Kafka

_子栖_

已于 2022-06-13 20:40:42 修改

阅读量98

点赞数

分类专栏：中间件文章标签： kafka java

于 2021-09-23 15:11:02 首次发布

本文链接：https://blog.csdn.net/yao_wen_yu/article/details/115760217

版权

中间件专栏收录该内容

22 篇文章 3 订阅

订阅专栏

Kafka

第一章 Kafka 概述

定义
Kafka是一个分布式的基于发布/订阅模式的消息队列，主要用于大数据实时处理领域。

消息队列

传统消息队列的应用场景
在这里插入图片描述

好处：

解耦：允许你独立的扩展或修改两边的处理过程，只要确保它们遵守同样的接p约束
可恢复性：系统的一部分组件失效时，不会影响到整个系统。消息队列降低了进程间的耦合度，所以即使一个处理消息的进程挂掉，加入队列中的消息仍然可以在系统恢复后被处理。
缓冲：有助于控制和优化数据流经过系统的速度,解决生产消息和消费消息的处理速度不一致的情况。
灵活性 & 峰值处理能力：在访问量剧增的情况下，应用仍然需要继续发挥作用，但是这样的突发流量并不常见。如果为以能处理这类峰值访问为标准来投入资源随时待命无疑是巨大的浪费。使用消息队列能够使关键组件顶住突发的访问压力，而不会因为突发的超负荷的请求而完全崩溃。
异步通信：很多时候，用户不想也不需要立即处理消息。消息队列提供了异步处理机制，允许用户把一个消息放入队列，但并不立即处理它。想向队列中放入多少消息就放多少，然后在需要的时候再去处理它们。

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。

在这里插入图片描述

发布订阅模式（一对多，消费者消费消息之后不会清除信息）

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。

在这里插入图片描述

Kafka基础架构

在这里插入图片描述

Producer :消息生产者，就是向 kafka broker 发消息的客户端;
Consumer :消息消费者，向kafka broker取消息的客户端;
ConsumerGroup (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组内消费者消费;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。
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。
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;
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;
Replication: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。
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。
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。

第二章 Kafka 快速入门

环境搭建

搭建Kafka集群

集群规划：

服务器1	服务器2	服务器3
192.168.56.101	192.168.56.102	192.168.56.103
zk	zk	zk
kafka	kafka	kafka

1、将Kafka安装包上传到虚拟机，并解压

tar -zxvf  kafka_2.12-2.8.0.tgz

2、修改 server.properties

#broker 的全局唯一编号，不能重复
broker.id=0
#删除 topic 功能使能
delete.topic.enable=true
#处理网络请求的线程数量
num.network.threads=3
#用来处理磁盘 IO 的现成数量
num.io.threads=8
#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400
#接收套接字的缓冲区大小
socket.receive.buffer.bytes=102400
#请求套接字的缓冲区大小
socket.request.max.bytes=104857600
#kafka 运行日志存放的路径
log.dirs=/opt/software/kafka/kafka_2.12-2.8.0/logs
#topic 在当前 broker 上的分区个数
num.partitions=1
#用来恢复和清理 data 下数据的线程数量
num.recovery.threads.per.data.dir=1
#segment 文件保留的最长时间，超时将被删除
log.retention.hours=168
#配置连接 Zookeeper 集群地址
zookeeper.connect=hadoop102:2181,hadoop103:2181,hadoop104:2181

3、配置环境变量

vi /etc/profile

#KAFKA_HOME
export KAFKA_HOME=/opt/software/kafka/kafka_2.12-2.8.0
export PATH=$PATH:$KAFKA_HOME/bin

4、分发安装包
关于分发配置可以查看 Hadoop 集群搭建内容

xsync /opt/software/kafka

注意：修改其他两台服务器上 serverproperties 文件

broker.id=1、broker.id=2

注：broker.id 不得重复

5、启动集群
依次在三台服务器上启动 kafka

bin/kafka-server-start.sh -daemon config/server.properties

6、关闭集群

bin/kafka-server-stop.sh stop

7、kafka 群起脚本

#! /bin/bash
case $1 in
"start"){
    for i in node1 node2 node3
        do
            echo " --------启动 $i Kafka-------"
            ssh $i "source /etc/profile;${KAFKA_HOME}/bin/kafka-server-start.sh -daemon ${KAFKA_HOME}/config/server.properties "
        done
};;

