一、Zookeeper（分布式服务管理框架）
存储业务服务器节点的元数据及状态信息，并且负责通知zookeeper上注册服务节点状态给客户端
Zookeeper是一个分布式协调服务，专门为分布式应用提供高效可靠的协调、同步、配置管理和故障恢复等功能。它的设计目的是简化分布式系统的管理，保证多个节点之间的数据一致性和协调工作。Zookeeper 提供了类似文件系统的层次化命名空间，用来存储和管理元数据，确保分布式应用的高可用性和强一致性。
1.1 Zookeeper 工作机制
服务端启动时向zookeeper注册信息，zookeeper充当一个管理者，存储和管理服务器节点的元数据和状态信息。客户端通过zookeeper监听服务器列表，有任何服务器节点挂了，zookeeper都会通知客户端。
zookeeper = 文件系统 + 通知机制
1个leader ，N个follower，节点数量 >=3（奇数台）
Zookeeper从设计模式角度来理解：是一个基于观察者模式设计的分布式服务管理框架，它负责存储和管理大家都关心的数据，然后接受观察者的注册，一旦这些数据的状态发生变化，Zookeeper就将负责通知已经在Zookeeper上注册的那些观察者做出相应的反应。也就是说 Zookeeper =文件系统 +通知机制
1.2 Zookeeper 数据结构
Zookeeper 的数据结构类似于一个层次化的文件系统：
ZNode：是 Zookeeper 中存储数据的基本单元，每个 ZNode 都可以存储少量的数据，并且可以有子节点，形成树状结构。
持久节点：该类型的 ZNode 会一直存在，直到手动删除。
临时节点：客户端会话断开时，临时节点会自动删除，适用于实现分布式锁等功能。
顺序节点：在创建 ZNode 时，Zookeeper 可以自动为其添加递增的编号，常用于实现分布式队列或顺序任务处理。
ZooKeeper数据模型的结构与Linux文件系统很类似，整体上可以看作是一棵树，每个节点称做一个ZNode。每一个ZNode默认能够存储1MB的数据，每个ZNode都可以通过其路径唯一标识。
1.3 Zookeeper 应用场景
提供的服务包括：统一命名服务、统一配置管理、统一集群管理、服务器节点动态上下线、软负载均衡等。
统一命名服务
在分布式环境下，经常需要对应用/服务进行统一命名，便于识别。例如：IP不容易记住，而域名容易记住。
统一配置管理
（1）分布式环境下，配置文件同步非常常见。一般要求一个集群中，所有节点的配置信息是一致的，比如Kafka集群。对配置文件修改后，希望能够快速同步到各个节点上。
（2）配置管理可交由ZooKeeper实现。可将配置信息写入ZooKeeper上的一个Znode。各个客户端服务器监听这个Znode。一旦 Znode中的数据被修改，ZooKeeper将通知各个客户端服务器。
统一集群管理
（1）分布式环境中，实时掌握每个节点的状态是必要的。可根据节点实时状态做出一些调整。
（2）ZooKeeper可以实现实时监控节点状态变化。可将节点信息写入ZooKeeper上的一个ZNode。监听这个ZNode可获取它的实时状态变化。
服务器动态上下线
客户端能实时洞察到服务器上下线的变化。
软负载均衡
在Zookeeper中记录每台服务器的访问数，让访问数最少的服务器去处理最新的客户端请求。
1.4 Zookeeper 选举机制
1.5.1 第一次选举 ***
Zookeeper 的选举机制确保集群中的所有节点对外表现为一个统一的服务。选举机制分为两个阶段：Leader 选举 和 投票确认。
通过比较myid，myid最大的获取选票。当选票超过半数，确定leader节点，之后再加入的节点无论myid多大，都会做follower加入集群
①、服务器1启动，发起一次选举。服务器1投自己一票。此时服务器1票数一票，不够半数以上（3票），选举无法完成，服务器1状态保持为LOOKING；
②、服务器2启动，再发起一次选举。服务器1和2分别投自己一票并交换选票信息：此时服务器1发现服务器2的myid比自己目前投票推举的（服务器1）大，更改选票为推举服务器2。此时服务器1票数0票，服务器2票数2票，没有半数以上结果，选举无法完成，服务器1，2状态保持LOOKING
③、服务器3启动，发起一次选举。此时服务器1和2都会更改选票为服务器3。此次投票结果：服务器1为0票，服务器2为0票，服务器3为3票。此时服务器3的票数已经超过半数，服务器3当选Leader。服务器1，2更改状态为FOLLOWING，服务器3更改状态为LEADING；
④、服务器4启动，发起一次选举。此时服务器1，2，3已经不是LOOKING状态，不会更改选票信息。交换选票信息结果：服务器3为3票，服务器4为1票。此时服务器4服从多数，更改选票信息为服务器3，并更改状态FOLLOWING；
1.5.2 非第一次选举 ***
1、当ZooKeeper集群中的一台服务器出现以下两种情况之一时，就会开始进入Leader选举：
①、服务器初始化启动。
②、服务器运行期间无法和Leader保持连接。
2、而当一台机器进入Leader选举流程时，当前集群也可能会处于以下两种状态：
①、集群中本来就已经存在一个Leader。
