kafka模式
1.点对点 （一对一，消费者主动拉取数据，消息收到后清除）
producer--> topic---> consume收到--->确认---->消息队列删除
2.发布订阅模式（一对多，消费者消费之后不会清除消息）
将消息发送到topic 中，同时有多个消费者消费，和点对点不同，发布到topic的消息会被所有订阅者消费。
producer-->publish-------》topic.------>多个consume
kafka架构（某一个分区只能被同一个组里的一个消费者消费）
Producer：生产者，负责将客户端生产的消息发送到 Kafka 中，可以支持消息的异步发送和批量发送；
broker：服务代理节点，Kafka 集群中的一台服务器就是一个 broker，可以水平无限扩展，同一个 Topic 的消息可以分布在多个 broker 中；
Consumer：消费者，通过连接到 Kafka 上来接收消息，用于相应的业务逻辑处理。
ZooKeeper：给第三方提供服务
Consumer Group：消费者组，指的是多个消费者共同组成一个组来消费一个 Topic 中的消息
）Topic 与 Partition
在 Kafka 中消息是以 Topic 为单位进行归类的，Topic 在逻辑上可以被认为是一个 Queue，Producer 生产的每一条消息都必须指定一个 Topic，然后 Consumer 会根据订阅的 Topic 到对应的 broker 上去拉取消息。
为了提升整个集群的吞吐量，Topic 在物理上还可以细分多个分区，一个分区在磁盘上对应一个文件夹。由于一个分区只属于一个主题，很多时候也会被叫做主题分区(Topic-Partition)。
2）Leader 和 Follower
一个分区会有多个副本，副本之间是一主(Leader)多从(Follower)的关系，Leader 对外提供服务，这里的对外指的是与客户端程序进行交互，而 Follower 只是被动地同步 Leader 而已，不能与外界进行交互。
当然了，你可能知道在很多其他系统中 Follower 是可以对外提供服务的，比如 MySQL 的从库是可以处理读操作的，但是在 Kafka 中 Follower 只负责消息同步，不会对外提供服务。
Kafka 多副本机制
Kafka 为分区引入了多副本机制，同一分区的不同副本中保存的信息是相同的，通过多副本机制实现了故障的自动转移，当集群中某个 broker 失效时仍然能保证服务可用，可以提升容灾能力。
ps：0.9版本之前的offset存储在zookeeper，0.9版本之后的存储在本地，kafka本地，kafka存本地存储7天由系统创建，记录消费位置，便于挂掉之后重新启动。放在zookeeper里并发过高。
kafka的topic是逻辑上的概念，partion是物理上的概念 kafka默认保持七天,.log文件存的是数据，index文件是索引，分片大小默认为1G
由于生产者生产的消息会不断追加到log文件的末尾，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partion分为多个segment，每个segment对应两个文件index和log文件，这些文件位于同一个文件夹下，该文件的命名规则为topic名称+分区序号。如first这个topic有三个分区，则其对应的文件夹为first-0,first-1,first-2,index和log文件以当前segment的第一条消息的offset命名
分区策略：
1.分区原因：方便在集群中拓展，每个partion可以通过调整以适应它所在的机器，而一个topic又可以有多个partion组成。
2.分区原则：
我们需要将生产者producer发送的数据封装成一个producerRecord对象
1.指明partion的情况下，直接将指明的值作为partition的值
2.没有指明partion的情况下，但是有key，将key的hash值与topic的partition数取余得partition值
3.即没有partition值又没有key的情况下，第一次调用时随机生成一个随机整数，后面每次调用在这个整数上自增，将这个值与topic可用的partition总数取余得到partition值，也就时长说的round-robin算法
生产者 数据可靠性：
topic的每个partition收到producer发送的数据后，都需要向producer发送ack（acknowledgement）确认收到。如果producer收到ack就会进行下一轮的发送，否则就重新发送数据
何时发送ack：
确保有follower与leader同步完成，leader再发送ack,这样才能保证leader挂掉之后，能在follower中选举出新的leader
副本数据同步策略：
方案：
1.半数以上同步完成 优点：延迟低 缺：选举新的leader时，容忍n台节点的故障，需要2n+1个副本，会造成大量的数据冗余
2.全部同步完成才发送 优点：选举新的leader时，容忍n台节点的故障，需要n+1个副本 缺延迟高 网络延迟高，但是网络延迟对kafka的影响较小
ISR: in-sync replica set 意为和leader保持同步的follower集合。当ISR中的follower完成数据的同步之后，leader就会向follower发送ack，如果长时间未向leader同步数据，则将该follower踢出ISR,该时间由replica.lag.time.max.ms参数设定。Leader发生故障之后，就会从ISR中选举新的leader
为什么踢出同步条数：频繁操作zookeeper,批次发送的大小超出了同步条数，会频繁的将follower剔除和拉进ISR，频繁的操作ISR和ZK
ACK应答机制：
对于某些不太重要的数据，对数据的可靠性要求不高的，能够容忍数据的少量丢失，所以没必要等ISR中的follower全部接受成功
ack参数配置：
acks:
0:producer不等待broker的ack,这一操作提供了最低的延迟，broker一接受到还没有写入磁盘就已经返回，当broker故障时有可能丢失数据
1:producer等待broker的ack,partition的leader落盘成功后返回ack，如果在follower同步成功之前leader故障，那么将会丢失数据
