kafka
- kafka定义:kafka是一个分布式的基于发布订阅模式的消息队列,应用于大数据实时领域
- 发布订阅模式(一对多,消费者消费数据之后不会清除消息):消息生产者(发布)将消息发布到topic中,同时有多个消息消费者(订阅subscribe)消费该消息。topic的消息会被所有订阅者消费。
kafka基础架构组成
- 组成:生产者、消费者(消费者组)、broker(服务器)、zookeeper
- producer生产者:消息生产者,就是向kafka broker发消息的客户端
- consumer消费者:消息消费者,向kafka broker取(消费)消息的客户端
- consumer Group:消费者组,由多个消费者组成。
- **消费者组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,不存在一个分区由多个消费者共同消费;**消费者组之间互不影响。消费者组是逻辑上的一个订阅者
- broker:一台kafka服务器就是一个broker;一个集群由多个broker组成。一个broker可以容纳多个topic
- topic:可以理解为一个队列,生产者和消费者面向的都是一个topic
- partition:为了实现扩展性,一个topic可以分布到多个broker上,一个topic可以分为多个partition,每个partition是一个有序的队列;
- replica:副本,为保证集群中的某个节点发送故障时,该节点的partition数据不丢失,且kafka仍能继续工作,kafka提供了副本机制:一个topic的每个分区都有若干个副本,包括一个leader和若干个follower
- leader:每个分区多个副本的主,生产者发送数据的对象,以及消费者消费数据的对象都是leader
- follower:每个分区多个副本的从,实时从leader中同步数据,保持和leader数据的同步。leader发生故障时,某个follower(在ISR里面)会成为新的leader。
kafka命令
- topic:即在broker上操作,需要关联到zookeeper的地址,分区数、副本数
- 查看当前服务器的所有topic
- bin/kafka-topics.sh --zookeeper slave1:2181,slave2:2181,slave3:2181 --list
- 创建topic:
- bin/kafka-topics.sh --zookeeper slave1:2181,slave2:2181,slave3:2181 --create --replication-factor 3 --partitions 1 --topic topicname
- 删除topic:
- bin/kafka-topics.sh --zookeeper slave1:2181,slave2:2181,slave3:2181 --delete --topic topicname
- 仅仅只是被标记删除而已
- 查看topic详情
- bin/kafka-topics.sh --zookeeper slave1:2181,slave2:2181,slave3:2181 --describe --topic tmp
- 修改分区数(修改分区数只能增加)
- 为什么不能减少分区数:会导致数据丢失
- bin/kafka-topics.sh -zookeeper slave1:2181,slave2:2181,slave3:2181 --alter --topic tmp --partitions 4
- 生产者:即用到kafka-console-producer.sh,需要关联到broker集群(broker-list参数)
- 向topic发送消息
- bin/kafka-console-producer.sh --broker-list slave1:9092,slave3:9092,slave2:9092 --topic tmp
- 消费者:即用到kafka-console-consumer.sh,需要关联到broker集群发布的页面(–bootstrap-server参数)
- 消费消息
- bin/kafka-console-consumer.sh --bootstrap-server slave1:9092,slave2:9092,slave3:9092 --topic tmp
kafka工作流程及文件存储机制
kafka工作流程
- kafka中消息是以topic进行分类的,生产者和消费者都是面向topic的
- topic是逻辑上的概念,而partition是物理上的概念。
- 每个partition对应着一个log文件,该log文件中存储的就是producer生产者的生产数据。producer生产的数据会不断追加到log文件末端,且每条数据都由自己的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,可以从上次的位置继续消费
- [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0q5beT6Q-1614914719386)(C:\Users\Thinkpad\AppData\Roaming\Typora\typora-user-images\1614408473284.png)]
- 防止log文件过大导致定位效率低下,kafka采用了分片和索引的机制
- 每个partition对应着一个log文件,一个log文件分为多个segment。每个segment对应着两个文件----index文件和log文件
- segment下的文件位于一个文件夹下,该文件夹的命名规则:topic名称 + 分区序号。例如:first主题有三个分区,则其对应的文件夹为first-0,first-1,first-2
