kafka

最新推荐文章于 2024-05-23 21:09:23 发布

cherishfh

最新推荐文章于 2024-05-23 21:09:23 发布

阅读量143

点赞数

文章标签： kafka 分布式 java Powered by 金山文档

本文链接：https://blog.csdn.net/handapeng1/article/details/129003570

版权

Kafka的使用场景

日志收集

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。

消息系统

解耦和生产者和消费者、缓存消息等。

用户活动跟踪

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

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(官方称之为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。可以这样来说，Kafka借鉴了JMS规范的思想，但是确并没有完全遵循JMS规范。

Broker：消息中间件处理节点，一个kafka节点就是一个Broker，一个或多个broker可以组成一个kafka集群
Topic：根据topic对消息进行归类，发布到kafka集群的每条消息都需要指定一个Topic
Producer：消息生产者，向Broker发送消息的客户端
Consumer：消息消费者，向Broker读取消息的客户端
ConsumerGroup：每个Consumer属于一个特定的Consumer Group，一条消息可以被多个不同的Consumer Group消费，但是一个Consumer Group中只能有一个Consumer能够消费该消息
Partition：物理上的概念，一个topic可以分为多个partition，每个partition 内部消息是有序的

服务端(brokers)和客户端(producer、consumer)之间通信通过TCP协议来完成。

基本使用

创建主题

--create --zookeeper 127.0.0.1:2181 --replication-factor 1 --partitions 1 --topic test

查看kafka中目前存在的topic

--list --zookeeper 127.0.0.1:2181

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

 --broker-list 127.0.0.1:9092 --topic test

消费消息

 --bootstrap-server 127.0.0.1:9092 --topic test

消费之前的消息

可以通过--from-beginning参数指定

 --bootstrap-server 127.0.0.1:9092 --from-beginning --topic test

消费多主题

 --bootstrap-server  127.0.0.1:9092 --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

 --bootstrap-server 127.0.0.1:9092  --consumer-property group.id=testGroup --topic test

多播消费

只要保证这些消费者属于不同的消费组即可

 --bootstrap-server 127.0.0.1:9092 --consumer-property group.id=testGroup-2 --topic test

查看消费组名

--bootstrap-server 127.0.0.1:9092 --list

查看消费组的消费偏移量

--bootstrap-server 127.0.0.1:9092 --describe --group testGroup

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

主题Topic和消息日志Log

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

Partition

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

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。

commit log

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。

创建多个分区的主题

--create --zookeeper 127.0.0.1:2181 --replication-factor 1 --partitions 2 --topic test1

查看topic的情况

--describe --zookeeper 127.0.0.1:2181 --topic test1

leader：主节点负责给定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。

增加topic的分区数量

-alter --partitions 3 --zookeeper 127.0.0.1:2181 --topic test

Topic，Partition和Broker

一个topic，代表逻辑上的一个业务数据集；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。

kafka集群

查看主题分区对应的leader信息

kafka将很多集群关键信息记录在zookeeper里，保证自己的无状态，从而在水平扩容时非常方便

集群消费

log的partitions分布在kafka集群中不同的broker上，每个broker可以请求备份其他broker上partition上的数据。kafka集群支持配置一个partition备份的数量。

Producers

生产者将消息发送到topic中去，同时负责选择将message发送到topic的哪一个partition中。

Consumers

queue模式

多个consumer从服务器中读取数据，消息只会到达一个consumer。

publish-subscribe模式

消息会被广播给所有的consumer。

消费顺序

一个partition同一个时刻在一个consumer group中只能有一个consumer instance在消费，从而保证消费顺序。

consumer group中的consumer instance的数量不能比一个Topic中的partition的数量多，否则，多出来的consumer消费不到消息。

Kafka只在partition的范围内保证消息消费的局部顺序性

在总体上保证消费顺序的需求，那么我们可以通过将topic的partition数量设置为1，将consumer group中的consumer instance数量也设置为1，但是这样会影响性能，所以kafka的顺序消费很少用

