Kafka简介及Kafka部署、原理和使用介绍
Kafka简介
定义
Kafka是一种消息队列，是一个分布式的基于发布/订阅模式的，主要用来处理大量数据状态下的消息队列，一般用来做日志的处理。既然是消息队列，那么Kafka也就拥有消息队列的相应的特性了。
消息队列的两种模式
点对点模式
一对一，消费者主动拉取数据，消息收到后消息清除
消息生产者生产消息发送到Queue中，然后消息消费者从Queue中取出并且消费消息。
消息被消费以后，queue中不再有存储，所以消息消费者不可能消费到已经被消费的消息。Queue支持存在多个消费者，但是对一个消息而言，只会有一个消费者可以消费。
发布/订阅模式
一对多，消费者消费数据之后不会清除消息
消息生产者（发布）将消息发布到topic中，同时有多个消息消费者（订阅）消费该消息。和点对点方式不同，发布到topic的消息会被所有订阅者消费。
Kafka基础架构
组件释义
（1）Producer ：消息生产者，就是向kafka broker发消息的客户端；
（2）Consumer ：消息消费者，向kafka broker取消息的客户端；
（3）Consumer Group （CG）：消费者组，由多个consumer组成。消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个消费者消费；消费者组之间互不影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。
（4）Broker ：一台kafka服务器就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic。
（5）Topic ：可以理解为一个队列，生产者和消费者面向的都是一个topic；
（6）Partition：为了实现扩展性，一个非常大的topic可以分布到多个broker（即服务器）上，一个topic可以分为多个partition，每个partition是一个有序的队列；
（7）Replica：副本，为保证集群中的某个节点发生故障时，该节点上的partition数据不丢失，且kafka仍然能够继续工作，kafka提供了副本机制，一个topic的每个分区都有若干个副本，一个leader和若干个follower。
（8）leader：每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对象都是leader。
（9）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leader。
Kafka安装部署
相关连接
Kafka官网：http://kafka.apache.org
Kafka下载：http://kafka.apache.org/downloads
本次部署2.4.1版本下载：https://archive.apache.org/dist/kafka/2.4.1/kafka_2.11-2.4.1.tgz
环境提前部署zookeeper：
zookeeper部署方式[文档连接]：https://blog.csdn.net/wt334502157/article/details/115213645
集群部署
3台服务器对应在/etc/hosts文件中配置一下解析
ops01 11.8.37.50
ops02 11.8.36.63
ops03 11.8.36.76
# 官网下载安装包，并上传安装包至服务器，或者在服务器上直接wget
wangting@ops01:/opt/software >ll | grep kafka
-rw-r--r-- 1 wangting wangting 70159813 Apr 29 10:56 kafka_2.11-2.4.1.tgz
wangting@ops01:/opt/software >
# 将包解压至/opt/module目录下
wangting@ops01:/opt/software >tar -zxf kafka_2.11-2.4.1.tgz -C /opt/module/
wangting@ops01:/opt/software >ll /opt/module/
total 36
drwxrwxr-x 2 wangting wangting 4096 Apr 4 11:01 datas
drwxr-xr-x 12 wangting wangting 4096 Apr 24 16:37 flume
-rw-rw-r-- 1 wangting wangting 30 Apr 25 11:33 group.log
drwxr-xr-x 12 wangting wangting 4096 Mar 12 11:38 hadoop-3.1.3
drwxrwxr-x 11 wangting wangting 4096 Apr 2 15:14 hive
drwxr-xr-x 6 wangting wangting 4096 Mar 3 2020 kafka_2.11-2.4.1
drwxrwxr-x 3 wangting wangting 4096 Apr 10 16:25 tez
drwxrwxr-x 5 wangting wangting 4096 Apr 2 15:03 tez-0.9.2_bak0410
drwxr-xr-x 8 wangting wangting 4096 Mar 25 11:02 zookeeper-3.5.7
# 程序目录名更改为kafka，简化后续操作
wangting@ops01:/opt/software >cd /opt/module/
wangting@ops01:/opt/module >mv kafka_2.11-2.4.1 kafka
wangting@ops01:/opt/module >cd kafka/
wangting@ops01:/opt/module/kafka >ls
bin config libs LICENSE NOTICE site-docs
# 在/opt/module/kafka目录下创建logs目录，后续用于存储相关文件
wangting@ops01:/opt/module/kafka >mkdir logs
wangting@ops01:/opt/module/kafka >cd config/
