文章目录
前言
记录Kafka入门
背景
Kafka是最初由Linkedin公司开发,是一个分布式、支持分区的(partition)、多副本的(replica),基于zookeeper协 调的分布式消息系统,它的最大的特性就是可以实时的处理大量数据以满足各种需求场景:比如基于hadoop的批处理系 统、低延迟的实时系统、Storm/Spark流式处理引擎,web/nginx日志、访问日志,消息服务等等,用scala语言编写, Linkedin于2010年贡献给了Apache基金会并成为顶级开源 项目。
Kafka的使用场景
- 日志收集
一个公司可以用Kafka收集各种服务的log,通过kafka以统一接口服务的方式开放给各种 consumer,例如hadoop、Hbase、Solr等.面对目前分布式越来越多的日志,需要一种能够高性能的MQ做日志分析处理。 - 消息系统(这个和之前的MQ功能类似)
解耦和生产者和消费者、缓存消息等 - 用户活动跟踪(还是日志分析范围)
Kafka经常被用来记录web用户或者app用户的各种活动,如浏览网页、搜索、点击等活动,这 些活动信息被各个服务器发布到kafka的topic中,然后订阅者通过订阅这些topic来做实时的监控分析,或者装载到 hadoop、数据仓库中做离线分析和挖掘 - 运营指标(还是日志分析范围)
Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据,生产各种操作的集中反 馈,比如报警和报告
Kafka基本概念
kafka是一个分布式的,分区的消息(commit log)服务。它提供一个消息系统应该具备的功能,但是确有着独 特的设计。Kafka借鉴了JMS规范的思想,但是确并没有完全遵循JMS规范。
基础的消息(Message)相关术语
从一个较高的层面上来看,producer通过网络发送消息到Kafka集群,然后consumer来进行消费,服务端(brokers)和客户端(producer、consumer)之间通信通过TCP协议来完成。
如下图
kafka基本使用
安装前的环境准备
由于Kafka是用Scala语言开发的,运行在JVM上,因此在安装Kafka之前需要先安装JDK
yum install java‐1.8.0‐openjdk* ‐y
kafka依赖zookeeper,所以需要先安装zookeeper
wget https://mirror.bit.edu.cn/apache/zookeeper/zookeeper‐3.5.8/apache‐zookeeper‐3.5.8‐bin.tar.gz
tar ‐zxvf apache‐zookeeper‐3.5.8‐bin.tar.gz
cd apache‐zookeeper‐3.5.8‐bin
cp conf/zoo_sample.cfg conf/zoo.cfg
# 启动zookeeper
bin/zkServer.sh start
bin/zkCli.sh
ls / #查看zk的根目录相关节点
第一步:下载安装包
下载2.4.1 release版本,并解压
wget https://mirror.bit.edu.cn/apache/kafka/2.4.1/kafka_2.11‐2.4.1.tgz # 2.11是scala的版本,2.4.1是kafka的版本
tar ‐xzf kafka_2.11‐2.4.1.tgz
cd kafka_2.11‐2.4.1
第二步:修改配置
修改配置文件config/server.properties
#broker.id属性在kafka集群中必须要是唯一
broker.id=0
#kafka部署的机器ip和提供服务的端口号
listeners=PLAINTEXT://192.168.10.31:9092
#kafka的消息存储文件
log.dir=/usr/local/data/kafka‐logs
#kafka连接zookeeper的地址
zookeeper.connect=192.168.19.31:2181
第三步:启动服务
启动脚本语法:kafkaserverstart.sh [daemon] server.properties可以看到,server.properties的配置路径是一个强制的参数,daemon表示以后台进程运行,否则ssh客户端退出后, 就会停止服务。(注意,在启动kafka时会使用linux主机名关联的ip地址,所以需要把主机名和linux的ip映射配置到本地 host里,用vim /etc/hosts)
# 启动kafka,运行日志在logs目录的server.log文件里
bin/kafka‐server‐start.sh ‐daemon config/server.properties #后台启动,不会打印日志到控制台或者用
