Kafka安装使用与快速入门

zookeepr安装使用与快速入门： https://blog.csdn.net/qq_41822345/article/details/118862232
rocketmq安装使用与快速入门： https://blog.csdn.net/qq_41822345/article/details/118636458

一、Kafka初识

Kafka是一个分布式的基于发布/订阅模式的消息队列，主要应用于大数据实时处理领域。

• Kafka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，为保证集群中的某个节点发生故障时，该节点上的partition数据不丢失，且kafka仍然能够继续工作，kafka提供了副本机制，一个topic的每个分区都有若干个副本，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follower。

二、Kafka安装

  kafka官网下载：http://kafka.apache.org/downloads.html

  Kafka安装前提：已安装好zookeeper集群。zookeeper安装快速入门：https://blog.csdn.net/qq_41822345/article/details/118862232

• step1：解压下载的安装包。

  tar -zxvf kafka_2.11-0.11.0.0.tgz
  mv kafka_2.11-0.11.0.0 /opt/module/kafka
  

• step2：修改配置文件。

  cd /opt/module/kafka/config/
  mkdir -p /opt/module/kafka/logs
  vim server.properties
  ## 修改配置文件内容如下(一定要安装好zookeeper)
  

  #broker的全局唯一编号，不能重复
  broker.id=0
  #删除topic功能使能
  delete.topic.enable=true
  #处理网络请求的线程数量
  num.network.threads=3
  #用来处理磁盘IO的现成数量
  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运行日志存放的路径	
  log.dirs=/opt/module/kafka/logs
  #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
  #segment文件保留的最长时间，超时将被删除
  log.retention.hours=168
  #配置连接Zookeeper集群地址
  zookeeper.connect=k8s101:2181,k8s102:2181,k8s103:2181,
  

kafka中zookeeper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，所有topic的分区副本分配和leader选举等工作。Controller的管理工作都是依赖于Zookeeper的。

• step3：配置环境变量。

  sudo vim /etc/profile
  #内容如下
  #KAFKA_HOME
  export KAFKA_HOME=/opt/module/kafka
  export PATH=$PATH:$KAFKA_HOME/bin
  #使环境变量生效
  source /etc/profile
  

• step4： 完成集群安装。

  ## 拷贝zookeeper服务到其它机器（当前机器k8s101）
  cd /opt/module
  scp -r kafka k8s102:/opt/module/
  scp -r kafka k8s103:/opt/module/
  #接下来修改各个机器中的server.properties文件（因为broker.id不得重复）
  vim /opt/module/kafka/config/server.properties
  #机器k8s102内容如下：
  broker.id=1
  vim /opt/module/kafka/config/server.properties
  #机器k8s103内容如下：
  broker.id=2
  

• step5：操作kafka命令

  bin/kafka-server-start.sh -daemon config/server.properties
  bin/kafka-topics.sh --zookeeper k8s101:2181 --list
  bin/kafka-topics.sh --zookeeper k8s101:2181 --create --replication-factor 3 --partitions 1 --topic my_first_topic
  bin/kafka-console-producer.sh --broker-list k8s101:9092 --topic my_first_topic
  bin/kafka-console-consumer.sh --bootstrap-server k8s101:9092 --from-beginning --topic my_first_topic
  bin/kafka-topics.sh --zookeeper k8s101:2181 --describe --topic my_first_topic
  

三、Kafka监控平台&操作平台

• kafka monitor平台安装

1.上传jar包KafkaOffsetMonitor-assembly-0.4.6.jar到集群服务器k8s101
2.在/opt/module/下创建kafka-console文件夹
3.将上传的jar包放入刚创建的目录下
4.在/opt/module/kafka-console目录下创建启动脚本start.sh，内容如下：

#!/bin/bash
java -cp KafkaOffsetMonitor-assembly-0.4.6-SNAPSHOT.jar \
com.quantifind.kafka.offsetapp.OffsetGetterWeb \
--offsetStorage kafka \
--kafkaBrokers k8s101:9092,k8s102:9092,k8s103:9092 \
--kafkaSecurityProtocol PLAINTEXT \
--zk k8s101:2181,k8s102:2181,k8s103:2181 \
--port 8086 \
--refresh 10.seconds \
--retain 2.days \
--dbName offsetapp_kafka &

