Zookeeper集群+ Fafka集群
zookeeper概述
zookeeper定义
Zookeeper是一个开源的分布式的,为分布式框架提供协调服务的Apache项目。
Zookeeper 工作机制
Zookeeper从设计模式角度来理解
是一个基于观察者模式设计的分布式服务管理框架,它负责存储和管理大家都关心的数据,然后接受观察者的注册,一旦这些数据的状态发生变化,Zookeeper就将负责通知已经在Zookeeper上注册的那些观察者做出相应的反应。也就是说zookeeper =文件系统+通知机制。
Zookeeper特点:
(1) Zookeeper:一个领导者(Leader),多个跟随者(Follower)组成的集群。
(2) Zookeepe集群中只要有半数以上节点存活,Zookeeper集群就能正常服务。所以Zzookeeper适合安装奇数台服务器。
(3)全局数据一致:每个Server保存一份相同的数据副本,Client无论连接到哪个Server,数据都是一致的。
(4)更新请求顺序执行,来自同一个client的更新请求按其发送顺序依次执行,即先进先出。
(5)数据更新原子性,一次数据更新要么成功,要么失败。
(6)实时性,在一定时间范围内,client能读到最新数据。
Zookeeper 数据结构
ZooKeeper数据模型的结构为树形结构,每个节点称做一个ZNode。每一个ZNode默认能够存储1MB的数据,每个ZNode都可以通过其路径唯一标识。
zookeeper 应用场景
提供的服务包括:统一命名服务、统一配置管理、统一集群管理、服务器节点动态上下线、软负载均衡等。
1,统一命名服务
在分布式环境下,经常需要对应用/服务进行统一命名,便于识别。
2,统一配置管理
(1)分布式环境下,配置文件同步非常常见。一般要求一个集群中,所有节点的配置信息是一致的,
(2)配置管理可交由ZooKeeper实现。可将配置信息写入Z2ooKeeper上的一个Znode。各个客户端服务器监听这个Znode。一旦Znode中的数据被修改,ZooKeeper将通知各个客户端服务器。
3,统一集群管理
(1)分布式环境中,实时掌握每个节点的状态是必要的。可根据节点实时状态做出一些调整。
(2)ZooKeeper可以实现实时监控节点状态变化。可将节点信息写入ZooKeeper上的一个ZNode。监听这个ZNode可获取它的实时状态变化。
4,服务器动态上下线
客广端能实时洞察到服务器上下线的变化。
5,软负载均衡
在Zookeeper中记录每台服务器的访问数,让访问数最少的服务器去处理最新的客户端请求。
zookeeper选举机制
一,第一次启动选举机制
举例此时服务器共有5台
(1)服务器1启动,发起一次选举。服务器1投自己一票。此时服务器1票数一票,不够半数以上(3票),选举无法完成,服务器1状态保持为LOOKING
(2)服务器2启动,再发起一次选举。服务器1和2分别投自己一票并交换选票信息,此时服务器1发现服务器2的myid比自己目前投票推举的(服务器1)大,更改选票为推举服务器2。此时服务器1票数0票,服务器2票数2票,没有半数以上结果,选举无法完成,服务器1,2状态保持LOOKING
(3)服务器3启动,发起一次选举。此时服务器1和2都会更改选票为服务器3。此次投票结果,服务器1为0票,服务器2为0票,服务器3为3票。此时服务器3的票数已经超过半数,服务器3当选Leader。服务器1,2更改状态为FOLLOWING,服务器3更改状态为LEADING
(4)服务器4启动,发起一次选举。此时服务器1,2,3已经不是LOOKING状态,不会更改选票信息。交换选票信息结果,服务器3为3票,服务器4为1票。此时服务器4服从多数,更改选票信息为服务器3,并更改状态为FOLLOWING
(5)服务器5启动,同4一样为FOLLOWING
二,非第一次启动选举机制
(1)当ZooKeeper集群中的一台服务器出现以下两种情况之一时,就会开始进入Leader选举
1)服务器初始化启动。
2)服务器运行期间无法和Leader保持连接。
(2)而当一台机器进入Leader选举流程时,当前集群也可能会处于以下两种状态
1)集群中本来就已经存在一个Leader。
对于已经存在Leader的情况,机器试图去选举Leader时,会被告知当前服务器的Leader信息,对于该机器来说,仅仅需要和Leader机器建立连接,并进行状态同步即可。
2)集群中确实不存在Leader。
假设ZooKeeper由5台服务器组成,sID分别为1、2、3、4、5,ZXID分别为8、8、8、7、7,并且此时sID为3的服务器是Leader。某一时刻,3和5服务器出现故障,因此开始进行Leader选举。
(3)选举Leader规则
1.EPOCH大的直接胜出
2.EPOCH相同,事务id大的胜出
3 事务id相同,服务器id大的胜出
SID:服务器ID。用来唯一标识一台ZooKeeper集群中的机器,每台机器不能重复,和myid一致。
ZXID:事务ID。ZXID是一个事务ID,用来标识一次服务器状态的变更。与服务器的处理能力有关,能力越大,ID越大