bin/kafka‐server‐start.sh config/server.properties &
# 进入zookeeper目录通过zookeeper客户端查看下zookeeper的目录树
bin/zkCli.sh
ls / #查看zk的根目录kafka相关节点
ls /brokers/ids #查看kafka节点
# 停止kafka
bin/kafka‐server‐stop.sh
server.properties核心配置
第四步:创建主题
创建一个名字为“test”的Topic,这个topic只有一个partition,并且备份因子也设置为1
bin/kafka‐topics.sh ‐‐create ‐‐zookeeper 192.168.10.31:2181 ‐‐replication‐factor 1 ‐‐partitions 1 ‐‐topic test
通过以下命令来查看kafka中目前存在的topic
bin/kafka‐topics.sh ‐‐list ‐‐zookeeper 192.168.10.31:2181
除了通过手工的方式创建Topic,当producer发布一个消息到某个指定的Topic,这个Topic如果不存在,就自动创建。
删除主题
bin/kafka‐topics.sh ‐‐delete ‐‐topic test ‐‐zookeeper 192.168.10.31:2181
第五步:发送消息
kafka自带了一个producer命令客户端,可以从本地文件中读取内容,或者也可以以命令行中直接输入内容,并将这 些内容以消息的形式发送到kafka集群中。在默认情况下,每一个行会被当做成一个独立的消息。 首先要运行发布消息的脚本,然后在命令中输入要发送的消息的内容:
bin/kafka‐console‐producer.sh ‐‐broker‐list 192.168.10.31:9092 ‐‐topic test
>>this is a msg
>>this is a another msg
第六步:消费消息
对于consumer,kafka同样也携带了一个命令行客户端,会将获取到内容在命令中进行输出,默认是消费最新的消息
bin/kafka‐console‐consumer.sh ‐‐bootstrap‐server 192.168.10.31:9092 ‐‐topic test
如果想要消费之前的消息可以通过–from-beginning参数指定,如下命令
bin/kafka‐console‐consumer.sh ‐‐bootstrap‐server 192.168.10.31:9092 ‐‐from‐beginning ‐‐topic test
如果通过不同的终端窗口来运行以上的命令,你将会看到在producer终端输入的内容,很快就会在consumer的终端窗口上显示出来,以上所有的命令都有一些附加的选项;当我们不携带任何参数运行命令的时候,将会显示出这个命令的详细用法
消费多主题
bin/kafka‐console‐consumer.sh ‐‐bootstrap‐server 192.168.10.31:9092 ‐‐whitelist "test|test‐2"
单播消费
一条消息只能被某一个消费者消费的模式,类似queue模式,只需让所有消费者在同一个消费组里即可 分别在两个客户端执行如下消费命令,然后往主题里发送消息,结果只有一个客户端能收到消息
bin/kafka‐console‐consumer.sh ‐‐bootstrap‐server 192.168.65.60:9092 ‐‐consumer‐property group.id=testGroup ‐‐topic test
多播消费
一条消息能被多个消费者消费的模式,类似publish-subscribe模式,针对Kafka同一条消息只能被同一个消费组下的某一个消费者消费的特性,要实现多播只要保证这些消费者属于不同的消费组即可。我们再增加一个消费者,该消费者属于testGroup-2消费组,结果两个客户端都能收到消息
bin/kafka‐console‐consumer.sh ‐‐bootstrap‐server 192.168.10.31:9092 ‐‐consumer‐property group.id=testGroup‐2 ‐‐topic test
查看消费组名
bin/kafka‐consumer‐groups.sh ‐‐bootstrap‐server 192.168.10.31:9092 ‐‐list
查看消费组的消费偏移量
- current-offset:当前消费组的已消费偏移量
