{"id":27974859,"url":"https://github.com/notesparvvaresh/kafka","last_synced_at":"2026-01-21T08:36:22.566Z","repository":{"id":288754598,"uuid":"969055999","full_name":"notesparvvaresh/kafka","owner":"notesparvvaresh","description":"توضیحات کافکا به زبان ساده","archived":false,"fork":false,"pushed_at":"2025-04-19T11:08:01.000Z","size":5,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":0,"default_branch":"main","last_synced_at":"2025-04-19T16:39:02.680Z","etag":null,"topics":["explainability","kafka"],"latest_commit_sha":null,"homepage":"","language":null,"has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/notesparvvaresh.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2025-04-19T09:32:24.000Z","updated_at":"2025-04-19T11:13:58.000Z","dependencies_parsed_at":"2025-04-20T14:16:19.173Z","dependency_job_id":null,"html_url":"https://github.com/notesparvvaresh/kafka","commit_stats":null,"previous_names":["notesparvvaresh/kafka"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/notesparvvaresh%2Fkafka","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/notesparvvaresh%2Fkafka/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/notesparvvaresh%2Fkafka/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/notesparvvaresh%2Fkafka/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/notesparvvaresh","download_url":"https://codeload.github.com/notesparvvaresh/kafka/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":252976313,"owners_count":21834567,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["explainability","kafka"],"created_at":"2025-05-08T00:28:20.539Z","updated_at":"2026-01-21T08:36:22.532Z","avatar_url":"https://github.com/notesparvvaresh.png","language":null,"funding_links":[],"categories":[],"sub_categories":[],"readme":"\u003cdiv dir=\"rtl\"\u003e\n\nکافکا (Kafka) یک **پلتفرم متن‌باز (Open-source)** برای **پردازش جریان داده‌ها (stream processing)** هست که در ابتدا توسط شرکت **LinkedIn** توسعه داده شد و بعدها به **Apache Software Foundation** واگذار شد.\n\n---\n\n### ✅ تعریف ساده Kafka:\nکافکا مثل یه **صف پیام (message queue)** خیلی سریع و مقیاس‌پذیره. توش سیستم‌های مختلف می‌تونن داده‌هایی که تولید می‌کنن رو بذارن، و سیستم‌های دیگه بیان این داده‌ها رو بخونن.\n\n---\n### 🔧 Kafka برای چی استفاده میشه؟\n\n1. **جمع‌آوری داده به صورت بلادرنگ (Real-time)**  \n   مثلاً لاگ‌های سرورها، کلیک‌های کاربران، یا تراکنش‌های بانکی.\n\n2. **پردازش داده‌ها در لحظه**  \n   مثلاً اگه یه کاربر خریدی انجام بده، سیستم سریع اینو پردازش کنه و به چند بخش دیگه خبر بده.\n\n3. **اتصال بین سرویس‌ها (Integration)**  \n   مثل یک پل ارتباطی بین میکروسرویس‌ها که بهشون اجازه میده با هم بدون وابستگی مستقیم کار کنن.\n\n4. **جایگزین سیستم‌های قدیمی مثل RabbitMQ یا ActiveMQ**  \n   مخصوصاً وقتی حجم داده‌ها خیلی زیاده.\n\n---\n\n### 📦 کافکا چه اجزایی داره؟\n\n\n\n### 1. **Producer (فرستنده پیام)**  \n**Producer** شخص یا سیستمی است که **پیام‌ها** رو می‌فرسته به Kafka. این پیام‌ها می‌تونن هر نوع داده‌ای باشن: از لاگ‌ها گرفته تا داده‌های تراکنش یا اطلاعات کاربران.\n\n- **چطور کار می‌کنه؟**  \n  پروسه‌ای که داده‌ها رو می‌فرسته، باید تعیین کنه که پیام به کدوم **Topic** باید بره. هر **Producer** می‌تونه به چندین **Topic** پیام بفرسته.