# 配置文件server.properties
wangting@ops01:/opt/module/kafka/config >vim server.properties
wangting@ops01:/opt/module/kafka/config >cat /opt/module/kafka/config/server.properties |grep -vE "^#|^$"
broker.id=0
delete.topic.enable=true
num.network.threads=3
num.io.threads=8
socket.send.buffer.bytes=102400
socket.receive.buffer.bytes=102400
socket.request.max.bytes=104857600
log.dirs=/opt/module/kafka/logs
num.partitions=1
num.recovery.threads.per.data.dir=1
offsets.topic.replication.factor=1
transaction.state.log.replication.factor=1
transaction.state.log.min.isr=1
log.retention.hours=168
log.segment.bytes=1073741824
log.retention.check.interval.ms=300000
zookeeper.connect=ops01:2181,ops02:2181,ops03:2181/kafka
zookeeper.connection.timeout.ms=6000
group.initial.rebalance.delay.ms=0
# 【注意】
# broker.id=1 这个id每个kafka需要配置不同 (ops01->0 / ops02->1 / ops03->2)
# delete.topic.enable=true 功能为解锁删除topic功能
# log.dirs=/opt/module/kafka/logs 配置logs所在目录路径
# num.network.threads=3 处理网络请求的线程数量
# num.io.threads=8 用来处理磁盘IO的现成数量
# socket.send.buffer.bytes=102400 发送套接字的缓冲区大小
# socket.receive.buffer.bytes=102400 接收套接字的缓冲区大小
# socket.request.max.bytes=104857600 请求套接字的缓冲区大小
# num.partitions=1 topic在当前broker上的分区个数
# num.recovery.threads.per.data.dir=1 用来恢复和清理data下数据的线程数量
# log.retention.hours=168 segment文件保留的最长时间，超时将被删除
# zookeeper.connect=ops01:2181,ops02:2181,ops03:2181/kafka 配置连接Zookeeper集群地址
# 配置一下/etc/profile 环境变量
wangting@ops01:/opt/module/kafka/config >tail -4 /etc/profile
#kafka
export KAFKA_HOME=/opt/module/kafka
export PATH=$PATH:$KAFKA_HOME/bin
wangting@ops01:/opt/module/kafka/config >
# 引用配置文件，或者关掉会话窗口重新打开也生效
wangting@ops01:/opt/module >source /etc/profile
# 将kafka目录直接scp到 ops02 和 ops03 两台服务器
wangting@ops01:/opt/module >scp -r kafka ops02:/opt/module/
wangting@ops01:/opt/module >scp -r kafka ops03:/opt/module/
==============================================================
# ops02 上操作增加环境变量
wangting@ops02:/opt/module >sudo vim /etc/profile
#kafka
export KAFKA_HOME=/opt/module/kafka
export PATH=$PATH:$KAFKA_HOME/bin
wangting@ops02:/opt/module >source /etc/profile
# 在ops02上把kafka配置文件的broker.id 改为2
wangting@ops02:/opt/module >sudo vim /opt/module/kafka/config/server.properties
broker.id=1
# ops03 上操作增加环境变量
wangting@ops03:/opt/module >sudo vim /etc/profile
#kafka
export KAFKA_HOME=/opt/module/kafka
export PATH=$PATH:$KAFKA_HOME/bin
wangting@ops03:/opt/module >source /etc/profile
# 在ops03上把kafka配置文件的broker.id 改为3
wangting@ops03:/opt/module/kafka >sudo vim /opt/module/kafka/config/server.properties
broker.id=2
# 启动kafka之前，先看一下环境zookeeper运行是否正常，端口是否都在
wangting@ops01:/opt/module/kafka >ssh ops01 netstat -tnlpu | grep -E "2181|2888|3888"
(Not all processes could be identified, non-owned process info
will not be shown, you would have to be root to see it all.)