5.创建日志文件夹。

mkdir /opt/module/kafka-console/mobile-logs

6.启动，浏览器访问 k8s101:8086页面。

./start.sh

• kafka manager平台安装

1.上传压缩包kafka-manager-1.3.3.15.zip到集群服务器k8s101
2.解压到/opt/module

unzip kafka-manager-1.3.3.15.zip
mv kafka-manager-1.3.3.15 /opt/module/kafka-manager

3.修改配置文件conf/application.conf

kafka-manager.zkhosts="kafka-manager-zookeeper:2181"

修改为：

kafka-manager.zkhosts="k8s101:2181,k8s102:2181,k8s103:2181"

4.启动kafka-manager，浏览器访问 k8s101:9000页面。

cd /opt/module/kafka-manager
bin/kafka-manager

四、Kafka原理

• kafka工作流程

  Kafka中消息是以topic进行分类的，生产者生产消息，消费者消费消息，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对应于一个log文件，该log文件中存储的就是producer生产的数据。Producer生产的数据会被不断追加到该log文件末端，且每条数据都有自己的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，从上次的位置继续消费。

  由于生产者生产的消息会不断追加到log文件末尾，为防止log文件过大导致数据定位效率低下，Kafka采取了分片和索引机制，将每个partition分为多个segment。每个segment对应两个文件——“.index”文件和“.log”文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic名称+分区序号。例如，first这个topic有三个分区，则其对应的文件夹为first-0,first-1,first-2。“.index”文件存储大量的索引信息，“.log”文件存储大量的数据。

• 分区策略

  分区原因：1.方便在集群中扩展；2.可以提高并发。

  分区原则：

  （1）指明 partition 的情况下，直接将指明的值直接作为 partiton 值；

  （2）没有指明 partition 值但有 key 的情况下，将 key 的 hash 值与 topic 的 partition 数进行取余得到 partition 值；

  （3）既没有 partition 值又没有 key 值的情况下，第一次调用时随机生成一个整数（后面每次调用在这个整数上自增），将这个值与 topic 可用的 partition 总数取余得到 partition 值，也就是常说的 round-robin 算法。

• 可靠性保证

  为保证producer发送的数据，能可靠的发送到指定的topic，topic的每个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，就会进行下一轮的发送，否则重新发送数据。

  方案1：半数以上完成同步就发送ack。虽然延迟低，但是选举新的leader时，容忍n台节点的故障，需要2n+1个副本。

  方案2：全部完成同步才发送ack。虽然延迟高，但是选举新的leader时，容忍n台节点的故障，仅需n+1个副本。

  Kafka选择了方案2，原因如下：

  1.同样为了容忍n台节点的故障，第一种方案需要2n+1个副本，而第二种方案只需要n+1个副本，而Kafka的每个分区都有大量的数据，第一种方案会造成大量数据的冗余。

  2.虽然第二种方案的网络延迟会比较高，但网络延迟对Kafka的影响较小。

• ISR

  Leader维护了一个动态的in-sync replica set (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长时间未向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发生故障之后，就会从ISR中选举新的leader。

• ack应答机制

  0：producer不等待broker的ack，这一操作提供了一个最低的延迟，broker一接收到还没有写入磁盘就已经返回，当broker故障时有可能丢失数据；

  1：producer等待broker的ack，partition的leader落盘成功后返回ack，如果在follower同步成功之前leader故障，那么将会丢失数据；

  -1（all）：producer等待broker的ack，partition的leader和follower全部落盘成功后才返回ack。但是如果在follower同步完成后，broker发送ack之前，leader发生故障，那么会造成数据重复。

• 故障处理

  LEO：每个副本的最后一个offset。

  HW：所有副本的最小的LEO。

  （1）follower故障

  follower发生故障后会被临时踢出ISR，待该follower恢复后，follower会读取本地磁盘记录的上次的HW，并将log文件高于HW的部分截取掉，从HW开始向leader进行同步。等该follower的LEO大于等于该Partition的HW，即follower追上leader之后，就可以重新加入ISR了。