-1 or all :producer等待broker的ack,partition的leader和ISR里的follower全部落盘成功后才返回ack，但是如果在follower同步完成后，broker发送ack之前，leader发生故障，会导致数据重复
Log文件中的HW和LEO
HW: HIGH WATEMARK. 所有副本中最小的LEO ,指的是消费者能见到的最大的offfset,IS对列中最小的LEO ,HW之前的数据才对消费者可见（木桶短板）
LEO：每个副本最后的一个offset（LOG END OFFSET）
可以保证数据一致性，但是不能保证数据不丢失
数据一致性：
1.follower发生故障后会被淋湿踢出ISR,待follower恢复后，follower会读取本地磁盘上次记录的HW,并将log文件高于Hw的部分截取掉，从hw开始向leader进行同步，等该follower的LEO大于等于该partition的HW就可以重新加入ISR了
2.Leader发生故障后，会从ISR中选出一个新leader，为保证多个副本之间的数据一致性，其余的follower会先将自己的log文件高于hw的部分截取掉，然后重新同步数据
Exactly Once语义：
将服务起的ack级别设置为-1，可以保证producer和server之间不会丢失数据。即At Least Once ,将ack的级别设置为0，可以保证生产者每条消息只会被发送一次 即At Most Once 语义。
at Least Once可以保证数据不丢失，但不能保证数据不重复，at most once可以保证数据不重复，但是不能保证数据不丢失，但是对于一些重要的信息，下游数据要求既不丢失也不重复，这就需要幂等性 不管生产者向Server发送了多少次重复数据，Server都只会吃酒话一条 ，即 At Least Once + 幂等性 = Exactly once
要启用幂等性，只要将producer的参数中的 enable.idompotence 设置为true即可
实现其实是将原来下游要做的去重放在了上游，开启幂等性的producer在初始化的时候会被分配一盒pid,发往同一partition的消息会附带Sequence Number .而broker端会对<PID ,Partition,SeqNumber> 做缓存，当具有相同主键的消息提交时，Broker只会持久化一条
但是PId重启就会变化，同时不同的Partition也具有不同主键，所以幂等性无法保证跨分区会话的Exactly Once。
kafka消费：
消费者采用pull拉取数据，但是这样会导致kafka没有数据时会陷入循环中，一直返回空数据。针对这一情况，kafka的消费者在消费数据的 时候会传入一个时长参数timeout，如果当前没有数据可供消费，消费者会等待一段时间再返回，这段时间即为timeout
分区分配策略：
一个消费者组中多个消费者，一个topic有多个partition,所以必然会设计到partition的分配问题，即确定哪个partition由哪个cosumer消费
kafka有两种分配策略，一个是轮询(RoundRobin) ，多个消费者消费的数据不会差别过大，一个是Range
offset的维护：
由于offset在消费过程中可能会出现断电等故障，消费者恢复后，需要从之前的饿位置继续消费，所以消费者需要实时记录自己消费到了哪个offset,以便恢复后继续消费
（组+主题+partition分区）=决定唯一的offset
kafka 0.9版本之前，consumer默认将offset保存在zookeeper中，从0.9版本之后，consumer默认将offset保存在kafka一个内置的topic中，该topic为_consumer_offsets
kafka高效读写数据：
1.顺序写磁盘
生产者的文件要写到log文件中，写的过程就是一直追加到文件末端为顺序写，官网有数据表明，同样的磁盘，顺序写能到600M/s，而随机写只有100k/s。与磁盘的机械结构有关，顺序写之所以快，是因为其省去了大量的磁头寻址的时间。
2.零复制技术
3.分布式，可以并发读写
kafka事务：
Producer事务
为了实现跨分区会话的事物，需要因为一个全局的Transaction,并将Producer或得的PId和TransactionID绑定，这样当Producer重启后就可以通过正在进行的TransactionID获得原来的PID
为了管理Transaction，kafka引入新组建Transaction Coordinator,Producer就是通过和Transaction Coordinator 交互或得 TransactionID对应的任务状态，Transaction Coordinator还负责将事务写入kafka的一个内部的Topic,这样即使整个服务重启，由于事务状态得到保存，进行中的事务状态可以得到恢复从而继续进行
Consumer事务：
事务的保证较弱，尤其是无法保证提交的信息被精确消费，这是由于consumer可以通过offset访问任何信息，而且不同的片段文件（segmentFile）生命周期不同，同一事务的消息可能会重启后被删除的情况。
消息发送流程：
生产者发消息采用的是异步发送，main将消息发送给RecordAccumulator
Sender 线程
发送流程：
相关参数：
batch.size :只有数据积累到batch.size后。sender才会发送数据
linger.ms ： 如果数据迟迟未到batch.size,sender等待linger.time之后就会发送数据
kafka生产者API
异步发送 API 1）导入依赖 <dependency> <groupId>org.apache.kafka</groupId> <artifactId>kafka-clients</artifactId> <version>0.11.0.0</version> </dependency> 2）编写代码 需要用到的类： KafkaProducer：需要创建一个生产者对象，用来发送数据 ProducerConfig：获取所需的一系列配置参数 ProducerRecord：每条数据都要封装成一个 ProducerRecord 对象 1.