介绍Redpanda是用C++编写的，是兼容Kafka的流数据平台，已被证明速度提高10倍。它也是无JVM、无ZooKeeper、Jepsen测试和可用源代码的。Redpanda完全兼容KafkaAPI，也就是说在开发项目中无需修改Kafka客户端相关代码，直接替换Kafka即可。因为是C++写的，不需要用JVM，分布式协调用的是raft协议，所以不需要用zookeeper。只有一个可执行二进制文件，部署非常容易。架构计算机硬件在过去十年间发生了很多变化：硬盘由于采用了NVMe协议的SSD，速度提升了1000倍；网络快100倍；云计算更便宜；但是CPU速度提升不多，就用多核解决了。从这个趋势来看，CPU似乎是新的瓶颈。在这样的背景下，为了适应现代计算机硬件的发展，小熊猫设计了自己的架构：这种架构叫做Thread-Per-Core。如上所述，现代计算机有很多核心。为了充分利用多核，需要线程。但是线程会遇到两个主要的问题：1.需要同步的时候必须使用锁，2.ContextSwitch的成本比较高。Thread-Per-Core架构就是为了解决这两个主要问题。如果有几个核心，就建几个线程，把线程绑定到特定的核心上，因为不会有更多的线程，所以尽量减少上下文切换。另外Redpanda的每个线程只负责处理自己的分区，所以不需要使用锁。你可能会想，I/O呢？如果线程被阻塞怎么办？linux5.1版本内核之后，加入了完全异步的io模型——io_uringio_uring使用在用户空间建立的两个队列：sq（提交队列）和cq（完成队列）来完成io操作。读写操作都放到sq里面，这一步是异步的，然后应用程序可以做其他的事情，内核完成工作后，把结果放到cq里面，当应用程序需要查看io结果的时候，就去cq检查就是这样。在这种模式下，因为sq的存在，相当于对系统调用进行了批处理，即内核对io进行批处理。这也充分利用了现代硬件的优势，比如NVMeSSD硬盘，可以并行处理很多IO操作。Redpanda的kafka客户端向Redpanda发送消息时，实际上是发送到某个core。当核心不负责某个分区时，它会通过rpc通知其他核心上的线程进行处理。这里Redpanda没有使用grpc和thrift，而是使用了自己的轻量级rpc来达到完美的速度。当有多个Redpanda节点时，使用raft协议进行数据共识。总结起来，Redpanda实现了三个目标：易于操作。只有一个二进制可执行文件，部署简单，无需jvm或zk。尽可能少的数据丢失。使用raft协议保证数据安全。实测比Kafka快10倍。Thread-Per-Core架构和io_uring的加持使其比Kafka更快。部署Redpanda可以部署到docker、linux、win、macOS、kubernetes。直接安装在docker、linux、win、macOS上时，安装后如果需要非本地访问，需要在参数中配置广播地址和端口，这样就可以在外部访问下进行kubernetes部署了。https://github.com/redpanda-data/helm-charts这个地址下载helmchart，然后进去找到values.yaml，主要需要修改的是storage：修改成合适的storageClass，选择空间大小，然后执行：helminstallredpandaredpanda--namespaceredpanda--create-namespace安装成功。
