Kafka从入门到放弃

最新推荐文章于 2023-05-03 10:12:59 发布

yutao_Struggle

最新推荐文章于 2023-05-03 10:12:59 发布

阅读量900

点赞数

分类专栏： big data

本文链接：https://blog.csdn.net/yutao_Struggle/article/details/102885437

版权

big data 专栏收录该内容

14 篇文章 1 订阅

订阅专栏

1 Kafka 概述

Kafka是最初由Linkedin公司开发，是一个分布式、支持分区的（partition）、多副本的（replica），基于zookeeper协调（0.9版本之后逐渐弃用zookeeper，被–bootstrap-server取代）的分布式的发布/订阅模式的消息队列，它的最大的特性就是可以实时的处理大量数据以满足各种需求场景：比如基于hadoop的批处理系统、低延迟的实时系统、storm/Spark流式处理引擎，web/nginx日志、访问日志，消息服务等等，用scala语言编写，Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。

1.1 使用场景

日志收集：一个公司可以用Kafka可以收集各种服务的log，通过kafka以统一接口服务的方式开放给各种consumer，例如hadoop、Hbase、Solr等。
消息系统：解耦和生产者和消费者、缓存消息等。
用户活动跟踪：Kafka经常被用来记录web用户或者app用户的各种活动，如浏览网页、搜索、点击等活动，这些活动信息被各个服务器发布到kafka的topic中，然后订阅者通过订阅这些topic来做实时的监控分析，或者装载到hadoop、数据仓库中做离线分析和挖掘。
运营指标：Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告。
流式处理：比如spark streaming和storm
事件源

1.2 特点

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口约束。
冗余：消息队列把数据进行持久化直到它们已经被完全处理，通过这一方式规避了数据丢失风险
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。
扩展性： kafka集群支持热扩展
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。
顺序保证：Kafka保证一个Partition内的消息的有序性。
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。

1.3 消息队列

1.3.1 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中拉取出并且消费消息。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，消费者消费消息也有二种模式：中间件推消息和消费值拉消息。和点对点方式不同，发布到 topic 的消息会被所有订阅者消费。

1.3.2 常用消息队列对比

在这里插入图片描述

1.4 架构

在这里插入图片描述
上图所示，有三个broker和一个TopicA，生产者Producer A生产消息以队列的形式存放到TopicA中，TopicA拥有二个分区分别存储在Broker1和Broker2节点上，同时每个分区拥有二个副本存储在不同的节点上，其中一个副本为leader，另一个为follower；消费者组中ConsumerA和ConsumerB从TopicA中轮询pull数据，同一消费者组中的消费者只有一个消费同一条数据，通过这样的方式，消费者组实现了广播模式，消费者组中的消费者实现了负载均衡；生产者发送数据和消费者消费数据的对象都是 leader；0.9版本之前的消费者消费offset等元数据都存储在zookeeper中，0.9版本及之后存储在本地的系统Topic中并逐渐放弃支持zookeeper。

1.4.1 Producer

生产者即数据的发布者，该角色将消息发布到Kafka的topic中。broker接收到生产者发送的消息后，broker将该消息追加到当前用于追加数据的segment文件中。生产者发送的消息，存储到一个partition中，生产者也可以指定数据存储的partition。

1.4.2 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。在实际生产环境中，尽量避免一个broker上存储一个topic的多个partition，这种情况容易导致Kafka集群数据不均衡，同时broker数量必须大于Replica数量。

1.4.3 Topic

可以理解为一个队列， 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是逻辑上的概念，一个topic的消息存储在多个节点上。

1.4.4 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，不同partition间的数据丢失了数据的顺序。如果topic有多个partition，消费数据时就不能保证数据的顺序。在需要严格保证消息的消费顺序的场景下，需要将partition数目设为1。

1.4.5 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。

1.4.6 Consumer

消费者可以从broker中读取数据。消费者可以消费多个topic中的数据。

1.4.7 Consumer Group

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（没有指定则使用默认消费者组），即消费者组是逻辑上的一个订阅者。

1.4.8 Leader

每个partition有多个副本，其中有且仅有一个作为Leader，生产者发送数据和消费者消费数据的对象都是 leader。

1.4.9 Follower

Follower跟随Leader，所有写请求都通过Leader路由，数据变更会广播给所有Follower，Follower与Leader保持数据同步。如果Leader失效，则从Follower中选举出一个新的Leader。当Follower与Leader挂掉、卡住或者同步太慢，leader会把这个follower从“in sync replicas”（ISR）列表中删除，重新创建一个Follower。

2 Kafka 快速入门

2.1 Kafka安装

机器：192.168.88.301、192.168.88.302、192.168.88.303

1.解压压缩包

[root@hadoop01 software]$ tar -zxvf kafka_2.11-2.3.1.tgz -C /opt/module/
[root@hadoop01 kafka_2.11-2.3.1]#

2.配置环境变量

[root@hadoop01 kafka_2.11-2.3.1]# vim /etc/profile
#KAFKA_HOME
export KAFKA_HOME=/opt/module/kafka_2.11-2.3.1
export PATH=$PATH:$KAFKA_HOME/bin
[root@hadoop01 kafka_2.11-2.3.1]# source /etc/profile

