学习笔记 | Kafka

最新推荐文章于 2024-06-21 15:32:23 发布
最新推荐文章于 2024-06-21 15:32:23 发布
阅读量1.3k 收藏 20
点赞数 19
分类专栏： 学习笔记 文章标签： 学习 笔记 kafka
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_65861329/article/details/135445252
版权
本文详细介绍了Kafka的定义、应用场景、基本命令、生产者原理、分区策略、自定义分区器、数据可靠性设置、幂等性和事务支持，以及Broker的工作原理，帮助读者全面掌握Kafka的使用和设计。
摘要由CSDN通过智能技术生成

一、概述

定义

1、Kafka传统定义：Kafka 是一个分布式的基于 发布/订阅模式 的消息队列（Message Queue） ，主要应用与大数据实时处理领域。

2、发布/订阅：消息的发送者不会将消息直接发送给特定的订阅者，而是将发布的消息分为不同的类别，订阅者只接受自己感兴趣的消息。

3、Kafka 最新定义：Kafka是一个开源的 分布式事件流平台 （Event Streaming Platfrom），被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用。

消息队列的应用场景

传统的消息队列主要应用场景包括： 缓存/削峰、解耦和异步通信。

缓存/削峰

所有数据可以全部缓存到消息队列，服务器可以根据自己处理的性能按一定的频率去消息队列中取。

解耦

减少服务之间的直接调用，由消息队列充当中间者。

异步通信

一个业务可以将优化体验（发短信）的动作放到消息队列中，由专门的服务去处理，达到快速响应上游。

消息队列的俩种模式

1）点对点模式

消费者主动拉取数据，消息收到后清除数据。

2）发布/订阅模式

  • 一个队列可以有多个topic主题。（topic对消息进行分类，消费者可以自己需求拿消息）
  • 消费者消费数据之后，不删除数据。
  • 每个消费者相互独立，都可以拿到消费数据。

Kafka的基础架构

1、为方便扩展，并提高吞吐量，一个 Topic 分为多个 partition（分区）

2、配合分区的设计，提出了消费者组的概念，组内每个消费者并行消费，一个分区只能让一个消费者消费。

3、为了提高可用性，为每个 partition 增加诺干副本进行备份（分为leader 和 follower）消费者只找learder，当leader挂掉的时候，follower符合条件时会变成leader。

4、zookerper存储节点信息，有哪些副本。

二、入门

Kafka的基本命令

Topic命令

  • 查看有多少主题
 kafka-topics.sh --bootstrap-server 192.168.204.10:9092,192.168.204.10:9093 --list
  • 新增主题
 kafka-topics.sh --bootstrap-server 192.168.204.10:9092,192.168.204.10:9093 --topic first --create --partitions 1 --replication-factor 3
  • 查看主题详情
kafka-topics.sh --bootstrap-server 192.168.204.10:9092,192.168.204.10:9093 --topic first --describe
  • 修改主题

只能加不能减

kafka-topics.sh --bootstrap-server 192.168.204.10:9092,192.168.204.10:9093 --topic first --alter --partitions 3

命令行操作

  • 创建一个生产者
 kafka-console-producer.sh --bootstrap-server 192.168.204.10:9092 --topic second

  • 创建一个消费者
kafka-console-consumer.sh --bootstrap-server 192.168.204.10:9092 --topic second

可以查看到历史数据

kafka-console-consumer.sh --bootstrap-server 192.168.204.10:9092 --topic second --from-beginning

三、生产者

原理

在消息发送的过程中，涉及到了俩个线程 -- main 和 Sender。在main线程中创建了 一个双端队列 RecordAccumulator 。main线程将消息发送给RecordAccumulator ，Sender 线程不断从RecordAccumulator 中拉取消息发送给Kafka Broker。

异步发送

当main线程发送到RecordAccumulator之后就结束了，不管接下去的操作。

示例代码：

//配置参数
Properties properties = new Properties();
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.204.10:9092,192.168.204.10:9093");
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