"stop"){
    for i in node1 node2 node3
        do
            echo " --------停止 $i Kafka-------"
            ssh $i "source /etc/profile;${KAFKA_HOME}/bin/kafka-server-stop.sh stop"
        done
};;

esac

命令行操作 topic 增、删、查

增加主题

 ./kafka-topics.sh  --create --zookeeper 192.168.56.101:2181 --topic first --partitions 2 --replication-factor 2

创建了一个主题名为 first ，分区数为 2 ，副本数为 2
在这里插入图片描述
创建主题时副本数不能超过集群中节点个数，分区可以有多个

查询主题

 ./kafka-topics.sh  --list --zookeeper 192.168.56.101:2181

在这里插入图片描述

删除主题

 ./kafka-topics.sh  --delete --zookeeper 192.168.56.101:2181 --topic first

在这里插入图片描述
查看主题详细信息

创建一个主题

./kafka-topics.sh  --create --zookeeper 192.168.56.101:2181 --topic third --partitions 3 --replication-factor 2

查看详细信息

./kafka-topics.sh --describe --topic third --zookeeper 192.168.56.101:2181

在这里插入图片描述

命令行控制生产者消费者测试

在 192.168.56.101 下的主题 topic1 下，启动生产者

./kafka-console-producer.sh --topic topic1 --bootstrap-server 192.168.56.101:9092

在这里插入图片描述
在 192.168.56.102 下的主题 topic1 下，启动消费者

 ./kafka-console-consumer.sh --topic topic1 --from-beginning --bootstrap-server 192.168.56.102:9092

在这里插入图片描述
在生产者方发送消息，查看消费者是否可以消费到

第三章 Kafka 架构深入

Kafka 工作流程

在这里插入图片描述
Kafka 中的消息是以 topic 进行分类的， producer 生产消息， consumer 进行消费消息，都是面向 topic 的。

topic 是逻辑上的概念，partition 是物理上的概念，每个 partition 对应一个 log 文件，该 log 文件中存储的都是 producer 生产的数据。（ topic = N partition， partition = log）

Producer 生产的数据会被不断的追加到 log 文件末端，且每条数据都有自己的 offset 。consumer 组中的每个 consumer ，都会实时记录自己消费到了哪个 offset ，以便出错时恢复，从上次的位置继续消费。

Kafka 文件存储

在这里插入图片描述
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 **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是： topic 名称 + 分区序号。

index 和 log 文件以当前 segment 的第一条消息的 offset 命名。下图为 index 文件和 log 文件的结构示意图：

在这里插入图片描述

“.index ” 文件存储着大量的索引信息，“.log” 文件存储着大量的数据，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。

生产者的分区策略

分区原因：

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适合的数据了。
可以提高并发，因为可以以 Partition 为单位读写了。

分区原则：

我们需要将 producer 发送的数据封装成一个 ProducerRecord 对象
在这里插入图片描述

指明 partition 的情况下，直接将指明的值直接作为 partition 值
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。
既没有 partition 也没有 key 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。

生产者 ISR

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 ，如果 producer 收到 ack ，就会进行下一轮的发送，否则重新发送数据。

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 。

多少个 follower 同步完成之后发送 ack ？

半数以上的 follower 同步完成，即可发送 ack
全部的 follower 同步完成，才可以发送 ack

副本数据同步策略

序号	方案	优点	缺点
1	半数以上完成就发送 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。（如果集群有 2n+1 台机器，选举 leader 的时候至少需要半数以上即 n+1 台机器投票，那么能容忍的故障，最多就是 n 台机器发生故障）容错率：1/2
2	全部完成同步，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（如果集群有 n+1 台机器，选举 leader 的时候只要有一个副本就可以了）容错率：1	延迟高

Kafka 选择了第二种方案，原因是：

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
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？

Leader 维护了一个动态的 in-sync replica set (ISR)，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，就会给 leader 发送 ack。如果 follower长时间未向leader同步数据，则该follower将被踢出ISR，该时间阈值由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。

在这里插入图片描述

生产者 ACK 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，所以没有必要等待 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，用户根据对可靠性与延迟的要求进行权衡，选择一下配置。

acks 参数配置

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：producer 等待 broker 的 ack ，partition 的 leader 和 ISR 的follower 全部落盘成功才返回 ack ，但是如果在 follower 同步完成后，broker 发送 ack 之前，leader发生故障，那么也会造成数据重复。

