kafka基本介绍

搬数的柱子

已于 2022-09-18 09:45:18 修改

阅读量850

点赞数

文章标签： kafka java 分布式

于 2022-08-14 23:32:00 首次发布

本文链接：https://blog.csdn.net/qq_39767363/article/details/126337868

版权

KAFKA基本介绍（一）

1.1定义

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（Message
Queue），主要应用于大数据实时处理领域。
Kafka最新定义： Kafka是一个开源的分布式事件流平台（Event Streaming
Platform），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。

1.2 传统消息队列的使用场景

传统的消息队列的主要应用场景包括：缓存/消峰、解耦和异步通信。
缓冲/消峰：有助于控制和优化数据流经过系统的速度，解决生产消息和消费消息的处理速度不一致的情况。
解耦：允许你独立的扩展或修改两边的处理过程，只要确保它们遵守同样的接口约束。
异步通信：允许用户把一个消息放入队列，但并不立即处理它，然后在需要的时候再去处理它们。
1.2.1 消息队列的两种模式
1）点对点模式
• 消费者主动拉取数据，消息收到后清除消息
2）发布/订阅模式
• 可以有多个topic主题（浏览、点赞、收藏、评论等）
• 消费者消费数据之后，不删除数据
• 每个消费者相互独立，都可以消费到数据

KAFKA基础架构

kafa架构
（1）Producer：消息生产者，就是向 Kafka broker 发消息的客户端。
（2）Consumer：消息消费者，向 Kafka broker 取消息的客户端。
（3）Consumer Group（CG）：消费者组，由多个 consumer 组成。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。
（4）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。
（5）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。
（6）Partition：为了实现扩展性，一个非常大的 topic 可以分布到多个 broker（即服务器）上，一个 topic 可以分为多个 partition，每个 partition 是一个有序的队列。
（7）Replica：副本。一个 topic 的每个分区都有若干个副本，一个 Leader 和若干个Follower。
（8）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。
（9）Follower：每个分区多个副本中的“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 会成为新的 Leader。

1.4 部署

0）官方下载地址：http://kafka.apache.org/downloads.html
1）解压安装包
tar -zxvf kafka_2.12-3.0.0.tgz -C /opt/module/
2）修改解压后的文件名称
mv kafka_2.12-3.0.0/ kafka
3）进入到/opt/module/kafka 目录，修改配置文件
cd config/
vim server.properties

输入以下内容：
#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
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=127.0.0.1:2181,127.0.0.2:2181,127.0.0.3:2181/kafka

配置环境变量
（1）在/etc/profile.d/my_env.sh 文件中增加 kafka 环境变量配置
sudo vim /etc/profile.d/my_env.sh
增加如下内容：
#KAFKA_HOME
export KAFKA_HOME=/opt/module/kafka
export PATH= $P A T H :$ KAFKA_HOME/bin
（2）刷新一下环境变量。
source /etc/profile

注意：停止 Kafka 集群时，一定要等 Kafka 所有节点进程全部停止后再停止 Zookeeper
集群。因为 Zookeeper 集群当中记录着 Kafka 集群相关信息，Zookeeper 集群一旦先停止，
Kafka 集群就没有办法再获取停止进程的信息，只能手动杀死 Kafka 进程了。

1.5主题命令行操作

在这里插入图片描述 1. 主题命令操作

2）查看当前服务器中的所有 topic
bin/kafka-topics.sh --bootstrap-server
127.0.0.2:9092 --list
3）创建 first topic
bin/kafka-topics.sh --bootstrap-server 127.0.0.2:9092 --create --partitions 1 --replication-factor 3 --topic first
选项说明：
–topic 定义 topic 名
–replication-factor 定义副本数
–partitions 定义分区数
4）查看 first 主题的详情
bin/kafka-topics.sh --bootstrap-server 127.0.0.2:9092 --describe --topic first
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
127.0.0.2:9092 --alter --topic first --partitions 3
6）再次查看 first 主题的详情
bin/kafka-topics.sh --bootstrap-server
127.0.0.2:9092 --describe --topic first
7）删除 topic（学生自己演示）
bin/kafka-topics.sh --bootstrap-server
127.0.0.2:9092 --delete --topic first

1.6生产者命令行操作

1）查看操作生产者命令参数
bin/kafka-console-producer.sh
在这里插入图片描述
2）发送消息
bin/kafka-console-producer.sh --bootstrap-server 127.0.0.2:9092 --topic first

hello world

1.7 消费者命令行操作

1）查看操作消费者命令参数
bin/kafka-console-consumer.sh
在这里插入图片描述
2）消费消息
（1）消费 first 主题中的数据。
bin/kafka-console-consumer.sh –
bootstrap-server 127.0.0.2:9092 --topic first
（2）把主题中所有的数据都读取出来（包括历史数据）。
bin/kafka-console-consumer.sh --bootstrap-server 127.0.0.2:9092 --from-beginning --topic first
（3）消费者设置消息重试
@Configuration
@EnableKafka
public class KafkaConfig {
@Bean(name = “consumerFactory”)
public KafkaListenerContainerFactory<?> consumerFactory() {
Map<String, Object> configProps = new HashMap<>();
configProps.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, “127.0.0.1:9092”);
configProps.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
configProps.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
configProps.put(ConsumerConfig.GROUP_ID_CONFIG, “groupId1”);
// 手动提交
configProps.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, “false”);

    ConcurrentKafkaListenerContainerFactory<String, String> factory =
            new ConcurrentKafkaListenerContainerFactory<>();
    factory.setConsumerFactory(new DefaultKafkaConsumerFactory<>(configProps));
    factory.setRetryTemplate(retry());
    // ack模式
    factory.getContainerProperties().setAckMode(ContainerProperties.AckMode.MANUAL_IMMEDIATE);

    return factory;
}

private RetryTemplate retry() {
    RetryTemplate retryTemplate = new RetryTemplate();
    retryTemplate.setRetryPolicy(new SimpleRetryPolicy(6));
    return retryTemplate;
}

}
@Component
public class KafkaConsumer {

/**
* kafka消费者
*/
@KafkaListener(topics = “topic”, containerFactory = “consumerFactory”)
public void consumer(@Payload String message,
@Header(KafkaHeaders.RECEIVED_PARTITION_ID) int partition,
@Header(KafkaHeaders.RECEIVED_TOPIC) String topic,
Consumer consumer,
Acknowledgment ack) {
}
}