大数据最新解析Apache Kafka：在大数据体系中的基本概念和核心组件，2024年最新论程序员成长的正确姿势

最新推荐文章于 2024-10-05 17:43:30 发布

2401_84185585

最新推荐文章于 2024-10-05 17:43:30 发布

阅读量958

点赞数 8

分类专栏：程序员文章标签：大数据 apache kafka

原文链接：https://blog.csdn.net/qq_42963855/article/details/137234209

版权

112 篇文章 1 订阅

订阅专栏

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

消费者从Kafka订阅一个或多个主题，并且会被分配到每个主题的一个或多个分区。消费者定期轮询Kafka Broker，拉取新的消息。一旦消费者拉取到消息，它们就会处理这些消息，并提交偏移量来记录自己的消费位置。

Kafka的水平扩展性

Kafka通过分区和复制来实现水平扩展性和高可用性。分区允许数据水平分布在集群中的多个Broker上，从而允许Kafka处理大量数据。同时，Kafka通过复制每个分区到多个Broker上来提供容错性和可靠性。

在这里插入图片描述

一个典型的Kafka集群包含以下组件：

ZooKeeper:
ZooKeeper是一个分布式协调服务，Kafka依赖它来进行集群管理和领导者选举。ZooKeeper保存了Kafka集群的元数据（如主题、分区、副本分配等），并且监控Kafka Broker的健康状态。
Broker:
Broker是Kafka集群中的服务器节点，负责存储和处理数据。每个Broker都是一个独立的Kafka服务器，它们共同组成了整个Kafka集群。
Topic:
Topic是消息发布的类别或分区。在集群中，每个Topic都被分成一个或多个分区，这些分区分布在不同的Broker上。
Partition:
Partition是Topic的子集，每个分区都是一个有序的消息队列。分区允许数据在多个Broker上进行并行处理，从而提高了吞吐量和可扩展性。

Kafka集群工作原理

启动:
当Kafka Broker启动时，它会向ZooKeeper注册自己的信息，包括主机名、端口号等。ZooKeeper会维护所有Broker的信息，并监控它们的健康状态。
元数据管理:
ZooKeeper保存了Kafka集群的元数据，包括Topic、分区、副本分配等信息。这些元数据被用来协调Broker之间的消息路由和复制。
Leader-Follower模式:
对于每个分区，Kafka会选举出一个Broker作为Leader，并将其他Broker设置为Follower。Leader负责处理所有的读写请求，而Follower则负责复制Leader的数据。当Leader失效时，ZooKeeper会协助选举新的Leader。
消息发布和消费:
生产者将消息发布到指定的Topic，Kafka根据分区策略将消息分配到各个分区中。消费者从Topic订阅消息，并根据分配的分区拉取数据。Kafka会保证消息的顺序性和一致性，以及消费者的负载均衡。
水平扩展:
Kafka通过增加Broker节点和分区来实现水平扩展。每个Broker负责处理一部分数据和请求，从而提高了集群的吞吐量和容量。

Kafka集群的可靠性和容错性

副本复制:
每个分区都有多个副本，它们分布在不同的Broker上。当Leader失效时，Kafka会自动选择一个副本作为新的Leader，从而保证数据的可用性。
ISR机制:
Kafka使用ISR（In-Sync Replicas）机制来确保副本之间的一致性。只有处于ISR中的副本才会被选举为新的Leader，这样可以防止数据丢失和不一致。
故障恢复:
当Broker或者分区发生故障时，Kafka会自动进行故障恢复，包括重新选举Leader和同步数据等操作。

在这里插入图片描述

实时日志处理

实时日志处理是Kafka的一个典型应用场景。许多大型互联网企业和在线服务需要实时收集、处理和分析海量日志数据，以监控系统运行状况、进行故障排查和提供用户行为分析等功能。Kafka作为一个高吞吐量、低延迟的消息队列，可以用来收集和传输日志数据，同时支持流式处理引擎（如Apache Spark、Apache Flink等）进行实时分析和计算。

数据管道和ETL

Kafka常用于构建数据管道和ETL（Extract, Transform,Load）流程，用于将数据从源系统提取、转换和加载到目标系统中。例如，一个企业可能需要将来自各种数据源（如数据库、日志文件、传感器等）的数据集成到一个数据湖或数据仓库中，以支持数据分析和决策制定。Kafka可以作为数据管道的中间件，用来传输和缓存数据，并保证数据的可靠性和一致性。

实时推荐系统