//创建KafkaProducer
KafkaProducer<String, Object> kafkaProducer = new KafkaProducer<>(properties);
kafkaProducer.send(new ProducerRecord<>("second","hello"));

//释放资源
kafkaProducer.close();

回调异步发送

相对于异步发送，就是多了一个发送成功之后处理的函数。

示例代码：

//配置
Properties properties = new Properties();
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.204.10:9092,192.168.204.10:9093");
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

//创客KafkaProducer
KafkaProducer<String, Object> kafkaProducer = new KafkaProducer<>(properties);
kafkaProducer.send(new ProducerRecord<>("second", "hello"), (recordMetadata, e) -> {
    System.out.println(recordMetadata.toString());
    System.out.println("send success");
});

//释放资源
kafkaProducer.close();

同步发送

同步发送就是main线程需要等sender线程将双端队列中的数据发送出去才能继续往下面操作。

示例代码：

//配置参数
Properties properties = new Properties();
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.204.10:9092,192.168.204.10:9093");
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

//创建KafkaProducer
KafkaProducer<String, Object> kafkaProducer = new KafkaProducer<>(properties);
try {
    kafkaProducer.send(new ProducerRecord<>("second","hello")).get();
} catch (InterruptedException e) {
    e.printStackTrace();
} catch (ExecutionException e) {
    e.printStackTrace();
}

//释放资源
kafkaProducer.close();

分区

Kafka分区好处

1、便于合理使用存储资源，每个Partition 在一个Broker上存储，可以把海量数据按照分区切割成一块一块存储在多台Broker上。合理控制分区的任务，可以实现负载均衡的效果。

2、提高并行度，生产者可以以分区为单位发送数；消费者可以以分区为单位进行消费数据。

分区策略

自定义分区器

1、定义自己的分区器

package cn.swj.kafka;

import org.apache.kafka.clients.producer.Partitioner;
import org.apache.kafka.common.Cluster;

import java.util.Map;

/**
 * @Author suweijie
 * @Date 2023/8/30 21:40
 * @Description: TODO
 * @Version 1.0
 */
public class MyPartitioner implements Partitioner {

    @Override
    public int partition(String s, Object o, byte[] bytes, Object o1, byte[] bytes1, Cluster cluster) {
        String msg = o1.toString();

        if(msg.contains("suweijie")) {
            return 1;
        }

        return 0;
    }

    @Override
    public void close() {

    }

    @Override
    public void configure(Map<String, ?> map) {

    }
}

2、添加配置

//配置参数
Properties properties = new Properties();
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.204.10:9092,192.168.204.10:9093");
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

//自定义分区器
properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG,MyPartitioner.class.getName())

//创建KafkaProducer
KafkaProducer<String, Object> kafkaProducer = new KafkaProducer<>(properties);
try {
    kafkaProducer.send(new ProducerRecord<>("second","hello")).get();
} catch (InterruptedException e) {
    e.printStackTrace();
} catch (ExecutionException e) {
    e.printStackTrace();
}

//释放资源
kafkaProducer.close();

提高生产者的吞吐量

batch.size: 批次的大小默认是16k（16384b） ，但是这个参数要跟linger.ms 配合才有用

linger.ms： 等待时间，修改为 5-100ms ，修改这个会造成数据的延迟。

RecordAccumulator： 双端队列的缓存区大小，修改为64m （33554432b）

compression.type ： 压缩snappy， none（默认）、gzip、snappy（用的比较多）、lz4、zstd

最佳实践：

batch.size = 32768
linger.ms = 5
buffer.memory = 33554432
compression.type = snappy

