kafka在大数据生态中扮演者重要的角色,各个系统利用Kafka作为数据中转枢纽来实时消费所有类型的数据。同份Kafka数据可以被导入到不同专用系统中,由于新系统能通过订阅Kafka,轻易地获取它想要的数据,我们可以轻松地引入额外的专用系统,进入到这系统构架中
Kafka传统定义:
Kafka是一个分布式的基于发布/订阅模式的消息队列(MessageQueue),主要应用于大数据实时处理领域。
发布/订阅:消息的发布者不会将消息直接发送给特定的订阅者,而是将发布的消息分为不同的类别,订阅者只接收感兴趣的消息。
Kafka 最新定义 :
Kafka 是 一个开源的 分 布式事件流平台 ( Event StreamingPlatform),被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用
拥有作为消息队列的所有优点:缓存/消峰、解耦和异步通信
1. kafka集群部署
官方下载地址:http://kafka.apache.org/downloads.html
这里使用3.0.0作为示例,由于依赖zookeeper做协调系统(最新版的Kafka 2.8.0
,移除了对Zookeeper
的依赖,通过KRaft
进行自己的集群管理)
1.1 解压安装包
tar -zxvf kafka_2.12-3.0.0.tgz
1.2 进入到config 目录,修改配置文件server.properties
#broker 的全局唯一编号,不能重复,只能是数字。
broker.id=0
#处理网络请求的线程数量num.network.threads=3
#用来处理磁盘 IO 的线程数量
num.io.threads=8
#发送套接字的缓冲区大小socket.send.buffer.bytes=102400
#接收套接字的缓冲区大小socket.receive.buffer.bytes=102400
#请求套接字的缓冲区大小socket.request.max.bytes=104857600
#kafka 运行日志(数据)存放的路径,路径不需要提前创建,kafka 自动帮你创建,可以配置多个磁盘路径,路径与路径之间可以用","分隔log.dirs=/opt/module/kafka/datas
#topic 在当前 broker 上的分区个数
num.partitions=1
#用来恢复和清理 data 下数据的线程数量
num.recovery.threads.per.data.dir=1
# 每个 topic 创建时的副本数,默认时 1 个副本
offsets.topic.replication.factor=1
#segment 文件保留的最长时间,超时将被删除
log.retention.hours=168
#每个 segment 文件的大小,默认最大 1G log.segment.bytes=1073741824
# 检查过期数据的时间,默认 5 分钟检查一次是否数据过期
log.retention.check.interval.ms=300000
#配置连接 Zookeeper 集群地址(在 zk 根目录下创建/kafka,方便管理) zookeeper.connect=hadoop11:2181,hadoop12:2181,hadoop13:2181/kafka
1.3 分发目录,并修改全局唯一标识broker.id
scp -r ./kafka hadoop12:`pwd`
scp -r ./kafka hadoop13:`pwd`
vim server.properties
#关闭集群
bin/kafka-server-stop.sh
1.4 在所有机器分别启动kafka
bin/kafka-server-start.sh config/server.properties
#后台启动
bin/kafka-server-start.sh -daemon config/server.properties
2. kafka命令操作
2.1 topic相关
参数 | 描述 |
--bootstrap-server <String: server toconnect to> | 连接的 Kafka Broker 主机名称和端口号。 |
--topic <String: topic> | 操作的 topic 名称。 |
--create | 创建主题。 |
--delete | 删除主题。 |
--alter | 修改主题。 |
--list | 查看所有主题。 |
--describe | 查看主题详细描述。 |
--partitions <Integer: # of partitions> | 设置分区数。 |
--replication-factor<Integer: replication factor> | 设置分区副本。 |
--config <String: name=value> | 更新系统默认的配置。 |
# 1:查看操作主题命令参数
bin/kafka-topics.sh
# 2:查看当前服务器中的所有 topic
bin/kafka-topics.sh --bootstrap-server hadoop11:9092,hadoop12:9092,hadoop13:9092 --list
#3:创建 firstDemo topic;可以只指定一台机器
bin/kafka-topics.sh --bootstrap-server hadoop11:9092 --create --partitions 1 --replication-factor 3 --topic firstDemo
# 4:查看 firstDemo 主题的详情
bin/kafka-topics.sh --bootstrap-server hadoop11:9092 --describe --topic firstDemo
# 5:修改分区数(注意:分区数只能增加,不能减少)
bin/kafka-topics.sh --bootstrap-server hadoop11:9092 --alter --topic firstDemo --partitions 3
# 6:删除 topic
bin/kafka-topics.sh --bootstrap-server hadoop11:9092 --delete --topic firstDemo
2.2 生产者命令行操作
查看操作生产者命令参数:bin/kafka-console-producer.sh
参数 | 描述 |
--bootstrap-server <String: server toconnect to> | 连接的 Kafka Broker 主机名称和端口号。 |
--topic <String: topic> | 操作的 topic 名称。 |
# 1:发送消息
bin/kafka-console-producer.sh --bootstrap-server hadoop102:9092 --topic firstDemo
2.3 消费者命令行操作
查看操作消费者命令参数:bin/kafka-console-consumer.sh
参数 | 描述 |
--bootstrap-server <String: server toconnect to> | 连接的 Kafka Broker 主机名称和端口号。 |
--topic <String: topic> | 操作的 topic 名称。 |
--from-beginning | 从头开始消费。 |
--group <String: consumer group id> | 指定消费者组名称。 |
#1:消费 firstDemo 主题中的数据
bin/kafka-console-consumer.sh --bootstrap-server hadoop11:9092 --topic firstDemo
#2:消费firstDemo 主题所有数据
bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --from-beginning --topic first
3. kafka内部流程数据流转原理
3.1 生产者消息发送流程
在消息发送的过程中,涉及到了两个线程——main 线程和 Sender 线程。在 main 线程中创建了一个双端队列 RecordAccumulator。main 线程将消息发送给 RecordAccumulator,
Sender 线程不断从 RecordAccumulator 中拉取消息发送到 Kafka Broker
acks应答机制
- 0:生产者发送过来的数据,不需要等数据落盘应答。
- 1:生产者发送过来的数据,Leader收到数据后应答。
- -1(all):生产者发送过来的数据,Leader和ISR队列里面的所有节点收齐数据后应答。-1和all等价。
3.2 Kafka Broker总体工作流程
3.3 消费者组原理
消费者:消费者之间互不干扰,一个消费者消费不同分区的数据,另一个消费者也是可以消费任意分区数据
消费者组:消费者组,由多个consumer组成。形成一个消费者组的条件,是所有消费者的groupid相同
- 消费者组内每个消费者负责消费不同分区的数据,一个分区只能由一个组内消费者消费
- 消费者组之间互不影响。所有的消费者都属于某个消费者组,即消费者组是逻辑上的一个订阅者