3.修改配置文件server.properties，在hadoop01，hadoop02，hadoop03集群上的broker.id和host.name不同

[root@hadoop01 kafka_2.11-2.3.1]# vim config/server.properties
#当前机器在集群中的唯一标识，和zookeeper的myid性质一样
broker.id=0
#当前kafka对外提供服务的端口默认是9092
port=9092
#这个参数默认是关闭的，在0.8.1有个bug，DNS解析问题，失败率的问题。
host.name=hadoop01
#borker进行网络处理的线程数
num.network.threads=3
#borker进行I/O处理的线程数
num.io.threads=8
#发送缓冲区buffer大小，数据不是立即发送的，会先存储到缓冲区到达一定的大小后再发送，能提高性能
socket.send.buffer.bytes=102400
#kafka接收缓冲区大小，当数据到达一定大小后在序列化到磁盘
socket.receive.buffer.bytes=102400
#向kafka请求消息或者向kafka发送消息的请求的最大数，这个值不能超过java的堆栈大小
socket.request.max.bytes=104857600
#kafka 运行日志和topic分区数据存放的路径
log.dirs=/tmp/kafka-logs
#默认的分区数，一个topic默认1个分区数
num.partitions=1
#每个数据目录用来日志恢复的线程数目
num.recovery.threads.per.data.dir=1

offsets.topic.replication.factor=1
transaction.state.log.replication.factor=1
transaction.state.log.min.isr=1

#segment文件保留的最长时间，超时将被删除，168小时，7天
log.retention.hours=168
#segment文件的最大大小，超过这个值会创建一个新的segment
log.segment.bytes=1073741824
#每隔300000毫秒去检查log.retention.hours
log.retention.check.interval.ms=300000
#是否启用log压缩，一般不用启用，启用的话可以提高性能
log.cleaner.enable=false
#设置zookeeper的连接端口
zookeeper.connect=192.168.88.301:2181,192.168.88.302:2181,192.168.88.303:2181
#设置zookeeper的连接超时时间
zookeeper.connection.timeout.ms=6000
#建议是3
group.initial.rebalance.delay.ms=3

4.修改配置文件producer.properties

[root@hadoop01 kafka_2.11-2.3.1]# vim config/producer.properties
bootstrap.servers=192.168.88.301:9092,192.168.88.302:9092,192.168.88.303:9092

5.修改配置文件consume.properties

[root@hadoop01 kafka_2.11-2.3.1]# vim config/consume.properties
bootstrap.servers=192.168.88.301:9092,192.168.88.302:9092,192.168.88.303:9092

7.将kafka的安装包分发到hadoop02和hadoop03上，并修改配置文件server.properties等

[root@hadoop01 kafka_2.11-2.3.1]# scp -r ../kafka_2.11-2.3.1 root@hadoop02:/opt/module/
[root@hadoop01 kafka_2.11-2.3.1]# scp -r ../kafka_2.11-2.3.1 root@hadoop03:/opt/module/

8.以守护线程方式启动kafka集群，启动前需要先启动zookeeper集群

[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-server-start.sh -daemon config/server.properties
[root@hadoop02 kafka_2.11-2.3.1]# bin/kafka-server-start.sh -daemon config/server.properties
[root@hadoop03 kafka_2.11-2.3.1]# bin/kafka-server-start.sh -daemon config/server.properties

2.2 Kafka命令行操作

2.2.1 Topic

[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-topics.sh --help

This tool helps to create, delete, describe, or change a topic.
Option                                   Description                            				中文说明
------                                   -----------                            				-----------  
--alter                                  Alter the number of partitions,        				更改Topic的分区数、副本数、topic配置。
                                           replica assignment, and/or           
                                           configuration for the topic.         

--at-min-isr-partitions                  if set when describing topics, only    				如果在描述主题时设置，
                                           show partitions whose isr count is   				则仅显示isr计数等于配置的最小值的分区。
                                           equal to the configured minimum. Not 				不支持--zookeeper选项。
                                           supported with the --zookeeper       
                                           option.                              

--bootstrap-server <String: server to    REQUIRED: The Kafka server to connect  				必要：要连接的kafka服务器，
  connect to>                              to. In case of providing this, a     				如果提供此服务，则不需要
                                           direct Zookeeper connection won't be 				直接的Zookeeper连接。
                                           required.                            

--command-config <String: command        Property file containing configs to be 				包含要传递给管理客户端的配置的属性文件。
  config property file>                    passed to Admin Client. This is used 				这只与--bootstrap服务器选项一起使用，	
                                           only with --bootstrap-server option  				用于描述和更改代理配置。
                                           for describing and altering broker   
                                           configs.                             

--config <String: name=value>            A topic configuration override for the  				创建topic和修改topic配置属性，有效的配置属性如下：
                                           topic being created or altered.The   			
                                           following is a list of valid   						
                                           configurations:   									      
                                                cleanup.policy   							
                                                compression.type                 			
                                                delete.retention.ms                 		
                                                file.delete.delay.ms                   		
                                                flush.messages                        
                                                flush.ms                              
                                                follower.replication.throttled.replicas                             
                                                index.interval.bytes                  
                                                leader.replication.throttled.replicas 
                                                max.compaction.lag.ms                 
                                                max.message.bytes                     
                                                message.downconversion.enable         
                                                message.format.version                
                                                message.timestamp.difference.max.ms   
                                                message.timestamp.type                
                                                min.cleanable.dirty.ratio             
                                                min.compaction.lag.ms                 
                                                min.insync.replicas                   
                                                preallocate                           
                                                retention.bytes                       
                                                retention.ms                          
                                                segment.bytes                         
                                                segment.index.bytes                   
                                                segment.jitter.ms                     
                                                segment.ms                            
                                                unclean.leader.election.enable        
                                         See the Kafka documentation for full   				有关这个主题的详细信息，请参阅Kafka文档配置。
                                           details on the topic configs.It is   				只有在使用--bootstrap server选项时才支持与--create结合使用。
                                           supported only in combination with --
                                           create if --bootstrap-server option  
                                           is used.                             