对于已经存在Leader的情况，机器试图去选举Leader时，会被告知当前服务器的Leader信息，对于该机器来说，仅仅需要和 Leader机器建立连接，并进行状态同步即可。
②、集群中确实不存在Leader。
假设ZooKeeper由5台服务器组成，SID分别为1、2、3、4、5，ZXID分别为8、8、8、7、7，并且此时SID为3的服务器是Leader。某一时刻，3和5服务器出现故障，因此开始进行Leader选举。
当源leader故障，其他节点会选举新的leader，先比较EPOCH（任期）最大的直接当选leader；如果EPOCH相同，会比较事务ID，最大的当选leader；如果事务ID相同，比较服务器ID（myid），最大的当选leader。
选举Leader规则：
① EPOCH大的直接胜出
② EPOCH相同，事务id大的胜出
③ 事务id相同，服务器id大的胜出
SID：服务器ID（myid）。ZooKeeper集群中的机器唯一标识符 ，每台机器不能重复。
ZXID：事务ID。用来标识一次服务器状态的变更。每次进行一个操作（如数据更新），都会产生一个新的事务 ID。事务 ID 越大，表示这个节点处理的最新事务越多。
Epoch（任期）：每次选举出一个新的 Leader，EPOCH 就会增加。EPOCH 越大，表示这个节点在集群中担任 Leader 的次数越多。EPOCH 用来帮助节点们识别哪个节点是最新的 Leader。
1.6 部署 Zookeeper 集群
1.6.1 部署环境ZK
| 服务名称 | IP地址 | 服务 |
| zk01 | 192.168.190.20 | zookeeper-3.5.7 kafka_2.13-2.7.1 jdk_1.8 |
| zk02 | 192.168.190.30 |
zookeeper-3.5.7 kafka_2.13-2.7.1 jdk_1.8
|
| zk03 | 192.168.190.40 | zookeeper-3.5.7 kafka_2.13-2.7.1 jdk_1.8 |
1.6.2 安装前准备
systemctl stop firewalld
systemctl disable firewalld
setenforce 0
2、安装 JDK
yum install -y java-1.8.0-openjdk java-1.8.0-openjdk-devel
java -version
3、下载安装包
官方下载地址：Index of /dist/zookeeper
cd /opt
wget https://archive.apache.org/dist/zookeeper/zookeeper-3.5.7/apache-zookeeper-
3.5.7-bin.tar.gz
1.6.3 安装 Zookeeper
（zk01、zk02、zk03都要做）
cd /opt
tar -zxvf apache-zookeeper-3.5.7-bin.tar.gz
mv apache-zookeeper-3.5.7-bin /usr/local/zookeeper-3.5.7
1、修改配置文件
cd /usr/local/zookeeper-3.5.7/conf/
cp zoo_sample.cfg zoo.cfg
vim zoo.cfg
tickTime=2000 #通信心跳时间，Zookeeper服务器与客户端心跳时间，单位毫秒
initLimit=10 #Leader和Follower初始连接时能容忍的最多心跳数（tickTime的数量），这里表示为10*2s
syncLimit=5 #Leader和Follower之间同步通信的超时时间，这里表示如果超过5*2s，Leader认为Follwer死掉，并从服务器列表中删除Follwer
dataDir=/usr/local/zookeeper-3.5.7/data #修改，指定保存Zookeeper中的数据的目录，目录需要单独创建
dataLogDir=/usr/local/zookeeper-3.5.7/logs #添加，指定存放日志的目录，目录需要单独创建
clientPort=2181 #客户端连：接端口
server.1=192.168.190.20:3188:3288 #添加集群信 #3188:3288 （交换信息：重新选举）
server.2=192.168.190.30:3188:3288
server.3=192.168.190.40:3188:3288
server.A=B:C:D
●A是一个数字，表示这个是第几号服务器。集群模式下需要在zoo.cfg中dataDir指定的目录下创建一个文件myid，这个文件里面有一个数据就是A的值，Zookeeper启动时读取此文件，拿到里面的数据与zoo.cfg里面的配置信息比较从而判断到底是哪个server。
●B是这个服务器的地址。
●C是这个服务器Follower与集群中的Leader服务器交换信息的端口。
●D是万一集群中的Leader服务器挂了，需要一个端口来重新进行选举，选出一个新的Leader，而这个端口就是用来执行选举时服务器相互通信的端口。
2、拷贝配置好的 Zookeeper 配置文件到其他机器上
