Kafka学习之三 Kafka线上环境集群部署及客户端应用

1、Zookeeper集群构建

我们有3个zk实例,分别为zk-0,zk-1,zk-2;如果你仅仅是测试使用,可以使用1个zk实例.(本示例基于分布式部署)

    1) zk-0

    调整配置文件:

clientPort=2181  

dataDir=/opt/zookeeper-3.4.6/data

server.0=10.10.73.53:2888:3888  

server.1=10.10.73.54:2888:3888    

server.2=10.10.73.58:2888:3888   

##只需要修改上述配置,其他配置保留默认值

启动zookeeper

./zkServer.sh start

 

2) zk-1

    调整配置文件(其他配置和zk-0一只):

clientPort=2182  

##只需要修改上述配置,其他配置保留默认值  

    启动zookeeper

./zkServer.sh start       

 

 3) zk-2

    调整配置文件(其他配置和zk-0一只):

clientPort=2183  

##只需要修改上述配置,其他配置保留默认值  

启动zookeeper

./zkServer.sh start

2. Kafka集群构建

    因为Broker配置文件涉及到zookeeper的相关约定,因此我们先展示broker配置文件.我们使用2个kafka broker来构建这个集群环境,分别为kafka-0,kafka-1.

    1) kafka-0(10.10.73.58)

在config目录下修改配置文件为:

broker.id=0

port=9092

num.network.threads=2

num.io.threads=2

socket.send.buffer.bytes=1048576

socket.receive.buffer.bytes=1048576

socket.request.max.bytes=104857600

log.dir=/opt/env/kafka_2.11-0.9.0.1/logs

num.partitions=2

log.flush.interval.messages=10000

log.flush.interval.ms=1000

log.retention.hours=168

#log.retention.bytes=1073741824  

log.segment.bytes=536870912

##replication机制,让每个topic的partitions在kafka-cluster中备份2个  

##用来提高cluster的容错能力..  

default.replication.factor=1

log.cleanup.interval.mins=10

zookeeper.connect=10.10.73.53:2181,10.10.73.54:2181,10.10.73.58:2181

zookeeper.connection.timeout.ms=1000000

 

启动kafka broker:

> JMS_PORT=9997 bin/kafka-server-start.sh config/server.properties &  

    因为zookeeper环境已经正常运行了,我们无需通过kafka来挂载启动zookeeper.如果你的一台机器上部署了多个kafka broker,你需要声明JMS_PORT.

 

2) kafka-1(10.10.73.53)

broker.id=1  

port=9092  

##其他配置和kafka-0保持一致  

    然后和kafka-0一样执行打包命令,然后启动此broker.

> JMS_PORT=9998 bin/kafka-server-start.sh config/server.properties &  

仍然可以通过如下指令查看topic的"partition"/"replicas"的分布和存活情况.

Kafka集群中broker.id=1参数的value不能重复

 

3Java端的Producer

kafka-producer.properties配置文件

##metadata.broker.list=127.0.0.1:9092,127.0.0.1:9093

##,127.0.0.1:9093

metadata.broker.list=10.10.73.58:9092,10.10.73.53:9092

producer.type=sync

compression.codec=0

serializer.class=kafka.serializer.StringEncoder

#batch.num.messages=100

 

Java客户端程序:

public class KafkaProducerClient {

 

private Producer<String, String> inner;

private String brokerList;//for metadata discovery,spring setter

private String location = "kafka/kafka-producer.properties";//spring setter

private String defaultTopic;//spring setter

 

public void setBrokerList(String brokerList) {

this.brokerList = brokerList;

}

 

public void setLocation(String location) {

this.location = location;

}

 

public void setDefaultTopic(String defaultTopic) {

this.defaultTopic = defaultTopic;

}

 

public KafkaProducerClient(){}

public void init() throws Exception {

Properties properties = new Properties();

properties.load(Thread.currentThread().getContextClassLoader().getResourceAsStream(location));

if(brokerList != null) {

properties.put("metadata.broker.list", brokerList);