数据可靠性

应答ACKS

  • 0： 生产者发过来的数据，不需要等待数据落盘应答。
  • 1： 生产者发过来的数据，需要等待Leader收到之后应答。
  • -1（all）： 生产者发过来的数据，需要等Leader+ 和 isr 队列里面所有的节点收齐数据后应答。-1 和 all等价。

spring:
  kafka:
    bootstrap-servers: 192.168.204.10:9092,192.168.204.10:9093,192.168.204.10:9094
    consumer:
      group-id: 1
      value-deserializer: org.apache.kafka.common.serialization.StringSerializer
      key-deserializer: org.apache.kafka.common.serialization.StringSerializer

    producer:
      acks: -1  #ack机制  0 1 -1
      batch-size: 32768  #批次大小
      value-serializer: org.apache.kafka.common.serialization.StringSerializer
      key-serializer: org.apache.kafka.common.serialization.StringSerializer
      compression-type: snappy  #数据压缩
      retries: 5  #重试次数
      buffer-memory: 33554432  #双端队列的缓冲区大小
      linger-ms: 5  # sender 等待时间

数据重复

幂等性特性

配置：

enable:
	idempotence: true  #开启幂等性  默认开启

但是Kafka挂掉之后会重新生成一个PID，所以也是有可能会产生重复数据。

生产者事务

开启事务、必须得开启幂等性

示例代码：

private void transaction() {
        //配置参数
        Properties properties = new Properties();
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.204.10:9092,192.168.204.10:9093");
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
        properties.put(ProducerConfig.LINGER_MS_CONFIG,5); //sender 发送的等待时间 ，当达到这个时间的时候Sender 会直接发
        properties.put(ProducerConfig.ENABLE_IDEMPOTENCE_CONFIG, true);   //开启幂等性，默认开启
        properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG,33554432); //设置双端队列的大小  64m
        properties.put(ProducerConfig.BATCH_SIZE_CONFIG,32768);  //批次的大小  32k ，当批次达到这个大小的时候，Sender会直接发送
        properties.put(ProducerConfig.COMPRESSION_TYPE_CONFIG,"snappy");  //数据的压缩方式
        properties.put(ProducerConfig.RETRIES_CONFIG,5);   //发送失败的重试次数
        properties.put(ProducerConfig.ACKS_CONFIG,-1); // acks的方式 -1 当leader 收到并且和isr 队列里面所有的节点同步才应答。
        properties.put(ProducerConfig.TRANSACTIONAL_ID_CONFIG,"123");  //事务唯一id
        //自定义分区器
        properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG,MyPartitioner.class.getName());

        //创建KafkaProducer
        KafkaProducer<String, Object> kafkaProducer = new KafkaProducer<>(properties);

        kafkaProducer.initTransactions();  //初始化事务

        kafkaProducer.beginTransaction();  //开启事务

        try {
            kafkaProducer.send(new ProducerRecord<>("second","hello"));
            kafkaProducer.commitTransaction();  //事务
        } catch (Exception e) {
            e.printStackTrace();
            kafkaProducer.abortTransaction();
        }

        //释放资源
        kafkaProducer.close();
    }

数据有序

同分区内消费者可以实现数据的有序消费，不同分区内消费者如何实现有序消费？TODO

数据乱序问题

产生的原因：

1、默认 broker 最多缓存5个请求

2、当sender一直在发送数据的时候，当有一条数据发送失败需要返回双端队列进行重发，就会产生数据乱序的问题。

解决方案：

1） kafka 在 1.x 版本之前确保单分区下数据有序需要增加以下配置：

max.in.flight.requests.per.connection = 1

1） kafka在 1.x 以及之后的版本确保单分区下的额数据有序，条件如下：

（1） 未开启幂等性

max.in.flight.requests.per.connection 设置为1

（2）开启幂等性

max.in.flight.requests.per.connection 设置小于5

原理：在kafka1.x 版本以后，启用幂等性后，kafka broker 会缓存producer 发来的最近5个request 的元数据，如果数据乱序会将乱序的数据保存在内存中，重新排序之后在落盘。

四、Broker

ZK存储

启动zkCli.sh:

docker exec -it zookeeper-server bash
#进入之后启动zkCli.sh
bin/zkCli.sh
ls /brokers/ids
get /brokers/topics/second/partitions/0/state 
get /controller

