Comprendre les partitions et les décalages
Comprenez l’importance des partitions pour la montée en charge et le parallélisme, ainsi que la manière dont les décalages suivent la progression des consommateurs.
Comprendre les partitions et les décalages est une leçon Apache Kafka & Stream Processing Fundamentals gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Apache Kafka & Stream Processing Fundamentals, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Apache Kafka & Stream Processing Fundamentals comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
What are Kafka Partitions?
Imagine a Kafka topic as a category for messages. To handle lots of messages efficiently, Kafka divides a topic into smaller, ordered segments called partitions.
Think of each partition as its own mini-log. Messages are appended to the end of a partition in the order they arrive. Once written, messages in a partition are immutable.
Partitions: Ordered & Immutable
It's crucial to understand that while messages within a single partition are strictly ordered, there's no guaranteed order across different partitions of the same topic.
- Ordered: Messages in one partition always have a clear sequence.
- Immutable: Once a message is written to a partition, it cannot be changed.
- Append-only: New messages are always added to the end.
Scalability Through Partitions
Partitions are the backbone of Kafka's scalability and parallelism. Here's why they matter:
- Parallel Processing: Multiple consumers can read from different partitions of the same topic simultaneously.
- Distributed Storage: Partitions can be spread across different Kafka brokers (servers) in a cluster. This allows topics to handle more data than a single server could.
How Messages Are Assigned
When a producer sends a message, Kafka needs to decide which partition it should go into. This is called partitioning strategy:
- With a Key: If a message includes a key (e.g., a user ID), Kafka uses a hash of that key to consistently assign it to the same partition. This ensures all messages for a specific key are processed in order.
- Without a Key: If no key is provided, Kafka typically uses a round-robin approach, distributing messages evenly across all partitions.
Producer with Message Keys
This Java example shows how a producer sends messages to a topic, explicitly providing a key. Messages with the same key will end up in the same partition.
import java.util.Properties;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerRecord;
public class KeyedProducer {
public static void main(String[] args) {
Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
try (KafkaProducer<String, String> producer = new KafkaProducer<>(props)) {
String topic = "my_keyed_topic";
for (int i = 0; i < 4; i++) {
String key = "user-" + (i % 2); // user-0, user-1, user-0, user-1
String value = "Message " + i + " for " + key;
producer.send(new ProducerRecord<>(topic, key, value));
System.out.println("Sent: Key=" + key + ", Value=" + value);
}
} catch (Exception e) {
e.printStackTrace();
}
}
}Introducing Message Offsets
Every message within a Kafka partition has a unique, sequential identifier called an offset. Think of it as an index number for messages within that specific partition.
- The first message in a partition has offset 0.
- The next message has offset 1, and so on.
- Offsets are local to each partition.
Offsets for Consumer Progress
Offsets are critical for consumers to track their progress. A consumer keeps a record of the offset of the last message it successfully processed in each partition.
This allows consumers to:
- Resume processing exactly where they left off if they stop or crash.
- Know which messages they still need to read.
Committing Offsets
After processing messages, consumers need to inform Kafka about their progress by committing their offsets. This means saving the current offset to a special Kafka topic (__consumer_offsets).
Committing can be:
- Automatic: Kafka commits offsets periodically in the background.
- Manual: The application explicitly tells Kafka when to commit offsets, offering more control over processing guarantees.
Check Your Understanding
Let's test your knowledge about Kafka partitions and offsets.
Recap: Partitions & Offsets
Today, we explored two core Kafka concepts:
- Partitions: These segments divide a topic, enabling parallel processing, distributed storage, and ordered messages within each partition.
- Offsets: These sequential IDs track the position of messages within a partition, allowing consumers to precisely manage their progress and resume reliably.
Understanding these concepts is key to building scalable and robust Kafka applications!
Questions Fréquemment Posées
La leçon « Comprendre les partitions et les décalages » est-elle gratuite ?
Oui — le texte complet de « Comprendre les partitions et les décalages » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Apache Kafka & Stream Processing Fundamentals, passe à CoddyKit PRO. Le cours Apache Kafka & Stream Processing Fundamentals comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Comprendre les partitions et les décalages » ?
Comprenez l’importance des partitions pour la montée en charge et le parallélisme, ainsi que la manière dont les décalages suivent la progression des consommateurs. Tu pratiques Apache Kafka & Stream Processing Fundamentals avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Apache Kafka & Stream Processing Fundamentals ?
Aucune expérience préalable n'est requise. Apache Kafka & Stream Processing Fundamentals sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.
Combien de temps prend la leçon « Comprendre les partitions et les décalages » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Apache Kafka & Stream Processing Fundamentals ?
Oui. Chaque leçon Apache Kafka & Stream Processing Fundamentals inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Produire des messages dans Kafka
- Consommer des messages depuis Kafka
- Comprendre les partitions et les décalages
- Clés de messages et stratégies de partitionnement