在这里插入图片描述

数据一致性问题

在这里插入图片描述

HW：每个副本的最后一个 offset
LEO：高水位，指的是消费者能见到的最大 offset ，ISR 队列中的最小 LEO

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上次的 HW，并将 log 文件高于 HW 的部分截掉，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，就可以重新进入到 ISR 中。

leader 故障：leader 发生故障后，会从 ISR 中选出一个新的 leader ，之后，为保证多个副本之间数据一致性，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，而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 sever 之间不会丢失数据，即：At Least Once语义
相对的，将服务器的 ACK 级别设置为 0，可以保证生产者每条数据只会被发送一次，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 Most Once 可以保证数据不重复，但是不能保证数据不丢失。但是，对于一些非常重要的数据，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 ，引入了一个重大特性：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，sever 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。

At Least Once + 幂等性  =  At Exactly Once

要启用幂等性，只需要将 producer 的参数中 enable.idempotence
设置为 true 即可。Kafka 的幂等性实现其实就是将原来下游要做的去重放在了数据上游。开启幂等性的 Producer 在初始化的时候就会分配一个 PID，发往同一个 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。
在这里插入图片描述

但是 PID 重启后会变化，同时不同的 Partition 也具有不同的主键，所以幂等性无法保证跨分区会话的 Exactly Once 。

消费者分区分配策略

消费方式

consumer 采用 pull （拉）模式从 broker 中读取数据。

push （推）模式很难适应效率不同的消费者，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的速率传递消息，但是很容易赞成 consumer 来不及处理消息，典型的表现及时拒绝服务以及网络拥塞。而 pull 模式则可以根据 consumer 的消费能力以适应的速率消费消息。

pull 模式不足之处就是，如果 Kafka 没有数据，消费者可能会陷入循环之中，一直返回空数据。针对这一点，Kafka 的消费者在消费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，这段时间即为 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 由那个 consumer 来消费。

Kafka 由两种分配策略：

round-robin 循环
range

在这里插入图片描述
Round Robin

关于 Round Robin 重分配策略，其主要采用的是一种轮询的方式分配所有分区，该策略主要实现的步骤如下：假设有两个 topic ：T0、T1，两个主题拥有的分区数分别为：0，1，2，那么总共有六个分区，这六个分区分别为：T0-0、T0-1、T0-2、T1-0、T1-1 和 T1-2。这里假设我们有两个 consumer：C0、C1。它们订阅情况为：C0 订阅 T0，C1 订阅 T0 和 T1，那么这些分区的分配步骤如下：

首先将所有的partition和consumer按照字典序进行排序，所谓的字典序，就是按照其名称的字符串顺序，那么上面的六个分区和三个consumer排序之后分别为：

在这里插入图片描述

然后依次以按顺序轮询的方式将这六个分区分配给两个consumer，如果当前 consumer 没有订阅当前分区所在的 topic，则轮询的判断下一个consumer：
尝试将 T0-0分配给C0，由于C0订阅了 T0，因而可以分配成功；
尝试将 T0-1分配给C1，由于C1订阅了 T0，因而可以分配成功；
尝试将 T0-2分配给C0，由于C0订阅了 T0，因而可以分配成功；
尝试将 T1-0分配给C1，由于C1订阅了 T1，因而可以分配成功；
尝试将 T1-1分配给C0，由于C0没有订阅 T1，因而分配失败；
尝试将 T1-2分配给C1，由于C1订阅了 T1，因而可以分配成功；
按照上述的步骤将所有的分区都分配完毕之后，最终分区的订阅情况如下：

在这里插入图片描述

从上面的步骤分析可以看出，轮询的策略就是简单的将所有的partition和consumer按照字典序进行排序之后，然后依次将partition分配给各个consumer.

但是如果当前的consumer没有订阅当前的partition，那么就会轮询下一个consumer，直至最终将所有的分区都分配完毕，这样就会导致每个consumer所承载的分区数量不一致，从而导致各个consumer压力不均一。

Rang

所谓的Range重分配策略，就是首先会计算各个consumer将会承载的分区数量，然后将指定数量的分区分配给该consumer。这里我们假设有两个consumer：C0 和 C1，两个 topic：T0 和 T1，这两个 topic 分别都有三个分区，那么总共的分区有六个：T0-0、T0-1、T0-2、T1-0、T1-1 和 T1-2。那么Range分配策略将会按照如下步骤进行分区的分配：