/brokes/ids : 记录有哪些节点

/brokers/topics/主题/patitions/0/state ： 记录着leader、isr队列

/controller ： 辅助选举leader

Broker工作原理

AR: kafka 分区中所有的副本统称

工作流程：

1） broker 启动会在zk中注册

2） controller 谁注册，谁说了算

3） 由选举出来的controller 监听 brokers 节点变化

4） Controller 决定 Leader 的选举

选举规则：

在isr队列中存活为前提，安装ARa中排在最前面的优先。例如 ar[1,0,2]、isr[1,0,2]，那么leader 就会按照1，0，2的顺序轮询。

5） 主broker的Controller，会将所有节点的信息上传到zk

6） 其他节点的controller 会去从zk同步相关信息下来。

7） 假设broker挂了

8） 监听到broker节点变化

9） 获取isr

10） 选举新的leader

11） 更新leader 以及 isr

新节点的服役以及退役(没听懂)

新节点服役

docker run  -d --name kafka3 \
--network kafka-net \
-p 9095:9095 \
-e  KAFKA_BROKER_ID=3 \
-e KAFKA_ZOOKEEPER_CONNECT=zookeeper-server:2181 \
-e KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://192.168.204.10:9095 \
-e KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9095 \
-e TZ="Asia/Shanghai" \
wurstmeister/kafka:latest

查看在新节点是否有主题信息(指定这台broker的地址，查看是否有主题信息)

kafka-topics.sh --bootstrap-server 192.168.204.10:9094 --topic first --describe

服役新节点、正确退役旧节点

五、Kafka 副本

基本信息

1）Kafka 副本作用： 提高数据的可靠性。

2）Kafka默认的副本数为1，生产环境正常配置俩个，保证数据的可靠性；太多副本会增加磁盘的存储空间，增加网络上数据传输，降低效率。

3）Kafka 中副本分为： Leader 和 Follower。Kafka生产者只会把数据发送到Leader，然后Follower 自己去找Leader 同步。

4）Kafka 分区中的所有副本统称为AR（Assigned Replicas）。

AR = ISR + OSR

ISR，表示和 Leader 保持同步的 Follower 集合。如果 Follower 长时间未向 Leader 发送通信请求或同步数据，则该 Follower 将被踢出ISR。该时间闽值由 replica.lagtime.max.ms参数设定，默认 30s。Leader 发生故障之后，就会从ISR 中选举新的 Leader。

