kafka学习

kafka是由LinkedIn开发，主要是用来处理Linkedin的大面积活跃数据流处理(activity stream).  此类的数据经常用来反

映网站的一些有用的信息，比如PV,页面展示给哪些用户访问，用户搜索什么关键字最多，这类信息经常被log到文件

里，然后线下且周期性的去分析这些数据。现在这种用户活跃数据已经成为互联网公司重要的一部分，所以必须构建

一个更轻量且更精炼的基础架构。  

活跃数据 使用案列 

分析一下用户行为（pageviews），以便我能设计出更好的广告位。 

快速的统计用户投票，点击。

对用户的搜索关键词进行统计，分析出当前的流行趋势。

防止用户对网站进行无限制的抓取数据，以及超限制的使用API,辨别垃圾。 

对网站进行全方位的实时监控，从而得到实时有效的性能数据，并且及时的发成警告。

批量的导入数据到数据仓库，对数据进行离线分析，从而得到有价值的商业信息。(0.6可以直接将数据导入Hadoop)  

活跃数据的特点 

      高流量的活跃数据是无法确定其大小的，因为他可能随时的变化，比如商家可能促销，节假日打折，突然又冒出

一个跳楼价等等。所有的数据可能是数量级的往上递增。 传统日志分析方式都是需要离线，而且操作起来比较复杂，

根本无法满足实时的分析。另一方面，现有的消息队列系统只能达到近似实时的分析，因为无法消费大量的持久化在

队列系统上的信息。Kafka的目标就是能够成为一个高效的队列平台，无论是处理离线的信息还是在线的信息。

kafka是一个消息订阅和发布的系统

我们将message的发布（publish）者称为producer，将message的订阅（subscribe）者称为consumer，将中间的存

储阵列称作broker。

kafka集群

核心概念

1.topic  （发布的消息都存在于某个主题中）
2.partition （topic中的分区，为了负载均衡）
3.offset （kafka的消费是依靠读取每个消息的偏移量，并且消费完不立刻销毁消息，可配置消息的生命周期）
4.consumer group

一个consumer group对于同一条消息只能消费一次

不同consumer group可以共享同一个消息，同样每个group只能消费一次

kafka伪分布式搭建

tar -zxvf kafka_2.10-0.8.1.1.tgz

#(启动自带的zookeeper)
启动ZK bin/zookeeper-server-start.sh config/zookeeper.properties

#启动kafka服务
启动服务 bin/kafka-server-start.sh config/server.properties

#在地址为localhost:2181的zookeeper上创建一个主题test，副本因子是1
创建主题 bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test

#查看地址为localhost:2181的zookeeper上所有主题
查看主题 bin/kafka-topics.sh --list --zookeeper localhost:2181

#查看test主题的详细信息

bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic test

命令：

创建生产者 bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test

创建消费者 bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic test --from-beginning

在创建生产者的命令行输入消息，即可在消费者命令行中显示。

可以在伪分布下启动多个kafka服务（broker）

创建多个server.properties文件分别命名，启动命令kafka-server-start.sh config/server.properties分别使用这几个

server.properties文件。需要修改每个server.properties中的内容：

1.broker.id

2.port

3.log.dirs

保证每个broker服务的配置项是唯一，分别启动。

kafka集群搭建

修改server.properties文件

1.指定唯一的broker.id

2.host.name指定主机ip或者主机名

3.log.dirs指定一个日志输出目录

将kafka配置信息复制到其他节点，分别修改broker.id和host.name

在各节点分别执行kafka-server-start.sh config/server.properties >/del/null 2>&1 &

以后台进程启动(&)，并且将输出送到垃圾箱(>/del/null)，将错误信息也输送到1的位置(垃圾箱)2>&1 

package com.bigdata.hadoop.kafka;

import java.util.Properties;
import java.util.concurrent.TimeUnit;

import kafka.javaapi.producer.Producer;
import kafka.producer.KeyedMessage;
import kafka.producer.ProducerConfig;
import kafka.serializer.StringEncoder;

//创建生产者，每秒给主题test12发送一个消息
public class KafkaProducer extends Thread{
	
	String topic = "test12";
	String message = "hello world";
	
	@Override
	public void run() {
		Properties originalProps = new Properties();
		originalProps.put("serializer.class", StringEncoder.class.getName());
		originalProps.put("metadata.broker.list", "hadoop4:9092,hadoop5:9092,hadoop6:9092");
		
		Producer<Integer, String> producer = new Producer<Integer, String>(new ProducerConfig(originalProps));
		
		int i = 0;
		while (true) {
			producer.send(new KeyedMessage<Integer, String>(topic, message + i++));
			try {
				TimeUnit.SECONDS.sleep(1);
			} catch (InterruptedException e) {
				e.printStackTrace();
			}
		}
		
	}
	
	public static void main(String[] args) {
		new KafkaProducer().start();
	}
}

package com.bigdata.hadoop.kafka;

import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Properties;

import kafka.consumer.Consumer;
import kafka.consumer.ConsumerConfig;
import kafka.consumer.ConsumerIterator;
import kafka.consumer.KafkaStream;
import kafka.javaapi.consumer.ConsumerConnector;

//创建消费者，消费主题test12的消息
public class KafkaConsumer extends Thread{
	
	String topic = "test12";
	String message = "hello world";
	
	@Override
	public void run() {
		Properties originalProps = new Properties();
		originalProps.put("group.id", "group1");
		originalProps.put("zookeeper.connect", "hadoop4:2181");
		//创建消费者连接器
		ConsumerConnector javaConsumerConnector = Consumer.createJavaConsumerConnector(new ConsumerConfig(originalProps));
		
		Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
		topicCountMap.put(topic, 1);//消费topic 每次消费1条
		//获取指定topic的消息流
		Map<String, List<KafkaStream<byte[], byte[]>>> messageStreams = javaConsumerConnector.createMessageStreams(topicCountMap);
		KafkaStream<byte[], byte[]> stream = messageStreams.get(topic).get(0);
		//迭代消息流中的消息
		ConsumerIterator<byte[], byte[]> iterator = stream.iterator();
		while (iterator.hasNext()) {
			System.err.println(new String(iterator.next().message()));
		}
	}
	
	public static void main(String[] args) {
		new KafkaConsumer().start();
	}
}