Kafka学习笔记(一)Linux环境基于Zookeeper搭建Kafka集群、Kafka的架构

1 Kafka简介

1.1 什么是Kafka

以下是 Kafka官网 的介绍：

Apache Kafka 是一个开源的分布式事件流平台，被数千家公司用做高性能数据管道、流分析、数据集成和关键任务应用程序。超过80%的财富100强公司信任并使用Kafka。

Kafka 组合了三个关键功能，是一个经过实战测试的实现了端到端事件流的解决方案：

• 发布（写入）和订阅（读取）事件流，包括从其他系统连续导入/导出数据。
• 根据需要持久可靠地存储事件流。
• 在事件发生时或回顾性地处理事件流。

1.2 Kafka的应用场景

Kafka 通常用在两类程序中：

• 建立实时数据管道，以可靠地在系统或应用程序之间获取数据
• 构建实时流应用程序，以转换或响应数据流

• Producers：生产者，可以有很多的应用程序，将消息数据放入到Kafka集群中。
• Consumers：消费者，可以有很多的应用程序，将消息数据从Kafka集群中拉取出来。
• Connectors：连接器，可以将数据库中的数据导入到Kafka，也可以将Kafka的数据导出到
  数据库中。
• Stream Processors：流处理器，可以从Kafka中拉取数据，也可以将数据写入到Kafka中。

1.3 Kafka的优势

2 搭建Kafka集群

2.1 搭建Zookeeper集群

在2.8.0版本以前，Kafka集群的搭建依赖于Zookeeper环境，需要将Kafka集群节点IP及topic等相关的元数据存入Zookeeper服务中。所以在搭建Kafka集群前，需要先搭建Zookeeper集群。

准备在3台网络互通的虚拟机上搭建Zookeeper集群，信息如下：

节点	IP	端口
node-01	192.168.245.130	2181
node-02	192.168.245.131	2181
node-03	192.168.245.132	2181

2.1.1 上传并解压安装包

先在node-01主机上操作：

[root@node-01 ~]$ tar -zxvf apache-zookeeper-3.8.4-bin.tar.gz
[root@node-01 ~]$ mv apache-zookeeper-3.8.4-bin zookeeper01

2.1.2 修改配置文件

# 进入配置文件目录
[root@node-01 ~]$ cd zookeeper01/conf/
# 拷贝一份配置文件并重新命名
[root@node-01 conf]$ cp zoo_sample.cfg zoo.cfg
# 修改配置文件
[root@node-01 conf]$
vim zoo.cfg

修改如下内容：

# 数据目录修改为指定目录
dataDir=/root/zookeeper01/data
# zookeeper集群的3个节点
server.1=192.168.245.130:2888:3888
server.2=192.168.245.131:2888:3888
server.3=192.168.245.132:2888:3888

2.2.3 创建dataDir和myid文件

# 创建zoo.cfg配置文件指定的数据目录
[root@node-01 ~]$ cd zookeeper01
[root@node-01 zookeeper01]$ mkdir data
# 在数据目录下创建myid文件，内容也是zoo.cfg配置文件中server.1指定的
[root@node-01 zookeeper01]$ echo 1 > zookeeper/myid
[root@node-01 zookeeper01]$ cat data/myid 
1

2.2.4 分发到另外两个节点

# 分发到node-02节点
[root@node-01 ~]# scp -r zookeeper01/ root@192.168.245.131:~/zookeeper02
# 分发到node-03节点
[root@node-01 ~]# scp -r zookeeper01/ root@192.168.245.132:~/zookeeper03

此时可以在node-02节点、node-03节点看到对应的目录：

2.2.5 修改node-02节点、node-03节点的配置文件和myid文件

• 修改node-02节点的配置文件的数据目录

# zookeeper02/config/zoo.cfg
dataDir=/root/zookeeper02/data

• 修改node-02节点的myid的内容为2

[root@node-02 zookeeper02]$ cat data/myid 
2

• 修改node-03节点的配置文件的数据目录

# zookeeper03/config/zoo.cfg
dataDir=/root/zookeeper03/data

• 修改node-03节点的myid的内容为3

[root@node-03 zookeeper03]$ cat data/myid 
3

2.2.6 启动Zookeeper集群

分别进入Zookeeper的bin目录下，然后借助Xshell工具，同时向3个节点发送启动命令：

[root@node-01 bin]$ zkServer.sh start
/usr/bin/java
ZooKeeper JMX enabled by default
Using config: /root/zookeeper01/bin/../conf/zoo.cfg
Starting zookeeper ... STARTED

查看Zookeeper集群状态，可以发现leader是编号最大的服务器，即node-03：

至此，Zookeeper集群搭建好了。

2.2 搭建Kafka集群

2.2.1 下载Kafka安装包

Kafka目前最新的版本是3.8.0，可以依赖Zookeeper环境，也可以不依赖Zookeeper环境：

2.2.2 上传并解压

将Kafka安装包上传至node-01节点并解压，修改文件夹名为kafka01：

[root@node-01 ~]$ tar -zxvf kafka_2.13-3.8.0.tgz
[root@node-01 ~]$ mv kafka_2.13-3.8.0 kafka01