}

 

ProducerConfig config = new ProducerConfig(properties);

inner = new Producer<String, String>(config);

}

 

public void send(String message){

send(defaultTopic,message);

}

public void send(Collection<String> messages){

send(defaultTopic,messages);

}

public void send(String topicName, String message) {

if (topicName == null || message == null) {

return;

}

KeyedMessage<String, String> km = new KeyedMessage<String, String>(topicName,message);

inner.send(km);

}

 

public void send(String topicName, Collection<String> messages) {

if (topicName == null || messages == null) {

return;

}

if (messages.isEmpty()) {

return;

}

List<KeyedMessage<String, String>> kms = new ArrayList<KeyedMessage<String, String>>();

int i= 0;

for (String entry : messages) {

KeyedMessage<String, String> km = new KeyedMessage<String, String>(topicName,entry);

kms.add(km);

i++;

if(i % 20 == 0){

inner.send(kms);

kms.clear();

}

}

if(!kms.isEmpty()){

inner.send(kms);

}

}

 

public void close() {

inner.close();

}

 

/**

 * @param args

 */

public static void main(String[] args) {

KafkaProducerClient producer = null;

try {

producer = new KafkaProducerClient();

producer.init();

//producer.setBrokerList("");

int i = 0;

while (true) {

producer.send("test-topic", "this is a sample" + i);

i++;

Thread.sleep(2000);

}

} catch (Exception e) {

e.printStackTrace();

} finally {

if (producer != null) {

producer.close();

}

}

}

}

4、Java端的Consumer

kafka-consumer.properties配置文件

##zookeeper.connect=127.0.0.1:2181,127.0.0.1:2182,127.0.0.1:2183

##,127.0.0.1:2182,127.0.0.1:2183

# timeout in ms for connecting to zookeeper

zookeeper.connect=10.10.73.53:2181,10.10.73.54:2181,10.10.73.58:2181

zookeeper.connectiontimeout.ms=100000

#consumer group id

group.id=test-group

#consumer timeout

#consumer.timeout.ms=5000

 

Java客户端程序:

public class KafkaConsumerClient {

 

private String groupid; //can be setting by spring

private String zkConnect;//can be setting by spring

private String location = "kafka/kafka-consumer.properties";//配置文件位置

private String topic;

private int partitionsNum;

private MessageExecutor executor; //message listener

private ExecutorService threadPool;

private ConsumerConnector connector;

private Charset charset = Charset.forName("utf8");

 

public void setGroupid(String groupid) {

this.groupid = groupid;

}

 

public void setZkConnect(String zkConnect) {

this.zkConnect = zkConnect;

}

 

public void setLocation(String location) {

this.location = location;

}

 

public void setTopic(String topic) {

this.topic = topic;

}

 

public void setPartitionsNum(int partitionsNum) {

this.partitionsNum = partitionsNum;

}

 

public void setExecutor(MessageExecutor executor) {

this.executor = executor;

}

 

public KafkaConsumerClient() {}

 

//init consumer,and start connection and listener

public void init() throws Exception {

if(executor == null){

throw new RuntimeException("KafkaConsumer,exectuor cant be null!");

}

Properties properties = new Properties();

properties.load(Thread.currentThread().getContextClassLoader().getResourceAsStream(location));

if(groupid != null){

properties.put("groupid", groupid);

}

if(zkConnect != null){

properties.put("zookeeper.connect", zkConnect);

}

ConsumerConfig config = new ConsumerConfig(properties);

 

connector = Consumer.createJavaConsumerConnector(config);

Map<String, Integer> topics = new HashMap<String, Integer>();

topics.put(topic, partitionsNum);

Map<String, List<KafkaStream<byte[], byte[]>>> streams = connector.createMessageStreams(topics);

List<KafkaStream<byte[], byte[]>> partitions = streams.get(topic);

threadPool = Executors.newFixedThreadPool(partitionsNum * 2);

