第1章 Kafka概述
1.1 定义
1.2 传统消息队列的应用场景
- 传统的消费队列的主要应用场景有:缓存/削峰、解耦、异步通信。
1.3 消息队列的两种模式
消息队列主要分为两种模式:点对点模式和发布/订阅模式。
1.4 Kafka基础架构
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topic下的一个分区只能被一个消费者组内的一个消费者所消费;消费者组之间互不影响。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:每个分区副本中的“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:每个分区副本中的“从”,实时与leader副本保持同步,在leader发生故障时,成为新的leader。
第2章 Kafka命令行操作
2.1 主题命令行操作
1. 查看操作主题命令需要的参数
[chenyunde@hadoop102 kafka]$ bin/kafka-topics.sh
2. 重要的参数如下
参数 | 描述 |
---|---|
–bootstrap-server | 连接kafka Broker主机名称和端口号 |
–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 | 设置主题分区数 |
–replication-factor | 设置主题分区副本 |
–config | 更新系统默认的配置 |
3. 查看当前服务器中的所有topic
[chenyunde@hadoop102 kafka]$ bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --list
4. 创建一个主题名为first的topic
[chenyunde@hadoop102 kafka]$ bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --create --replication-factor 2 --partitions 1 --topic first
5. 查看Topic的详情
[chenyunde@hadoop102 kafka]$ bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe --topic first
Topic: first TopicId: EVV4qHcSR_q0O8YyD32gFg PartitionCount: 1 ReplicationFactor: 3 Configs: segment.bytes=1073741824
Topic: first Partition: 0 Leader: 102 Replicas: 102,103,104 Isr: 102,103,104
6. 修改分区数(注意:分区数只能增加,不能减少)
[chenyunde@hadoop102 kafka]$ bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --alter --topic first --partitions 3
7. 再次查看Topic的详情
[chenyunde@hadoop102 kafka]$ bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe --topic first
Topic: first TopicId: EVV4qHcSR_q0O8YyD32gFg PartitionCount: 3 ReplicationFactor: 3 Configs: segment.bytes=1073741824
Topic: first Partition: 0 Leader: 102 Replicas: 102,103,104 Isr: 102,103,104
Topic: first Partition: 1 Leader: 103 Replicas: 103,104,102 Isr: 103,104,102
Topic: first Partition: 2 Leader: 104 Replicas: 104,102,103 Isr: 104,102,103
8. 删除topic
[chenyunde@hadoop102 kafka]$ bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --delete --topic first
2.2 生产者命令行操作
1. 查看命令行生产者的参数
[chenyunde@hadoop102 kafka]$ bin/kafka-console-producer.sh
2. 重要的参数如下:
参数 | 描述 |
---|---|
–bootstrap-server | 连接kafka Broker主机名称和端口号 |
–topic | 操作的topic名称 |
3. 生产消息
[chenyunde@hadoop102 kafka]$ bin/kafka-console-producer.sh --broker-list hadoop102:9092 --topic first
hello world
aaa aaa
2.3 消费者命令行操作
1. 查看命令行消费者的参数
[chenyunde@hadoop102 kafka]$ bin/kafka-console-consumer.sh
2. 重要的参数如下:
参数 | 描述 |
---|---|
–bootstrap-server | 连接kafka Broker主机名称和端口号 |
–topic | 操作的topic名称 |
–from-beginning | 从头开始消费 |
–group | 指定消费者组名称 |
3. 消费消息
[chenyunde@hadoop102 kafka]$ bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic first
4. 从头开始消费
//将kafka的历史数据都拿过来消费
[chenyunde@hadoop102 kafka]$ bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --from-beginning --topic first
思考:再次查看当前kafka中的topic列表,发现了什么?为什么
第3章 Kafka生产者
3.1 生产者消息发送流程
3.1.1 发送原理
Kafka的Producer发送消息采用的是异步发送的方式。
在消息发送的过程中,涉及到了两个线程:main线程和Sender线程,以及一个线程共享变量:RecordAccumulator。
①main线程中创建了一个双端队列RecordAccumulator,将消息发送给RecordAccumulator。
②Sender线程不断从RecordAccumulator中拉取消息发送到Kafka broker。
图解
- 希望将外部接收来的数据传送到kafka集群
- 创建一个Kafka Producer对象,有了这个对象可以将数据发到kafka集群
- 该对象调用send方法
- 数据经过拦截器,对数据进行加工(可以选择不用,生产环境用的不多,flume拦截器配置使用起来更简单一些)
- 数据继续往下传,经过序列化器(Java自带多序列化器太重)
- 数据继续往下传,走到分区器,分区器来按照规则判断分区让数据进入到哪个RecordAccumulator对象的队列中(一个分区一个队列,这一步都是在内存中完成的,默认大小是32m,每一次批次大小是16k)