scp /usr/local/zookeeper-3.5.7/conf/zoo.cfg 192.168.190.30:/usr/local/zookeeper-3.5.7/conf/
scp /usr/local/zookeeper-3.5.7/conf/zoo.cfg 192.168.190.40:/usr/local/zookeeper-3.5.7/conf/
3、在每个节点上创建数据目录和日志目录
mkdir /usr/local/zookeeper-3.5.7/data
mkdir /usr/local/zookeeper-3.5.7/logs
4、在每个节点的dataDir指定的目录下创建一个 myid 的文件
zk01：
echo 1 > /usr/local/zookeeper-3.5.7/data/myid
zk02：
echo 2 > /usr/local/zookeeper-3.5.7/data/myid
zk03：
echo 3 > /usr/local/zookeeper-3.5.7/data/myid
5、配置 Zookeeper 启动脚本
vim /etc/init.d/zookeeper
#!/bin/bash
#chkconfig:2345 20 90
#description:Zookeeper Service Control Script
ZK_HOME='/usr/local/zookeeper-3.5.7'
case $1 in
start)
echo "---------- zookeeper 启动 ------------"
$ZK_HOME/bin/zkServer.sh start
;;
stop)
echo "---------- zookeeper 停止 ------------"
$ZK_HOME/bin/zkServer.sh stop
;;
restart)
echo "---------- zookeeper 重启 ------------"
$ZK_HOME/bin/zkServer.sh restart
;;
status)
echo "---------- zookeeper 状态 ------------"
$ZK_HOME/bin/zkServer.sh status
;;
*)
echo "Usage: $0 {start|stop|restart|status}"
esac
6、设置开机自启
chmod +x /etc/init.d/zookeeper
chkconfig --add zookeeper
7、分别启动 Zookeeper
service zookeeper start #zk01、zk02、zk03要分别启动，因为要选举leader
8、查看当前状态
service zookeeper status
二、Kafka
MQ（消息队列）：能让系统处理更多并发请求，不会因为处理不过来而崩溃。通过异步处理，流量削峰，解耦应用和消息，帮助系统更高效、稳定的运行
2.1 为什么要消息队列（MQ）
主要原因是由于在高并发环境下，同步请求来不及处理，请求往往会发生阻塞。比如大量的请求并发访问数据库，导致行锁表锁，最后请求线程会堆积过多，从而触发 too many connection 错误，引发雪崩效应。
我们使用消息队列，通过异步处理请求，从而缓解系统的压力。消息队列常应用于异步处理，流量削峰，应用解耦，消息通讯等场景。
当前比较常见的 MQ 中间件有 ActiveMQ、RabbitMQ、RocketMQ、Kafka 等。
2.2 使用消息队列的好处（kafka）
解耦
系统的不同部分可以独立修改或扩展，只要能遵循相同接口，就不会相互影响（现在用微服务就是因为解耦的原因，服务之间不相互影响）
可恢复性
即使系统的某部分挂了，其他部分任然可以继续工作，(挂掉的过程中消息仍然可以加入队列)丢失的消息可以在系统恢复后继续处理
缓冲
有助于控制和优化数据流经过系统的速度。处理速度不一致时，队列可以暂存数据，平衡生产和消费速度
灵活性 & 峰值处理能力
消息队列可以处理突然的大并发，即使访问量剧增也不会让系统崩溃，无需为偶尔的流量高峰准备过多资源，避免了资源浪费
异步通信
可以把消息放到队列里，以后在处理（不需要立刻处理），让系统处理变得更加灵活高效
2.3 消息队列的两种模式
2.3.1 点对点模式
2.3.2 发布/订阅模式 ***
生产者（发布）将消息发布到 topic 中，同时有多个消费者（订阅）消费该消息。和点对点方式不同，发布到 topic 的消息会被所有订阅者消费。
发布/订阅模式是一对多的依赖关系，使得每当一个对象（目对标象）的状态发生改变，观察者观察状态，告诉消费者。则所有依赖于它的对象（观察者对象）都会得到通知并自动更新。
2.4 Kafka 定义
kafka 超级高效的处理系统，能够快速、可靠的传递大量的数据，支持实时数据分析处理，它还提供很多分布（分区）来处理信息，确保所有信息都有备份，数据不会丢失
2.5 Kafka 的特性
2.7 Kafka 系统架构
broker服务器、topic主题、partition分区（副本 leader follower）、producer生产者（push到topic）、consumer消费者（从topic中pull）、consumer group消费者组、offset偏移量（消费位置）、zookeeper（存储消费路径）