--create                                 Create a new topic.                    				创建一个新的topic。

--delete                                 Delete a topic                         				删除一个topic。

--delete-config <String: name>           A topic configuration override to be					移除一个已存在的topic的配置（可移除配置选项看--config下数据），
                                           removed for an existing topic (see   				不支持带--bootstrap-server选项的。
                                           the list of configurations under the 
                                           --config option). Not supported with 
                                           the --bootstrap-server option.       

--describe                               List details for the given topics.     				列出指定topic的详情。

--disable-rack-aware                     Disable rack aware replica assignment  				禁用机架感知副本分配。

--exclude-internal                       exclude internal topics when running   				运行list或describe命令时排除内部主题，
                                           list or describe command. The        				默认情况下，将列出内部主题。
                                           internal topics will be listed by    
                                           default                              
--force                                  Suppress console prompts               				取消控制台提示。

--help                                   Print usage information.               				打印使用/帮助信息。

--if-exists                              if set when altering or deleting or    				在更改、删除或描述主题时使用，表示仅当topic存在时执行操作；
                                           describing topics, the action will   				不支持--bootstrap-server选项。
                                           only execute if the topic exists.    
                                           Not supported with the --bootstrap-  
                                           server option.                       
--if-not-exists                          if set when creating topics, the       				在创建主题时设置，表示仅在topic不存在时执行操作；
                                           action will only execute if the      				不支持--bootstrap-server选项。
                                           topic does not already exist. Not    
                                           supported with the --bootstrap-      
                                           server option.                       
--list                                   List all available topics.             				列出所有可用的topic。

--partitions <Integer: # of partitions>  The number of partitions for the topic					正在创建或更改的topic的分区数
                                           being created or altered (WARNING:   				（警告：如果为具有键的主题增加分区，则分区逻辑或消息的顺序将受到影响。
                                           If partitions are increased for a    
                                           topic that has a key, the partition  
                                           logic or ordering of the messages    
                                           will be affected   
                                                             
--replica-assignment <String:            A list of manual partition-to-broker   
  broker_id_for_part1_replica1 :           assignments for the topic being      
  broker_id_for_part1_replica2 ,           created or altered.                  
  broker_id_for_part2_replica1 :                                                
  broker_id_for_part2_replica2 , ...>     
                                        
--replication-factor <Integer:           The replication factor for each        				指定正在创建的topic的每个分区的副本数。
  replication factor>                      partition in the topic being created.
  
--topic <String: topic>                  The topic to create, alter, describe   				要创建、更改、描述或删除的topic；
                                           or delete. It also accepts a regular 				它还接受正则表达式，但--create选项除外；
                                           expression, except for --create      				将主题名称用双引号括起来，并使用 \ 前缀来
                                           option. Put topic name in double     				转义正则表达式符号；例如，“test\.topic”。
                                           quotes and use the '\' prefix to     
                                           escape regular expression symbols; e.
                                           g. "test\.topic".           
                                                    
--topics-with-overrides                  if set when describing topics, only					在描述topic时使用，仅显示已重写配置的主题。
                                           show topics that have overridden     
                                           configs           
                                                              
--unavailable-partitions                 if set when describing topics, only    				在描述topic时使用，仅显示leader不可用的分区。
                                           show partitions whose leader is not  
                                           available                       
                                                
--under-min-isr-partitions               if set when describing topics, only    				在描述topic时使用，仅显示isr数量比配置的isr最小值小的分区；
                                           show partitions whose isr count is   				不支持带--zookeeper选项。
                                           less than the configured minimum.    
                                           Not supported with the --zookeeper   
                                           option.                              
                                           
--under-replicated-partitions            if set when describing topics, only  					在描述topic时使用，仅在副本分区下显示Kafka版本。
                                           show under replicated partitions     
                                           
--version                                Display Kafka version.                 				显示Kafka版本。

--zookeeper <String: hosts>              DEPRECATED, The connection string for  				已弃用(被--bootstrap-server取代)，窗体中zookeeper连接的连接字符串(主机：端口)；
                                           the zookeeper connection in the form 				可以给多个主机（用空格分隔）以允许故障转移。
                                           host:port. Multiple hosts can be     
                                           given to allow fail-over.

2.2.1.1 创建Topic

分区数可以大于broker数，但副本数不可大于broker数

#创建testTopic，2个分区3个副本
[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-topics.sh --create --zookeeper 192.168.88.301:2181 --replication-factor 3 --partitions 2 --topic testTopic

#使用--bootstrap-server替代--zookeeper
[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-topics.sh --create --bootstrap-server localhost:9092 --replication-factor 3 --partitions 2 --topic testTopic

2.2.1.2 查看Topic

#查看Topic详情
[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-topics.sh --describe --zookeeper 192.168.88.301:2181 --topic testTopic
#查看已创建的Topic列表
[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-topics.sh --list --zookeeper 192.168.88.301:2181

2.2.1.3 删除Topic

[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-topics.sh --zookeeper 192.168.88.301:2181 --delete --topic testTopic

2.2.1.4 修改分区数

[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-topics.sh --zookeeper 192.168.88.301:2181 --alter --topic testTopic --partitions 3