//start

for (KafkaStream<byte[], byte[]> partition : partitions) {

threadPool.execute(new MessageRunner(partition));

}

}

 

public void close() {

try {

threadPool.shutdownNow();

} catch (Exception e) {

//

} finally {

connector.shutdown();

}

 

}

 

class MessageRunner implements Runnable {

private KafkaStream<byte[], byte[]> partition;

 

MessageRunner(KafkaStream<byte[], byte[]> partition) {

this.partition = partition;

}

 

public void run() {

ConsumerIterator<byte[], byte[]> it = partition.iterator();

while (it.hasNext()) {

// connector.commitOffsets();手动提交offset,当autocommit.enable=false时使用

MessageAndMetadata<byte[], byte[]> item = it.next();

try{

executor.execute(new String(item.message(),charset));// UTF-8,注意异常

}catch(Exception e){

//

}

}

}

public String getContent(Message message){

            ByteBuffer buffer = message.payload();

            if (buffer.remaining() == 0) {

                return null;

            }

            CharBuffer charBuffer = charset.decode(buffer);

            return charBuffer.toString();

}

}

 

interface MessageExecutor {

 

public void execute(String message);

}

 

/**

 * @param args

 */

public static void main(String[] args) {

KafkaConsumerClient consumer = null;

try {

MessageExecutor executor = new MessageExecutor() {

 

public void execute(String message) {

System.out.println(message);

}

};

consumer = new KafkaConsumerClient();

consumer.setTopic("test-topic");

consumer.setPartitionsNum(2);

consumer.setExecutor(executor);

consumer.init();

Thread.sleep(10000);

} catch (Exception e) {

e.printStackTrace();

} finally {

 if(consumer != null){

 consumer.close();

 } } } }

学习参考:

http://www.infoq.com/cn/articles/kafka-analysis-part-1

http://flychao88.iteye.com/category/350737

http://shift-alt-ctrl.iteye.com/blog/1930791

http://www.tuicool.com/articles/mErEZn


  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1/kafka是一个分布式的消息缓存系统 2/kafka集群中的服务器都叫做broker 3/kafka有两类客户端,一类叫producer(消息生产者),一类叫做consumer(消息消费者),客户端和broker服务器之间采用tcp协议连接 4/kafka中不同业务系统的消息可以通过topic进行区分,而且每一个消息topic都会被分区,以分担消息读写的负载 5/每一个分区都可以有多个副本,以防止数据的丢失 6/某一个分区中的数据如果需要更新,都必须通过该分区所有副本中的leader来更新 7/消费者可以分组,比如有两个消费者组A和B,共同消费一个topic:order_info,A和B所消费的消息不会重复 比如 order_info 中有100个消息,每个消息有一个id,编号从0-99,那么,如果A组消费0-49号,B组就消费50-99号 8/消费者在具体消费某个topic中的消息时,可以指定起始偏移量 每个partition只能同一个group中的同一个consumer消费,但多个Consumer Group可同时消费同一个partition。 n个topic可以被n个Consumer Group消费,每个Consumer Group有多个Consumer消费同一个topic Topic在逻辑上可以被认为是一个queue,每条消费都必须指定它的Topic,可以简单理解为必须指明把这条消息放进哪个queue里。为了使得Kafka的吞吐率可以线性提高,物理上把Topic分成一个或多个Partition,每个Partition在物理上对一个文件夹,该文件夹下存储这个Partition的所有消息和索引文件。若创建topic1和topic2两个topic,且分别有13个和19个分区 Kafka的设计理念之一就是同时提供离线处理和实时处理。根据这一特性,可以使用Storm这种实时流处理系统对消息进行实时在线处理,同时使用Hadoop这种批处理系统进行离线处理,还可以同时将数据实时备份到另一个数据中心,只需要保证这三个操作所使用的Consumer属于不同的Consumer Group即可。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值