需要注意的是，Range策略是按照topic依次进行分配的，比如我们以 T0 进行讲解，其首先会获取 T0 的所有分区：T0-0、T0-1 和 T0-2，以及所有订阅了该 topic 的consumer：C0 和 C1，并且会将这些分区和 consumer 按照字典序进行排序；
然后按照平均分配的方式计算每个 consumer 会得到多少个分区，如果没有除尽，则会将多出来的分区依次计算到前面几个 consumer 。比如这里是三个分区和两个 consumer ，那么每个 consumer 至少会得到1个分区，而3除以2后还余1，那么就会将多余的部分依次算到前面几个consumer，也就是这里的1会分配给第一个consumer，总结来说，那么C0 将会从第0个分区开始，分配 2 个分区，而 C1 将会从第2个分区开始，分配1个分区；
同理，按照上面的步骤依次进行后面的topic的分配。
最终上面六个分区的分配情况如下：

在这里插入图片描述

可以看到，如果按照Range分区方式进行分配，其本质上是依次遍历每个topic，然后将这些topic的分区按照其所订阅的consumer数量进行平均的范围分配。这种方式从计算原理上就会导致排序在前面的consumer分配到更多的分区，从而导致各个consumer的压力不均衡。

消费者 offset 的存储

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。

第四章 Kafka API

消息发送流程

Kafka 的 Producer 发送消息采用的是异步发送的方式。在消息发送的过程中，涉及到了两个线程：main线程和sender线程，以及一个线程的共享变量RecordAccumulator。 main线程将消息发送给 RecordAccumulator ，Sender 线程不断从 RecordAccumulator 中拉取消息发送到 Kafka Broker。

在这里插入图片描述

Producer API

异步发送 API

生产者 API 示例

一个正常的生产逻辑要具备以下几个步骤：

配置生产者客户端参数及创建相应的生产者实例
构建待发送的消息
发送消息
关闭生产者实例

创建 springboot 工程，导入依赖

        <dependency>
            <groupId>org.springframework.kafka</groupId>
            <artifactId>spring-kafka</artifactId>
        </dependency>

创建生产者

package com.ausware.yao.producer;

import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

public class MyProducer {

    private static final String BROKER_LIST ="192.168.56.101:9092,192.168.56.102:9092,192.168.56.103:9092";

    public static void main(String[] args) {
        //1.创建 kafka 生产者配置信息
        Properties properties = new Properties();

        //指定连接的 kafka 集群
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,BROKER_LIST);
        //ACK 应答级别
        properties.put(ProducerConfig.ACKS_CONFIG,"all");
        //重试次数
        properties.put(ProducerConfig.RETRIES_CONFIG,1);
        //批次大小
        properties.put(ProducerConfig.BATCH_SIZE_CONFIG,16384);
        //等待时间 1 ms
        properties.put(ProducerConfig.LINGER_MS_CONFIG,1);
        //设置 key 序列化器
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
        //设置值序列化器
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
        // RecordAccumulator 缓冲区大小 32M
        properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG,33554432);

        //创建生产者对象
        KafkaProducer<String, String> producer = new KafkaProducer<String, String>(properties);

        //发送数据
        for (int i = 1; i <= 10 ; i++) {
            //含有回调函数，该方法在 producer 收到 ack 时调用，为异步调用
            producer.send(new ProducerRecord<String, String>("first", "yao" + i), (recordMetadata, e) -> {
 				if (e == null){
                    System.out.println(recordMetadata.partition()+"___"+recordMetadata.offset());
                }else {
                    e.printStackTrace();
                }
            });
        }
        //关闭资源
        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 Feture 对象，根据 Feture 对象的特点，也可以实现同步发送的效果，只需在调用 Feture 对象的 get 方发送即可。

package com.ausware.yao.producer;

import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

public class MyProducer {

    private static final String BROKER_LIST ="192.168.56.101:9092,192.168.56.102:9092,192.168.56.103:9092";

    public static void main(String[] args) {
        //1.创建 kafka 生产者配置信息
        Properties properties = new Properties();

        //指定连接的 kafka 集群
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,BROKER_LIST);
        //ACK 应答级别
        properties.put(ProducerConfig.ACKS_CONFIG,"all");
        //重试次数
        properties.put(ProducerConfig.RETRIES_CONFIG,1);
        //批次大小
        properties.put(ProducerConfig.BATCH_SIZE_CONFIG,16384);
        //等待时间 1 ms
        properties.put(ProducerConfig.LINGER_MS_CONFIG,1);
        //设置 key 序列化器
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
        //设置值序列化器
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
        // RecordAccumulator 缓冲区大小 32M
        properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG,33554432);