2.2.2 生产者发送消息

Option	Description	中文说明
–batch-size <Integer: size>	Number of messages to send in a single batch if they are not being sent synchronously. (default: 200)
–broker-list <String: broker-list>	REQUIRED: The broker list string in the form HOST1:PORT1,HOST2:PORT2.
–compression-codec [String: compression-codec]	The compression codec: either ‘none’, ‘gzip’, ‘snappy’, ‘lz4’, or ‘zstd’. If specified without value, then it defaults to ‘gzip’
–help	Print usage information.
–line-reader <String: reader_class>	The class name of the class to use for reading lines from standard in. By default each line is read as a separate message. (default: kafka. tools.
–max-block-ms <Long: max block on send	The max time that the producer will block for during a send request (default: 60000)
–max-memory-bytes <Long: total memory in bytes>	The total memory used by the producer to buffer records waiting to be sent to the server. (default: 33554432)
–max-partition-memory-bytes <Long: memory in bytes per partition>	The buffer size allocated for a partition. When records are received which are smaller than this size the producer will attempt to optimistically group them together until this size is reached. (default: 16384)
–message-send-max-retries	Brokers can fail receiving the message for multiple reasons, and being unavailable transiently is just one of them. This property specifies the number of retires before the producer give up and drop this message. (default: 3)
–metadata-expiry-ms <Long: metadata expiration interval>	The period of time in milliseconds after which we force a refresh of metadata even if we haven’t seen any leadership changes. (default: 300000)
–producer-property <String: producer_prop>	A mechanism to pass user-defined properties in the form key=value to the producer.
–producer.config <String: config file>	Producer config properties file. Note that [producer-property] takes precedence over this config.
–property <String: prop>	A mechanism to pass user-defined properties in the form key=value to the message reader. This allows custom configuration for a user- defined message reader.
–request-required-acks <String: request required acks>	The required acks of the producer requests (default: 1)
–request-timeout-ms <Integer: request timeout ms>	The ack timeout of the producer requests. Value must be non-negative and non-zero (default: 1500)
–retry-backoff-ms	Before each retry, the producer refreshes the metadata of relevant topics. Since leader election takes a bit of time, this property specifies the amount of time that the producer waits before refreshing the metadata. (default: 100)
–socket-buffer-size <Integer: size>	The size of the tcp RECV size. (default: 102400)
–sync	If set message send requests to the brokers are synchronously, one at a time as they arrive.
–timeout <Integer: timeout_ms>	If set and the producer is running in asynchronous mode, this gives the maximum amount of time a message will queue awaiting sufficient batch size. The value is given in ms. (default: 1000)
–topic <String: topic>	REQUIRED: The topic id to produce messages to.
–version	Display Kafka version

#当topic不存在时会根据server.properties创建topic
[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-console-producer.sh --broker-list 192.168.88.301:9092 --topic topicTest

2.2.3 消费者消费消息

Option	Description	中文说明
–bootstrap-server <String: server to connect to>	REQUIRED: The server(s) to connect to.
–consumer-property <String: consumer_prop>	A mechanism to pass user-defined properties in the form key=value to the consumer.
–consumer.config <String: config file>	Consumer config properties file. Note that [consumer-property] takes precedence over this config.
–enable-systest-events	Log lifecycle events of the consumer in addition to logging consumed messages. (This is specific for system tests.)
–formatter <String: class>	The name of a class to use for formatting kafka messages for display. (default: kafka.tools. DefaultMessageFormatter)
–from-beginning	If the consumer does not already have an established offset to consume from, start with the earliest message present in the log rather than the latest message.
–group <String: consumer group id>	The consumer group id of the consumer.
–help	Print usage information.
–isolation-level	Set to read_committed in order to filter out transactional messages which are not committed. Set to read_uncommittedto read all messages. (default: read_uncommitted)
–key-deserializer <String: deserializer for key>
–max-messages <Integer: num_messages>	The maximum number of messages to consume before exiting. If not set, consumption is continual.
–offset <String: consume offset>	The offset id to consume from (a non- negative number), or ‘earliest’ which means from beginning, or latest’ which means from end (default: latest)
–partition <Integer: partition>	The partition to consume from. Consumption starts from the end of the partition unless ‘–offset’ is specified.
–property <String: prop>	The properties to initialize the message formatter. Default properties include: print.timestamp=true\|false print.key=true\|false print.value=true\|false key.separator=<key.separator> line.separator=<line.separator> key.deserializer=<key.deserializer> value.deserializer=<value.deserializer> Users can also pass in customized properties for their formatter; more specifically, users can pass in properties keyed with ‘key. deserializer.’ and ‘value. deserializer.’ prefixes to configure their deserializers.
–skip-message-on-error	If there is an error when processing a message, skip it instead of halt.
–timeout-ms <Integer: timeout_ms>	If specified, exit if no message is available for consumption for the specified interval.
–topic <String: topic>	The topic id to consume on.
–value-deserializer <String: deserializer for values>
–version	Display Kafka version.
–whitelist <String: whitelist>	Regular expression specifying whitelist of topics to include for consumption.

#元数据存放在zookeeper，kafka_2.11版本已被弃用
[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-console-consumer.sh --zookeeper 192.168.88.301:2181 --topic topicTest
#元数据存放在kafka中
[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-console-consumer.sh --bootstrap-server 192.168.88.301:9092 --topic topicTest
#从头消费数据
[root@hadoop01 kafka_2.11-2.3.1]# bin/kafka-console-consumer.sh --bootstrap-server 192.168.88.301:9092 --from-beginning --topic topicTest

3 深入理解

3.1 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 是逻辑上的概念，而 partition 是物理上的概念，为了使得Kafka的吞吐率可以线性提高，物理上把Topic分成一个或多个Partition，每个partition 在物理上对应一个文件夹，该文件夹下存储这个partition 的所有消息和索引文件，创建一个topic时，同时可以指定分区数目，分区数越多，其吞吐量也越大，但是需要的资源也越多，同时也会导致更高的不可用性，kafka在接收到生产者发送的消息之后，会根据均衡策略将消息存储到不同的分区中。因为每条消息都被append到该partition 中，属于顺序写磁盘，并采用了零拷贝技术，因此效率非常高（官网有数据表明，同样的磁盘，顺序写能到 600K/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，这是Kafka高吞吐率的一个很重要的保证）。

