从零学习Kafka：生产者分区机制
在前面的文章中，我们主要学习了 Kafka 服务端的相关知识。从本文开始，我们将视角转到客户端。
分区的核心逻辑
在从零学习Kafka：集群架构和基本概念一文中，我们了解了 Kafka 中分区的概念，它的主要作用一个是支持系统的可伸缩性，另一个是负载均衡。
生产者在写入数据时，实际是要写入到指定的分区。换句话说分区是 Kafka 中消息组织的最基础的单位。除了做负载均衡外，分区还有一个作用就是保证业务消息的处理顺序。
当你调用 producer.send(record) 时，Kafka 需要先确定数据要写到哪个分区。具体逻辑如下：
如果显示指定了 Partition：直接把数据写到指定分区
如果没有显示指定 Partition，但指定了 Key：把数据写到 Key 所对应的分区
既没有指定 Partition，也没有指定 Key：使用 Kafka 的默认策略来分配数据
分区策略
到这里你可能想问，Kafka 到底是如何判断一条数据应该分配到哪个分区的呢？别急，我们现在就来介绍 Kafka 的分区策略。
按 Key 分配策略
如果我们在消息中指定了消息键，Kafka 会将相同 Key 的消息发送到相同的分区。具体方式是使用 murmur2 算法对 Key 进行 Hash，即 abs(murmur2(key)) % numPartitions。这个策略是为了实现局部有序性。
轮询策略
如果没有指定 Key，在旧版本中，Kafka 默认使用的是轮询策略，也就是对消息按顺序分配。如下图第一条消息分配到 partition0，第二条消息分配到 partition1，第三条消息分配到 partition2。
轮询策略的好处就是负载非常均衡，它能最大限度保证消息被平均分配到所有分区上，但它的缺点也比较明显，这样分配会导致每个批次都很小，会有很多小请求，从而影响吞吐量。
粘性策略
为了解决轮询策略的问题，Kafka 又引入了新的分区策略——粘性策略。它的逻辑是消息默认跟随上一个消息的分区，直到批次被填满，或者等待时间到了。这样做的好处是可以极大的提高消息的批处理效率。
随机策略
旧版本的 Kafka 也支持随机策略，它的逻辑就是每次生成一个随机数，然后计算出对应的分区。这个策略本身的目的也是希望能做到负载均衡，但是实际效果不如轮询策略，因此在新版本中就不会使用了。
自定义策略
最后再介绍一下自定义策略，自定义分区策略的方法也很简单。只需要在自定义类中实现接口 org.apache.kafka.clients.producer.Partitioner，然后在 partition() 方法中实现自己的分区逻辑。
partition 方法提供了很多入参，包括消息相关的 topic、key、keyBytes、value、valueBytes，也包括集群相关的 cluster。一般情况下这么多信息足够你计算出对应消息需要发送到哪个分区。
1 | int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster); |
关键参数
介绍完了分区策略之后，我们再看几个分区相关的配置参数。
第一个是 batch.size，在介绍粘性策略时，我们提到了批次填满时，消息会分配到新的分区。这个参数就是用来控制批次大小的，默认是 16KB，批次越大，吞吐量越高。
第二个参数是 linger.ms，也是用于粘性策略的。它控制的是等待时间，默认是 0ms。生产环境可以设置成 5 - 100 ms。
总结
本文我们的视角从服务端过渡到了客户端，先从生产者的分区机制入手。了解了为什么需要分区，以及分区的几种策略，最后又介绍了两个配置参数。下一节我们将一起了解生产者端的性能提升利器——压缩。