kafka使用

好久没有写博客了，现在在复习一下kafka的使用，于是就出现了这样一篇博客，进行一个系统的概述，方便自己的同时也可以给新学习kafka的同学提供帮助，可能写的不够好，请大牛批评指正！
1.kafka是一个处理流的系统，而不是一个消息队列，但是在使用中一般将他作为一个消息队列来使用
2.kafka是基于zookeep的一个流程系统，也就是说在使用kafka的时候，需要安装zookeep和jdk，至于zookeep和jdk的安装环境，这里不做过多的介绍
3.安装kafka：（需要先安装好zookeep和jdk，并且操作kafka的时候需要启动zookeep）
a.将下载过来的tar包放入Linux系统中
b.通过解压命令，将kafka解压到指定位置
c.解压完成后，修改kafka中的server.properities文件
d.修改内容
1.修改监听用的listeners，将其注释放开，配置上本地ip
2.修改advertised.listeners放开，配置上本地ip
3.修改log.dirs的存储路径，这个kafka的日志信息位置，可修改也可以不修改，但是在项目中会进行修改，因为存储空间比较大，如果不修改的话可能存不下来
4.修改zookeep的配置信息，默认是本地的zookeep信息，端口是2181，超时时间是6000，可修改成指定ip的zookeep位置，并且可以配置集群
4.kafka的基本命令
1.启动：
bin/kafka-server-start.sh config/server.properties &
2.停止：
bin/kafka-server-stop.sh
3.创建topic
bin/kafka-topics.sh --create --zookeeper loclhost:2182 --replicaltion-factor 1 --partiitions 1 --topic jiangzh -topic
4.查看已经创建的topic
bin/kafka-topics.sh --list --zookeeper localhost:2181
5.发送消息
bin/kafka-comsole-producer.sh --broker-list 192.168.1.111:9092 --topic jiangzh-topic
6.接收消息
bin/kafka-console-consumer.sh --boostarta-server 192.168.1.111:9092 --topic jiangzh-topic --from-beginning
5.kafka的几个基本概念
1.topic 一个虚拟的概念，由一个到多个partitions组成
2.prititon 实际消息存储单位
3. producer 消息的生产者
4. consumer 消息的消费者
5. kafka的通信就如一个三角形，生产者通过topic将消息放入第三方中，也就是这里的partition中，进行存储，而消费者就通过指定的topic去找对应的topic进行获取到partitions中的每一个partition，进行解析数据，消费生产者提供的消息
6. kafka在java客户端的操作

kafka在默认的情况下就是一个集群，一个节点也是，也就是说没有单机的情况
这里体现了kafka的四大API，producers,consumers,connectors,stream processors。在通常情况下，使用的producers和consumer，在涉及大数据的时候会使用到stream processors，最后一个就是adminapi是处理kafka管理使用的，叫做AdminClinet Api


7. AdminClientApi的使用

查询配置文件

修改配置文件信息

    public static void alterConfig(){
        AdminClient adminClient = adminClint();
//        这是新的，但是对于部分的kakfka版本配置会存在些许问题，使用起来是和下面的一样的(2.2或者2.3以上)
        Map<ConfigResource, Collection<AlterConfigOp>> configs = new HashMap<>();
        ConfigResource configResource = new ConfigResource(ConfigResource.Type.TOPIC,TOPIC_NAME);
        ConfigEntry configEntry = new ConfigEntry("preallocat","true");
        configs.put(configResource,Arrays.asList(new AlterConfigOp(configEntry,AlterConfigOp.OpType.SET)));
        adminClient.incrementalAlterConfigs(configs);
        /*书写config配置文件*/
//        Map<ConfigResource, Config> configs = new HashMap<>();
//        ConfigResource configResource = new ConfigResource(ConfigResource.Type.TOPIC,TOPIC_NAME);
//        Config config = new Config(Arrays.asList(new ConfigEntry("preallocat","true")));
//        configs.put(configResource,config);
//        adminClient.alterConfigs(configs);
    }

修改partition（增加partition数量 ）

8. kafka客户端Producer API操作
producer发送的三种模式
同步发送
异步发送
异步回调发送
三种方式实现代码

    public static void main(String[] args) {
        sendKafka();
    }
    /*异步发送消息*/
    private static void sendKafka(){
        Properties properties = new Properties();
        /*配置kafka服务ip*/
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"10.1.1.123");
        properties.put(ProducerConfig.ACKS_CONFIG,"all");
        properties.put(ProducerConfig.RETRIES_CONFIG,"0");
        properties.put(ProducerConfig.BATCH_SIZE_CONFIG,"16384");
        properties.put(ProducerConfig.LINGER_MS_CONFIG,"1");
        properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG,"33554432");
        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");
        Producer<String,String> producer = new KafkaProducer<String, String>(properties);
        ProducerRecord<String, String> msg = new ProducerRecord<>("topic","","");

        producer.send(msg);
        producer.close();

    }
    /*同步发送*/
    private static void sendKafkaSyn() throws ExecutionException, InterruptedException {
        Properties properties = new Properties();
        /*配置kafka服务ip*/
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"10.1.1.123");
        properties.put(ProducerConfig.ACKS_CONFIG,"all");
        properties.put(ProducerConfig.RETRIES_CONFIG,"0");
        properties.put(ProducerConfig.BATCH_SIZE_CONFIG,"16384");
        properties.put(ProducerConfig.LINGER_MS_CONFIG,"1");
        properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG,"33554432");
        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");
        Producer<String,String> producer = new KafkaProducer<String, String>(properties);
        ProducerRecord<String, String> msg = new ProducerRecord<>("topic","","");
       /*通过get方法阻塞消息，实现同步发送*/
        Future<RecordMetadata> send =  producer.send(msg);
        RecordMetadata recordMetadata = send.get();
        System.out.println(recordMetadata.offset()+recordMetadata.partition());
        producer.close();
    }
    /*异步回调发送*/
    private static void sendKafkaOnWith() throws ExecutionException, InterruptedException {
        Properties properties = new Properties();
        /*配置kafka服务ip*/
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"10.1.1.123");
        properties.put(ProducerConfig.ACKS_CONFIG,"all");
        properties.put(ProducerConfig.RETRIES_CONFIG,"0");
        properties.put(ProducerConfig.BATCH_SIZE_CONFIG,"16384");
        properties.put(ProducerConfig.LINGER_MS_CONFIG,"1");
        properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG,"33554432");
        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");
        Producer<String,String> producer = new KafkaProducer<String, String>(properties);
        ProducerRecord<String, String> msg = new ProducerRecord<>("topic","","");
        /*通过get方法阻塞消息，实现同步发送*/
        Future<RecordMetadata> send =  producer.send(msg, new Callback() {
            @Override
            public void onCompletion(RecordMetadata recordMetadata, Exception e) {
                System.out.println(recordMetadata.offset()+recordMetadata.partition());
                producer.close();
            }
        });

    }

producer的加载过程

通过源码分析，可以总结出，producer是线程安全的，并且他不是一条一条的发送，是在一定时间内，批量发送多少条数据的

对于producer的send方法来说，就进行两部分操作，创建一个消息发送的批次和向批次中追加消息，通过计算分区判断消息具体进入那个partition，其次进行计算批次，通过accumulator.append方法加入批次
消息发送流程


我们还可以设置kafka的负载均衡，通过实现partition类，重写里面的partition方法，通过方法的值不一样进行负载发送

kafka为我们提供了三种的消息传递保障机制
最多一次（消费者消费0-1次）
最少一次（消费者最少消费1次）
正好一次（消费者有且只有一次消费）