26-zookeeper+kafka集群的安装部署以及如何简单使用的介绍

多级缓存的架构

主要是用来解决什么样的数据的缓存的更新的啊？

时效性不高的数据，比如一些商品的基本信息，如果发生了变更，假设在5分钟之后再更新到页面中，供用户观察到，也是ok的

时效性要求不高的数据，那么我们采取的是异步更新缓存的策略

时效性要求很高的数据，库存，采取的是数据库+缓存双写的技术方案，也解决了双写的一致性的问题，因此对时效性要求很高的数据我们采用了redis集群去解决，然后通过分析业务去解决双鞋一致性的问题。

思路：解决时效性不高的数据的缓存问题

存数据生产服务，监听一个消息队列，然后数据源服务（商品信息管理服务）发生了数据变更之后，就将数据变更的消息推送到消息队列中

缓存数据生产服务可以去消费到这个数据变更的消息，然后根据消息的指示提取一些参数，然后调用对应的数据源服务的接口，拉取数据，这个时候一般是从mysql库中拉去的

 

1、zookeeper集群搭建

将zookeeper-3.4.5.tar.gz拷贝到/opt/zkdir目录下。
对zookeeper-3.4.5.tar.gz进行解压缩：tar -zxvf zookeeper-3.4.5.tar.gz。
对zookeeper目录进行重命名：mv zookeeper-3.4.5 zk

• 配置zookeeper相关的环境变量,，环境变量的配置也可以在 /etc/profile里面进行配置

vi ~/.bashrc

export ZOOKEEPER_HOME=/usr/local/zk
export PATH=$ZOOKEEPER_HOME/bin

#使配置生效
source ~/.bashrc

• 修改zk的配置文件

# 复制一份配置文件
cd zk/conf
cp zoo_sample.cfg zoo.cfg

vi zoo.cfg
#修改：添加数据目录和日志目录文件配置
dataDir=/opt/zkdir/data
dataLogDir=/opt/zkdir/logs 
#新增：server.A=B:C:D：其中 A 是一个数字，表示这个是第几号服务器；B 是这个服务器的 IP 地址或/etc/hosts 文件中映射了 IP 的主机名；C 表示的是这个服务器与集群中的 Leader 服务器交换信息的端口；D 表示的是万一集群中的 Leader 服务器挂了，需要一个端口来重新进行选举，选出一个新的 Leader，而这个端口就是用来执行选举时服务器相互通信的端口。如果是伪集群的配置方式，由于 B 都是一样，所以不同的 Zookeeper 实例通信端口号不能一样，所以要给它们分配不同的端口号。例如server.1=edu-provider-01:2888:3888  其中， 2888 端口号是 zookeeper 服务之间通信的端口。 3888 是 zookeeper 与其他应用程序通信的端口。 edu-provider-01 是在 hosts 中已映射了 IP 的主机名。 
server.0=eshop-cache01:2888:3888    
server.1=eshop-cache02:2888:3888
server.2=eshop-cache03:2888:3888

#创建文件 /opt/zkdir/data
cd /opt/zkdir/
mkdir data
cd data

# 在data下创建myid，编辑 myid 文件，并在对应的 IP 的机器上输入对应的编号。如在 zookeeper 上，myid文件内容就是 1。如果只在单点上进行安装配置，那么只有一个 server.1
vi myid
0

在另外两个节点上按照上述步骤配置ZooKeeper，使用scp将zk和.bashrc拷贝到eshop-cache02和eshop-cache03上即可。唯一的区别是标识号分别设置为1和2。

分别在三台机器上执行：zkServer.sh start。
检查ZooKeeper状态：zkServer.sh status，应该是一个leader，两个follower
jps：检查三个节点是否都有QuromPeerMain进程

2、kafka集群搭建

scala，就是一门编程语言，现在比较火，很多比如大数据领域里面的spark（计算引擎）就是用scala编写的

将scala-2.11.4.tgz拷贝到/opt/scaladir目录下。
对scala-2.11.4.tgz进行解压缩：tar -zxvf scala-2.11.4.tgz。
对scala目录进行重命名：mv scala-2.11.4 scala

• 配置scala相关的环境变量,也可以在/etc/profile中编辑scala的环境变量

vi ~/.bashrc

export SCALA_HOME=/usr/local/scala
export PATH=$SCALA_HOME/bin

#使环境生效
source ~/.bashrc

查看scala是否安装成功：scala -version

按照上述步骤在其他机器上都安装好scala。使用scp将scala和.bashrc拷贝到另外两台机器上即可。

 

kafka安装

将kafka_2.9.2-0.8.1.tgz拷贝到/opt/kafkadir目录下。
对kafka_2.9.2-0.8.1.tgz进行解压缩：tar -zxvf kafka_2.9.2-0.8.1.tgz。
对kafka目录进行改名：mv kafka_2.9.2-0.8.1 kafka

• 配置kafka

# 编辑kafka配置文件
vi /opt/kafkadir/kafka/config/server.properties

broker.id：依次增长的整数，0、1、2，集群中Broker的唯一id
zookeeper.connect=192.168.31.187:2181,192.168.31.19:2181,192.168.31.227:2181

安装slf4j
将slf4j-1.7.6.zip上传到/opt/slf4jdir目录下
unzip slf4j-1.7.6.zip
把slf4j中的slf4j-nop-1.7.6.jar复制到kafka的libs目录下面

 

解决kafka Unrecognized VM option 'UseCompressedOops'问题

# 编辑
vi /opt/kafkadir/kafka/bin/kafka-run-class.sh 

if [ -z "$KAFKA_JVM_PERFORMANCE_OPTS" ]; then
  KAFKA_JVM_PERFORMANCE_OPTS="-server  -XX:+UseCompressedOops -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:+CMSClassUnloadingEnabled -XX:+CMSScavengeBeforeRemark -XX:+DisableExplicitGC -Djava.awt.headless=true"
fi

去掉-XX:+UseCompressedOops即可

按照上述步骤在另外两台机器分别安装kafka。用scp把kafka拷贝到其他机器即可。
唯一区别的，就是server.properties中的broker.id，要设置为1和2

在三台机器上的kafka目录下，分别执行以下命令后台启动：nohup bin/kafka-server-start.sh config/server.properties &

使用jps检查启动是否成功

使用基本命令检查kafka是否搭建成功

#创建一个测试的topic

bin/kafka-topics.sh --zookeeper 192.168.1.51:2181,192.168.31.1:52:2181,192.168.1.53:2181 --topic test --replication-factor 1 --partitions 1 --create

 

#创建一个生产者producer

bin/kafka-console-producer.sh --broker-list 192.168.1.51:9092,192.168.31.1:52:9092,192.168.1.53:9092 --topic test

 

#创建一个消费者consumer

bin/kafka-console-consumer.sh --bootstrap-server 192.168.1.51:2181,192.168.1.52:2181,192.168.1.53:2181 --topic test3 --from-beginning