records：一次 poll 拉取数据返回消息的最大条数，默认是 500 条
优化消费者代码处理的逻辑。
总结
本文总结了Kafka为什么快的原因，4个关键字，磁盘顺序读写，页缓存技术，零拷贝技术，Kafka本身分区机制和批量操作。我们抓住这4个关键字，有点到面地和面试官娓娓道来。
Kafka 在性能上确实是一骑绝尘，但在消息选型过程中，我们不仅仅要参考其性能，还有从功能性上来考虑，例如 RocketMQ
提供了丰富的消息检索功能、事务消息、消息消费重试、定时消息等。通常在大数据、流式处理场景基本选用 Kafka，业务处理相关选择 RocketMQ更佳。
这篇关于kafka为什么如此之快？的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