  （2）leader故障

  leader发生故障之后，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。

  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。

• Exactly Once语义

  即保证每条消息被发送且仅被发送一次。Kafka在0.11版本后引入了幂等性机制（idempotent），配合acks = -1时的at least once语义，实现了producer到broker的exactly once语义。只需将enable.idempotence属性设置为true，kafka自动将acks属性设为-1。

• offset的维护

  由于consumer在消费过程中可能会出现断电宕机等故障，consumer恢复后，需要从故障前的位置的继续消费，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。

  Kafka 0.9版本之前，consumer默认将offset保存在Zookeeper中，从0.9版本开始，consumer默认将offset保存在Kafka一个内置的topic中，该topic为__consumer_offsets。

• Kafka高效读写

  顺序写磁盘和零复制技术

  Kafka的producer生产数据，要写入到log文件中，写的过程是一直追加到文件末端，为顺序写。官网有数据表明，同样的磁盘，顺序写能到到600M/s，而随机写只有100k/s。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间。

  零复制技术即零拷贝。 零拷贝就是一种避免 CPU 将数据从一块存储拷贝到另外一块存储的技术。零拷贝技术可以减少数据拷贝和共享总线操作的次数，消除传输数据在存储器之间不必要的中间拷贝次数，从而有效地提高数据传输效率。

五、Kafka提问

• 1.Kafka中的ISR、AR又代表什么？

  ISR：与leader保持同步的follower集合

  AR：分区的所有副本

• 2.Kafka中的HW、LEO等分别代表什么？

  LEO：没个副本的最后条消息的offset

  HW：一个分区中所有副本最小的offset

• 3.Kafka中是怎么体现消息顺序性的？

  每个分区内，每条消息都有一个offset，故只能保证分区内有序。

• 4.Kafka中的分区器、序列化器、拦截器是否了解？它们之间的处理顺序是什么？

  拦截器 -> 序列化器 -> 分区器

• 5.Kafka生产者客户端的整体结构是什么样子的？使用了几个线程来处理？分别是什么？

• 6.“消费组中的消费者个数如果超过topic的分区，那么就会有消费者消费不到数据”这句话是否正确？

  正确。

• 7.消费者提交消费位移时提交的是当前消费到的最新消息的offset还是offset+1？

  offset+1。

• 8.有哪些情形会造成重复消费？

  commitSync和commitAsync都有可能造成重复消费问题。

• 9.那些情景会造成消息漏消费？

  先提交offset，后消费，有可能造成数据的重复。

• 10.当你使用kafka-topics.sh创建（删除）了一个topic之后，Kafka背后会执行什么逻辑？

  1）会在zookeeper中的/brokers/topics节点下创建一个新的topic节点，如：/brokers/topics/first。

  2）触发Controller的监听程序。

  3）kafka Controller 负责topic的创建工作，并更新metadata cache。

• 11.topic的分区数可不可以增加？如果可以怎么增加？如果不可以，那又是为什么？

  可以增加。

  bin/kafka-topics.sh --zookeeper localhost:2181/kafka --alter --topic topic-config --partitions 3
  

• 12.topic的分区数可不可以减少？如果可以怎么减少？如果不可以，那又是为什么？

  不可以减少，被删除的分区数据难以处理。

• 13.Kafka有内部的topic吗？如果有是什么？有什么所用？

  __consumer_offsets,保存消费者offset

• 14.Kafka分区分配的概念？

  一个topic多个分区，一个消费者组多个消费者，故需要将分区分配个消费者(roundrobin、range)

• 15.简述Kafka的日志目录结构？

  每个分区对应一个文件夹，文件夹的命名为topic-0，topic-1，内部为.log和.index文件

• 16.如果我指定了一个offset，Kafka Controller怎么查找到对应的消息？

• 17.聊一聊Kafka Controller的作用？

  负责管理集群broker的上下线，所有topic的分区副本分配和leader选举等工作。

• 18.Kafka中有那些地方需要选举？这些地方的选举策略又有哪些？

  partition leader（ISR），controller（先到先得）

• 19.失效副本是指什么？有那些应对措施？

  不能及时与leader同步，暂时踢出ISR，等其追上leader之后再重新加入

• 20.Kafka的那些设计让它有如此高的性能？

  分区，顺序写磁盘，零拷贝。