- sender线程是将队列中的数据读取发往kafka集群(batch.size:只有数据累计到batch.size之后,sender才会发送数据。默认16k;linger.ms:如果数据迟迟未达到batch.size,sender等待linger.ms设置的时间到了之后就会发送数据。单位ms,默认值是0ms,表示没有延迟)
- NetworkClient里InFlightRequests默认最多可以缓存每个节点的五个未应答的请求
- selector打通后,队列向leader发送数据,leader向follower同步数据
- kafka应答级别(如果设置成0:生产者发送过来的数据,不需要等数据落盘应答;ack=1:生产者发送过来的数据,Leader收到数据后应答,即使副本没有同步完成;ack=-1或者all:生产者发送过来的数据,Leader和ISR队列里面的所有节点收起数据后应答。-1和all等价。后面会详细讲解)
- ack应答如果返回成功,清理这次请求和对应分区数据,应答失败则进行重试,重试的次数是int的最大值(直到成功为止,可修改)
3.1.2 生产者重要参数列表
参数名称 | 描述 |
---|---|
bootstrap.servers | 生产者连接集群所需的broker地址清单。可以设置1个或者多个,中间用逗号隔开。生产者从给定的broker里查找到其他broker信息。 |
key.serializer、 value.serializer | 指定发送消息的key和value的序列化类型。要写全类名。 |
buffer.memory | RecordAccumulator缓冲区总大小,默认32m。 |
batch.size | 缓冲区一批数据最大值,默认16k。适当增加该值,可以提高吞吐量,但是如果该值设置太大,会导致数据传输延迟增加。 |
linger.ms | 如果数据迟迟未达到batch.size,sender等待linger.time之后就会发送数据。单位ms,默认值是0ms,表示没有延迟。生产环境建议该值大小为5-100ms之间。 |
acks | 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数据落盘后应答。-1(all):生产者发送过来的数据,Leader和isr队列里面的所有节点数据都落盘后应答。默认值是-1 |
max.in.flight.requests.per.connection | 允许最多没有返回ack的次数,默认为5,开启幂等性要保证该值是 1-5的数字。 |
retries | 当消息发送出现错误的时候,系统会重发消息。retries表示重试次数。默认是int最大值,2147483647。如果设置了重试,还想保证消息的有序性,需要设置MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION=1否则在重试此失败消息的时候,其他的消息可能发送成功了。 |
retry.backoff.ms | 两次重试之间的时间间隔,默认是100ms。 |
enable.idempotence | 是否开启幂等性,默认true,开启幂等性。 |
compression.type | 生产者发送的所有数据的压缩方式。默认是none,不压缩。 支持压缩类型:none、gzip、snappy、lz4和zstd。 |
3.2 异步发送API
3.2.1 普通异步发送
- 需求:创建Kafka生产者,采用异步的方式发送到Kafka broker
- 异步发送流程如下:
- 代码编写
1)创建工程kafka-demo
2)导入依赖
<!-- https://mvnrepository.com/artifact/org.apache.kafka/kafka-clients -->
<dependencies>
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>3.0.0</version>
</dependency>
</dependencies>
3)创建包名:com.chenyunde.kafka.producer
4)编写代码:不带回调函数的API
package com.chenyunde.kafka.producer;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.common.serialization.StringSerializer;
import java.util.Properties;
public class CustomProducer {
public static void main(String[] args) throws InterruptedException {
// 1. 创建kafka生产者的配置对象
Properties properties = new Properties();
// 2. 给kafka配置对象添加配置信息
//properties.put("bootstrap.servers","hadoop102:9092");
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop102:9092")
// key,value序列化
//properties.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
//properties.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
// 3. 创建kafka生产者对象
KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(properties);
// 4. 调用send方法,发送消息
for (int i = 0; i < 10; i++) {
kafkaProducer.send(new ProducerRecord<>("first","kafka" + i));
}
// 5. 关闭资源
kafkaProducer.close();
}
}
5)测试:
在hadoop102上开启kafka消费者
[chenyunde@hadoop104 kafka]$ sbin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic first
在IDEA中执行上述代码,观察hadoop102消费者输出
[chenyunde@hadoop104 kafka]$ sbin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic first
kafka0
kafka1
kafka2
kafka3
3.2.2 带回调函数的异步发送
- 回调函数会在producer收到ack时调用,为异步调用。
该方法有两个参数分别是RecordMetadata(元数据信息)和Exception(异常信息)。
·如果Exception为null,说明消息发送成功,
·如果Exception不为null,说明消息发送失败。 - 带回调函数的异步调用发送流程
注意:消息发送失败会自动重试,不需要我们在回调函数中手动重试。
3.3 同步发送API
- 同步发送的意思就是,一条消息发送之后,会阻塞当前线程,直至返回ack。
由于send方法返回的是一个Future对象,根据Futrue对象的特点,我们也可以实现同步发送的效果,只需在调用Future对象的get方发即可。 - 同步发送流程示意图如下:
