kafka手把手集群构建与消费实战

一、集群搭建

对于kafka来说，一个单独的broker意味着kafka集群中只有一个节点。要想增加kafka集群中的节点数量，只需要多启动几个broker实例即可。为了有更好的理解，现在我们在一台机器上同时启动三个broker实例。
首先，我们需要建立好其他2个broker的配置文件：

cp config/server.properties config/server-1.properties
cp config/server.properties config/server-2.properties

配置文件的需要修改的内容分别如下：

config/server-1.properties:

#broker.id属性在kafka集群中必须要是唯一
broker.id=1
#kafka部署的机器ip和提供服务的端口号
listeners=PLAINTEXT://192.168.131.171:9093   
log.dir=/usr/local/data/kafka-logs-1
#kafka连接zookeeper的地址，要把多个kafka实例组成集群，对应连接的zookeeper必须相同
zookeeper.connect=192.168.131.171:2181

config/server-2.properties:

broker.id=2
listeners=PLAINTEXT://192.168.131.171:9094
log.dir=/usr/local/data/kafka-logs-2
zookeeper.connect=192.168.131.171:2181

目前我们已经有一个zookeeper实例和一个broker实例在运行了，现在我们只需要在启动2个broker实例即可：

bin/kafka-server-start.sh -daemon config/server-1.properties
bin/kafka-server-start.sh -daemon config/server-2.properties

查看zookeeper确认集群节点是否都注册成功：

至此，表明Kafka集群搭建成功。

二、集群实战测试

1 创建topic

现在我们创建一个新的topic，副本数设置为3，分区数设置为2：

bin/kafka-topics.sh --create --zookeeper 192.168.131.171:2181 --replication-factor 3 --partitions 2 --topic my-replicated-topic

2 查看下topic的情况

bin/kafka-topics.sh --describe --zookeeper 192.168.131.171:2181 --topic my-replicated-topic

以下是输出内容的解释，第一行是所有分区的概要信息，之后的每一行表示每一个partition的信息。

• leader节点负责给定partition的所有读写请求，同一个主题不同分区leader副本一般不一样(为了容灾)，这个数字是broker的id，可以在配置文件中设置（broker.id=2）。
• replicas 表示某个partition在哪几个broker上存在备份。不管这个几点是不是”leader“，甚至这个节点挂了，也会列出。
• isr 是replicas的一个子集，它只列出当前还存活着的，并且已同步备份了该partition的节点。

3 集群容错性测试

现在我们向新建的 my-replicated-topic 中发送一些message，kafka集群可以加上所有kafka节点：

bin/kafka-console-producer.sh --broker-list 192.168.131.171:9092,192.168.131.171:9093,192.168.131.171:9094 --topic my-replicated-topic
>my test msg 1
>my test msg 2

现在开始消费：

bin/kafka-console-consumer.sh --bootstrap-server 192.168.131.171:9092,192.168.131.171:9093,192.168.131.171:9094 --from-beginning --topic my-replicated-topic

测试之前，我们再来看看topic my-replicated-topic的状态：

bin/kafka-topics.sh --describe --zookeeper 192.168.131.171:2181 --topic my-replicated-topic

可以看到，topic my-replicated-topic 现在有两个分区和三个副本。分区0和1中的leader都是id为2的broker服务。

现在我们来测试我们容错性，因为broker2目前是my-replicated-topic的分区0的leader，所以我们要将其kill

ps -ef | grep server-2.properties
kill 111681

此时我们应当是关闭了broker2服务，我们查看zk验证一下，果然如此！

我们现在再执行命令查看topic my-replicated-topic 的分区副本状态：

bin/kafka-topics.sh --describe --zookeeper 192.168.131.171:2181 --topic my-replicated-topic

可以发现，此时分区0的leader已经从broker2自动选举为broker0，分区1的leader已经从broker2自动选举为broker1。

要 注意的是，在Isr中，已经没有了2号节点。leader的选举也是从ISR(in-sync replica)中进行的。

此时，我们依然可以 消费新消息：

bin/kafka-console-consumer.sh --bootstrap-server 192.168.131.171:9092,192.168.131.171:9093,192.168.131.171:9094 --from-beginning --topic my-replicated-topic

4 查看主题分区对应的leader信息

我们可以在zk客户端中查看分区中的leader信息：

get /brokers/topics/my-replicated-topic/partitions/0/state 

kafka将很多集群关键信息记录在zookeeper里，保证自己的无状态，从而在水平扩容时非常方便。

三、集群消费

log的partitions分布在kafka集群中不同的broker上，每个broker可以请求备份其他broker上partition上的数据。kafka集群支持配置一个partition备份的数量。

针对每个partition，都有一个broker起到“leader”的作用，0个或多个其他的broker作为“follwers”的作用。leader处理所有的针对这个partition的读写请求，而followers被动复制leader的结果，不提供读写(主要是为了保证多副本数据与消费的一致性)。如果这个leader失效了，其中的一个follower将会自动的变成新的leader。

1 Producers

生产者将消息发送到topic中去，同时负责选择将message发送到topic的哪一个partition中。通过round-robin做简单的负载均衡。也可以根据消息中的某一个关键字来进行区分。通常第二种方式使用的更多。

2 Consumers

传统的消息传递模式有2种：队列( queue) 和（publish-subscribe）

• queue模式：多个consumer从服务器中读取数据，消息只会到达一个consumer。
• publish-subscribe模式：消息会被广播给所有的consumer。

Kafka基于这2种模式提供了一种consumer的抽象概念：consumer group。

• queue模式：所有的consumer都位于同一个consumer group 下。
• publish-subscribe模式：所有的consumer都有着自己唯一的consumer group。

上图说明：由2个broker组成的kafka集群，某个主题总共有4个partition(P0-P3)，分别位于不同的broker上。这个集群由2个Consumer Group消费， A有2个consumer instances ，B有4个。

通常一个topic会有几个consumer group，每个consumer group都是一个逻辑上的订阅者（ logical subscriber ）。每个consumer group由多个consumer instance组成，从而达到可扩展和容灾的功能。

3 消费顺序

一个partition同一个时刻在一个consumer group中只能有一个consumer instance在消费，从而保证消费顺序。

consumer group中的consumer instance的数量不能比一个Topic中的partition的数量多，否则，多出来的consumer消费不到消息。

Kafka只在partition的范围内保证消息消费的局部顺序性，不能在同一个topic中的多个partition中保证总的消费顺序性。

如果有在总体上保证消费顺序的需求，那么我们可以通过将topic的partition数量设置为1，将consumer group中的consumer instance数量也设置为1，但是这样会影响性能，所以kafka的顺序消费很少用。