tcp6 0 0 11.8.37.50:3888 :::* LISTEN 41773/java
tcp6 0 0 :::2181 :::* LISTEN 41773/java
wangting@ops01:/opt/module/kafka >ssh ops02 netstat -tnlpu | grep -E "2181|2888|3888"
(Not all processes could be identified, non-owned process info
will not be shown, you would have to be root to see it all.)
tcp6 0 0 11.8.36.63:3888 :::* LISTEN 33012/java
tcp6 0 0 :::2181 :::* LISTEN 33012/java
tcp6 0 0 11.8.36.63:2888 :::* LISTEN 33012/java
wangting@ops01:/opt/module/kafka >
wangting@ops01:/opt/module/kafka >ssh ops03 netstat -tnlpu | grep -E "2181|2888|3888"
(Not all processes could be identified, non-owned process info
will not be shown, you would have to be root to see it all.)
tcp6 0 0 11.8.36.76:3888 :::* LISTEN 102422/java
tcp6 0 0 :::2181 :::* LISTEN 102422/java
# 在3台服务器上启动kafka -daemon是后台运行 ,开启服务需要指定配置文件
wangting@ops01:/opt/module >kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties
wangting@ops02:/opt/module >kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties
wangting@ops03:/opt/module >kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties
# 查看kafka的9092端口
wangting@ops01:/opt/module >ssh ops01 "netstat -tnlpu|grep 9092"
(Not all processes could be identified, non-owned process info
will not be shown, you would have to be root to see it all.)
tcp6 0 0 :::9092 :::* LISTEN 69716/java
wangting@ops01:/opt/module >ssh ops02 "netstat -tnlpu|grep 9092"
(Not all processes could be identified, non-owned process info
will not be shown, you would have to be root to see it all.)
tcp6 0 0 :::9092 :::* LISTEN 101034/java
wangting@ops01:/opt/module >ssh ops03 "netstat -tnlpu|grep 9092"
(Not all processes could be identified, non-owned process info
will not be shown, you would have to be root to see it all.)
tcp6 0 0 :::9092 :::* LISTEN 55645/java
# 到此 kafka服务已经健康的运行起来了
# 如果需要关闭kafka时，用stop脚本
wangting@ops01:/opt/module >kafka-server-stop.sh
wangting@ops01:/opt/module >kafka-server-stop.sh
wangting@ops01:/opt/module >kafka-server-stop.sh
【注意1】：
服务正常启动后，会在/opt/module/kafka/logs目录下有一个meta.properties的生成源数据的文件，如果已经配置文件定义了broker.id并且启动了kafka，那后续再启动服务，会先从这个路径下去读取meta.properties
wangting@ops01:/opt/module/kafka/logs >pwd
/opt/module/kafka/logs
wangting@ops01:/opt/module/kafka/logs >cat meta.properties
#
#Thu Apr 29 16:12:25 CST 2021
cluster.id=rHb3lTrdQXau9HQrRBJP9w
version=0
broker.id=0
【注意2】：
如果报错如下信息，大概率就是修改了broker的id，导致新旧的id值不一样；修改meta.properties文件，把cluster.id=这行注释，重启zookeeper后，再重启kafka，这时kafka读取不到meta.properties中的cluster.id则会重新生成
The broker is trying to join the wrong cluster. Configured zookeeper.connect may be wrong.