3.4 生产者分区
3.4.1 分区的原因
3.4.2 生产者分区策略
kafka分区的好处
- 便于合理使用存储资源,每个Partition在一个Broker上存储,可以把海量的数据按照分区切割成一块一块数据存储在多台Broker上。合理控制分区的任务,可以实现负载均衡的效果。
- 提高并行度,生产者可以以分区为单位发送数据;消费者可以以分区为单位进行消费数据
1.默认分区器
DefaultPartitioner The default partitioning strategy: ·If a partition
is specified in the record, use it ·If no partition is specified but a
key is present choose a partition based on a hash of the key ·If no
partition or key is present choose the sticky partition that changes
when the batch is full. public class DefaultPartitioner implements
Partitioner { … … }
2.使用:
1) 我们需要将producer发送的数据封装成一个ProducerRecord对象。
2) 上述的分区策略,我们在ProducerRecord对象中进行配置。
3.4.3 自定义分区器
- 生产环境中,我们往往需要更加自由的分区需求,我们可以自定义分区器。
- 需求:在上面的根据key分区案例中,我们发现与我们知道的hash分区结果不同。那么我们就实现一个。
3.实现步骤:
① 定义类,实现Partitioner接口
② 重写partition()方法 - 代码实现:
package com.chenyunde.kafka.partitioner;
import org.apache.kafka.clients.producer.Partitioner;
import org.apache.kafka.common.Cluster;
import java.util.Map;
/**
* @author leon
* @create 2020-12-11 10:43
* 1. 实现接口Partitioner
* 2. 实现3个方法:partition,close,configure
* 3. 编写partition方法,返回分区号
*/
public class MyPartitioner implements Partitioner {
/**
* 分区方法
**/
@Override
public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
// 1. 获取key
String keyStr = key.toString();
// 2. 创建分区号,返回的结果
int partNum;
// 3. 计算key的hash值
int keyStrHash = keyStr.hashCode();
// 4. 获取topic的分区个数
int partitionNumber = cluster.partitionCountForTopic(topic);
// 5. 计算分区号
partNum = Math.abs(keyStrHash) % partitionNumber;
// 4. 返回分区号
return partNum;
}
// 关闭资源
@Override
public void close() {
}
// 配置方法
@Override
public void configure(Map<String, ?> configs) {
}
}
- 测试
在生产者代码中,通过配置对象,添加自定义分区器
// 添加自定义分区器
properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG," com.chenyunde.kafka.partitioner.MyPartitioner ");
在hadoop102上启动kafka消费者
[chenyunde@hadoop102 kafka]$ sbin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic first
在IDEA中观察回调信息
消息:chenyunde 2, 主题:first->分区:2
消息:chenyunde 5, 主题:first->分区:2
消息:chenyunde 8, 主题:first->分区:2
消息:chenyunde 1, 主题:first->分区:1
消息:chenyunde 4, 主题:first->分区:1
消息:chenyunde 7, 主题:first->分区:1
消息:chenyunde 10, 主题:first->分区:1
消息:chenyunde 3, 主题:first->分区:0
消息:chenyunde 6, 主题:first->分区:0
消息:chenyunde 9, 主题:first->分区:0
3.5 生产经验——生产者如何提高吞吐量
3.5.1 吞吐量
3.5.2 案例实操
- 编写代码:
package com.chenyunde.kafka.producer;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerRecord;
import java.util.Properties;
public class CustomProducerParameters {
public static void main(String[] args) throws InterruptedException {
// 1. 创建kafka生产者的配置对象
Properties properties = new Properties();
// 2. 给kafka配置对象添加配置信息:bootstrap.servers
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "hadoop102:9092");
// key,value序列化(必须):key.serializer,value.serializer
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
// batch.size:批次大小,默认16K
properties.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);
// linger.ms:等待时间,默认0
properties.put(ProducerConfig.LINGER_MS_CONFIG, 1);
// RecordAccumulator:缓冲区大小,默认32M:buffer.memory
properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);
// compression.type:压缩,默认none,可配置值gzip、snappy、lz4和zstd
properties.put(ProducerConfig.COMPRESSION_TYPE_CONFIG,"snappy");
// 3. 创建kafka生产者对象
KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(properties);
// 4. 调用send方法,发送消息