Kafka环境搭建

搭建前准备

Java环境

Kafka采用的是Scala语言开发，运行在JVM上，因此部署Kafka的服务器需要安装JDK。

Zookeeper环境

Kafka依赖于Zookeeper进行分布式协调，因此需要部署Zookeeper。Zookeeper的安装步骤如下：

# 下载Zookeeper安装包
wget https://archive.apache.org/dist/zookeeper/zookeeper-3.5.8/apache-zookeeper-3.5.8-bin.tar.gz
#解压
tar -zxvf apache-zookeeper-3.5.8-bin.tar.gz
#重命名
mv apache-zookeeper-3.5.8-bin zookeeper-3.5.8
cd zookeeper-3.5.8
cp conf/zoo_sample.cfg conf/zoo.cfg
# 启动zookeeper服务
bin/zkServer.sh start
#查看zk的根目录相关节点
bin/zkCli.sh
ls /

单节点搭建

下载&解压安装包

wget https://archive.apache.org/dist/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

修改配置文件

修改conf/server.properties配置文件：

#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://192.168.68.100:9092   
#kafka的消息存储文件
log.dir=/usr/local/data/kafka-logs
#kafka连接zookeeper的地址
zookeeper.connect=192.168.68.100:2181

server.properties核心配置详解

Property	Default	Description
broker.id	0	每个broker都可以用一个唯一的非负整数id进行标识；这个id可以作为broker的“名字”，你可以选择任意你喜欢的数字作为id，只要id是唯一的即可。
log.dirs	/tmp/kafka-logs	kafka存放数据的路径。这个路径并不是唯一的，可以是多个，路径之间只需要使用逗号分隔即可；每当创建新partition时，都会选择在包含最少partitions的路径下进行。
listeners	PLAINTEXT://:9092	server接受客户端连接的端口，ip配置kafka本机ip即可
zookeeper.connect	localhost:2181	zooKeeper连接字符串的格式为：hostname:port，此处hostname和port分别是ZooKeeper集群中某个节点的host和port；zookeeper如果是集群，连接方式为 hostname1:port1, hostname2:port2, hostname3:port3
log.retention.hours	168	每个日志文件删除之前保存的时间。默认数据保存时间对所有topic都一样。
num.partitions	1	创建topic的默认分区数
default.replication.factor	1	自动创建topic的默认副本数量，建议设置为大于等于2
min.insync.replicas	1	当producer设置acks为-1时，min.insync.replicas指定replicas的最小数目（必须确认每一个repica的写数据都是成功的），如果这个数目没有达到，producer发送消息会产生异常
delete.topic.enable	false	是否允许删除主题

启动服务

bin/kafka-server-start.sh config/server.properties &

集群搭建

对于Kafka来说，一个单独的broker意味着kafka集群只有一个节点。想要增加kafka集群中的节点数，只需要多启动几个broker的实例节点即可。现在搭建三个节点的kafka集群，kafka集群三台服务器IP分别为：192.168.68.81、192.168.68.91、192.168.68.100，在这三台服务器上分别执行以下操作，修改对应kafka实例的IP及实例ID。

下载&解压安装包

wget https://archive.apache.org/dist/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

修改配置文件

修改conf/server.properties配置文件：

#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://192.168.68.100:9092   
#kafka的消息存储文件
log.dir=/usr/local/data/kafka-logs
#kafka连接zookeeper的地址，要把多个kafka实例组成集群，对应连接的zookeeper必须相同
zookeeper.connect=192.168.68.81:2181,192.168.68.91:2181,192.168.68.100:2181

启动服务

bin/kafka-server-start.sh config/server.properties &

环境验证

创建Topic

创建一个topic，副本数设置为3，分区数设置为2

bin/kafka-topics.sh --create --zookeeper 192.168.68.81:2181,192.168.68.91:2181,192.168.68.100:2181 --replication-factor 3 --partitions 2 --topic my-replicated-topic

查看Topic信息

bin/kafka-topics.sh --describe --zookeeper 192.168.68.81:2181,192.168.68.91:2181,192.168.68.100:2181 --topic my-replicated-topic

• leader节点负责给定partition的所有读写请求，同一个主题不同分区leader副本一般不一样(为了容灾)

• 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。

向Topic发送消息

bin/kafka-console-producer.sh --broker-list 192.168.68.81:9092,192.168.68.91:9092,192.168.68.100:9092 --topic my-replicated-topic>my test msg 1>my test msg 2 

从Topic消费消息

bin/kafka-console-consumer.sh --bootstrap-server 192.168.68.81:9092,192.168.68.91:9092,192.168.68.100:9092 --from-beginning --topic my-replicated-topicmy test msg 1my test msg 2

查看Topic分区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。针对每个partition，都有一个broker起到“leader”的作用，0个或多个其他的broker作为“follwers”的作用。leader处理所有的针对这个partition的读写请求，而followers被动复制leader的结果，不提供读写(主要是为了保证多副本数据与消费的一致性)。如果这个leader失效了，其中的一个follower将会自动的变成新的leader。

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。通过round-robin做简单的负载均衡。也可以根据消息中的某一个关键字来进行区分。通常第二种方式使用的更多。

Consumers

传统的消息传递模式有2种：队列( queue) 和（publish-subscribe）

• 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。

Kafka基于这2种模式提供了一种consumer的抽象概念：consumer group。

• queue模式：所有的consumer都位于同一个consumer group 下。

• publish-subscribe模式：所有的consumer都有着自己唯一的consumer group。

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。Kafka只在partition的范围内保证消息消费的局部顺序性，不能在同一个topic中的多个partition中保证总的消费顺序性。

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。

如果有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。