        //创建生产者对象
        KafkaProducer<String, String> producer = new KafkaProducer<String, String>(properties);

        //发送消息 同步发送
        for (int i = 1; i <= 10 ; i++) {
            producer.send(new ProducerRecord<>("first","yao"+i)).get();
        }
        //关闭资源
        producer.close();

    }
}

Consumer API

consumer 消费消息时的可靠性很容易保证，因为数据在 Kafka 中是持久化的，故不用担心数据丢失的问题。

由于 consumer 在消费的过程中可能会出现断电宕机的故障， consumer 恢复后，需要从故障前的位置继续消费，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。

所以 offset 维护是 consumer 消费数据是必须考虑的问题

自动提交 offset

KafkaConsumer ：消费者对象，用来消费数据

ConsumerConfig ：获取所需的配置参数

ConsumerRecord ：每条消息都要封装成一个 ConsumerRecord 对象

自动提交的相关参数：

enable.auto.commit是否开启自动提交 offset 功能
auto.commit.interval.ms：自动提交 offset 的间隔时间

public class MyConsumer {
    public static final String BROKER_LIST = "192.168.56.101:9092,192.168.56.102:9092,192.168.56.103:9092";
    public static void main(String[] args) {

        Properties properties = new Properties();

        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,BROKER_LIST);
        //消费者组
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test");
        //开启自动提交
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,true);
        //延迟时间
        properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,"1000");
        //key反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        //value反序列化
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());

        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);

        //订阅主题
        consumer.subscribe(List.of("topic1"));
        while (true) {
            //消费消息
            ConsumerRecords<String, String> consumerRecords = consumer.poll(Duration.ofMillis(1000));
            for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
                System.out.println(consumerRecord.key()+"------"+consumerRecord.value());
            }
        }
    }
}

手动提交 offset

虽然自动提交 offset 十分简介便利，但由于其是基于时间提交的，开发人员难以把握offset 提交的时机。因此 Kafka 还提供了手动提交 offset 的 API。
手动提交 offset 的方法有两种：分别是：commitSync(同步提交)和commitAsync(异步提交)。两者的相同点是，都将会本次 poll 的一批数据最高的偏移量提交；不同点是，commitSync 会阻塞当前线程，一直到提交成功，并且会自动失败重试（由不可控因素导致，也会出现提交失败）；而 commitAsync 则没有失败重试机制，又有可能提交失败。

@Slf4j
public class MyConsumer {
    private static final String BROKER_LIST ="192.168.56.101:9092,192.168.56.102:9092,192.168.56.103:9092";
    public static void main(String[] args) {
        Properties properties = new Properties();
        properties.put(ConsumerConfig.GROUP_ID_CONFIG, "手动提交消费者");
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, BROKER_LIST);
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());

        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);
        consumer.subscribe(List.of("demo_kafka_manualcommit_topic"));

        while (true){
            ConsumerRecords<String, String> consumerRecords = consumer.poll(Duration.ofMillis(10000));
            for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
                System.out.printf("消费偏移量 offset = {%s}; key = {%s}; value = {%s}\n",consumerRecord.offset(),consumerRecord.key(),consumerRecord.value());
            }

            try {
                //同步提交，会出现阻塞
                consumer.commitSync();
            } catch (Exception e) {
                e.printStackTrace();
            }

            //异步提交,支持回调
            consumer.commitAsync((offsets, exception) -> {
                if (exception != null){
                    log.error("commit offset failde {}",offsets);
                }
            });
        }
    }
}

数据漏消费和重复消费分析

无论是同步提交还是异步提交 offset，都有可能造成数据的漏消费或者重复消费。先提交 offset 后消费，有可能造成数据的漏消费；而先消费后提交 offset，有可能会造成数据的重复消费。

自定义 Interceptor

拦截器原理

Producer 拦截器(interceptor)是在 Kafka 0.10 版本被引入的，主要用于实现 clients 端的定制化控制逻辑。

对于 producer 而言，interceptor 使得用户在消息发送前以及 producer 回调逻辑前有机会对消息做一些定制化需求，比如修改消息等。同时，producer 允许用户指定多个 interceptor按序作用于同一条消息从而形成一个拦截链(interceptor chain)。Intercetpor 的实现接口是org.apache.kafka.clients.producer.ProducerInterceptor，其定义的方法包括：

