SparkStreaming on Kafka之Kafka解析和安装实战

本篇博文将从以下方面组织内容：
1. Kafka解析
2. 消息组件Kafka
3. Kafka安装
实验搭建所需要的软件：
kafka_2.10-0.9.0.1
Zookeeper集群已经安装好。在上一篇博文有安装步骤，不清楚的朋友可以参考下。
一：Kafka解析
1. Kafka是生产者和消费者模式中广播概念，Kafka也可以实现队列的方式。
2. Kafka不仅是一个消息中间键，还是一个存储系统，可以将流进来的数据存储一段时间。这就与传统的流式处理不一样，传统的流式处理处理完数据之后就消失了(指的是消息和流的角度)，但是如果通过Kafka方式可以数据持久化到磁盘上，这就为我们很多功能的实现打下了很好的基础，这也就形成了比较完善的流式处理系统。
3. 完善的流式处理系统：在线低延迟处理数据，稳定可靠的，可以对流进来的数据进行非常复杂的逻辑分析，不仅可以处理当前在线的数据，也能处理过去一天或者一周的数据。
二：消息组件Kafka
1. 什么消息组件？A与B通信，中间需要组件，需要的这个组件就是中间键。
Kafka架构图如下：

Kafka的生产者和消费者比较特殊。
Producer: 也就是数据的来源，数据可能来自于数据库，来自于Server服务器，或者说比如安卓端收集用户行为的数据。Producer中的数据是推到Kafka Cluster，例如别人给你发邮件，这个邮件是别人推过来的，当别人send的时候就是一个push的过程，转过来我要消费的时候就是一个poll的过程。

Topic：主题，代表了数据的类别或者是类型，生产者在放数据的时候就需要说明将自己放到是什么Topic中，Topic为了方便对数据的管理提出的一种抽象，本质就是一个对象。

Group: 对于一个消息而言，在一个group中只能有一个消费实体，Group内部的实体，是互斥的(C1，C2是互斥的)，这样做的好处就是，假设有一个Consumer(消费者)搞了很多线程，一个线程去抓取数据就可以了，不需要多条线程重复去抓取，上图是广播模式。

3. Kafka的数据传输是基于内核级(zero-copy)别的，Kafka是使用Scala写的，基于JVM虚拟机的，是基于JVM虚拟机的。
普通传输数据的方式：如果要传输一个数据，首先将数据从磁盘读到内核，再从内核读到用户空间(JVM)，然后将数据传给其他机器的话，此时应用程序再从用户空间拷贝到内核，然后在从内核拷贝到网络上，这样的话数据前后就拷贝了四次。
Kafka：Kafka是基于Kernal级别的，没有用户空间的参与，当然用户空间会发起调用，但是数据并不传说到用户空间，所以这个时候如果消费数据的话例如上面图P0这个数据直接在内核中然后通过网络传给C1和C3,只需要内核态的参与，由于没有用户态的参与，这样性能得到了极大的提升。

1. Kafka作为一个消息中间键，无限量的存储数据，只要磁盘足够大，Kafka中的数据是存储在磁盘中。
   Kafka中的数据放入到磁盘中的好处：
2. 多份备份。
3. 速度非常快。
4. 采用Zookeeper去管理元数据。
5. 作为一个消息中间键，顺序写，相当于文件在背后一直在追加的方式，然后消息具体在那会有一个元数据，这个元数据会被保存在Zookeeper中，Zookeeper目前又是事实上一致性的最佳选择。

三：Kafka安装
1. 到http://kafka.apache.org/downloads.html下载最新的Kafka版本，不过这里要注意的是有对应Scala版本。这里我选择第一个Scala2.10这个。

3. 安装Zookeeper，这里已经安装过了,如果不清楚请您查看上一篇博文。

dataDir=/usr/local/spark/zookeeper-3.4.6/data
dataLogDir=/usr/local/spark/zookeeper-3.4.6/logs
server.0=Master:2888:3888 
server.1=Master:2888:3888
server.2=Master:2888:3888

4.  将slf4j-nop-1.7.6.jar拷贝到Kafka的libs目录下。

[root@Master slf4j-1.7.6]# cp slf