OSR，表示 Follower 与 Leader 副本同步时，延迟过多的副本。

Leader的选举流程

Follower的故障

Leader的故障

isuweijie
关注
  • 19
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Kafka全套学习笔记.zip
06-28
Kafka全套学习笔记
Kafka学习笔记
09-27
以一个小白的角度来初探一下Kafka，本篇文章基于官方文 档，顺便说一句官方文档真的很重要，且读且珍惜。
详解kafka中的消息日志文件：Topic消息分类、partition分区、segment分段、offset偏移量索引文件_kafka partition segment
2401_84181626的博客
04-14 622
Kafka是一种高吞吐量的基于zookeeper协调的以集群的方式运行的分布式发布订阅消息系统，支持分区（partition）、多副本（replica），具有非常好的负载均衡能力和处理性能、容错能力。Kafka采用发布/订阅模型，消息生产者将消息发送到Kafka的消息中心（broker）中，然后消费者从中心中读取消息。Broker是 Kafka集群中的服务器节点，每个 Broker 都是一个独立的服务器， 接收来自生产者的消息，并将消息存储在消息队列中。同时，它还处理来自消费者的请求，并将消息发送回消费者。
kafka测试工具_打造高性能 Kafka队列
weixin_39553352的博客
12-03 181
一、原理简述【1】Producer将消息进行分组分别发送到对应leader节点；【2】Leader将消息写入本地log；【3】Followers从Leaderpull最新消息，写入log后向Leader发送ack确认；【4】Leader收到所有ISR中的Follower节点的ACK后，增加HW，标记消息已确认全部备份完成，最后返回给Producer...
kafka_1_消息系统分类
huangrunxing的专栏
04-14 245
Peer_to_Peer(Peer->同等地位的人) 一般基于Pull或者Polling接收消息 发送到队列中的消息被一个而且仅仅一个接受者所接收 即使有多个接受者在同一个队列中侦听同一个消息 即支持异步“即发即弃”的消息传送方式，也支持同步请求/应答传送方式 发布/订阅 发布到一个主题的消息，可被多个订阅者所接收 发布/订阅即可基于Push消费数据，也可以基于Pull或者Polling消费数据 解耦能力比P2P模型更强 ...
Kafka详解（上）——消息系统分类、Kafka安装、两种启动、基本概念、两种架构、核心配置文件
weixin_43816711的博客
04-25 4208
Kafka3.0版本是卡夫卡的一个重大提升，也是开始摒弃zookeeper的过程
Kafka 原理以及分区分配策略剖析
大数据星球-浪尖
08-16 571
一、简介Apache Kafka 是一个分布式的流处理平台（分布式的基于发布/订阅模式的消息队列【Message Queue】）。流处理平台有以下3个特性：可以让你发布和订阅流式的记录。...
【大物联网技术干货】如何将物联网数据从设备连接到Kafka集群？
liuchunhang的博客
03-13 1656
一关于kafaka的特点 1实时流 Apache Kafka是一个实时流平台，在大大小小的组织中得到了广泛的采用。Kafka的分布式微服务架构和发布/订阅协议使得它非常适合在企业系统和应用程序之间实时移动数据。据统计，超过三分之一的财富500强公司正在使用Kafka。在Github上，Kafka是最受欢迎的Apache项目之一，有超过11K之星和超过500名贡献者。毫无疑问，Kafka是一个开源项目，它改变了企业在云和数据中心内移动数据的方式。 2架构 Kafka的架构已经被优化为在系统和应用程序之间以可伸
Kafka简述
OnTheRoad的博客
06-26 1万+
小结：Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据。 这种动作（网页浏览，搜索和其他用户的行动）是在现代网络上的许多社会功能的一个关键因素。 这些数据通常是由于吞吐量的要求而通过处理日志和日志聚合来解决。 对于像Hadoop的一样的日志数据和离线分析系统，但又要求实时处理的限制，这是一个可行的解决方案。Kafka的目的是通过Hadoop的并行加载机...
Kafka学习笔记：Kafka的Topic、Partition和Message
热门推荐
lrxcmwy2的博客
09-27 4万+
Kafka的Topic和Partition Topic Topic是Kafka数据写入操作的基本单元，可以指定副本 一个Topic包含一个或多个Partition，建Topic的时候可以手动指定Partition个数，个数与服务器个数相当 每条消息属于且仅属于一个Topic Producer发布数据时，必须指定将该消息发布到哪个Topic Consumer订阅消息时，也必须指定订阅哪个...
kafka消息队列学习笔记