【注意3】：
zookeeper.connect=ops01:2181,ops02:2181,ops03:2181/kafka
这个配置文件中最后加了/kafka；不加也能使用，但是会在根节点直接创建很多kafka相关的子节点，不便于管理；所以尽量加上这个/kafka
wangting@ops01:/opt/module/kafka >zkCli.sh
Connecting to localhost:2181
2021-04-30 10:49:02,227 [myid:] - INFO [main:Environment@109] - Client environment:zookeeper.version=3.5.7-f0fdd52973d373ffd9c86b81d99842dc2c7f660e, built on 02/10/2020 11:30 GMT
WatchedEvent state:SyncConnected type:None path:null
[zk: localhost:2181(CONNECTED) 0] ls -w /
[kafka, wangting, zookeeper]
[zk: localhost:2181(CONNECTED) 1] ls -w /kafka
[admin, brokers, cluster, config, consumers, controller, controller_epoch, isr_change_notification, latest_producer_id_block, log_dir_event_notification]
# 如果不配置/kafka 则上面的这些都会创建在根节点
[zk: localhost:2181(CONNECTED) 4] ls -w /kafka/brokers
[ids, seqid, topics]
# 在/kafka/brokers/ids可以查看到对应几个broker节点的id信息，一定是和配置文件里的对应
[zk: localhost:2181(CONNECTED) 5] ls -w /kafka/brokers/ids
[0, 1, 2]
【注意4】：
如果集群没有健康运行起来时，在后续操作添加topics时可能会遇到下方的报错，例如创建3个副本，但是健康的broker节点是0个等，所以后续实验开始前，还是要确认环境是否都搭建完毕，kafka是否都成功健康的运行起来
Error while executing topic command : replication factor: 3 larger than available brokers: 0
Kafka命令行操作
# 查看当前服务器中的所有topic
wangting@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
wangting@ops01:/opt/module/kafka/logs >
# 创建topic
wangting@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --create --replication-factor 3 --partitions 2 --topic bigdata
Created topic bigdata.
# 选项说明：
# --topic 后面定义topic定义的主题名
# --replication-factor 定义副本数，不能大于broker数
# --partitions 定义分区数(把topic拆分成几个)
wangting@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
bigdata
wangting@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --create --replication-factor 3 --partitions 2 --topic bigdata2
Created topic bigdata2.
wangting@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
bigdata
bigdata2
# 删除topic
wangting@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --delete --topic bigdata2
Topic bigdata2 is marked for deletion.
Note: This will have no impact if delete.topic.enable is not set to true.
wangting@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
bigdata
# 模拟生产数据和消费数据
# ops01 发送消息
wangting@ops01:/opt/module/kafka >
wangting@ops01:/opt/module/kafka >kafka-console-producer.sh --broker-list ops01:9092 --topic bigdata
>wang
>ting
>niubiplus
>
# ops02 消费消息
wangting@ops02:/opt/module/kafka/logs >kafka-console-consumer.sh --bootstrap-server ops01:9092 --from-beginning --topic bigdata
ting
wang
niubiplus
# --from-beginning 相当于把topic中数据从头都拿到，不加是任务挂起时，开始接收最新的数据
wangting@ops03:/opt/module/kafka >
# 查看某个Topic的详情
wangting@ops03:/opt/module/kafka >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic bigdata
Topic: bigdata PartitionCount: 2 ReplicationFactor: 3 Configs:
Topic: bigdata Partition: 0 Leader: 0 Replicas: 0,1,2 Isr: 0,1,2
Topic: bigdata Partition: 1 Leader: 1 Replicas: 1,2,0 Isr: 1,2,0
# 修改分区数partition数，2个更新成3个
wangting@ops03:/opt/module/kafka >kafka-topics.sh --zookeeper ops01:2181/kafka --alter --topic bigdata --partitions 3
WARNING: If partitions are increased for a topic that has a key, the partition logic or ordering of the messages will be affected
Adding partitions succeeded!
