Kafka高效读写数据的原因weixin45749011的博客-

1. 顺序写磁盘

Kafka的producer生产数据，要写入到log文件中，写的过程是一直追加到文件末端，为顺序写。官网有数据表明，同样的磁 盘，顺序写能到600M/s，而随机写只有100K/s。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的 时间。 

2. 分段日志 + 索引文件

分段日志是通过数据的偏移量进行存储，索引文件是能快速定位所要查询数据的位置  1、Kafka把topic中一个parition大文件分成多个小文件段，通过多个小文件段，就容易定期清除或删除已经消费完文件， 减少磁盘占用。 2、通过索引信息可以快速定位message和确定response的最大大小。 3、通过index元数据全部映射到memory，可以避免segment file的IO磁盘操作。 4、通过索引文件稀疏存储，可以大幅降低index文件元数据占用空间大小。 

3. 零拷贝

如下图所示是普通Java读取复制文件的一个流程

Java程序是无法直接操作硬件的，所以Java想要操作文件的话必须得通过操作系统去读取文件。这时就会涉及大量 的读写缓存，因为我们发送数据的时候不可能1kb的发，因此只能先缓存起来，这必定会涉及到大量的IO操作，由此可见 这样的效率并不是非常高的。 

零拷贝

1.在Kafka中我们的Java程序并不需要文件的内容，所以Kafka就使用了零拷贝的技术，因此Kafka当中的数据直接缓存在 操作系统当中，我们读也在这里读 写也在这里写，这样的效率提高了许多 2.所谓的零拷贝并不是真正意义上的零拷贝 实际上是缓存了一次，只是相对于普通Java读取复制文件少了许多中间的缓存 

4. Page Cache

由上图可见 1. 传统的数据传输是先将数据缓存在内存当中，当数据达到一定的阈值再写入到文件中。 2. Page Cache 是在操作系统开了一个内存将数据直接缓存到系统内存中。 3. 虽然将数据缓存到Page Cache中会比直接缓存到Memory中效率更低，但是当数据量达到一定的阈值的时候Memory会对 缓存中的数据进行溢写，这样的效率就会比直接写入Page Cache会更低，因为Page Cache对文件进行读写操作效率是非常 高的，而Memory对数据进行溢写这时就需要请求操作系统，所以这样的效率会比Page Cache对文件的读写操作效率低很多。 4. 缓存到Memory我们JVM所分配到的内存是有限的，而Page Cache是利用操作系统的内存。 

5. 批量发送

kafka允许进行批量发送消息，producter发送消息的时候，可以将消息缓存在本地，等到了固定条件发送到kafka  1. 等消息条数到固定条数  2. 一段时间发送一次 

6. 数据压缩

Kafka还支持对消息集合进行压缩，Producer可以通过GZIP或Snappy格式对消息集合进行压缩 压缩的好处就是减少传输的数据量，减轻对网络传输的压力 批量发送和数据压缩一起使用效果最好，单条做数据压缩的话，效果不明显