在IO方面，RokcetMQ消费消息时使用了mmap，Kafka使用了sendFile方式，零拷贝技术参考https://www.jianshu.com/p/275602182f39

对于传统的message queue而言，一般会删除已经被消费的消息，而Kafka集群会保留所有的消息，无论其被消费与否。当然，因为磁盘限制，不可能永久保留所有数据（实际上也没必要），因此Kafka提供两种策略删除旧数据。一是基于时间，二是基于partition 文件大小。

# The minimum age of a log file to be eligible for deletion due to age
log.retention.hours=168

# A size-based retention policy for logs. Segments are pruned from the log unless the remaining
# segments drop below log.retention.bytes. Functions independently of log.retention.hours.
log.retention.bytes=1073741824

# The maximum size of a log segment file. When this size is reached a new log segment will be created.
log.segment.bytes=1073741824

# The interval at which log segments are checked to see if they can be deleted according
# to the retention policies
log.retention.check.interval.ms=300000

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 对应两个文件——“*.index”文件和“*.log”文件，index 和 log 文件以当前 segment 的第一条消息的 offset 命名，“.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。当查找某个消息时，会先通过二分查找法查找message所属的index文件及偏移量值，再去log中获取message的实际数据。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。

3.2 分区策略

Producer发送消息到broker时，会根据Paritition机制选择将其存储到哪一个Partition。如果Partition机制设置合理，所有消息可以均匀分布到不同的Partition里，这样就实现了负载均衡。如果一个Topic对应一个文件，那这个文件所在的机器I/O将会成为这个Topic的性能瓶颈，Kafka的Paritition易于扩展，不同的消息可以并行写入不同broker的不同Partition里，极大的提高了吞吐率。

为了更好的做负载均衡，Kafka尽量将所有的Partition均匀分配到整个集群上，Kafka分配Replica的算法如下：

将所有Broker（假设共n个Broker）和待分配的Partition排序
将第i个Partition分配到第（i mod n）个Broker上
将第i个Partition的第j个Replica分配到第（(i + j) mode n）个Broker上

3.2.1 Producer分区策略

producer 发送的数据会被封装成一个 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 partiton 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 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(轮询) 算法。

3.2.2 Consumer分区策略

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，即确定哪个 partition 由哪个 consumer 来消费。
Kafka 有两种分配策略：

RoundRobin：轮询方式分配。如果消费者组只订阅了一个topic，通过轮询的方式分配给消费者组内消费者；如果订阅了多个topic，先将所有的parttion对象的hash值排序，再轮询分配。缺点是消费值组内消费值分别订阅不同的Topic将导致业务逻辑错误。
Range（默认）：区间分配。订阅的每个topic单独平均分配，不能整除时，首先分配的Consumer对应的parttion多，缺点是Topic过多时可能导致分配不均（头重脚轻）。

当消费者组中消费者注册或注销都会触发分区重新分配。

3.3 Push vs Pull

Kafka不同于Facebook的Scribe和Cloudera的Flume，采用push模式，而是采用了Producer向Broker push消息并由Consumer从broker pull消息。
push（推）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。

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

异步和同步重试方式：

如果Producer使用同步模式则Producer会在尝试重新发送message.send.max.retries（默认值为3）次后抛出Exception，用户可以选择停止发送后续数据也可选择继续选择发送。而前者会造成本应发往该Broker的数据的丢失，后者会造成数据的阻塞。
如果Producer使用异步模式，则Producer会尝试重新发送message.send.max.retries（默认值为3）次后记录该异常并继续发送后续数据，这会造成数据丢失并且用户只能通过日志发现该问题。同时，Kafka的Producer并未对异步模式提供callback接口。

3.4.1 副本同步策略

在Kafka在0.8以前的版本中，是没有Replication的，一旦某一个Broker宕机，则其上所有的Partition数据都不可被消费，这与Kafka数据持久性及Delivery Guarantee的设计目标相悖。同时Producer都不能再将数据存于这些Partition中。0.9版本及之后引入Replica，Leader负责数据读写，Follower只向Leader顺序Fetch数据。
syn

3.4.1.1 同步流程

Producer在发布消息到某个Partition时，先通过ZooKeeper找到该Partition的Leader，然后无论该Topic的Replication Factor为多少，Producer只将该消息发送到该Partition的Leader。
Leader会将该消息写入其本地Log。
每个Follower都从Leader pull数据。这种方式上，Follower存储的数据顺序与Leader保持一致。
Follower在收到该消息并写入其Log后，向Leader发送ACK。
Leader收到了ISR中的所有Replica的ACK后，增加HW并commit消息，
Leader向Producer发送ACK（根据同步策略不同，发送ACK可能在5之前）。

为了提高性能，每个Follower在接收到数据后就立马向Leader发送ACK，而非等到数据写入Log中。因此，对于已经commit的消息，Kafka只能保证它被存于多个Replica的内存中，而不能保证它们被持久化到磁盘中，也就不能完全保证异常发生后该条消息一定能被Consumer消费。只有被commit过的消息才会暴露给Consumer。

3.4.1.2 同步策略

方案	优点	缺点
半数以上完成同步，就发送 ack	延迟低	选举新的 leader 时，如果容忍 n 台节点的故障，需要 2n+1 个副本，才能保证至少1个副本数据不丢失
全部完成同步，才发送 ack	选举新的 leader 时，如果容忍 n 台节点的故障，需要 n+1 个副本，才能保证至少1个副本数据不丢失	延迟高