不带回调函数的 API public class CustomProducer { public static void main(String[] args) throws ExecutionException,InterruptedException { Properties props = new Properties(); //kafka 集群，broker-list props.put("bootstrap.servers", "hadoop102:9092"); props.put("acks", "all"); //重试次数 props.put("retries", 1); //批次大小 props.put("batch.size", 16384); //等待时间 props.put("linger.ms", 1); //RecordAccumulator 缓冲区大小 props.put("buffer.memory", 33554432); props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); Producer<String, String> producer = new KafkaProducer<>(props); for (int i = 0; i < 100; i++) { producer.send(new ProducerRecord<String, String>("first", Integer.toString(i), Integer.toString(i))); } producer.close(); } } 2.带回调函数的 API 回调函数会在 producer 收到 ack 时调用，为异步调用，该方法有两个参数，分别是RecordMetadata 和 Exception，如果 Exception 为 null，说明消息发送成功，如果Exception 不为 null，说明消息发送失败。 注意：消息发送失败会自动重试，不需要我们在回调函数中手动重试。 public class CustomProducer { public static void main(String[] args) throws ExecutionException, InterruptedException { Properties props = new Properties(); props.put("bootstrap.servers", "hadoop102:9092");//kafka 集群，broker-list props.put("acks", "all"); props.put("retries", 1);//重试次数 props.put("batch.size", 16384);//批次大小 props.put("linger.ms", 1);//等待时间 props.put("buffer.memory", 33554432);//RecordAccumulator 缓冲区大小 props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); Producer<String, String> producer = new KafkaProducer<>(props); for (int i = 0; i < 100; i++) { producer.send(new ProducerRecord<String, String>("first", Integer.toString(i), Integer.toString(i)), new Callback() { //回调函数，该方法会在 Producer 收到 ack 时调用，为异步调用 @Override public void onCompletion(RecordMetadata metadata, Exception exception) { if (exception == null) { System.out.println("success->" + metadata.offset()); } else { exception.printStackTrace(); } } }); } producer.close(); } } 同步发送 API 同步发送的意思就是，一条消息发送之后，会阻塞当前线程，直至返回 ack。由于 send 方法返回的是一个 Future 对象，根据 Futrue 对象的特点，我们也可以实现同步发送的效果，只需在调用 Future 对象的 get 方发即可。 public class CustomProducer { public static void main(String[] args) throws ExecutionException, InterruptedException { Properties props = new Properties(); props.put("bootstrap.servers", "hadoop102:9092");//kafka 集群，broker-list props.put("acks", "all"); props.put("retries", 1);//重试次数 props.put("batch.size", 16384);//批次大小 props.put("linger.ms", 1);//等待时间 props.put("buffer.memory", 33554432);//RecordAccumulator 缓冲区大小 props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); Producer<String, String> producer = new KafkaProducer<>(props); for (int i = 0; i < 100; i++) { producer.send(new ProducerRecord<String, String>("first", Integer.toString(i), Integer.toString(i))).get(); } producer.close(); } }在Spring中封装了对应的操作，可以利用配置文件来简化操作