# 再次查看
wangting@ops03:/opt/module/kafka >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic bigdata
Topic: bigdata PartitionCount: 3 ReplicationFactor: 3 Configs:
Topic: bigdata Partition: 0 Leader: 0 Replicas: 0,1,2 Isr: 0,1,2
Topic: bigdata Partition: 1 Leader: 1 Replicas: 1,2,0 Isr: 1,2,0
Topic: bigdata Partition: 2 Leader: 2 Replicas: 2,0,1 Isr: 2,0,1
wangting@ops03:/opt/module/kafka >
Kafka架构进阶
Kafka工作流程及文件存储机制
Kafka中消息是以topic进行分类的，生产者生产消息，消费者消费消息，都是面向topic的。topic把消息分门别类，相同的topic消息被放在了一个消息队列。
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。
由于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对应三个文件——“.index”, ".timeindex"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。例如，bigdata这个topic有三个分区，则其对应的文件夹为bigdata-0,bigdata-1,bigdata-2。
wangting@ops01:/opt/module/kafka/logs >
wangting@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic bigdata
Topic: bigdata PartitionCount: 3 ReplicationFactor: 3 Configs:
Topic: bigdata Partition: 0 Leader: 0 Replicas: 0,1,2 Isr: 0,1,2
Topic: bigdata Partition: 1 Leader: 1 Replicas: 1,2,0 Isr: 1,2,0
Topic: bigdata Partition: 2 Leader: 2 Replicas: 2,0,1 Isr: 2,0,1
wangting@ops01:/opt/module/kafka/logs >ls bigdata-*
bigdata-0:
00000000000000000000.index 00000000000000000000.log 00000000000000000000.timeindex leader-epoch-checkpoint
bigdata-1:
00000000000000000000.index 00000000000000000000.log 00000000000000000000.timeindex leader-epoch-checkpoint
bigdata-2:
00000000000000000000.index 00000000000000000000.log 00000000000000000000.timeindex leader-epoch-checkpoint
“.index”文件存储大量的索引信息，“.log”文件存储大量的数据，索引文件中的元数据指向对应数据文件中message的物理偏移地址。
Kafka生产者
分区策略
分区原因
（1）方便在集群中扩展，每个Partition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Partition组成，因此整个集群就可以适应任意大小的数据了；
（2）可以提高并发，因为相对topic可以对Partition级别更小的单位进行读写了。
分区原则
（1）指明 partition 的情况下，直接将指明的值直接作为 partiton 值；
（2）没有指明 partition 值但有 key 的情况下，将 key 的 hash 值与 topic 的 partition 数进行取余得到 partition 值；
（3）既没有 partition 值又没有 key 值的情况下，第一次调用时随机生成一个整数（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，也就是常说的 round-robin 算法。
我们需要将producer发送的数据封装成一个ProducerRecord对象。
数据可靠性保证
为保证producer发送的数据，能可靠的发送到指定的topic，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，否则重新发送数据。
ACK (Acknowledge character）即是确认字符，在数据通信中，接收方发给发送方的一种传输类控制字符。表示发来的数据已确认接收无误。
【注意】：
partition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，并不是收到后直接返回确认。
副本数据同步策略可行方案
| 方案 | 优点 | 缺点 |
|---|---|---|
| 1.半数以上完成同步，就发送ack | 延迟低 | 选举新的leader时，容忍n台节点的故障，需要2n+1个副本 |
| 2.全部完成同步，才发送ack | 选举新的leader时，容忍n台节点的故障，需要n+1个副本 | 延迟高 |
Kafka选择了第二种方案，原因如下：
（1）同样为了容忍n台节点的故障，第一种方案需要2n+1个副本，而第二种方案只需要n+1个副本，而Kafka的每个分区都有大量的数据，第一种方案会造成大量数据的冗余。
（2）虽然第二种方案的网络延迟会比较高，但网络延迟对Kafka的影响较小。
ISR
采用第二种方案之后，设想以下情景：leader收到数据，所有follower都开始同步数据，但有一个follower，因为某种故障，迟迟不能与leader进行同步，那leader就要一直等下去，直到它完成同步，才能发送ack。这个问题怎么解决呢？
Kafka提供了数据复制算法保证，如果leader发生故障或挂掉，一个新leader被选举并被接受客户端的消息成功写入。Kafka确保从同步副本列表中选举一个副本为leader，或者说follower追赶leader数据。leader负责维护和跟踪ISR(In-Sync Replicas的缩写，表示副本同步队列，具体可参考下节)中所有follower滞后的状态。当producer发送一条消息到broker后，leader写入消息并复制到所有follower。消息提交之后才被成功复制到所有的同步副本。消息复制延迟受最慢的follower限制，重要的是快速检测慢副本，如果follower“落后”太多或者失效，leader将会把它从ISR中删除。Leader发生故障之后，就会从ISR中选举新的leader
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是很高，能够容忍数据的少量丢失，所以没必要等ISR中的follower全部接收成功。所以Kafka为用户提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡，选择以下的配置。
acks参数配置：acks