为了实现扩展性，一个非常大的 topic 可以分布到多个 broker（即服务器）上，一个 topic 可以分割为一个或多个 partition，每个 partition 是一个有序的队列。Kafka 只保证 partition 内的记录是有序的，而不保证 topic 中不同 partition 的顺序。
每个 topic 至少有一个 partition，当生产者产生数据的时候，会根据分配策略选择分区，然后将消息追加到指定的分区的队列末尾。
1．指定了 patition，则直接使用；
2．未指定 patition 但指定 key（相当于消息中某个属性），通过对 key 的 value 进行 hash 取模，选出一个 patition；
3．patition 和 key 都未指定，使用轮询选出一个 patition。
每条消息都会有一个自增的编号，用于标识消息的偏移量，标识顺序从 0 开始。
每个 partition 中的数据使用多个 segment 文件存储。
如果 topic 有多个 partition，消费数据时就不能保证数据的顺序。严格保证消息的消费顺序的场景下（例如商品秒杀、 抢红包），需要将 partition 数目设为 1。
①、broker 存储 topic 的数据。如果某 topic 有 N 个 partition，集群有 N 个 broker，那么每个 broker 存储该 topic 的一个 partition。（一般有多少个partition，就有多少个broker服务器）
②、如果某 topic 有 N 个 partition，集群有 (N+M) 个 broker，那么其中有 N 个 broker 存储 topic 的 一个 partition， 剩下的 M 个 broker 不存储该 topic 的 partition 数据。
③、如果某 topic 有 N 个 partition，集群中 broker 数目少于 N 个，那么一个 broker 存储该 topic 的 一个或多个 partition。在实际生产环境中，尽量避免这种情况的发生，这种情况容易导致 Kafka 集群数据不均衡。
方便在集群中扩展，每个Partition可以通过调整以适应它所在的机器，而一个topic又可以有多个 Partition 组成，因此整个集群就可以适应任意大小的数据了；
可以提高并发，因为可以以Partition为单位读写了。
（1）Replica 副本
为保证集群中的某个节点发生故障时，该节点上的 partition 数据不丢失，且 kafka 仍然能够继续工作，kafka 提供了副本机制，一个 topic 的每个分区都有若干个副本，一个 leader 和若干个 follower。（3个副本，就是1个leader，2个follower）
（2）Leader
每个 partition 有多个副本，其中有且仅有一个作为 Leader，Leader 是当前负责数据的读写的 partition。
（3）Follower
Follower 跟随 Leader，所有写请求都通过 Leader 路由，数据变更会广播给所有 Follower， Follower 与 Leader 保持数据同步。Follower 只负责备份，不负责数据的读写。
如果 Leader 故障，则从 Follower 中选举出一个新的 Leader。
当 Follower 挂掉、卡住或者同步太慢，Leader 会把这个 Follower 从 ISR（Leader 维护的一个和 Leader 保持同步的 Follower 集合） 列表中删除，重新创建一个 Follower。
消费者组，由多个 consumer 组成。
所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。可为每个消费者指定组名，若不指定组名则属于默认的组。
将多个消费者集中到一起去处理某一个 Topic 的数据，可以更快的提高数据的消费能力（拼单）。消费者组内每个消费者负责消费不同分区的数据，一个分区只能由组内一个消费者消费，防止数据被重复消费。
消费者组之间互不影响
可以唯一的标识一条消息。（存储消息的编号）
偏移量决定读取数据的位置，不会有线程安全的问题，消费者通过偏移量来决定消费位置。（比如淘宝买东西，不小心退出了，重新进入通过偏移量，回到之前浏览的位置）
消息被消费之后，并不被马上删除，这样多个业务就可以重复使用 Kafka 的消息。 某一个业务也可以通过修改偏移量达到重新读取消息的目的，偏移量由用户控制。 消息最终还是会被删除的，默认生命周期为 1 周（一般1-2就可以删了）。
2.8 部署 kafka 集群
官方下载地址： http://kafka.apache.org/downloads.htmlcd /optwget https://mirrors.tuna.tsinghua.edu.cn/apache/kafka/2.7.1/kafka_2.13-2.7.1.tgz
cd /opt/
tar zxvf kafka_2.13-2.7.1.tgz
mv kafka_2.13-2.7.1 /usr/local/kafka