Java客户端访问Kafka

消息发送端

主题名

private final static String TOPIC_NAME = "my-replicated-topic";

配置broker地址

Properties props = new Properties();
        props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "127.0.0.1:9092,127.0.0.1:9093,127.0.0.1:9094");

发出消息持久化机制参数

props.put(ProducerConfig.ACKS_CONFIG, "1")

acks=0：producer不需要等待任何broker确认收到消息的回复，就可以继续发送下一条消息。性能最高，但是最容易丢消息

acks=1：至少要等待leader已经成功将数据写入本地log，但是不需要等待所有follower是否成功写入，如果follower没有成功备份数据，而此时leader又挂掉，则消息会丢失。

acks=-1或all：需要等待 min.insync.replicas(默认为1，推荐配置大于等于2) 这个参数配置的副本个数都成功写入日志。

重试

发送失败会重试，默认重试间隔100ms，重试能保证消息发送的可靠性，但是也可能造成消息重复发送

重试次数

props.put(ProducerConfig.RETRIES_CONFIG, 3);

重试间隔设置

props.put(ProducerConfig.RETRY_BACKOFF_MS_CONFIG, 300);

本地缓冲区

设置发送消息的本地缓冲区，如果设置了该缓冲区，消息会先发送到本地缓冲区，可以提高消息发送性能，默认值是33554432，即32MB

props.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);

设置批量发送消息的大小

kafka本地线程会从缓冲区取数据，批量发送到broker，设置批量发送消息的大小，默认值是16384，即16kb，就是说一个batch满了16kb就发送出去

props.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);

消息的发送延迟时间

默认值是0，意思就是消息必须立即被发送，但这样会影响性能

一般设置10毫秒左右，就是说这个消息发送完后会进入本地的一个batch，如果10毫秒内，这个batch满了16kb就会随batch一起被发送出去

如果10毫秒内，batch没满，那么也必须把消息发送出去，不能让消息的发送延迟时间太长

props.put(ProducerConfig.LINGER_MS_CONFIG, 10);

序列化

props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

指定发送分区

ProducerRecord<String, String> producerRecord = new ProducerRecord<String, String>(TOPIC_NAME , 0, order.getOrderId().toString(), JSON.toJSONString(order));

未指定发送分区

具体发送的分区计算公式：hash(key)%partitionNum

ProducerRecord<String, String> producerRecord = new ProducerRecord<String, String>(TOPIC_NAME , order.getOrderId().toString(), JSON.toJSONString(order))

等待消息发送成功的同步阻塞方法

RecordMetadata metadata = producer.send(producerRecord).get();

异步回调方式发送消息

producer.send(producerRecord, new Callback() {
                public void onCompletion(RecordMetadata metadata, Exception exception) {
                    if (exception != null) {
                        System.err.println("发送消息失败：" + exception.getStackTrace());

                    }
                    if (metadata != null) {
                        System.out.println("异步方式发送消息结果：" + "topic-" + metadata.topic() + "|partition-"
                                + metadata.partition() + "|offset-" + metadata.offset());
                    }
                    countDownLatch.countDown();
                }
            });

消息接收端代码

private final static String TOPIC_NAME = "my-replicated-topic";
    private final static String CONSUMER_GROUP_NAME = "testGroup";
Properties props = new Properties();
        props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "127.0.0.1:9092,127.0.0.1:9093,127.0.0.1:9094");
props.put(ConsumerConfig.GROUP_ID_CONFIG, CONSUMER_GROUP_NAME);

自动提交

props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");

自动提交offset的间隔时间

props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");

消费方式

当消费主题的是一个新的消费组，或者指定offset的消费方式，offset不存在，那么应该如何消费

latest(默认) ：只消费自己启动之后发送到主题的消息

earliest：第一次从头开始消费，以后按照消费offset记录继续消费，这个需要区别于consumer.seekToBeginning(每次都从头开始消费)

props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");

