一.操作系统-Linux

• Kafka是JVM系的大数据框架
• kafka由Scala语言和Java语言编写而成，编译之后的源代码就是普通的".class"文件 

 使用Linux 

• kafka客户端底层使用Java的selector，selector在Linux上的实现机制是epoll，由于在windows上实现是select，因此部署在Linux上有优势，可以获得更高效的I/O性能。
• 在Linux部署kafka能够享受到零拷贝技术所带来的 快速数据传输特性。

二.磁盘-普通机械磁盘

•  kafka大量使用磁盘，但是使用磁盘是顺序读写操作，一定程序规避机械磁盘的随机读写操作慢。
• 机械磁盘物美价廉，易损坏等可靠性缺陷，由kafka在软件层面提供机制保证。

三.磁盘容量

需求：

kafka需要将消息保存在底层磁盘上，这些消息默认保存一段时间然后自动被删除。

问题：

• 假设公司业务每天需要发送一亿条消息，每条消息保存两份以上防止数据丢失，
• 另外消息默认保存两周时间。假设消息的平均大小是1kB，那么你能计算出kafka集群要预留多少磁盘空间吗？

计算：

• 每天一亿条1kB大小的消息，且保存两份留存两周    
• 计算一天的空间大小：1亿*1KB*2=200GB
• 一般情况下Kafka集群除了消息数据还有其他类型的数据，比如索引数据，我们需要预留出百分之10的磁盘空间，因此总的存储容量就是220GB
• 保存两周，那就是220GB*14，大约为3TB左右
• kafka支持的压缩比是0.75，那么最后规划需要的空间是0.75*3-2.25TB

规划磁盘容量考虑以下几个元素：

• 新增消息数
• 消息 留存时间
• 消息平均大小
• 备份数
• 是否启用压缩    

四.带宽

• 与其说是带宽资源规划， 其实是规划所需kafka服务器的数量。

需求：

• 公司的机场环境是千兆网络即1Gbps，现在有业务，业务目标是1小时处理1TB业务数据，那么需要多少台服务器完成业务：

计算：      

• 带宽是1Gbps，即每秒处理1Gb的数据，假设每台kafka服务器都是安装在专属的机器上，通常环境还是有其他服务，通常kafka只能用到百分70的带宽资源。
• 实际使用经验，超过70%的阈值就有网络丢包可能性，故70%的设定是一个比较合理的值，也就是单台kafka服务器可能使用700mMb带宽资源。
• 这只是它能使用的最大带宽资源，你不能让kafka服务器常规性使用这么多资源。通常额外预留2/3的资源，即单台服务器使用带宽700Mb/3=240Mbps。
• 计算1小时处理1TB数据所需服务器数量。2336/240=10台，额外复制两份，需要30台。