cd /usr/local/kafka/config/
cp server.properties{,.bak}
vim server.properties #修改配置文件
broker.id=0 # 21行，broker的全局唯一编号，每个broker不能重复，因此要在zk02、zk03上配置broker.id=1、broker.id=2
listeners=PLAINTEXT://192.168.190.20:9092 #31行，指定监听的IP和端口，如果修改每个broker的IP需区分开来，也可保持默认配置不用修改。zk02配置192.168.190.30、zk03配置192.168.190.40
num.network.threads=3 #42行，broker 处理网络请求的线程数量，一般情况下不需要去修改
num.io.threads=8 #45行，用来处理磁盘IO的线程数量，数值应该大于硬盘数
socket.send.buffer.bytes=102400 #48行，发送套接字的缓冲区大小
socket.receive.buffer.bytes=102400 #51行，接收套接字的缓冲区大小
socket.request.max.bytes=104857600 #54行，请求套接字的缓冲区大小
log.dirs=/usr/local/kafka/logs #60行，kafka运行日志存放的路径，也是数据存放的路径
num.partitions=1 #65行，topic在当前broker上的默认分区个数，会被topic创建时的指定参数覆盖
num.recovery.threads.per.data.dir=1 #69行，用来恢复和清理data下数据的线程数量
log.retention.hours=168 #103行，segment文件（数据文件）保留的最长时间，单位为小时，默认为7天，超时将被删除
log.segment.bytes=1073741824 #110行，一个segment文件最大的大小，默认为 1G，超出将新建一个新的segment文件
zookeeper.connect=192.168.190.20:2181,192.168.190.30:2181,192.168.190.40：:2181
#123行，配置连接Zookeeper集群地址
vim /etc/profile #修改环境变量 #G到行尾添加
export KAFKA_HOME=/usr/local/kafka
export PATH=$PATH:$KAFKA_HOME/bin
source /etc/profile
vim /etc/init.d/kafka #配置 Zookeeper 启动脚本
#!/bin/bash
#chkconfig:2345 22 88
#description:Kafka Service Control Script
KAFKA_HOME='/usr/local/kafka'
case $1 in
start)
echo "---------- Kafka 启动 ------------"
${KAFKA_HOME}/bin/kafka-server-start.sh -daemon
${KAFKA_HOME}/config/server.properties
;;
stop)
echo "---------- Kafka 停止 ------------"
${KAFKA_HOME}/bin/kafka-server-stop.sh
;;
restart)
$0 stop
$0 start
;;
status)
echo "---------- Kafka 状态 ------------"
count=$(ps -ef | grep kafka | egrep -cv "grep|$$")
if [ "$count" -eq 0 ];then
echo "kafka is not running"
else
echo "kafka is running"
fi
;;
*)
echo "Usage: $0 {start|stop|restart|status}"
esac
chmod +x /etc/init.d/kafka #设置开机自启
chkconfig --add kafka
service kafka start #分别启动 Kafka
2.8.3 Kafka 命令行操作（在1台上做）
//创建topic
kafka-topics.sh --create --zookeeper 192.168.190.20:2181,192.168.190.30:2181,192.168.190.40:2181 --replication-factor 2 --partitions 3 --topic test
---------------------------------------------------------------------------------------------------------------
--zookeeper：定义 zookeeper 集群服务器地址，如果有多个 IP 地址使用逗号分割，一般使用一个 IP 即可
