消息队列
消息 Message
网络中的两台计算机或者两个通讯设备之间传递的数据。例如说:文本、音乐、视频等内容。
队列(FIFO) Queue
一种特殊的线性表(数据元素首尾相接),特殊之处在于只允许在首部删除元素和在尾部追加元素。入队、出队。
消息队列 MQ
消息+队列,保存消息的队列。消息的传输过程中的容器;主要提供生产、消费接口供外部调用做数据的存储和获取。
消息队列的分类
MQ主要分为两类:点对点(p2p)、发布订阅(Pub/Sub)
共同点:
消息生产者生产消息发送到queue中,然后消息消费者从queue中读取并且消费消息。
不同点:
p2p模型包括:消息队列(Queue)、发送者(Sender)、接收者(Receiver)
一个生产者生产的消息只有一个消费者(Consumer)(即一旦被消费,消息就不在消息队列中)。比如说打电话。
Pub/Sub包含:消息队列(Queue)、主题(Topic)、发布者(Publisher)、订阅者(Subscriber)
每个消息可以有多个消费者,彼此互不影响。比如我发布一个微博:关注我的人都能够看到。
那么在大数据领域呢,为了满足日益增长的数据量,也有一款可以满足百万级别消息的生成和消费,
分布式、持久稳定的产品——Kafka。
=============================================================================
Kafka
Kafka是分布式的发布—订阅消息系统。它最初由LinkedIn(领英)公司发布,使用Scala语言编写,与2010年12月
份开源,成为Apache的顶级项目。Kafka是一个高吞吐量的、持久性的、分布式发布订阅消息系统。它主要用于处理活跃的数据(登录、浏览、点击、分享、喜欢等用户行为产生的数据)。
三大特点:
高吞吐量
可以满足每秒百万级别消息的生产和消费——生产消费。
持久性
有一套完善的消息存储机制,确保数据的高效安全的持久化——中间存储。
分布式
基于分布式的扩展和容错机制;Kafka的数据都会复制到几台服务器上。
当某一台故障失效时,生产者和消费者转而使用其它的机器——整体健壮性。
Kafka的组成
> Kafka服务:
> Topic:主题,Kafka处理的消息的不同分类。
> Broker:消息代理,Kafka集群中的一个kafka服务节点称为一个broker,主要存储消息数据。存在硬盘中。每个topic都是有分区的。
> Partition:Topic物理上的分组,一个topic在broker中被分为1个或者多个partition,分区在创建topic的时候指定。
> Message:消息,是通信的基本单位,每个消息都属于一个partition
> Kafka服务相关
> Producer:消息和数据的生产者,向Kafka的一个topic发布消息。
> Consumer:消息和数据的消费者,定于topic并处理其发布的消息。
> Zookeeper:协调kafka的正常运行。
=============================================================================
安装配置:
解压: [uplooking@uplooking01 ~]$ tar -zxvf soft/kafka_2.10-0.10.0.1.tgz -C app/
重命名:[uplooking@uplooking01 ~]$ mv app/kafka_2.10-0.10.0.1/ app/kafka
添加KAFKA_HOME至环境变量:~/.bash_profile
export KAFKA_HOME=/home/uplooking/app/kafka
export PATH=$PATH:$KAFKA_HOME/bin
source ~/.bash_profile
配置相关参数:$KAFKA_HOME/config/server.properties
主要参数:broker.id、log.dirs、zookeeper.connect
broker.id=10
log.dirs=/home/uplooking/data/kafka [kafka数据的存放目录]
zookeeper.connect=uplooking01:2181,uplooking02:2181,uplooking03:2181
kafka实例broker监听默认端口9092,配置listeners=PLAINTEXT://:9092
启动:
$KAFKA_HOME/bin/kafka-server-start.sh [-daemon] $KAFKA_HOME/config/server.properties
-daemon 可选,表示后台启动kafka服务
=============================================================================
Kafka shell topic操作
创建Topic
hadoop
kafka]# bin/kafka-topics.sh --create --topic hadoop --zookeeper master:2181,slave01:2181,slave02:2181 --partitions 1 --replication-factor 1
kafka]# bin/kafka-topics.sh --create --topic hive --zookeeper master:2181,slave01:2181,slave02:2181 --partitions 1 --replication-factor 1
kafka]# bin/kafka-topics.sh --create --topic hbase --zookeeper master:2181,slave01:2181,slave02:2181 --partitions 3 --replication-factor 1