- index和log文件以当前的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。index文件中的元数据指向对应数据文件中的message的物理偏移量
- 每个partition对应着一个log文件,一个log文件分为多个segment。每个segment对应着两个文件----index文件和log文件
kafka生产者
- 分区策略:
- 分区原因:
- 方便在集群中扩展
- 可以提高并发,kafka是以partition为单位进行读写的
- 分区原则:将数据封装为一个producerRecord对象(包含了主题名,数据[,分区号])
- 分区类型:(3种)
- 指明partition的情况下,直接将指明的值作为分区号进行生产消息
- 没有指明partition,但有key的情况下,将key的hash值与topic的partition分区数进行取余,得到 要发往消息的分区号。
- 既没有指明partition也没有key的情况下,第一次调用时,随机生成一个整数(后面每次调用就在这个整数自增),将整数与topic的分区数取余,得到需要发往消息的分区号。(轮询算法)
- 分区原因:
数据可靠性保证:
- 为保证producer发送的数据,能可靠的到达指定的topic,topic的每一个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,就会进入下一轮的发送,否则会重新发送数据
- [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-auxdKpnC-1614914719397)(C:\Users\Thinkpad\AppData\Roaming\Typora\typora-user-images\1614411148742.png)]
- kafka选择了全部完成同步才发送ack的副本数据同步策略,原因如下
- 为了容忍n台节点的故障,该同步策略只需要n+1个副本即可。
- 虽然该策略的网络延迟比较高,但是网络延迟对kafka的影响较小
ISR:
- 问题抛出:kafka选择了全部完成同步才发送ack的同步策略,如果有一个follower可能因为故障,久久不能与leader同步,那么leader就要一致等下去,知道完成同步才能发送ack。那这个问题需要怎么解决?引入了ISR
- leader维护了一个动态的 ISR,意为:和leader保持同步的follower集合
- 当ISR中的follower完成数据的同步之后,leader就会给follower发送ack。如果follower长时间没有向leader同步数据,则该follower将被踢出ISR,该时间阈值由replica.lag.time.max.ms参数设定。leader发生故障,就会从ISR中的follower选举出新的leader。
ack应答机制
acks参数配置
- ack级别:
- 0:生产者不等待broker的ack,这是最低的延迟,broker一接收到消息还没有写入磁盘就已经返回了。当broker故障时可能丢失数据
- 1:生产者等待broker的ack,分区的leader落盘成功后返回ack。在follower同步成功之前,leader故障,将丢失数据
- -1:生产者等待broker的ack,分区的leader和follower全部落盘成功后才会返回ack。如果follower同步完成后,broker发送ack之前,leader故障,那么会导致数据重复
故障处理细节
- 针对于log文件中的HW和LEO
- LEO(log end offset):每个副本的最后一个offset;每个副本最大的offset
- HW(high watermark):所有副本中最小的LEO,指的是消费者能见到的最大的offset,ISR队列中最小的LEO
- [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-AWkcTpfz-1614914719405)(C:\Users\Thinkpad\AppData\Roaming\Typora\typora-user-images\1614414342044.png)]
leader故障
- leader故障后,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(1.选出leader2.follower截掉高于hw的消息3.从新leader同步数据)
- 注意: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(这和ack的设置有关)
follower故障
- follower故障后会被踢出ISR队列,待该follower恢复后,follower会读取本地磁盘记录上次的HW,并将log文件高于HW的部分截取掉,从HW开始向leader同步数据。等follower的LEO大于等于该分区的HW,就可以重新加入ISR了。(1.被提出ISR,2.恢复正常工作从磁盘读取上次记录的HW,将log文件截掉高于上次HW的消息,并向leader进行同步,3.follower的LEO大于等于分区的HW,即可进入到ISR)
exactly once语义
- 将ack设置为-1,保证不会丢失数据,即AtLeast Once语义。
- 将ack设置为0,保证数据只会被发送一次,即At Most Once语义
- AtLeast Once只能保证数据不丢失,但不能保证数据不重复。
- AtMost Once可以保证数据不重复,但不能保证数据不丢失。
幂等性
- 问题抛出:怎么实现Exactly Once语义呢?