--replication-factor：定义分区副本数，1 代表单副本，建议为 2
--partitions：定义分区数
--topic：定义 topic 名称
//查看当前服务器中的所有 topic
kafka-topics.sh --list --zookeeper
192.168.190.20:2181,192.168.190.30:2181,192.168.190.40:2181
//查看某个 topic 的详情
kafka-topics.sh --describe --zookeeper
192.168.190.20:2181,192.168.190.30:2181,192.168.190.40:2181
//发布消息（如果在zk01上发布消息，就在其他机器上查看）
kafka-console-producer.sh --broker-list
192.168.190.20:9092,192.168.190.30:9092,192.168.190.40:9092 --topic test
//消费消息
kafka-console-consumer.sh --bootstrap-server 192.168.190.20:9092,192.168.190.30:9092,192.168.190.40:9092 --topic test
--from beginning
----------------------------------------------------------------------------------------------------
--from-beginning：会把主题中以往所有的数据都读取出来
//修改分区数
kafka-topics.sh --zookeeper 192.168.190.20:2181,192.168.190.30:2181,192.168.190.40:2181 --alter --topic test --partitions 6
//删除 topic
kafka-topics.sh --delete --zookeeper 192.168.190.20:2181,192.168.190.30:2181,192.168.190.40:2181 --topic test
2.9 Kafka 架构深入
Kafka 中消息是以 topic 进行分类的，生产者生产消息，消费者消费消息，都是面向 topic 的。
topic 是逻辑上的概念，而 partition 是物理上的概念，每个 partition 对应于一个 log 文件，该log 文件中存储的就是 producer 生产的数据。Producer 生产的数据会被不断追加到该 log 文件末端，且每条数据都有自己的 offset。 消费者组中的每个消费者，都会实时记录自己消费到了哪个 offset，以便出错恢复时，从上次的位置继续消费。
由于生产者生产的消息会不断追加到 log 文件末尾，为防止 log 文件过大导致数据定位效率低下，Kafka 采取了分片和索引机制，将每个 partition 分为多个 segment。每个 segment 对应两个文件：“.index” 文件和 “.log” 文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic名称+分区序号。例如，test 这个 topic 有三个分区， 则其对应的文件夹为 test-0、test-1、test-2。
index 和 log 文件以当前 segment 的第一条消息的 offset 命名。
“.index” 文件存储大量的索引信息，“.log” 文件存储大量的数据，索引文件中的元数据指向对应数据文件中 message 的物理偏移地址。
2.9.2 数据可靠性保证
为保证 producer 发送的数据，能可靠的发送到指定的 topic，topic 的每个 partition 收到 producer发送的数据后， 都需要向 producer 发送 ack（acknowledgement 确认收到），如果 producer 收到ack，就会进行下一轮的发送，否则重新发送数据。
2.9.3 数据一致性问题
LEO：指的是每个副本最大的 offset；
HW：指的是消费者能见到的最大的 offset，所有副本中最小的 LEO。
（1）follower 故障
follower 发生故障后会被临时踢出 ISR（Leader 维护的一个和 Leader 保持同步的 Follower 集合），待该 follower 恢复后，follower 会读取本地磁盘记录的上次的 HW，并将 log 文件高于 HW 的部分截取掉，从 HW 开始向 leader 进行同步。等该 follower 的 LEO 大于等于该 Partition 的 HW，即 follower追上 leader 之后，就可以重新加入 ISR 了。
（2）leader 故障
leader 发生故障之后，会从 ISR 中选出一个新的 leader， 之后，为保证多个副本之间的数据一致性，其余的 follower 会先将各自的 log 文件高于 HW 的部分截掉，然后从新的 leader 同步数据。