0：producer不等待broker的ack，这一操作提供了一个最低的延迟，broker一接收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（all）：producer等待broker的ack，partition的leader和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，那么会造成数据重复。
故障处理细节
（1）follower故障
follower发生故障后会被临时踢出ISR，待该follower恢复后，follower会读取本地磁盘记录的上次的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，即follower追上leader之后，就可以重新加入ISR了。
（2）leader故障
leader发生故障之后，会从ISR中选出一个新的leader，之后，为保证多个副本之间的数据一致性，其余的follower会先将各自的log文件高于HW的部分截掉，然后从新的leader同步数据。
【注意】：
这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。
Exactly Once语义
将服务器的ACK级别设置为-1，可以保证Producer到Server之间不会丢失数据，即At Least Once语义。相对的，将服务器ACK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，但是不能保证数据不重复；相对的，At Least Once可以保证数据不重复，但是不能保证数据不丢失。但是，对于一些非常重要的信息，比如说交易数据，下游数据消费者要求数据既不重复也不丢失，即Exactly Once语义。在0.11版本以前的Kafka，对此是无能为力的，只能保证数据不丢失，再在下游消费者对数据做全局去重。对于多个下游应用的情况，每个都需要单独做全局去重，这就对性能造成了很大影响。
0.11版本的Kafka，引入了一项重大特性：幂等性。所谓的幂等性就是指Producer不论向Server发送多少次重复数据，Server端都只会持久化一条。幂等性结合At Least Once语义，就构成了Kafka的Exactly Once语义。即：
At Least Once + 幂等性 = Exactly Once
要启用幂等性，只需要将Producer的参数中enable.idompotence设置为true即可。Kafka的幂等性实现其实就是将原来下游需要做的去重放在了数据上游。开启幂等性的Producer在初始化的时候会被分配一个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跨会话的Exactly Once。
Kafka消费者
消费方式
consumer采用pull（拉取）模式从broker中读取数据。
push（推送）模式很难适应消费速率不同的消费者，因为消息发送速率是由broker决定的。它的目标是尽可能以最快速度传递消息，但是这样很容易造成consumer来不及处理消息，典型的表现就是拒绝服务以及网络拥塞。而pull模式则可以根据consumer的消费能力以适当的速率消费消息。
pull模式不足之处是，如果kafka没有数据，消费者可能会陷入循环中，一直返回空数据。针对这一点，Kafka的消费者在消费数据时会传入一个时长参数timeout，如果当前没有数据可供消费，consumer会等待一段时间之后再返回，这段时长即为timeout。
分区分配策略
一个consumer group中有多个consumer，一个 topic有多个partition，所以必然会涉及到partition的分配问题，即确定那个partition由哪个consumer来消费。
Kafka有两种分配策略，一是roundrobin，一是range。
1）roundrobin
2）range
offset的维护
由于consumer在消费过程中可能会出现断电宕机等故障，consumer恢复后，需要从故障前的位置的继续消费，所以consumer需要实时记录自己消费到了哪个offset，以便故障恢复后继续消费。
Kafka 0.9版本之前，consumer默认将offset保存在Zookeeper中，从0.9版本开始，consumer默认将offset保存在Kafka一个内置的topic中，该topic为__consumer_offsets。
wangting@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
__consumer_offsets
bigdata
wangting@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic __consumer_offsets
Topic: __consumer_offsets PartitionCount: 50 ReplicationFactor: 1 Configs: compression.type=producer,cleanup.policy=compact,segment.bytes=104857600
Topic: __consumer_offsets Partition: 0 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 1 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 2 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 3 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 4 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 5 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 6 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 7 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 8 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 9 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 10 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 11 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 12 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 13 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 14 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 15 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 16 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 17 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 18 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 19 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 