\n  \n- **مثال:**  \n  وقتی کاربر یک خرید آنلاین انجام می‌ده، سیستم سفارش (Order Service) پیام‌هایی ارسال می‌کنه که اطلاعات خرید (مثل محصول، مبلغ، و زمان) رو شامل می‌شه.\n\n---\n\n### 2. **Consumer (گیرنده پیام)**  \n**Consumer** سیستم یا برنامه‌ای است که **پیام‌ها** رو از Kafka می‌خونه. این سیستم‌ها معمولاً بعد از دریافت پیام، عملیات خاصی رو انجام می‌دن.\n\n- **چطور کار می‌کنه؟**  \n  Consumer به یک **Topic** خاص متصل میشه و هر بار که پیامی وارد اون **Topic** بشه، اون رو دریافت و پردازش می‌کنه.\n\n- **مثال:**  \n  سرویس‌های **Payment Service**، **Inventory Service** و **Shipping Service**، پیام‌های خرید رو می‌خونن و برای هر کدوم عملیات خاص خودشون رو انجام می‌دن، مثلاً بررسی پرداخت، کاهش موجودی، و ارسال کالا.\n\n---\n\n### 3. **Broker (سرور پیام)**  \n**Broker** سروری است که پیام‌ها رو **ذخیره** می‌کنه و آنها رو **مدیریت** می‌کنه. هر **Kafka Broker** می‌تونه چندین **Topic** رو مدیریت کنه و پیام‌ها رو به **Consumers** تحویل بده.\n\n- **چطور کار می‌کنه؟**  \n  پیام‌ها در **Broker** ذخیره می‌شن. هر Broker می‌تونه به تنهایی یا به صورت خوشه‌ای از چندین Broker با هم کار کنه تا بار کاری تقسیم بشه و مقیاس‌پذیری بهتری داشته باشه.\n\n- **مثال:**  \n  اگر تعداد زیادی پیام به Kafka فرستاده بشه، این پیام‌ها بین **Brokers** توزیع می‌شن تا کارایی و سرعت بالا بره. هر Broker یک بخش از داده‌ها رو ذخیره می‌کنه.\n\n---\n\n### 4. **Topic (موضوع یا کانال پیام)**  \n**Topic** در واقع یک **کانال** یا **دسته‌بندی** برای پیام‌هاست. وقتی پیام‌ها به Kafka فرستاده می‌شن، باید در یک **Topic** خاص قرار بگیرن.\n\n- **چطور کار می‌کنه؟**  \n  هر پیام باید به یک **Topic** مربوطه ارسال بشه. این کمک می‌کنه تا پیام‌ها از نظر نوع داده مرتب و دسته‌بندی بشن. برای مثال، میشه یک Topic برای \"خریدهای آنلاین\" و یکی دیگه برای \"فعالیت‌های کاربری\" داشت.\n\n- **مثال:**  \n  مثلاً یک **Topic** برای خریدهای آنلاین داریم به اسم `orders`، و وقتی کاربر خریدی انجام می‌ده، پیام به این Topic ارسال میشه. Consumerهای مختلف می‌تونن به این Topic گوش بدن و اطلاعات لازم رو دریافت کنن.\n\n---\n\n### 5. **Partition (بخش‌بندی پیام‌ها در داخل یک Topic)**  \n**Partition** به معنای تقسیم‌بندی داده‌ها در داخل هر **Topic** است. وقتی یک **Topic** خیلی بزرگ میشه یا تعداد پیام‌ها زیاد میشه، داده‌ها به **Partitions** مختلف تقسیم می‌شن تا هم سرعت پردازش بالا بره و هم کارایی بیشتر بشه.\n\n- **چطور کار می‌کنه؟**  \n  هر **Partition** به صورت مستقل پیام‌ها رو ذخیره می‌کنه و می‌تونه روی سرورهای مختلف (Brokers) توزیع بشه. این کار باعث میشه که Kafka بتونه به راحتی مقیاس‌پذیر بشه و بار زیادی رو مدیریت کنه.\n\n- **مثال:**  \n  فرض کن یک Topic داریم به نام `orders`. این Topic ممکنه به چندین **Partition** تقسیم بشه، مثلاً یک Partition برای محصولات الکترونیکی، یک Partition برای پوشاک، و یک Partition برای لوازم خانگی. این تقسیم‌بندی به Kafka کمک می‌کنه که پیام‌ها رو سریع‌تر و به طور موازی پردازش کنه.\n\n---\n\n### 6. **Zookeeper (مدیریت وضعیت Kafka)**  \n**Zookeeper** یک سیستم برای **مدیریت و هماهنگی** وضعیت‌های مختلف Kafka است. در نسخه‌های قدیمی‌تر Kafka از Zookeeper برای مدیریت وضعیت‌های **Broker**ها و **Topic**ها استفاده می‌شد.\n\n- **چطور کار می‌کنه؟**  \n  Zookeeper اطلاعاتی از وضعیت‌ها، مثل اطلاعات مربوط به کدام Brokerها فعال هستند، کدام Partition‌ها باید به کدام Broker اختصاص پیدا کنن و ... رو نگه می‌داره. همچنین زمانی که یک Broker از دست میره، Zookeeper کمک می‌کنه تا سیستم به سرعت دوباره پایدار بشه.