Kafka 选择了第二种方案，原因如下：

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。

3.4.2 ISR

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，Leader 就会给 Producer 发送 ack。如果 Follower 长时间未向 Leader 同步数据或落后太多，则该 Follower 将被踢出 ISR ，该时间阈值由 replica.lag.time.max.ms（默认10000）参数设定，落后条数由replica.lag.max.messages（默认4000，0.9版本开始被移除）参数设定。Leader 发生故障之后，就会从 ISR 中选举新的 Leader。

3.4.3 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，

Produce可以选择是否等待消息commit，通过request.required.acks参数设定：

0（At Most Once）：producer 不等待 broker 的 ack（失败不会重试），这一操作提供了一个最低的延迟，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（At Least Once）：默认方式，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，消息被提交，broker 发送 ack 之前，leader 发生故障，那么会造成数据重复。

3.4.4 故障处理机制

在这里插入图片描述

LEO： 指的是每个副本最大的 offset。
HW： 指的是消费者能见到的最大的 offset，ISR 队列中最小的 LEO。

3.4.4.1 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。

3.4.4.2 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。

3.4.4.3 所有Replica故障

在ISR中至少有一个follower时，Kafka可以确保已经commit的数据不丢失，但如果某个Partition的所有Replica都宕机了，就无法保证数据不丢失了。kafka提供了以下两种可行的方案：

等待ISR中的任一个Replica“活”过来，并且选它作为Leader（一致性）
选择第一个“活”过来的Replica（不一定是ISR中的）作为Leader（可用性）

3.4.5 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 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</font>

要启用幂等性，只需要将 Producer 的参数中enable.idompotence = 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<PID, Partition, SeqNumber>的消息提交时，Broker 只会持久化一条。

PID 重启就会变化，同时不同的 Partition 也具有不同<PID, Partition, SeqNumber>，所以幂等性无法保证跨分区跨会话的 Exactly Once。

3.5 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。

3.5.1 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。

3.5.2 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。

4 Kafka API

4.1 Producer API

4.1.1 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。
producer
batch.size：只有数据积累到 batch.size 之后，sender 才会发送数据。
linger.ms：如果数据迟迟未达到 batch.size，sender 等待 linger.time 之后就会发送数据。

4.1.2 异步发送 API

1）、导入依赖

<dependency> 
	<groupId>org.apache.kafka</groupId> 
	<artifactId>kafka-clients</artifactId> 
	<version>2.3.1</version> 
</dependency>

2）、编写代码

public static void async() {
    Properties props = new Properties();
    //指定连接的Kafka集群
    props.put("bootstrap.servers", "192.168.88.131:9092");
    //ACK应答级别
    props.put("acks", "all");
    //重试次数
    props.put("retries", 3);
    //批次大小
    props.put("batch.size", 3);
    //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 < 10; i++) {
        producer.send(new ProducerRecord<>("first", Integer.toString(i), Integer.toString(i)), (metadata, exception) -> {
            //回调函数，该方法会在Producer收到ack时调用，为异步调用
            if (exception == null) {
                System.out.println("success->" 	+ metadata.offset());
            } else {
                exception.printStackTrace();
            }

        });
    }
    producer.close();
}

4.1.3 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，只需调用 Future 对象的 get 方法即可。

public static void sync() {
    Properties props = new Properties();

    //kafka 集群，broker-list
    props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.88.131:9092");
    //ACK应答级别:-1
    props.put(ProducerConfig.ACKS_CONFIG, "all");
    //重试次数
    props.put(ProducerConfig.RETRIES_CONFIG, 1);
    //批次大小
    props.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);
    //等待时间
    props.put(ProducerConfig.LINGER_MS_CONFIG, 1);
    //RecordAccumulator 缓冲区大小
    props.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);

    props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,
            "org.apache.kafka.common.serialization.StringSerializer");
    props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,
            "org.apache.kafka.common.serialization.StringSerializer");
    Producer<String,String> producer = new KafkaProducer<>(props);
    for (int i = 0; i < 10; i++) {
        try {
            // 同步等待返回
            producer.send(new ProducerRecord<>("first", Integer.toString(i), Integer.toString(i))).get();
            System.out.println("Send message : " + "key:" + Integer.toString(i) + ";value:" + Integer.toString(i));
        } catch (InterruptedException e) {
            e.printStackTrace();
        } catch (ExecutionException e) {
            e.printStackTrace();
        }
    }
    producer.close();
}

4.2 Consumer API

Consumer 消费数据时的可靠性是很容易保证的，因为数据在 Kafka 中是持久化的，故不用担心数据丢失问题。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。所以 offset 的维护是 Consumer 消费数据是必须考虑的问题。

4.2.1 自动提交 offset

1）、导入依赖

<dependency> 
	<groupId>org.apache.kafka</groupId> 
	<artifactId>kafka-clients</artifactId> 
	<version>2.3.1</version> 
</dependency>

2）、编写代码

public static void autoCommit() {
    Properties props = new Properties();

    //消费集群
    props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.88.131:9092");
    //消费者组
    props.put(ConsumerConfig.GROUP_ID_CONFIG, "test1");
    //开启自动提交
    props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");
    //自动提交的时间间隔
    props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");

    //key，value的反序列化
    props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,
            "org.apache.kafka.common.serialization.StringDeserializer");
    props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,
            "org.apache.kafka.common.serialization.StringDeserializer");
    //重置消费者偏移量，只有在当前消费者组没有初始化偏移量或当前偏移量数据已不存在时生效
    // earliest：自动将偏移量重置为最早的偏移量，
    // latest：自动将偏移量重置为最新偏移量（默认），
    // none：如果未找到消费者组的先前偏移量，则向消费者抛出异常
    props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG,"none");

