Kafka是一个分布式的消息中间件，可以粗略的将其划分为三部分：Producer、Broker和Consumer。其中，Producer负责产生消息并负责将消息发送给Kafka；Broker可以简单的理解为Kafka集群中的每一台机器，其负责完成消息队列的主要功能（接收消息、消息的持久化存储、为Consumer提供消息、消息清理.....)；Consumer从Broker获取消息并进行后续的操作。每个broker会有一个ID标识，该标识由人工在配置文件中配置。
Kafka中的消息隶属于topic，topic可以简单的理解为分组。在topic内部，消息会划分为分区(partition)。对于partition可能难以理解，至少我读程序的时候一直没有弄明白partition的编号究竟是怎么确定的，这里多说一下。在broker的配置文件server.properties中有配置项num.partitions和topic.partition.count.map。 num.partitions是该broker每一个topic默认的partition数目(设为N)；topic.partition.count.map针对每一个topic设置partition数目(设为N)。Broker根据设置的数目在该机器为topic创建[0,1...N-1]N个partition。所以，partition的命名可以理解为由两部分组成，brokerId和partitionNum，其中partitionNum是从0开始的数字。
Broker按照下面的原则组织该机器的消息队列。首先，为每一个topic的每一个partition创建一个目录，命名格式为topic-partition。Broker对于topic-partition的消息进行分段(segment)存储，每一个segment的命名格式每个segment的偏移量(offet)。目录的组织结构具体如下图所示：
Kafka每一条Message的格式：
Length(4byte)
MagicValue(1byte)
Attribute(1byte)
CRC校验码(4byte)
payload(消息的内容)
其中magicvalue=1,Attribute表明消息是否采用压缩以及采用何种压缩方式，crc为payload的crc校验码。消息在kafka的持久化存储文件中新增了一个域：消息的长度，具体的格式如下所示：
其中，ByteBufferMessageSet和FileMessageSet都是采用上面的格式进行存储的。
注意Kafka对消息进行压缩的过程。Kafka对消息进行压缩时是对一组Message进行压缩的，其处理过程如下。首先将每一条Message序列化到一个byte数组，然后将压缩后的byte数组再组成一条新的Message，其具体格式如下：
注意FileMessageSet中的offset是指该messageset在File中的起始位置，是文件中的具体位置。
原文地址：http://blog.csdn.net/zuochanxiaoheshang/article/details/35273629
