官方入口
1.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。
2.应用场景
3.使用消息队列的好处
- 解耦(类似Spring的IOC)
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。
- 可恢复性
系统的一部分组件失效时,不会影响到整个系统。消息队列降低了进程间的耦合度,所以即使一个处理消息的进程挂掉,加入队列中的消息仍然可以在系统恢复后被处理。
- 缓冲
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。
- 灵活性 & 峰值处理能力(削峰)
在访问量剧增的情况下,应用仍然需要继续发挥作用,但是这样的突发流量并不常见。如果为以能处理这类峰值访问为标准来投入资源随时待命无疑是巨大的浪费。使用消息队列能够使关键组件顶住突发的访问压力,而不会因为突发的超负荷的请求而完全崩溃。
- 异步通信
很多时候,用户不想也不需要立即处理消息。消息队列提供了异步处理机制,允许用户把一个消息放入队列,但并不立即处理它。想向队列中放入多少消息就放多少,然后在需要的时候再去处理它们。
4.消费模式
- 点对点模式
消息生产者生产消息发送到Queue中,然后消息消费者从Queue中取出并且消费消息。消息被消费以后, queue 中不再有存储,所以消息消费者不可能消费到已经被消费的消息。Queue 支持存在多个消费者,但是对一个消息而言,只会有一个消费者可以消费
- 发布/订阅模式
一对多,消费者消费数据之后不会清除消息
消息生产者(发布)将消息发布到 topic 中,同时有多个消息消费者(订阅)消费该消息。和点对点方式不同,发布到 topic 的消息会被所有订阅者消费。
5.基础架构
6.关键字用途
- Producer : 消息生产者,就是向 Kafka ;
- Consumer : 消息消费者,向 Kafka broker 取消息的客户端;
- 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。 - Broker :经纪人 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。 - Topic : 话题,可以理解为一个队列, 生产者和消费者面向的都是一个 topic;
- 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; - Replica: 副本(Replication),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。 - 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。
- 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。
7.踩坑注意事项
- 依赖于zookeeper使用
- 修改config中log.dir指向本地盘符且创建log文件
- 保证broker.id唯一性
- 增加删除topic 功能使能
配置信息如下(server.properties):
#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=hadoop102:2181,hadoop103:2181,hadoop104:2181
8.案例demo
1.导入依赖(此处需要对应kafka版本)
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>2.7.1</version>
</dependency>
2.生产者:
//创建生成者
public class SendMsg {
//序列化Key
public static final String KEY = "org.apache.kafka.common.serialization.StringSerializer";
public static final String VALUE = "org.apache.kafka.common.serialization.StringSerializer";
/**
*
* @param ip ip地址,多个broker地址逗号隔开
* @param name 创建主题名称
*/
public static void createProducer(String ip, String name, Map<String, Object> map,String keyName){
//1.创建KafKa生产者的配置信息
Properties properties = new Properties();
//2.指定连接的kafka集群
if(StringUtils.isNotBlank(ip) && StringUtils.isNotBlank(name)){
//通过传递过来的ip设置连接指定kafka集群,多个broker地址逗号隔开
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, ip);
//3.设置ack
//确保有follower与leader同步完成,leader再发送ack,这样才能保证leader挂掉之后,能在follower中选举出新的leader
properties.put(ProducerConfig.ACKS_CONFIG, "all");
//4.重试次数
properties.put(ProducerConfig.RETRIES_CONFIG, 1);
//5.批次大小
properties.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);
//6.等待时间-默认1毫秒
properties.put(ProducerConfig.LINGER_MS_CONFIG, 1);
//7.RecordAccumulator 缓冲区大小
properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);
//设置定义分区
properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG, "com.thinkgonet.coal.mykafka.utils.MyPartications");
//8.Key,Value的序列化类
properties.put("key.serializer", KEY);
properties.put("value.serializer", VALUE);
//2.创建生产者对象
KafkaProducer<String, String> stringStringKafkaProducer = new KafkaProducer<>(properties);
//循环设置值
map.forEach((key, value)->{
stringStringKafkaProducer.send(new ProducerRecord<>(name,keyName, value.toString()),
(metadata, exception) -> {
if(exception == null){
System.out.println("回调分区为:"+metadata.partition()+",保存的Offset为:"+metadata.offset());
}
});
});
//释放资源
stringStringKafkaProducer.close();
}
}
3.分区
/**
* 自定义分区
*/
public class MyPartications implements Partitioner {
@Override
public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
//此处需要自行开发业务逻辑
return 0;
}
@Override
public void close() {
}
@Override
public void configure(Map<String, ?> configs) {
}
}
4.测试
public class TestSendMsg {
public static void main(String[] args) {
String ip = "127.0.0.1:9092";
String name = "mytest";
String keyName = "apo";
Map<String, Object> map = new HashMap<>();
map.put("ceshi1","ceshi111");
map.put("ceshi2","ceshi222");
map.put("ceshi3","ceshi333");
map.put("ceshi4","ceshi444");
map.put("ceshi5","ceshi555");
SendMsg.createProducer(ip,name,map,keyName);
}
}
5.消费者
public class MyConsumer {
public static void main(String [] args){
//1.创建消费者信息
Properties properties = new Properties();
//2.给配置信息赋值
//连接的集群
properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"127.0.0.1:9092");
//是否开启自动提交 offset 功能
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,true);
//自动提交延迟->默认1M提交一次
properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,"1000");
// Key Value的反序列化
properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringDeserializer");
properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringDeserializer");
//消费者组
properties.put(ConsumerConfig.GROUP_ID_CONFIG,"bigdata");
//创建消费者
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);
//订阅主题
consumer.subscribe(Arrays.asList(new String[]{"mytest"}));
//获得数据
while (true){
ConsumerRecords<String, String> poll = consumer.poll(100);
//解析数据
poll.forEach(consumerRecord ->{
System.out.println(consumerRecord.key()+"===="+consumerRecord.value());
});
}
//关闭链接
//consumer.close();
}
}
6.封装消费者为util
public class TekeConsumer {
public static final String KEY = "org.apache.kafka.common.serialization.StringDeserializer";
public static final String VALUE = "org.apache.kafka.common.serialization.StringDeserializer";
public static void receive(String ip,String themeName,String groupName){
if(StringUtils.isNotBlank(ip) && StringUtils.isNotBlank(themeName)){
//1.创建消费者信息
Properties properties = new Properties();
//连接的集群
properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,ip);
//是否开启自动提交 offset 功能
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,true);
//自动提交延迟->默认1M提交一次
properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,"1000");
// Key Value的反序列化
properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,KEY);
properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,VALUE);
//消费者组
properties.put(ConsumerConfig.GROUP_ID_CONFIG,groupName);
//创建消费者
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);
//订阅主题
consumer.subscribe(Arrays.asList(new String[]{themeName}));
//获得数据
while (true){
ConsumerRecords<String, String> poll = consumer.poll(100);
//解析数据
poll.forEach(consumerRecord ->{
System.out.println(consumerRecord.key()+"===="+consumerRecord.value());
});
}
}
}