20 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 21 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 22 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 23 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 24 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 25 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 26 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 27 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 28 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 29 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 30 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 31 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 32 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 33 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 34 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 35 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 36 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 37 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 38 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 39 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 40 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 41 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 42 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 43 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 44 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 45 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 46 Leader: 2 Replicas: 2 Isr: 2
Topic: __consumer_offsets Partition: 47 Leader: 0 Replicas: 0 Isr: 0
Topic: __consumer_offsets Partition: 48 Leader: 1 Replicas: 1 Isr: 1
Topic: __consumer_offsets Partition: 49 Leader: 2 Replicas: 2 Isr: 2
wangting@ops01:/opt/module/kafka/logs >
Kafka高效读写数据
顺序写磁盘
Kafka的producer生产数据，要写入到log文件中，写的过程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，顺序写能到到600M/s，而随机写只有100k/s。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间。
应用Pagecache
Kafka数据持久化是直接持久化到Pagecache中，这样会产生以下几个好处
- I/O Scheduler 会将连续的小块写组装成大块的物理写从而提高性能
- I/O Scheduler 会尝试将一些写操作重新按顺序排好，从而减少磁盘头的移动时间
- 充分利用所有空闲内存（非 JVM 内存）。如果使用应用层 Cache（即 JVM 堆内存），会增加 GC 负担
- 读操作可直接在 Page Cache 内进行。如果消费和生产速度相当，甚至不需要通过物理磁盘（直接通过 Page Cache）交换数据
- 如果进程重启，JVM 内的 Cache 会失效，但 Page Cache 仍然可用
尽管持久化到Pagecache上可能会造成宕机丢失数据的情况，但这可以被Kafka的Replication机制解决。如果为了保证这种情况下数据不丢失而强制将 Page Cache 中的数据 Flush 到磁盘，反而会降低性能。
零复制技术
Zookeeper在Kafka中的作用
Kafka集群中有一个broker会被选举为Controller，负责管理集群broker的上下线，所有topic的分区副本分配和leader选举等工作。
Controller的管理工作都是依赖于Zookeeper的。
broker0->id 0 broker1->id 1 broker2->id 2
监听zookeeper中的/kafka/brokers/ids节点信息
当前leader异常
选举新leader
Kafka事务
Kafka从0.11版本开始引入了事务支持。事务可以保证Kafka在Exactly Once语义的基础上，生产和消费可以跨分区和会话，要么全部成功，要么全部失败。
Producer事务
为了实现跨分区跨会话的事务，需要引入一个全局唯一的Transaction ID，并将Producer获得的PID和Transaction ID绑定。这样当Producer重启后就可以通过正在进行的Transaction ID获得原来的PID。
为了管理Transaction，Kafka引入了一个新的组件Transaction Coordinator。Producer就是通过和Transaction Coordinator交互获得Transaction ID对应的任务状态。Transaction Coordinator还负责将事务所有写入Kafka的一个内部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
上述事务机制主要是从Producer方面考虑，对于Consumer而言，事务的保证就会相对较弱，尤其时无法保证Commit的信息被精确消费。这是由于Consumer可以通过offset访问任意信息，而且不同的Segment File生命周期不同，同一事务的消息可能会出现重启后被删除的情况。
如果想完成Consumer端的精准一次性消费，那么需要kafka消费端将消费过程和提交offset过程做原子绑定。此时我们需要将kafka的offset保存到支持事务的自定义介质中（比如mysql）。
347
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