- kafka0.11版本之前,在ack设置为-1,然后在下游消费者对数据进行全局去重(多个下游应用的情况下,每个都需要做全局去重,性能低下)
- 很简单,就是基于 Kafka 的 At-Least-Once 加上去重,把处理过的 record 记录下来,发现重复处理时就把它扔掉
- 0.11版本后,引入了幂等性特性。
- 幂等性:指生产者无论向server发送多少次重复数据,server只会持久化一条。
- 幂等性结合AtLeast Once语义,就构成了Exactly Once语义。即:AtLeast Once + 幂等性 = Exactly Once
- 启用幂等性:将producer的参数中enable.idompotence设置为true即可。
- 幂等性实现了将原来下游需要做的去重任务放在了数据上游
- 关于幂等性:
- 开启幂等性的producer在初始化的时候会被分配一个pid,发往同一个分区的消息会附带Sequence Number。broker端会对**<pid,partition,seqnumber>做缓存,当具有相同主键**的消息提交时,broker只会持久化一条。
- 但是kafka重启后,pid会发生变化,同时不同的partition分区也有不同主键,所以幂等性无法保证跨分区会话的Exactly Once
kafka消费者
-
消费方式:采取拉模式从broker中读取数据
- 根据consumer的消费能力以适当的速率消费消息
- 拉模式不足:如果kafka broker没有数据,消费者会陷入循环中,一直返回空数据!!!
- 问题解决:消费者在消费数据时会传入一个时长参数timeout,如果当前没有数据可供消费,consumer会等待一段时间后再返回。这段时长即为timeout
-
为什么不用推模式:
- 推模式下,消息发送速率是由broker决定的,她的目标是尽可能以最快速度传递消息,但是这样容易造成consumer来不及处理消息。
- 典型的表现是:拒绝服务以及网络拥塞。
分区分配策略:
- 一个消费者组中有多个消费者,一个topic中有多个partition,所以必然会涉及到partition的分配问题,即确定那个partition由哪个consumer来消费
- 消费分配策略有两种
- roundrobin轮询模式:
- 针对组内的所有成员来分发
- 将消费者组订阅的所有主题的所有分区进行排序,并逐一分配给组内消费者。
- 组内首个消费者可能会多消费一个分区的消息,消费者之间消费相差最多一个分区的消息
- 弊端:只适合消费者组中所有消费者订阅的主题一致;不适合组内消费者组内消费者订阅的主题不一致
- range范围模式:(默认模式)
- 针对单个主题,范围分发给消费者;按一个个主题来分配
- 对一个主题而言,组内的首个消费者可能会消费会多出一个分区消息;如果有非常多的主题,那有可能导致组内的首个消费者频繁多消费一个分区的消息
- 弊端:组内首个消费者消费的数据可能远超过组内其他消费者
- roundrobin轮询模式:
- 触发消费的分区分配策略的情况:
- 消费者组内的消费者个数发生改变
- topic中的分区数发生改变
offset的维护(消费者维护)
offset由 消费者组 + 分区 + 主题 组成
- consumer在消费过程中发生故障,待consumer恢复后,需要从故障前的位置开始消费,所以consumer需要实时记录自己消费到了哪个offset,以便故障恢复后继续消费
- kafka0.9版本前,consumer默认将offset保存在zookeeper中,从0.9版本开始,consumer默认将offset保存到kafka一个内置的topic中,该topic为__consumer_offset.
- 0.11版本后,读取kafka的offset:bin/kafka-topics.sh --topic __consumer_offsets --zookeeper slave1:2181 --formatter “kafka.coordinator.group.GroupMetadataManager$OffsetsMessageFormatter” --consumer.config config/consumer.properties --from-beginning
消费者组案例
- 测试同一个消费者组的消费者,同一时刻只能有一个消费者消费
kafka高效读写数据
- 分区
- 顺序写磁盘;kafka的生产者生产数据,要写入log文件中,写的过程是一直追加到文件末端,为顺序写;顺序写比随机写快很多
- 零复制技术
zookeeper在kafka的作用
- kafka集群中有一个broker会被选举为controller,负责管理集群broker的上下线,topic的分区副本分配和leader选举等工作。
- controller的管理工作是依赖于zookeeper的。
kafka事务
- kafka从0.11版本引入事务支持。事务可以保证kafka在exactly once语义的基础上,生产和消费可以跨分区和会话,要么全部成功,要么全部失败。(幂等性+至少一次性语义 =不能跨分区跨会话)
producer事务
- 为了实现跨分区跨会话的事务,需要引入一个全局唯一的Transaction ID(事务id),并将producer获得的pid和transaction ID绑定。 这样当producer重启后就可以通过正在进行的事务id获得原来的pid。
- 为了管理事务,kafka引入了新的组件Transaction Coordinator。
- producer就是和Transcation Coordinator交互,从而获得Transcation ID对应的任务状态。
- Transcation Coordinator还负责将事务所有写入kafka的一个内部topic中。这样即使整个服务重启,由于事务状态得到保存,进行中的事务状态可以得到恢复,从而继续进行。
kafka API
-
kafka的producer发送消息采用的是异步发送的方式。
-
在消息发送过程中,涉及到了两个线程----main线程和Sender线程,以及一个线程共享变量-----RecordAccumulator。
- main线程:将消息发送给RecordAccumlator
- Sender线程:不断从RecordAccumlator中拉取消息发送到kafka broker