07-02
kafka消息队列学习笔记，kafka消息队列学习笔记，kafka消息队列学习笔记，kafka消息队列学习笔记，kafka消息队列学习笔记，kafka消息队列学习笔记，kafka消息队列学习笔记，kafka消息队列学习笔记，kafka消息队列...
kafka学习笔记.doc
08-17
1.kafka的基础知识（安装、部署、基础概念，版本） 2.kafka的特性 3. kafka客户端 4.kafka中的zookeeper 5. kafka如何不丢消息 6.kafka多线程消费 7.kafka重组平衡 ...11. 代码见《kafka学习代码》
Kafka学习笔记.rar
03-21
Kafka学习笔记 3M大文件,全面涵盖kafka知识点,值得收藏
十大成长型思维：定位思维、商业思维、时间管理思维、学习成长思维、精力管理思维、逻辑表达思维、聚焦思维、金字塔原理、目标思维、反思思维
limengshi138392的博客
06-15 1138
十大成长型思维：定位思维、商业思维、时间管理思维、学习成长思维、精力管理思维、逻辑表达思维、聚焦思维、金字塔原理、目标思维、反思思维
充电学习—7、BC1.2 PD协议
wangyongh的博客
06-18 460
PD（portable device，便携式设备）中有个检测VBUS是否有效的电路，电路有个参考值，高于这个值认为VBUS有效，参考值不固定，一般在0.8V~4V之间。首先将PD+即设备的DP拉高至0.6V，然后检测PD-即设备DM的电压，如果小于规定的参考电压，则端口是数据口SDP；首先将PD-拉高至0.6V，然后检测PD+的电压，如果小于参考电压，则端口是CDP；PD快充充电时，DCP协议识别过程，首次检测和二次检测符合BC1.2规定，初始VBUS是5V，识别出DCP之后将VBUS提高至9V。
论文学习_Teams of LLM Agents can Exploit Zero-Day Vulnerabilities
kitsch0x97的博客
06-19 836
研究背景LLM 代理变得越来越复杂，尤其是在网络安全领域。研究表明，当给出漏洞描述和具体问题时，LLM 代理可以有效利用已经存在的漏洞。然而，这些代理在处理零日漏洞时仍然表现不佳。研究内容论文展示了 LLM 代理团队如何实现零日漏洞的有效利用。之前的 LLM 代理在单独使用时很难探索许多不同的漏洞和长期规划。为了解决这个问题，论文引入和 HPTSA 系统，这是一个具有可以启动子代理的规划代理的代理系统。规划代理探索系统并确定要调用哪些子代理，从而解决尝试不同漏洞时的长期规划问题。实验结果。
2024年7月JLPT日语N1真题试卷和答案解析，《Navi日语社》小程序在线答题考试，你的专属考试助手，日语学习神器！
最新发布
工作姬
06-21 297
掌握日语，从日语社小程序开始。这款小程序专为日语学习者设计，提供全面的JLPT备考资源，包括日语N1至N5等级考试的历年真题和2024年最新题目。无论你是日语新手还是备考高手，都能在这里找到适合自己的学习路径。日语社小程序——日语学习的得力助手，助你轻松备考，高效提升。-日语能力考试（JLPT）：覆盖N1至N5各级别真题。-日语备考复习：个性化学习计划，智能错题集。-学习指导：树先生日语团队的专业支持。-便捷操作：随时随地，手机端轻松学习。-日语刷题必备：随时随地，高效复习。
零基础入门办公软件速成学习 沈阳电脑办公软件培训
Syasjy的博客
06-21 204
（2）EXCEL：基本操作与数据输入、工作表的数据编辑与格式设置、使用公式与函数处理表格数据、公式审核与高级函数应用、数据分析与管理、使用图表和数据透视表分析数据、工作表的安全与打印输出、数据分析工具、高效办公。（3）PPT:基本操作、创建以文字为主的幻灯片、丰富演示文稿的内容、演示文稿高级美化方法、幻灯片的放映与控制 就业：学完后可从事文秘，数据分析员，数据统计员，销售内勤，后勤，办公室文员，信息录入员等相关工作。员工满意度：提供培训机会显示了公司对员工职业发展的重视，提高了员工的工作满意度和忠诚度。
kafka学习笔记尚硅谷
09-27
kafka学习笔记尚硅谷中提到了启动Kafka和停止Kafka的相关命令。启动Kafka的命令是在终端中运行mykafka.sh start命令，例如：[hyj@hadoop102 kafka-3.0.0]$ mykafka.sh start。而停止Kafka的命令是在终端中运行bin/kafka-server-stop.sh命令，例如：[hyj@hadoop104 kafka-3.0.0]$ bin/kafka-server-stop.sh。此外，还提到了停止整个Kafka集群的命令，即运行mykafka.sh stop命令，例如：[hyj@hadoop102 kafka-3.0.0]$ mykafka.sh stop。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

isuweijie

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值