server: port: 8081 spring: application: name: eureka-server kafka: bootstrap-servers: 1.15.114.101:9092 #https://kafka.apache.org/documentation/#producerconfigs producer: bootstrap-servers: 1.15.114.101:9092 # 可重试错误的重试次数，例如“连接错误”、“无主且未选举出新Leader” retries: 1 #生产者发送消息失败重试次数 # 多条消息放同一批次，达到多达就让Sender线程发送 batch-size: 16384 # 同一批次内存大小（默认16K） # 发送消息的速度超过发送到服务器的速度，会导致空间不足。send方法要么被阻塞，要么抛异常 # 取决于如何设置max.block.ms，表示抛出异常前可以阻塞一段时间 buffer-memory: 314572800 #生产者内存缓存区大小(300M = 300*1024*1024) #acks=0:无论成功还是失败，只发送一次。无需确认 #acks=1:即只需要确认leader收到消息 #acks=all或-1:ISR + Leader都确定收到 acks: 1 key-serializer: org.apache.kafka.common.serialization.StringSerializer #key的编解码方法 value-serializer: org.apache.kafka.common.serialization.StringSerializer #value的编解码方法 #开启事务，但是要求ack为all，否则无法保证幂等性 #transaction-id-prefix: "COLA_TX" #额外的，没有直接有properties对应的参数，将存放到下面这个Map对象中，一并初始化 properties: #自定义拦截器，注意，这里结尾时classes(先于分区器，快递先贴了标签再指定地址) #interceptor.classes: cn.com.controller.TimeInterceptor #自定义分区器 #partitioner.class: com.alibaba.cola.kafka.test.customer.inteceptor.MyPartitioner #即使达不到batch-size设定的大小，只要超过这个毫秒的时间，一样会发送消息出去 linger.ms: 1000 #最大请求大小，200M = 200*1024*1024，与服务器broker的message.max.bytes最好匹配一致 max.request.size: 209715200 #Producer.send()方法的最大阻塞时间(115秒) # 发送消息的速度超过发送到服务器的速度，会导致空间不足。send方法要么被阻塞，要么抛异常 # 取决于如何设置max.block.ms，表示抛出异常前可以阻塞一段时间 max.block.ms: 115000 #该配置控制客户端等待服务器的响应的最长时间。 #如果超时之前仍未收到响应，则客户端将在必要时重新发送请求，如果重试次数（retries）已用尽，则会使请求失败。 #此值应大于replica.lag.time.max.ms（broker配置），以减少由于不必要的生产者重试而导致消息重复的可能性。 request.timeout.ms: 115000 #等待send回调的最大时间。常用语重试，如果一定要发送，retries则配Integer.MAX #如果超过该时间：TimeoutException: Expiring 1 record(s) .. has passed since batch creation delivery.timeout.ms: 120000 # 生产者在服务器响应之前能发多少个消息，若对消息顺序有严格限制，需要配置为1 # max.in.flight.requests.per.connection: 1 eureka: instance: hostname: local client: fetch-registry: true #????????????????????????? register-with-eureka: true #??????????????????????? service-url: defaultZone: http://xushuai:123456@localhost:8083/eureka/ server: enable-self-preservation: true #??????代码如下
@RestController public class Controller { @Autowired KafkaTemplate kafkaTemplate; @GetMapping("/send") public String sendKafka(){ for (int i = 0 ;i < 100 ;i++){ kafkaTemplate.send("first", "你好"+i); } kafkaTemplate.destroy(); return "ok"; } }
可以在kafka-map中看到消息
简单消费者：
添加消费者的配置
consumer:group-id: 1
key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
利用注解监听kafka package com.example.springclouddemo.linstener; import org.apache.kafka.clients.consumer.ConsumerRecord; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.kafka.core.KafkaTemplate; import org.springframework.stereotype.Service; /** * @author xushuai * @date 2022年12月20日 16:14 */ @Service public class KafkaListener { @org.springframework.kafka.annotation.KafkaListener(topics = {"first"}) public void handlerMsg(ConsumerRecord<String,String> consumerRecord){ System.out.println("===接收到的消息：==="+consumerRecord.value()+"===消息偏移量==="+consumerRecord.offset()); } }
结果如下
想要消费者重新消费
1.改消费者组（同一个消费者组只能消费一次）
2. 改消费策略 auto.offset.reset