- log-end-offset:主题对应分区消息的结束偏移量(HW)
- lag:当前消费组未消费的消息数
bin/kafka‐consumer‐groups.sh ‐‐bootstrap‐server 192.168.10.31:9092 ‐‐describe ‐‐group testGroup
主题Topic和消息日志Log
可以理解Topic是一个类别的名称,同类消息发送到同一个Topic下面。对于每一个Topic,下面可以有多个分区(Partition)日志文件(类似其他MQ的队列):
Partition是一个有序的message序列,这些message按顺序添加到一个叫做commit log的文件中。每个partition中的 消息都有一个唯一的编号,称之为offset,用来唯一标示某个分区中的message。 每个partition,都对应一个commit log文件。一个partition中的message的offset都是唯一的,但是不同的partition 中的message的offset可能是相同的。 kafka一般不会删除消息,不管这些消息有没有被消费。只会根据配置的日志保留时间(log.retention.hours)确认消息多 久被删除,默认保留最近一周的日志消息。kafka的性能与保留的消息数据量大小没有关系,因此保存大量的数据消息日 志信息不会有什么影响。 每个consumer是基于自己在commit log中的消费进度(offset)来进行工作的。在kafka中,消费offset由consumer自 己来维护;一般情况下我们按照顺序逐条消费commit log中的消息,当然我可以通过指定offset来重复消费某些消息, 或者跳过某些消息。 这意味kafka中的consumer对集群的影响是非常小的,添加一个或者减少一个consumer,对于集群或者其他consumer 来说,都是没有影响的,因为每个consumer维护各自的消费offset。
创建多个分区的主题
bin/kafka‐topics.sh ‐‐create ‐‐zookeeper 192.168.10.31:2181 ‐‐replication‐factor 1 ‐‐partitions 2 ‐‐topic test1
查看下topic的情况
bin/kafka‐topics.sh ‐‐describe ‐‐zookeeper 192.168.10.31:2181 ‐‐topic test1
第一行是所有分区的概要信息,之后的每一行表示每一个partition的信息
- leader节点负责给定partition的所有读写请求。
- replicas 表示某个partition在哪几个broker上存在备份。不管这个几点是不是”leader“,甚至这个节点挂了,也会列出。
- isr 是replicas的一个子集,它只列出当前还存活着的,并且已同步备份了该partition的节点。
运行相同的命令查看之前创建的名称为”test“的topic
bin/kafka‐topics.sh ‐‐describe ‐‐zookeeper 192.168.10.31:2181 ‐‐topic test
之前设置了topic的partition数量为1,备份因子为1,因此显示就如上所示了。可以进入kafka的数据文件存储目录查看test和test1主题的消息日志文件:
消息日志文件主要存放在分区文件夹里的以log结尾的日志文件里,如下是test1主题对应的分区0的消息日志:
也可以通过如下命令增加topic的分区数量(目前kafka不支持减少分区):
bin/kafka‐topics.sh ‐alter ‐‐partitions 3 ‐‐zookeeper 192.168.10.31:2181 ‐‐topic test
可以这么来理解Topic,Partition和Broker
一个topic,代表逻辑上的一个业务数据集,比如按数据库里不同表的数据操作消息区分放入不同topic,订单相关操作消 息放入订单topic,用户相关操作消息放入用户topic,对于大型网站来说,后端数据都是海量的,订单消息很可能是非常 巨量的,比如有几百个G甚至达到TB级别,如果把这么多数据都放在一台机器上可定会有容量限制问题,那么就可以在 topic内部划分多个partition来分片存储数据,不同的partition可以位于不同的机器上,每台机器上都运行一个Kafka的 进程Broker。
为什么要对Topic下数据进行分区存储?
1、commit log文件会受到所在机器的文件系统大小的限制,分区之后可以将不同的分区放在不同的机器上,相当于对 数据做了分布式存储,理论上一个topic可以处理任意数量的数据。
2、为了提高并行度。