QuickyStart和概念
发布/订阅模式的消息队列
- Broker
kafka集群中一个单独的节点,broker用来存储topic中的数据
某个topic中N个partition 将会存储在N个broker上
topic中N个partition,broker>N,partition将存储在N个broker上,剩下的broker不进行存储
topic中N个partition,broker<N,partition进行存储,将会有broker中存储多个partition - Topic
生产者和消费者面向topic
0.9版本后的offset存储在kafka内置的topic中 (__consumer_offsets) - Partition
一个 topic 可以分为多个 partition,每个 partition 是一个有序的队列 - Producer
消息生产者,向kafka broker端发送消息的客户端 - Consumer
消息消费者,向kafka broker端消费消息的客户端 - Consumer Group
消费者组,多个consumer组成,一个分区只能被一个consumer消费,每个消费者消费不同分区的数据。 - Leader
partition中的一个副本作为leader,生产者发送数据的对象,以及消费者消费数据的对 象 - Follower
每个分区多个副本中的“从”,实时从 leader 中同步数据,保持和 leader 数据 的同步。leader 发生故障时,某个 follower 会成为新的 follower。 - Replica
副本,保障kafka集群中某个几点挂掉,而不会导致partition的数据丢失
顺序读写,生产消息时,向partition对应的文件中追加数据,消费消息时由consumer来维护。
consumer消费消息时,kafka会根据该topic下consumer记录的offset,进行相应的消费。
consumer采取pull模式从broker中拉取数据
使用说明:
–topic 定义 topic 名
–replication-factor 定义副本数
–partitions 定义分区数
- 解压安装kafka
tar -xzf kafka_2.13-2.8.0.tgz
- 准备kafka环境
bin/zookeeper-server-start.sh config/zookeeper.properties
bin/kafka-server-start.sh config/server.properties
- 创建一个topic来存储events
bin/kafka-topics.sh --create --zookeeper cluster01:2181 --replication-factor 3 --partitions 3 --topic topic2
bin/kafka-topics.sh --describe --topic quickstart-events --bootstrap-server localhost:9092
>Topic:quickstart-events PartitionCount:1 ReplicationFactor:1 Configs:
Topic: quickstart-events Partition: 0 Leader: 0 Replicas: 0 Isr: 0
- 写一些events到topic里面
bin/kafka-console-producer.sh --broker-list cluster01:9092 --topic topic2
- 读出events
bin/kafka-console-consumer.sh --topic quickstart-events --from-beginning --bootstrap-server localhost:9092
- 修改分区数
bin/kafka-topics.sh --zookeeper cluster01:2181 --alter --topic first --partitions 6
- 删除topic
bin/kafka-topics.sh --zookeeper cluster01:2181 --delete --topic first
Kafka文件存储机制
topic 是逻辑上的概念,而 partition 是物理上的概念,每个 partition 对应于一个 log 文 件,该 log 文件中存储的就是 producer 生产的数据。Producer 生产的数据会被不断追加到该 log 文件末端,且每条数据都有自己的 offset。消费者组中的每个消费者,都会实时记录自己 消费到了哪个 offset,以便出错恢复时,从上次的位置继续消费。生产者生产的消息会不断追加到 log 文件末尾,为防止 log 文件过大导致数据定位 效率低下,Kafka 采取了分片和索引机制,将每个 partition 分为多个 segment。每个 segment 对应两个文件——“.index”文件和“.log”文件。这些文件位于一个文件夹下,该文件夹的命名 规则为:topic 名称+分区序号。
Kafka怎么保证数据可靠性?
为了保证Producer发送的数据能够可靠的到达topic中
topic中每个partition接收到数据后,将会向producer发送ack,如果接受到ack,将发送下一轮的数据,否则将重新发送。
当partition中全部的follower和leader同步完成后,才发送ack(0,1,all)。
假设partition中有一个follower出错,那么leader将一直等待其同步,lsr用来解决这个问题。
( in-sync replica set)
可以理解为leader和其同步的follower的集合,当这个集合中的某个follower长时间没有和leader进行同步的时候,这个follower将会被t出集合,(这个时间replica.lag.time.max.ms 参数决定)
故障细节:
HW(high watermark) LEO(log end offset)
leader 123456
follower1 1234
API操作Kafka
Producer API
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>2.8.0</version>
</dependency>
KafkaProducer :生产者对象,用来发送数据
ProducerConfig :获取需要的配置参数
ProducerRecord :每条数据要封装成一个ProducerRecord对象来发送
public class KafkaProducerTest {
public static void main(String[] args) throws ExecutionException,InterruptedException {
//创建配置信息
Properties props = new Properties();
//kafka集群,broker-list
props.put("bootstrap.servers","cluster01:9092");
//设置ack应答机制
props.put("acks", "all");
//重试次数
props.put("retries", 1);
//batch大小决定sender发送
props.put("batch.size", 16384);
//如果没有达到batch大小,达到linger.time发送数据
props.put("linger.ms", 1);
//缓冲区大小设置
props.put("buffer.memory", 33554432);
//k-v序列化
props.put("key.serializer",
"org.apache.kafka.common.serialization.StringSerializer");
props.put("value.serializer",
"org.apache.kafka.common.serialization.StringSerializer");
//kafkaproducer 用来创建生产者对象,用来发送数据
Producer<String, String> producer = new org.apache.kafka.clients.producer.KafkaProducer<>(props);
for (int i = 0; i < 100; i++) {
//每条数据需要封装成一个producerecord对象
producer.send(new ProducerRecord<String, String>("first", Integer.toString(i), Integer.toString(i)));
}
producer.close();
}
}
Consumer API
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>2.8.0</version>
</dependency>
public class KafkaConsumerTest {
public static void main(String[] args) {
Properties props = new Properties();
props.put("bootstrap.servers", "cluster01:9092");
//消费者组
props.put("group.id", "test");
//开启自动提交offset
props.put("enable.auto.commit", "true");
props.put("auto.commit.interval.ms", "1000");
props.put("key.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer");
props.put("value.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer");
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
//消费者订阅主题
consumer.subscribe(Arrays.asList("first"));
while (true) {
ConsumerRecords<String, String> records =
//消费者拉取数据
consumer.poll(100);
for (ConsumerRecord<String, String> record : records)
System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
}
}
}
Flume对接Kafka
- 配置flume
# define
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# source
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F -c +0 /opt/module/data/flume.log
a1.sources.r1.shell = /bin/bash -c
# sink
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.kafka.bootstrap.servers =
cluster01:9092,cluster02:9092,cluster03:9092
a1.sinks.k1.kafka.topic = first
a1.sinks.k1.kafka.flumeBatchSize = 20
a1.sinks.k1.kafka.producer.acks = 1
a1.sinks.k1.kafka.producer.linger.ms = 1
# channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
# bind
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
- 启动kafka消费者
- 启动flume
bin/flume-ng agent -c conf/ -n a1 -f jobs/flume-kafka.conf
- 向 /opt/module/data/flume.log 里追加数据,查看 kafka 消费者消费情况
echo hello >> /opt/module/data/flume.log