auto.offset.reset 参数定义了当无法获取消费分区的位移时从何处开始消费。例如：当 Broker 端没有 offset（如第一次消费或 offset 超过7天过期）时如何初始化 offset，当收到 OFFSET_OUT_OF_RANGE 错误时如何重置 Offset。
auto.offset.reset 参数设置有如下选项：
earliest：表示自动重置到 partition 的最小 offset。
latest：默认为 latest，表示自动重置到 partition 的最大 offset。
none：不自动进行 offset 重置，抛出 OffsetOutOfRangeException 异常
auto.offset.reset=none时
不希望发生 offset 自动重置的情况，因为业务不允许发生大规模的重复消费。
注意
此时消费组在第一次消费的时候就会找不到 offset 而报错，这时就需要在 catch 里手动设置 offset。
offset不提交，会导致一直重复消费
配置消费者(配置ENABLE_AUTO_COMMIT_CONFIG为 true 配置自动提交)
enable.auto.commit 的默认值是 true；就是默认采用自动提交的机制。
auto.commit.interval.ms 的默认值是 5000，单位是毫秒。
自动提交是基于时间提交的，开发人员难以把握offset的提交时机
手动提交的方法有两种commitSync（同步提交） 和commitAsync(异步提交)
两者的共同点都会将本次poll的一批数据最高的偏移量提交，
同步提交线程会阻塞直到offset提交成功并且会自动失败重试，除了不可控因素，也会提交失败，异步则没有失败重试机制，所以可能会提交失败
缺点：都会重复数据
自定义存储offset:
当有新的消费者加入消费者组,已有的消费者退出消费者组或者所订阅的主题的分区发生变化，就会触发到分区的重新分配，重新分配的过程就叫做Rebalance
消费者发生Rebalance之后，每个消费者消费的分区就会发生变化，因此消费者首先获取到自己被重新分配的分区，并且定位到每个分区最近提交的offset位置继续消费
要实现自定义存储offset，需要借助ConsumerRebalanceListener
API自定义拦截器：
定义的方法包括：
1.configure(configs)
获取配置信息和初始化数据时调用
2.onSend(ProducerRecord)
该方法封装进KafkaProducer.send方法里，即它运行在用户主线程中，Producer确保在消息被序列化以及计算分区前调用该方法，用户可在该方法中对消息做任何操作。但是最好不要修改消息所属的topic和分区，否则会影响目标分区的计算
3.onAcknowledgement(RecordMetadata,Exception)
该方法会在消息从RecordAccumulator成功发送到kafkaBroker之后，或者发送过程中失败时调用，并且通常都是在producer回调逻辑触发之前。onAcknowledgement运行在producer的IO线程中，因此不要在该方法中放入很重的逻辑，否则会拖慢producer的发送效率
4.close
关闭interceptor,主要用于执行一些资源清理的工作
interceptor可能被运行在多个线程中，因此在具体实现时用户需要自行确保线程安全，另外倘若指定了多个interceptor，则producer将按照指定顺序调用他们，并仅仅是捕获每个interceptor可能抛出的异常记录到错误日志中而非在向上传递
需要去实现ProducerInterceptor
加入拦截器的配置 ：
package com.example.springclouddemo.intercepter; import org.apache.kafka.clients.producer.ProducerInterceptor; import org.apache.kafka.clients.producer.ProducerRecord; import org.apache.kafka.clients.producer.RecordMetadata; import org.springframework.stereotype.Component; import java.util.Map; /** * @author xushuai * @date 2022年12月21日 09:59 */ @Component public class TimeInterceptor implements ProducerInterceptor<String,String> { Integer success=0; Integer error=0; @Override public ProducerRecord<String, String> onSend(ProducerRecord<String, String> producerRecord) { //取出具体数据的value String value = producerRecord.value(); //创建和新的 ProducerRecord对象并且返回 return new ProducerRecord<String,String>(producerRecord.topic(), producerRecord.partition(), producerRecord.key(), System.currentTimeMillis()+"==="+value); } @Override public void onAcknowledgement(RecordMetadata recordMetadata, Exception e) { if (recordMetadata != null){ success++; }else { error++; } } @Override public void close() { System.out.println("success"+success); System.out.println("error"+error); } @Override public void configure(Map<String, ?> map) { } }消息的内容带上时间戳
打印成功和失败的条数
6849
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
