高并发是大型架构核心，下面我详解Kafka亿级流量@mikechen
磁盘顺序读写 (Sequential I/O)
首先，磁盘顺序读写是 Kafka 性能的基础。
消息以追加（append-only）方式写入日志，读取亦多为顺序扫描。
这使得磁盘的顺序 I/O 得以充分利用，减少寻址与随机读写开销，从而提升吞吐能力。
机械硬盘随机读写：磁头来回寻道，IOPS 只有几百。
顺序读写：磁头不动，吞吐可达 200MB/s+
单 Partition 顺序写 TPS 可轻松破 20 万，多 Partition 并行累加到单机百万 TPS。
零拷贝 (Zero-Copy)
其次，零拷贝（Zero-Copy）机制进一步降低了数据在内核与用户空间间的复制成本。
Kafka 使用如 sendfile 等系统，调用直接在内核态完成从页缓存到网络套接字的数据传输。
避免冗余内存复制，减少 CPU 占用并提高网络传输效率，尤其在大批量数据传输时效果显著。
传统读文件→用户缓冲→内核缓冲→socket 的多次拷贝，每次都要 CPU 参与。
Kafka 用 sendfile() 系统调用直接从 Page Cache 发到网卡，省去 2-3 次拷贝。
页缓存 (Page Cache)
页缓存（Page Cache）作为操作系统层面的缓存机制，与 Kafka 的顺序访问模式高度契合。
Kafka 不自己管缓存，直接用 OS Page Cache：
写：数据直接落 Page Cache，异步刷盘（99% 场景读写都在内存）
读：Consumer 先从 Page Cache 命中，命中率常年 95%+，延迟近内存速度。
写入操作首先落到页缓存，随后由内核异步刷盘。
读取操作若命中页缓存则无需访问磁盘，极大降低 I/O 延迟。
得益于顺序写入与热数据局部性，页缓存命中率高。
从而缓解后端存储压力，提升整体服务稳定性。
分片并行 (Partitioning)
最后，分片并行（Partitioning）为 Kafka 提供了天然的水平扩展能力。
总吞吐 = Broker 数 × 单 Broker 吞吐 × Partition 因子 举例：20 Broker，每台 50 万 msg/s，副本数=3 读 QPS：20 × 50 万 × 3 = 3000 万 QPS（副本分担读） 写 QPS：20 × 50 万 = 1000 万 QPS 日总量：1000 万 msg/s × 86400 = 86.4 万亿条/天
将主题拆分为多个分区后，生产者与消费者可并发读写不同分区。
Broker 可在多核与多磁盘环境中并行处理请求，负载得以均匀分散。
分区还方便副本机制与故障隔离，确保高可用性与数据一致性。
陈睿mikechen
10年+大厂架构经验，资深技术专家，就职于阿里巴巴、淘宝、百度等一线互联网大厂。
关注作者「mikechen」公众号，获取更多技术干货！
后台回复【架构】，即可获取《阿里架构师进阶专题全部合集》，后台回复【面试】即可获取《史上最全阿里Java面试题总结》