（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 方法中，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。用户可以在该方法中对消息做任何操作，但最好保证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 Kafka Broker 之后，或者在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 的消息发送效率。

（4）close：
关闭 interceptor，主要用于执行一些资源清理工作

如前所述，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它们，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。这在使用过程中要特别留意。

拦截器案例

实现一个简单的双 interceptor 组成的拦截链。第一个 interceptor 会在消息发送前将时间戳信息加到消息 value 的最前部；第二个 interceptor 会在消息发送后更新成功发送消息数或失败发送消息数。

添加时间戳拦截器

/**
 * 添加时间拦截器，为每一个消息添加时间戳
 */
public class TimeIntercept  implements ProducerInterceptor<String, String> {

    @Override
    /**
     * 该方法封装进 Producer.send 方法中，即它运行在用户的主线程中。Producer确保消息再被序列化
     * 以及计算分区前调用该方法。用户可以在该方法中对消息进行任何操作，但是最好不要修改消息所属的主题和分区
     * 否则会影响目标分区的计算
     */
    public ProducerRecord<String, String> onSend(ProducerRecord record) {
        //创建一个 record ，将时间戳加在消息的最前面
        return new ProducerRecord<String, String>(record.topic(), record.partition(),record.key().toString(), System.currentTimeMillis()+","+record.value().toString());
    }

    @Override
    /**
     * 该方法会在消息从 RecordAccumulator 成功发送到 kafka的broker中或者再发送过程中失败时调用
     * 通常实在 Producer 触发回调逻辑之前
     */
    public void onAcknowledgement(RecordMetadata metadata, Exception exception) {

    }

    @Override
    /**
     * 关闭Intercept，主要进行资源的清理操作
     *
     */
    public void close() {

    }

    @Override
    /**
     * 获取配置信息和初始化消息时调用
     */
    public void configure(Map<String, ?> configs) {

    }
}

统计发送消息成功和发送失败消息数，并在 producer 关闭时打印这两个计数器

/**
 * 统计消息发送成功数与失败数
 */
public class CounterIntercept implements ProducerInterceptor<String, String> {

    private int successCount = 0;
    private int errorCount = 0;

    @Override
    public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
        return record;
    }

    @Override
    //消息从RecordAccumulator 发送到broker
    public void onAcknowledgement(RecordMetadata metadata, Exception exception) {
        if (exception == null){
            successCount++;
        }else {
            errorCount++;
        }
    }

    @Override
    public void close() {
        //保存结果
        System.out.printf("发送成功的消息数：%d，失败的消息数：%d",successCount,errorCount);
    }

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

    }
}

producer

public class ProducerFastStart {
    private static final String BROKER_LIST ="192.168.56.101:9092";
    private static final String TOPIC_NAME ="second";
    public static void main(String[] args) {
        
        Properties properties = new Properties();
        //设置 key 序列化器
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

        //设置值序列化器
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());

        //ack 模式，all是最慢但是最安全的
        properties.put(ProducerConfig.ACKS_CONFIG, "all");

        //设置失败重试次数
        properties.put(ProducerConfig.RETRIES_CONFIG,10);

        //数据发送批次大小
        properties.put("batch.size",10);

        //消息在缓冲区保留的时间，超过设置的值会被提交到服务器
        properties.put("linger.ms",10000);

        //设置 RecordAccumulator缓冲区大小
        properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG,33554432);

        //设置集群地址
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,BROKER_LIST);

        //构建拦截器链
        List<String> interceptors = new ArrayList<>();
        interceptors.add("com.ausware.yao.intercept.TimeIntercept");
        interceptors.add("com.ausware.yao.intercept.CounterIntercept");

        properties.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG,interceptors);

        KafkaProducer<String, String> producer = new KafkaProducer<>(properties);

        for (int i = 0; i < 10; i++) {
            producer.send(new ProducerRecord<String,String>(TOPIC_NAME,"test","生产者发送消息："+i));
        }

        //关闭producer，才会关闭Intercept
        producer.close();
    }
}

测试
在这里插入图片描述

第五章 Kafka 监控

1、Kafka Eagle

修改 kafka-server-start.sh 命令中

if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
 export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
fi