心跳的间隔时间

consumer给broker发送心跳的间隔时间，broker接收到心跳如果此时有rebalance发生会通过心跳响应将 rebalance方案下发给consumer，这个时间可以稍微短一点

props.put(ConsumerConfig.HEARTBEAT_INTERVAL_MS_CONFIG, 1000);

服务端broker多久感知不到一个consumer信息就认为他故障了，会将其踢出消费组，对应的Partition也会被重新分配给其他consumer，默认是10秒

props.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, 10 * 1000);

一次poll最大拉取消息的条数

如果消费者处理速度很快，可以设置大点，如果处理速度一般，可以设置小点

props.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, 500);

超时踢出消费组

如果两次poll操作间隔超过了这个时间，broker就会认为这个consumer处理能力太弱，会将其踢出消费组，将分区分配给别的consumer消费

props.put(ConsumerConfig.MAX_POLL_INTERVAL_MS_CONFIG, 30 * 1000);

props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());

消费指定分区

consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0)));

消息回溯消费

consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0)))
consumer.seekToBeginning(Arrays.asList(new TopicPartition(TOPIC_NAME, 0)));

指定offset消费

consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0)))
consumer.seek(new TopicPartition(TOPIC_NAME, 0), 10);

从指定时间点开始消费

List<PartitionInfo> topicPartitions = consumer.partitionsFor(TOPIC_NAME);
long fetchDataTime = new Date().getTime() - 1000 * 60 * 60;
Map<TopicPartition, Long> map = new HashMap<>();
        for (PartitionInfo par : topicPartitions) {
            map.put(new TopicPartition(topicName, par.partition()), fetchDataTime);
        }

获取时间点的偏移量

从timeIndex文件根据时间点获取偏移量，再去log文件中查找相应数据

Map<TopicPartition, OffsetAndTimestamp> parMap = consumer.offsetsForTimes(map);
or (Map.Entry<TopicPartition, OffsetAndTimestamp> entry : parMap.entrySet()) {
            TopicPartition key = entry.getKey();
            OffsetAndTimestamp value = entry.getValue();
            if (key == null || value == null) continue;
            Long offset = value.offset();
            System.out.println("partition-" + key.partition() + "|offset-" + offset);
            System.out.println();
            //根据消费里的timestamp确定offset
            if (value != null) {
                consumer.assign(Arrays.asList(key));
                consumer.seek(key, offset);
            }
        }

poll()

API 是拉取消息的长轮询

ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(1000));

手动同步提交offset

consumer.commitSync();

手动异步提交offset

当前线程提交offset不会阻塞，可以继续处理后面的程序逻辑

                consumer.commitAsync(new OffsetCommitCallback() {
                    @Override
                    public void onComplete(Map<TopicPartition, OffsetAndMetadata> offsets, Exception exception) {
                        if (exception != null) {
                            System.err.println("Commit failed for " + offsets);
                            System.err.println("Commit failed exception: " + exception.getStackTrace());
                        }
                    }
                });

Spring Boot整合Kafka

<dependency>
    <groupId>org.springframework.kafka</groupId>
    <artifactId>spring-kafka</artifactId>
</dependency>

发送者代码：

@RestController
public class KafkaController {

    private final static String TOPIC_NAME = "my-replicated-topic";

    @Autowired
    private KafkaTemplate<String, String> kafkaTemplate;

    @RequestMapping("/send")
    public void send() {
        kafkaTemplate.send(TOPIC_NAME, 0, "key", "this is a msg");
    }

}

消费者代码

多个分区多个消费者，指定消费偏移量

@KafkaListener(groupId = "testGroup", topicPartitions = {
                  @TopicPartition(topic = "topic1", partitions = {"0", "1"}),
                  @TopicPartition(topic = "topic2", partitions = "0",
                          partitionOffsets = @PartitionOffset(partition = "1", initialOffset = "100"))
          },concurrency = "6")

concurrency就是同组下的消费者个数，就是并发消费数，必须小于等于分区总数