\n  \n- **مثال:**  \n  فرض کن یک Broker از کار می‌افته. Zookeeper این رو تشخیص می‌ده و به Kafka اطلاع میده که داده‌ها باید بین Brokers دیگه توزیع بشن تا خدمات قطع نشه.\n\n---\n\n### ⚡️ تغییر به **KRaft** (به جای Zookeeper)  \nدر نسخه‌های جدید Kafka، امکان استفاده از **KRaft** (Kafka Raft) به جای Zookeeper معرفی شده. KRaft یه مدل جدید هست که برای **مدیریت وضعیت** بدون نیاز به Zookeeper طراحی شده.\n\n---\n\n### جمع‌بندی:\n\n- **Producer** پیام‌ها رو ارسال می‌کنه.\n- **Consumer** پیام‌ها رو می‌خونه.\n- **Broker** پیام‌ها رو ذخیره و مدیریت می‌کنه.\n- **Topic** کانالی برای دسته‌بندی پیام‌هاست.\n- **Partition** برای تقسیم‌بندی داده‌ها در داخل Topic هست.\n- **Zookeeper** (یا KRaft در نسخه‌های جدید) برای مدیریت وضعیت‌ها و هماهنگی اجزای Kafka استفاده میشه.\n\n\n\n---\n\n### 👨‍💻 با Kafka چیکار میشه کرد؟ چند مثال:\n\n- رصد آنی فعالیت کاربران روی وب‌سایت (مثلاً رفتار کاربر تو دیجی‌کالا)\n- جمع‌آوری و ذخیره‌ی لاگ‌ها از سرورها\n- سیستم‌های توصیه‌گر (مثلاً: چون اینو دیدی، اونم شاید بخوای)\n- پردازش لحظه‌ای تراکنش‌های بانکی برای کشف تقلب\n- ایجاد داشبوردهای بلادرنگ (real-time dashboard)\n\n---\n\n### ✅ مزایای Kafka:\n\n- سرعت بالا (میلیون‌ها پیام در ثانیه)\n- مقاوم در برابر خطا\n- مقیاس‌پذیر\n- ذخیره‌سازی پایدار پیام‌ها (می‌تونی پیامو بعداً هم بخونی)\n- پردازش بلادرنگ داده‌ها با Kafka Streams یا Apache Flink\n\n---\n\n\n\n\n### 🛒 سناریو واقعی: خرید آنلاین تو یه فروشگاه مثل دیجی‌کالا\n\nفرض کن یه کاربر اومده تو سایت و خرید انجام داده. پشت صحنه، چند تا سرویس با هم باید هماهنگ بشن:\n\n1. **سرویس سفارش (Order Service)**: ثبت می‌کنه که کاربر چی خرید.\n2. **سرویس پرداخت (Payment Service)**: چک می‌کنه پرداخت موفق بوده یا نه.\n3. **سرویس انبار (Inventory Service)**: از موجودی کم می‌کنه.\n4. **سرویس ارسال (Shipping Service)**: آماده میشه برای ارسال بسته.\n5. **سرویس تحلیل رفتار (Analytics)**: رفتار خرید کاربر رو ذخیره می‌کنه برای تحلیل.\n\n---\n\n### 🎯 چرا Kafka؟  \nبه‌جای اینکه هر سرویس مستقیماً به بقیه پیام بده (که پیچیدگی و وابستگی زیاد میاره)، همه با Kafka ارتباط دارن:\n\n- **Order Service** پیام خرید رو می‌فرسته به Kafka\n- بقیه سرویس‌ها (مثل Payment، Inventory و ...) به Kafka گوش می‌دن (Consumer) و وقتی پیام جدید اومد، عمل خودشون رو انجام می‌دن.\n\n---\n\n### 🖼️ دیاگرام ساده Kafka در این سناریو:\n\n```\n [Order Service] \n       |\n       | → Kafka Topic: \"orders\"\n       |\n       ↓\n+---------------------------+\n|        Kafka Broker       |\n+---------------------------+\n   ↓        ↓        ↓        ↓\n[Payment] [Inventory] [Shipping] [Analytics]\n Service   Service     Service     Service\n (Consumer) (Consumer) (Consumer)  (Consumer)\n```\n\n---\n\n### 🧠 نتیجه‌اش چیه؟\n\n- هر سرویس مستقله و فقط به Kafka وصله\n- می‌تونیم پیام‌ها رو ذخیره کنیم و بعداً دوباره بخونیم\n- اگه یه سرویس بیاد پایین، بقیه آسیب نمی‌بینن\n- عملکرد کلی خیلی مقیاس‌پذیر و سریع میشه\n\n---\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fnotesparvvaresh%2Fkafka","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fnotesparvvaresh%2Fkafka","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fnotesparvvaresh%2Fkafka/lists"}