创建topic过程的问题,replication-factor个数不能超过broker的个数
bin/kafka-topics.sh --create --topic sqoop --zookeeper master:2181,slave01:2181,slave02:2181 --partitions 3 --replication-factor 3
Error while executing topic command : replication factor: 3 larger than available brokers: 1
查看Topic列表
kafka]# bin/kafka-topics.sh --list --zookeeper master:2181,slave01:2181,slave02:2181
查看某一个具体的Topic
kafka]# bin/kafka-topics.sh --describe --topic hadoop --zookeeper master:2181,slave01:2181,slave02:2181
Topic:hadoop PartitionCount:1 ReplicationFactor:1
Configs:
Topic: hadoop Partition: 0 Leader: 0 Replicas: 0 Isr: 0
PartitionCount:topic对应的partition的个数
ReplicationFactor:topic对应的副本因子,说白就是副本个数
Partition:partition编号,从0开始递增
Leader:当前partition起作用的breaker.id
Replicas: 当前副本数据坐在的breaker.id,是一个列表,排在最前面的其作用
Isr:当前kakfa集群中可用的breaker.id列表
修改Topic
不能修改replication-factor,以及只能对partition个数进行增加,不能减少
bin/kafka-topics.sh --alter --topic hive --zookeeper master:2181,slave01:2181,slave02:2181 --partitions 3
partition由3变为2的时,抛出的异常:
ERROR kafka.admin.AdminOperationException: The number of partitions for a topic can only be increased
删除Topic
kafka]# bin/kafka-topics.sh --delete --topic hbase --zookeeper master:2181,slave01:2181,slave02:2181
Topic hbase is marked for deletion.
Note: This will have no impact if delete.topic.enable is not set to true.
彻底删除一个topic,需要在server.properties中配置delete.topic.enable=true,否则只是标记删除
配置完成之后,需要重启kafka服务
=====================================================================================
简单的生产和消费模型
使用kafka提供的标准生产消费脚本
生产数据
kafka]# bin/kafka-console-producer.sh --broker-list master:9092 --topic hadoop
生产数据的时候需要指定:当前数据流向哪个broker,以及哪一个topic
消费数据
bin/kafka-console-consumer.sh --topic hadoop --zookeeper master:2181,slave01:2181,slave02:2181
说明:该消费语句,只能获取最新的数据,要想历史数据,需要添加选项--from-beginning
bin/kafka-console-consumer.sh --topic hadoop --zookeeper master:2181,slave01:2181,slave02:2181 --from-beginning
在消费数据的时候,只需要指定topic,以及topic的元数据信息即可(在ZK中存放),所以这里需要使用zk
消费者--黑名单(blacklist)和白名单(whitelist)选项
--blacklist 后面跟需要过滤的topic的列表,使用","隔开,意思是除了列表中的topic之外,都能接收其它topic的数据
--whitelist 后面跟需要过滤的topic的列表,使用","隔开,意思是除了列表中的topic之外,都不能接收其它topic的数据
eg.
bin/kafka-console-consumer.sh --zookeeper master:2181,slave01:2181,slave02:2181 --from-beginning --blacklist hadoop,hive
bin/kafka-console-consumer.sh --zookeeper master:2181,slave01:2181,slave02:2181 --from-beginning --whitelist hadoop,flume
=====================================================================================
Kafka集群的安装
在单机的基础之上,只要修改server.properties配置文件中的broker.id是其在集群能够保证唯一即可,
kafka集群中的节点没有主从之分,大家都是一样的
在每一台机器上启动方式和单机启动一致