为

if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
export KAFKA_HEAP_OPTS="-server -Xms2G -Xmx2G -XX:PermSize=128m -XX:+UseG1GC -XX:MaxGCPauseMillis=200 -XX:ParallelGCThreads=8 -XX:ConcGCThreads=5 -XX:InitiatingHeapOccupancyPercent=70"
    export JMX_PORT="9999"
fi

注意：修改之后在启动 Kafka 之前要分发之其他节点

2、上传压缩包 kafka-eagle-bin-2.0.6.tar.gz 到集群目录

3、解压到本地

 tar -zxvf kafka-eagle-bin-2.0.6.tar.gz

4、进入刚才解压的目录

5、解压 kafka-eagle-web-2.0.6-bin.tar.gz

 tar -zxvf kafka-eagle-web-2.0.6-bin.tar.gz

6、修改名称

mv kafka-eagle-web-2.0.6 eagle

7、给启动文件执行权限

chmod 777 ke.sh

8、修改配置文件

######################################
# multi zookeeper&kafka cluster list
######################################
kafka.eagle.zk.cluster.alias=cluster1
cluster1.zk.list=node1:2181,node2:2181,node3:2181
######################################
# kafka offset storage
######################################
cluster1.kafka.eagle.offset.storage=kafka
######################################
# enable kafka metrics
######################################
kafka.eagle.metrics.charts=true
kafka.eagle.sql.fix.error=false
######################################
# kafka jdbc driver address
######################################
kafka.eagle.driver=com.mysql.jdbc.Driver
kafka.eagle.url=jdbc:mysql://node1:3306/ke?useUnicode=true&ch
aracterEncoding=UTF-8&zeroDateTimeBehavior=convertToNull
kafka.eagle.username=root
kafka.eagle.password=root

9、添加环境变量

export KE_HOME=/opt/software/kafka/kafka-eagle-bin-2.0.6/eagle
export PATH=$PATH:$KE_HOME/bin

注意：source /etc/profile

10、启动

bin/ke.sh start

在这里插入图片描述

第五章 Kafka 面试题

1.Kafka 中的 ISR(InSyncRepli)、OSR(OutSyncRepli)、AR(AllRepli)代表什么？

2.Kafka 中的 HW、LEO 等分别代表什么？

3.Kafka 中是怎么体现消息顺序性的？

4.Kafka 中的分区器、序列化器、拦截器是否了解？它们之间的处理顺序是什么？

5.Kafka 生产者客户端的整体结构是什么样子的？使用了几个线程来处理？分别是什么？

6.“消费组中的消费者个数如果超过 topic 的分区，那么就会有消费者消费不到数据”这句话是否正确？

7.消费者提交消费位移时提交的是当前消费到的最新消息的 offset 还是 offset+1？

8.有哪些情形会造成重复消费？

9.那些情景会造成消息漏消费？

10.当你使用 kafka-topics.sh 创建（删除）了一个 topic 之后，Kafka 背后会执行什么逻辑？

会在 zookeeper 中的/brokers/topics 节点下创建一个新的 topic 节点，如：
/brokers/topics/first
触发 Controller 的监听程序
kafka Controller 负责 topic 的创建工作，并更新 metadata cache

11.topic 的分区数可不可以增加？如果可以怎么增加？如果不可以，那又是为什么？

12.topic 的分区数可不可以减少？如果可以怎么减少？如果不可以，那又是为什么？

13.Kafka 有内部的 topic 吗？如果有是什么？有什么所用？

14.Kafka 分区分配的概念？

15.简述 Kafka 的日志目录结构？

16.如果我指定了一个 offset，Kafka Controller 怎么查找到对应的消息？

17.聊一聊 Kafka Controller 的作用？

18.Kafka 中有那些地方需要选举？这些地方的选举策略又有哪些？

19.失效副本是指什么？有那些应对措施？

20.Kafka 的哪些设计让它有如此高的性能？

_子栖_

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
Kafka

Kafka文章目录Kafka第一章 Kafka 概述第二章 Kafka 快速入门第三章 Kafka 架构深入第四章 Kafka API第五章 Kafka 监控第六章 Flume对接Kafka第五章 Kafka 面试题第一章 Kafka 概述定义Kafka是一个分布式的基于发布/订阅模式的消息队列，主要用于大数据实时处理领域。消息队列传统消息队列的应用场景好处：解耦：允许你独立的扩展或修改两边的处理过程，只要确保它们遵守同样的接p约束可恢复性：系统的一部分组件失
复制链接

扫一扫