    //创建消费者
    KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
    //订阅主题
    consumer.subscribe(Arrays.asList("first"));

    while (true) {
        //如果缓冲区中没有数据，则等待轮询所花费的时间（以毫秒为单位）。
        //如果为0，则立即返回缓冲区中当前可用的任何记录，否则返回空。
        ConsumerRecords<String, String> records = consumer.poll(5000);
        for (ConsumerRecord<String, String> record : records) {
            System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
        }
        System.out.println("poll测试");
    }
}

4.2.2 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，都会将本次 poll 的一批数据最高的偏移量提交；不同点是， commitSync 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，故有可能提交失败。

public static void manualCommit() {
    Properties props = new Properties();

    //消费集群
    props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.88.131:9092");
    //消费者组
    props.put(ConsumerConfig.GROUP_ID_CONFIG, "test1");
    //开启自动提交
    props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");
    //自动提交的延迟
    props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");

    //key，value的反序列化
    props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,
            "org.apache.kafka.common.serialization.StringDeserializer");
    props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,
            "org.apache.kafka.common.serialization.StringDeserializer");
    //重置消费者偏移量，只有在当前消费者组没有初始化偏移量或当前偏移量数据已不存在时生效
    // earliest：自动将偏移量重置为最早的偏移量，
    // latest：自动将偏移量重置为最新偏移量（默认），
    // none：如果未找到消费者组的先前偏移量，则向消费者抛出异常
    props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG,"none");

    //创建消费者
    KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
    //订阅主题
    consumer.subscribe(Arrays.asList("first"));

    while (true) {
        //如果缓冲区中没有数据，则等待轮询所花费的时间（以毫秒为单位）。
        //如果为0，则立即返回缓冲区中当前可用的任何记录，否则返回空。
        ConsumerRecords<String, String> records = consumer.poll(5000);
        for (ConsumerRecord<String, String> record : records) {
            System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
        }
        System.out.println("poll测试");
        //同步提交
        //consumer.commitSync();
        //异步提交
        consumer.commitAsync((offsets, exception) -> {
            if (exception != null) {
                System.err.println("Commit failed for" + offsets);
            }
        });
    }

}

如果没有提交offset，其他的消费者将从上次提交的offset提交，当前进程的消费者由于内存中已存储会继续当前offset消费，但重启后会重新消费。不管是同步提交还是异步提交，它都不是一个事务，因此先提交 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。

4.2.3 自定义存储 offset

Kafka 0.9 版本之前，offset 存储在 zookeeper，0.9 版本及之后，默认将 offset 存储在 Kafka 的一个内置的 topic 中。除此之外，Kafka 还可以选择自定义存储 offset。 offset 的维护是相当繁琐的，因为需要考虑到消费者的 Rebalace。当有新的消费者加入消费者组、已有的消费者推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。因此消费者要首先获取到自己被重新分配到的分区，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，以下为示例代码，其
中提交和获取 offset 的方法，需要根据所选的 offset 存储系统自行实现。

private static Map<TopicPartition, Long> currentOffset = new HashMap<>();
public static void customSaveOffset() {
    Properties props = new Properties();

    //消费集群
    props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.88.131:9092");
    //消费者组
    props.put(ConsumerConfig.GROUP_ID_CONFIG, "test");
    //开启自动提交
    props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");
    //自动提交的时间间隔
    props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");

    //key，value的反序列化
    props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,
            "org.apache.kafka.common.serialization.StringDeserializer");
    props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,
            "org.apache.kafka.common.serialization.StringDeserializer");
    //重置消费者偏移量，只有在当前消费者组没有初始化偏移量或当前偏移量数据已不存在时生效
    // earliest：自动将偏移量重置为最早的偏移量，
    // latest：自动将偏移量重置为最新偏移量（默认），
    // none：如果未找到消费者组的先前偏移量，则向消费者抛出异常
    props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG,"none");

    //创建消费者
    KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
    //订阅主题
    consumer.subscribe(Arrays.asList("first"), new ConsumerRebalanceListener() {
        //该方法在Rebalance之前调用
        @Override
        public void onPartitionsRevoked(Collection<TopicPartition> partitions) {
            commitOffset(currentOffset);
        }
        //该方法在Rebalance之后调用
        @Override
        public void onPartitionsAssigned(Collection<TopicPartition> partitions) {

        }
    });

    while (true) {
        //如果缓冲区中没有数据，则等待轮询所花费的时间（以毫秒为单位）。
        //如果为0，则立即返回缓冲区中当前可用的任何记录，否则返回空。
        ConsumerRecords<String, String> records = consumer.poll(5000);
        for (ConsumerRecord<String, String> record : records) {
            System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
        }
        System.out.println("poll测试");
    }
}
//获取某分区的最新offset
private static long getOffset(TopicPartition partition) {
    return 0;
}

//提交该消费者所有分区的offset
private static void commitOffset(Map<TopicPartition, Long> currentOffset) {
}

4.3 自定义Interceptor

1）、自定义拦截器

public class MyInterceptor implements ProducerInterceptor<String, String> {

    private int errorCounter = 0;
    private int successCounter = 0;
    /**
     * 获取配置信息和初始化数据时调用
     *
     * @param configs
     */
    @Override
    public void configure(Map<String, ?> configs) {

