Kafka 作为一款基于磁盘存储的高吞吐消息中间件，常作为 log、event 等流式数据的通道，在流式计算领域也有丰富应用，下面简单分析其高吞吐、高性能的几点原因
零拷贝
普通的数据传输一般涉及 read、write 两个系统调用，而 kafka 的 broker 传递数据给消费者使用零拷贝的技术，底层使用了 sendfile 的系统调用，减少了用户态与内核态的上下文切换和数据拷贝的次数，read、write 两次系统调用涉及 4 次的上下文切换和 4 次的数据拷贝才能从一端到另一端，而 sendfile 系统调用只需要 2 次的上下文切换和 3 次的数据拷贝，减少了两次的上下文切换和一次拷贝动作，善用零拷贝可以优化基于磁盘的分布式系统的数据传输-
顺序写 + page cache
普通磁盘的随机写性能较低，顺序写的性能则好很多，kafka 的存储模型就是一个 FIFO 的队列模型，不断地追加写文件，直到达到配置的大小限制（默认1GB）后进行翻滚，而当 kafka 的 partition 增多后，每个磁盘的随机写会增加，kafka 本身写入逻辑非常简单，使用普通的 java api，所以其完全依赖 linux 系统本身的 page cache，写到 page cache 后不是立刻写入磁盘，而要等待系统的 pdflush 线程进行刷盘操作，官方文档描述了 3 点使用 page cache 相对应用层缓存的优点：- 多次连续写入能批量汇聚成一次的物理写提高吞吐量
- 写入重排最小化磁头移动的次数，优化写入性能
- 自动使用系统的剩余内存
分区（partition）
partiton 是 topic 的子概念，一个 topic 可以分成多个 partition，partition 是 kafka 横向扩展和并行化的基础，每个 partition 都可以并行写入与读取，一般会预估数据的量级，选择合适的 partition 数量进行 topic 的创建，某种程度上而言，partition 越多意味着读写的吞吐量越大，当然不是绝对的，分区越多对于磁盘的顺序写影响越大，更容易产生随机写降低性能。关于分区基本上所有分布式（存储、计算）系统都有类似抽象，基本都是依托其作为水平扩展的基础reactor 网络模型
Kafka 的网络层使用 reactor 的线程模型，单个 acceptor 线程负责处理所有客户端的连接，建立连接后将 socket 的轮询分发给多个 processor 线程处理读写请求，processor 只负责数据的接收和发送，其后还有多个 handler 线程进行具体的逻辑操作，通过这样的异步线程模型，kafka 能够与成千上万的客户端交互而毫无压力