注：这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。
2.9.4 ack 应答机制
对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失，所以没必要等 ISR 中的 follower 全部接收成功。所以 Kafka 为用户提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡选择。
当 producer 向 leader 发送数据时，可以通过 request.required.acks 参数来设置数据可靠性的级别：
0：（异步复制）这意味着producer无需等待来自broker的确认而继续发送下一批消息。这种情况下数据传输效率最高，但是数据可靠性确是最低的。当broker故障时有可能丢失数据。
1（默认配置）：（半同步复制）这意味着producer在ISR中的leader已成功收到的数据并得到确认后发送下一条message。如果在follower同步成功之前leader故障，那么将会丢失数据。
-1（或者是all）：（同步复制）producer需要等待ISR中的所有follower都确认接收到数据后才算一次发送完成，可靠性最高。但是如果在 follower 同步完成后，broker 发送ack 之前，leader 发生故障，那么会造成数据重复。
三种机制性能依次递减，数据可靠性依次递增。
2.9.5 kafka什么情况下会变慢
1、磁盘I/O读写速度
2、网络瓶颈
3、硬件配置（CPU）
注：在 0.11 版本以前的Kafka，对此是无能为力的，只能保证数据不丢失，再在下游消费者对数据做全局去重。在 0.11 及以后版本的 Kafka，引入了一项重大特性：幂等性。所谓的幂等性就是指 Producer不论向 Server 发送多少次重复数据， Server 端都只会持久化一条。
2.10 Filebeat+Kafka+ELK 部署
cd /usr/local/filebeat
vim filebeat.yml
filebeat.prospectors:
- type: log
enabled: true
paths:
- /var/log/httpd/access_log
tags: ["access"]
- type: log
enabled: true
paths:
- /var/log/httpd/error_log
tags: ["error"]
......
#添加输出到 Kafka 的配置
output.kafka:
enabled: true
hosts: ["192.168.190.20:9092","192.168.190.30:9092","192.168.190.40:9092"] #指定 Kafka 集群配置
topic: "httpd" #指定 Kafka 的 topic
#启动 filebeat
./filebeat -e -c filebeat.yml
cd /etc/logstash/conf.d/
vim kafka.conf
input {
kafka {
bootstrap_servers =>
"192.168.10.18:9092,192.168.10.21:9092,192.168.10.22:9092" #kafka集群地址
topics => "httpd" #拉取的kafka的指定topic
type => "httpd_kafka" #指定 type 字段
codec => "json" #解析json格式的日志数据
auto_offset_reset => "latest" #拉取最近数据，earliest为从头开始拉取
decorate_events => true #传递给elasticsearch的数据额外增加kafka的属性数据
}
}
output {
if "access" in [tags] {
elasticsearch {
hosts => ["192.168.10.13:9200"]
index => "httpd_access-%{+YYYY.MM.dd}"
}
}
if "error" in [tags] {
elasticsearch {
hosts => ["192.168.10.13:9200"]
index => "httpd_error-%{+YYYY.MM.dd}"
}
}
stdout { codec => rubydebug }
}
#启动 logstash
logstash -f kafka.conf
注：生产黑屏操作es时查看所有的索引:curl -X GET "localhost:9200/_cat/indices?v"
2.10.4 Kibana 添加
浏览器访问 http://192.168.10.13:5601 登录 Kibana，单击“Create Index Pattern”按钮添加索引“filebeat_test-*”，单击 “create” 按钮创建，单击 “Discover” 按钮可查看图表信息及日志信息。
扫一扫
4343
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