- [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4LKdWE77-1614914719417)(C:\Users\Thinkpad\AppData\Roaming\Typora\typora-user-images\1614430937334.png)]
-
需要用到的类:
-
kafkaProducer:生产者对象,用来发送数据(producer.send)#send方法可以有回调函数也可以没有回调函数
-
for (int i = 0; i < 100; i++) { producer.send(new ProducerRecord<String, String>("first", Integer.toString(i), Integer.toString(i))); }
-
-
ProducerConfig:获取kafka需要的一系列配置参数(这些都是producerconfig类的常量值)
-
Properties props = new Properties(); //kafka 集群,broker-list props.put("bootstrap.servers", "hadoop102:9092"); props.put("acks", "all"); //重试次数 props.put("retries", 1); //批次大小 props.put("batch.size", 16384); //等待时间 props.put("linger.ms", 1); //RecordAccumulator 缓冲区大小 props.put("buffer.memory", 33554432); //序列化编码与反序列化编码 props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
-
-
producerRecord:每条数据封装成一个ProducerRecord对象(消息发送哪个分区)#topic名,数据内容
-
new ProducerRecord<String, String>("first", Integer.toString(i), Integer.toString(i)
-
-
consumer API
-
consumer消费数据时的可靠性是很容易保证的,因为数据在kafka中是持久化的,姑不用担心数据丢失问题
-
但是consumer需要实时记录自己消费消息的offset,以便出故障后可以从原来位置继续进行消费。因此offset的维护是consumer消费数据是必须考虑的 问题
-
需要用到的类:
-
kafkaconsumer:创建一个消费者对象,用来消费数据(订阅主题subscribe)
-
consumer.subscribe(Arrays.asList("first"));
-
-
consumerconfig:获取所需的一系列配置参数(常量值)
-
Properties props = new Properties(); props.put("bootstrap.servers", "hadoop102:9092"); props.put("group.id", "test"); props.put("enable.auto.commit", "true"); props.put("auto.commit.interval.ms", "1000"); props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
-
-
consumerRecord:每条数据都要被封装成一个consumerRecord对象
-
-
自动提交offset的相关参数:
- enable.auto.commit:是否开启自动提交offset的功能
- auto.commit.interval.ms:自动提交offset的时间间隔
-
手动提交offset:
- 手动提交 offset 的方法有两种:
- 分别是 commitSync(同步提交)和 commitAsync(异步
提交)。 - 两者的相同点是:都会将本次 poll 的一批数据最高的偏移量提交;
- 不同点是:
- commitSync 阻塞当前线程,一直到提交成功,并且会自动失败重试(由不可控因素导致,也会出现提交失败)
- commitAsync 则没有失败重试机制,故有可能提交失败。
- 分别是 commitSync(同步提交)和 commitAsync(异步
- 手动提交 offset 的方法有两种:
拦截器
- 拦截器在0.10版本引入,用于实现客户端的定制化控制逻辑
- 自定义拦截器:
- 实现org.apache.kafka.clients.producer.ProducerInterceptor
- 实现方法:
- configure(configs):获取配置信息和初始化时调用
- onsend(producerRecord):该方法封装进kafkaproducer.send方法中,即它运行种子用户主线中。producer确保在消息被序列化以及计算分区前调用该方法。用户可以在该方法中对消息做任何操作,但最好保证不要修改消息所属的topic和分区,否则会影响目标分区的计算
- onAcknowledgement(RecordMetadata,Exception):该方法会在消息从RecordAccumlator成功发送到kafka broker之后,或者在发送过程中失败时调用。并且通常都是在producer回调逻辑触发之前。
e(configs):获取配置信息和初始化时调用 - onsend(producerRecord):该方法封装进kafkaproducer.send方法中,即它运行种子用户主线中。producer确保在消息被序列化以及计算分区前调用该方法。用户可以在该方法中对消息做任何操作,但最好保证不要修改消息所属的topic和分区,否则会影响目标分区的计算
- onAcknowledgement(RecordMetadata,Exception):该方法会在消息从RecordAccumlator成功发送到kafka broker之后,或者在发送过程中失败时调用。并且通常都是在producer回调逻辑触发之前。
- close:关闭interceptor,主要用于执行一些资源清理工作