    }
    /**
     * 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
     *
     * @param record
     * @return
     */
    @Override
    public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
        String value = record.value();
        return new ProducerRecord(record.topic(), record.partition(), record.key(), System.currentTimeMillis() + "," + value);
    }
    /**
     * 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。
     *
     * @param metadata
     * @param exception
     */
    @Override
    public void onAcknowledgement(RecordMetadata metadata, Exception exception) {
        // 统计成功和失败的次数
        if (exception == null) {
            successCounter++;
        } else {
            errorCounter++;
        }

    }
    /**
     * 关闭 interceptor，主要用于执行一些资源清理工作
     */
    @Override
    public void close() {
        // 保存结果
        System.out.println("Successful sent: " + successCounter);
        System.out.println("Failed sent: " + errorCounter);
    }
}

2）、添加自定义拦截器到producer

ArrayList<Object> interceptors = new ArrayList<>();
interceptors.add("com.yutao.kafka.MyInterceptor");
props.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG,interceptors);

5 监控

1）、修改启动脚本，启动JMS服务

[root@hadoop01 kafka_2.11-0.11.0.0]# vim bin/kafka-server-start.sh 
if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
#    export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
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

2）、分发脚本

[root@hadoop01 kafka_2.11-0.11.0.0]# scp -r bin/kafka-server-start.sh root@192.168.88.132:/opt/module/kafka_2.11-0.11.0.0/bin/
[root@hadoop01 kafka_2.11-0.11.0.0]# scp -r bin/kafka-server-start.sh root@192.168.88.133:/opt/module/kafka_2.11-0.11.0.0/bin/

3）、下载 kafka-eagle并解压

#下载并解压
[root@hadoop01 software]# wget https://github.com/smartloli/kafka-eagle-bin/archive/v1.4.0.tar.gz
[root@hadoop01 software]# tar -zxvf v1.4.0.tar.gz -C /opt/module/
[root@hadoop01 kafka-eagle-bin-1.4.0]# tar -zxvf kafka-eagle-web-1.4.0-bin.tar.gz

#配置环境变量
[root@hadoop01 kafka-eagle-web-1.4.0]# vim /etc/profile
export KE_HOME=/opt/module/kafka-eagle-bin-1.4.0/kafka-eagle-web-1.4.0
export PATH=$KE_HOME/bin:$PATH
[root@hadoop01 kafka-eagle-web-1.4.0]# source /etc/profile

4）、更改配置文件[root@hadoop01 kafka-eagle-web-1.4.0]# vim conf/system-config.properties

######################################
# multi zookeeper&kafka cluster list
######################################
#kafka.eagle.zk.cluster.alias=cluster1,cluster2
#cluster1.zk.list=tdn1:2181,tdn2:2181,tdn3:2181
#cluster2.zk.list=xdn10:2181,xdn11:2181,xdn12:2181

kafka.eagle.zk.cluster.alias=cluster1
cluster1.zk.list=192.168.88.131:2181
######################################
# zk client thread limit
######################################
kafka.zk.limit.size=25

######################################
# kafka eagle webui port
######################################
kafka.eagle.webui.port=8048

######################################
# kafka offset storage
######################################
cluster1.kafka.eagle.offset.storage=kafka
#cluster2.kafka.eagle.offset.storage=zk

######################################
# kafka metrics, 30 days by default
######################################
kafka.eagle.metrics.charts=true
kafka.eagle.metrics.retain=30


######################################
# kafka sql topic records max
######################################
kafka.eagle.sql.topic.records.max=5000
kafka.eagle.sql.fix.error=false

######################################
# delete kafka topic token
######################################
kafka.eagle.topic.token=keadmin

######################################
# kafka sasl authenticate
######################################
cluster1.kafka.eagle.sasl.enable=false
cluster1.kafka.eagle.sasl.protocol=SASL_PLAINTEXT
cluster1.kafka.eagle.sasl.mechanism=SCRAM-SHA-256
cluster1.kafka.eagle.sasl.jaas.config=org.apache.kafka.common.security.scram.ScramLoginModule required username="kafka" password="kafka-eagle";
cluster1.kafka.eagle.sasl.client.id=

cluster2.kafka.eagle.sasl.enable=false
cluster2.kafka.eagle.sasl.protocol=SASL_PLAINTEXT
cluster2.kafka.eagle.sasl.mechanism=PLAIN
cluster2.kafka.eagle.sasl.jaas.config=org.apache.kafka.common.security.plain.PlainLoginModule required username="kafka" password="kafka-eagle";
cluster2.kafka.eagle.sasl.client.id=

######################################
# kafka sqlite jdbc driver address
######################################
#kafka.eagle.driver=org.sqlite.JDBC
#kafka.eagle.url=jdbc:sqlite:/hadoop/kafka-eagle/db/ke.db
#kafka.eagle.username=root
#kafka.eagle.password=www.kafka-eagle.org

######################################
# kafka mysql jdbc driver address
######################################
kafka.eagle.driver=com.mysql.jdbc.Driver
kafka.eagle.url=jdbc:mysql://127.0.0.1:3306/ke?useUnicode=true&characterEncoding=UTF-8&zeroDateTimeBehavior=convertToNull
kafka.eagle.username=root
kafka.eagle.password=111111

5）、启动服务

[root@hadoop01 kafka-eagle-web-1.4.0]# bin/ke.sh start

yutao_Struggle

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
Kafka从入门到放弃

1 Kafka 概述Kafka是最初由Linkedin公司开发，是一个分布式、支持分区的（partition）、多副本的（replica），基于zookeeper协调（0.9版本之后逐渐启用zookeeper）的分布式的发布/订阅模式的消息队列，它的最大的特性就是可以实时的处理大量数据以满足各种需求场景：比如基于hadoop的批处理系统、低延迟的实时系统、storm/Spark流式处理引擎，we...
复制链接

扫一扫

专栏目录