kafka作为一个消息中间件，和所有中间件一样，都需要解决两个问题：
- 单点问题
- 性能问题
我们可以参考AKF模型，看看kafka是如何做的。
- 在Y轴上，按服务功能划分，kafka是通过topic来实现的。不同的业务使用不同的topic。
- 在Z轴上，做数据分区，kafka中每个topic都可以有一到多个partition，一个业务的数据（tpoic上的）可以分散存储到多个partition中。数据散列到多个分区是为了提高处理的并发度。在处理数据的时候，有一点需要注意：
- 无关的数据（数据之间没有关联关系）可以分散到不同的分区里，以追求最大的并发度。
- 有关联的数据，一定要按原有的顺序发送到同一个分区里，保证消息处理的顺序。 在kafka中，分区内部是有序的，分区和分区之间的数据是无序的。
- 在X轴上，为了保证数据不会丢失，每份数据都需要做备份，在实际开发中，创建patition的时候可以指定副本数量。一般有副本的话，可以做读写分离，例如MySQL。但做读写分离容易出现一致性问题，在kafka中，只能在主Patition上进行读写。
下图是kafka的结构图：
从图中可以看到，Topic A 有两个Partition，Partition 0和Partition 1。每个Partition都有一个对应的副本，分布在不同的Broker中。
kafka Broker的Partition保存了Producer发送过来的数据。数据才是重点，在kafka中，数据是可以重复利用的。在数据消费层面，有消费组的概念，不同的消费组维护各自的offset（消息的偏移量）。如下图所示：
以下图说明一下topic->partition->offset之间的关系。下图中的topic有三个分区，每个分区的偏移量都从0开始，不同分区之间的偏移量都是独立的，不会相互影响。
