Partition 属于 Topic 的一部分。一个 Topic 可以有多个 Partition ，并且同一 Topic 下的 Partition 可以分布在不同的 Broker 上，这也就表明一个 Topic 可以横跨多个 Broker；
Partition 属于 Topic 的一部分；
一个 Topic 可以有多个 Partition ，并且同一 Topic 下的 Partition 可以分布在不同的 Broker 上，这也就表明一个 Topic 可以横跨多个 Broker；
一个分区只能被同一个 Consumer Group 中的一个 Consumer 消费，分区内消费有序；同一Consumer Group中的多个Consumer实例，不同时消费同一个partition，等效于队列模式；
再来看Kafka 的 Partition，Kafka 的消费模式和发送模式都是以 Partition 为分界。也就是说对于一个 Topic 的并发量限制在于有多少个 Partition, 就能支撑多少的并发；
一个 Topic 可以横跨多个 Broker；
一个分区只对应一个Broker，一个Broker可以管理多个分区；
Kafka可以将主题划分为多个分区（Partition），会根据分区规则选择把消息存储到哪个分区中；
topic是逻辑的概念，partition是物理的概念；
producer只需要关心消息发往哪个topic，而consumer只关心自己订阅哪个topic，并不关心每条消息存于整个集群的哪个broker。
对于partition，顺序读写磁盘数据，以时间复杂度O(1)方式提供消息持久化能力；

offset：

消息在日志中的位置，可以理解是消息在partition上的偏移量，也是代表该消息的唯一序号；

Producer：

消息生产者，在Kafka，生产者发布通信以及向Kafka主题发布消息；

Consumer：

消息消费者，Kafka消费者订阅了一个主题，并且还从主题中读取和处理消息；

Consumer Group：

消费者分组，每个Consumer必须属于一个group；

Zookeeper：

保存着集群broker、topic、partition等meta数据；另外，还负责broker故障发现，partition leader选举，负载均衡等功能；

什么是消费者组？Kafka 中 Consumer Group 是什么概念？【重点】【面试问过】

消费者组是Kafka独有的概念，如果面试官问这个，就说明他对此是有一定了解的。
官网上的介绍言简意赅，即消费者组是Kafka提供的可扩展且具有容错性的消费者机制；
但实际上，消费者组(Consumer Group)其实包含两个概念：
作为队列，消费者组允许你分割数据处理到一组进程集合上(即一个消费者组中可以包含多个消费者进程，他们共同消费该topic'的数据），这有助于你的消费能力的动态调整；
作为-订阅模型(publish-subscribe)， Kafka 允许你将同一份消息广播到多个消费者组里，以此来丰富多种数据使用场景；
需要注意的是：在消费者组中，多个实例共同订阅若干个主题，实现共同消费。同一个组下的每个实例都配置有相同的组ID，被分配不同的订阅分区。当某个实例挂掉的时候，其他实例会自动地承担起它负责消费的分区。因此，消费者组在一定程度上也保证了消费者程序的高可用性；
注意：消费者组的题目，能够帮你在某种程度上掌控下面的面试方向；
如果你擅长位移值原理(Offset)”，就不妨再提一下消费者组的位移提交机制；
如果你擅长 Kafka Broker，可以提一下消费者组与Broker之间的交互；
如果你擅长与消费者组完全不相关的 Producer ，那么就可以这么说︰“消费者组要消费的数据完全来自于Producer端生产的消息，我对Producer还是比较熟悉的”；
总之，你总得对consumer group相关的方向有一定理解，然后才能像面试官表名你对某1块很理解；
一个分区只能被同一个 Consumer Group 中的一个 Consumer 消费，分区内消费有序；同一Consumer Group中的多个Consumer实例，不同时消费同一个partition，等效于队列模式；

什么是Partition (分区)：

可以理解为将标准 MQ 的 Queue 的消息进行拆分, 来实现高可用；
Producer 发送的 Message, 根据 key 和 partition 数进行 hash, 然后进行投递；
一个消费者可消费多个分区，一个分区可被多个消费组消费，但同一消费组内仅能有一个消费者同时消费1个分区，等效于队列模式，分区内消费有序；
Partition 属于 Topic 的一部分。一个 Topic 可以有多个 Partition ，并且同一 Topic 下的 Partition 可以分布在不同的 Broker 上，这也就表明一个 Topic 可以横跨多个 Broker，一个分区只对应一个 Broker，一个 Broker 可以管理多个分区；
对于partition，顺序读写磁盘数据，以时间复杂度O(1)方式提供消息持久化能力；
topic是逻辑的概念，partition是物理的概念；
Kafka 的消费模式和发送模式都是以 Partition 为分界；对于一个 Topic 的并发量限制在于有多少个 Partition, 就能支撑多少的并发；
producer只需要关心消息发往哪个topic，而consumer只关心自己订阅哪个topic，并不关心每条消息存于整个集群的哪个broker；
一个分区只能被同一个 Consumer Group 中的一个 Consumer 消费，分区内消费有序；同一Consumer Group中的多个Consumer实例，不同时消费同一个partition，等效于队列模式；
再来看Kafka 的 Partition，Kafka 的消费模式和发送模式都是以 Partition 为分界。也就是说对于一个 Topic 的并发量限制在于有多少个 Partition, 就能支撑多少的并发；
一个 Topic 可以横跨多个 Broker；
一个分区只对应一个Broker，一个Broker可以管理多个分区；
kafka可以将主题划分为多个分区（Partition），会根据分区规则选择把消息存储到哪个分区中；