2.2.3 修改配置文件server.properties

[root@node-01 ~]$ vim kafka01/config/server.properties

修改内容如下：

# kafka01/config/server.properties

# 指定broker的id
broker.id=1
# 指定Kafka数据的位置
log.dirs=/root/kafka01/data
# 配置zookeeper的三个节点
zookeeper.connect=192.168.245.130:2181,192.168.245.131:2181,192.168.245.132:2181

2.2.4 将kafka01目录分发至node-02、node-03节点

scp -r kafka01/ root@192.168.245.131:~/kafka02
scp -r kafka01/ root@192.168.245.132:~/kafka03

此时可以在node-02节点、node-03节点看到对应的目录：

2.2.5 分别修改node-02节点、node-03节点的配置文件

• 修改node-02节点的配置文件

# kafka02/config/server.properties
broker.id=2
log.dirs=/root/kafka02/data

• 修改node-03节点的配置文件

# kafka03/config/server.properties
broker.id=3
log.dirs=/root/kafka03/data

2.2.6 启动Kafka集群

进入kafka安装目录下的bin目录，同时启动3个节点：

[root@node-01 ~]$ cd kafka01/bin/
[root@node-01 bin]$ nohup ./kafka-server-start.sh ../config/server.properties &

这样，Kafka集群就搭建完成了。

2.3 使用工具连接Kafka集群

2.3.1 连接Kafka集群

在 Offset Explorer官网 下载Kafka连接工具：

安装后新建Kafka集群连接：

连接成功后可以看到Kafka集群的3个节点：

2.3.2 创建topic

2.4 问题处理

• 问题1

部署Kafka过程中，出现java.net.UnknownHostException: node-02异常：

出现这个问题是因为3台主机之间没有实现主机名互通。

• 修改node-01节点的/etc/hosts文件，新增以下内容：

192.168.245.131 node-02
192.168.245.132 node-03

配置完成后，即可通过主机名访问其他节点：

同样的方法配置node-02节点、node-03节点。随后重启Kafka集群，不再报错。

• 问题2

使用工具创建topic时，报错：

经过排查发现出现这个问题的原因仍然是无法解析主机名。

修改C:\Windows\System32\drivers\etc\hosts文件，添加以下内容：

192.168.245.130 node-01
192.168.245.131 node-02
192.168.245.132 node-03

再次尝试创建topic，成功：

3 Kafka的架构

3.1 Broker（服务器节点）

Kafka集群包含一个或多个服务器节点，服务器节点称为Broker，用于存储Topic的数据。

如果某Topic有N个Partition（分区），集群也有N个Broker，那么每个Broker就存储其中一个Partition，刚好是一对一。

如果某Topic有N个Partition，集群有（N+M）个Broker，那么其中有N个Broker存储N个Partition，剩下的M个Broker不存储该Topic的Partition数据。

如果某Topic有N个partition，但集群中Broker数目少于N个，那么一个Broker就需要存储该Topic的一个或多个Partition。在实际生产环境中，尽量避免这种情况的发生，这种情况容易导致Kafka集群数据不均衡。

3.2 Topic（主题）

每条发布到Kafka集群的消息都有一个类别，这个类别就被称为主题（Topic）。

在物理上，不同Topic的消息会分开存储；在逻辑上，一个Topic的消息虽然保存于一个或多个Broker上，但用户只需指定消息的Topic，而不必关心数据存于何处。

3.3 Partition（分区）

每个Topic被分割为一个或多个Partition（分区），而每个Partition中的数据使用多个Segment文件存储。Partition中的数据是有序的，但不同Partition间的数据则丢失了顺序。

因此，如果一个Topic有多个Partition，消费数据时就不能保证数据的顺序，在需要严格保证消息的消费顺序的场景下，需要将Partition数目设为1。

3.4 Producer（生产者）、Consumer（消费者）

Producer即数据的发布者，将消息发布到Kafka的某个Topic中。

Broker接收到生产者发送的消息后，将该消息存储到一个Partition中。生产者也可以指定数据存储的Partition。

Consumer即数据的消费者，可以消费一个多个Topic中的数据。

3.5 Consumer Group（消费者组）

每个Consumer属于一个特定的Consumer Group（可为每个Consumer指定Group名称，若不指定Group名称则属于默认的Group）。

这是Kafka用来实现一个Topic消息的广播（发给某个Consumer Group下的所有Consumer）和单播（发给某个Consumer Group下的任意一个Consumer）的手段。一个Topic可以有多个Consumer Group。

3.6 Leader Partition（领导者分区）

每个Partition有多个副本，其中有且仅有一个作为Leader，Leader是当前负责数据的读写的Partition。

3.7 Follower Partition（跟随者分区）

Follower跟随Leader，所有写请求都通过Leader路由，数据变更会广播给所有Follower，使得Follower与Leader保持数据同步。如果Leader失效，则从Follower中选举出一个新的Leader。

3.8 Offset（偏移量）

Kafka的存储文件都是按照offset.kafka来命名，用offset做名字的好处是方便查找。例如你想找位于2049的位置，只要找到2048.kafka的文件即可(从00.kafka开始）。

…

本节完，更多内容请查阅分类专栏：微服务学习笔记

感兴趣的读者还可以查阅我的另外几个专栏：

• SpringBoot源码解读与原理分析
• MyBatis3源码深度解析
• Redis从入门到精通
• MyBatisPlus详解
• SpringCloud学习笔记