Epoch:每个Leader任期的代号。没有Leader时同一轮投票过程中的逻辑时钟值是相同的。每投完一次票这个数据就会增加
部署zookeeper集群
node1:192.168.226.80
node2:192.168.226.90
node3:192.168.226.100
1,准备环境
systemctl stop firewalld
systemctl disable firewalld
setenforce 0
2,安装jdk
yum install -y java*
3,安装Zookeeper
cd /opt
tar -zxvf apache-zookeeper-3.5.7-bin.tar.gz
mv apache-zookeeper-3.5.7-bin /usr/local/zookeeper-3.5.7
/备份配置文件
cd /usr/locai/zookeeper-3.5.7/conf/cp zoo_sample.cfg zoo.cfg
4,修改配置文件
vim zoo.log
tickTime=2000
initLimit=10
syncLimit=5
dataDir=/usr/local/zookeeper-3.5.7/data
dataLogDir=/usr/local/zookeeper-3.5.7/logs
clientPort=2181
##在最后添加
server.1=192.168.226.80:3188:3288
server.2=192.168.226.90:3188:3288
server.3=192.168.226.100:3188:3288
5,节点配置
##将配置好的文件上传到其他节点
scp /usr/local/zookeeper-3.5.7/conf/zoo.cfg 192.168.226.90:/usr/local/zookeeper-3.5.7/conf/
scp /usr/local/zookeeper-3.5.7/conf/zoo.cfg 192.168.226.100:/usr/local/zookeeper-3.5.7/conf/
##在每个节点上创建数据目录和日志目录
mkdir /usr/local/zookeeper-3.5.7ldata
mkdir /usr/local/zookeeper-3.5.7/logs
##在每个节点的dataDir指定的目录下创建一个myid 的文件
echo 1 > /usr/ local/zookeeper-3.5.7/data/myid
echo 2 > /usr/ local/zookeeper-3.5.7/data/ myid
echo 3 > /usr/ local/zookeeper-3.5.7/ data/ myid
6,配置服务启动脚本
vim /etc/init.d/zookeeper
#!/bin/bash
#chkconfig:2345 20 90
#description: Zookeeper Service Control Script
ZK_HOME='/usr/local/zookeeper-3.5.7'
case $1 in
start)
echo "-----zookeeper启动-----
$ZK_HOME/bin/zkServer.sh start
;;
stop)
echo "----zookeeper停止-------"
$ZK_HOME/bin/ zkServer.sh stop
;;
restart)
echo "----zookeeper重启-------"
$ZK_HOME/bin/zkServer.sh restart
;;
status)
echo "-----zookeeper状态------"
$ZK_HOME/bin/zkServer.sh status
;;
*)
echo "Usage: $0 {start|stop|restart|status}"
esac
##给脚本权限,加入服务管理
chmod +x /etc/init.d/zookeeper
chkconfig --add zookeeper
7,启动服务,并查看节点信息
##各个节点都要启动
service zookeeper start
##查看当前节点的信息
service Zookeeper status
##100节点
##90节点
注:根据leader的第一次选举规则,80主机开启,给自己投票,但没有过半,处于looking状态,当90主机开启,各个服务器都给自己投一票,但交换选票信息时,80发现90的myid比自己大,所以,把票投给了90。90有了2票,且参与投票的服务器已过了总的服务器的一半,所以90当选为leader,处于leading状态,80处于following状态。当100主机开启,发现已经有了leader,便把票投给了当选leader的90主机。自己处于following状态。
注:非第一次选举规则中,重要的是Epoch选举条件,如果有一台服务器没有参与第一次选举,那么除非参与第一次选举的服务器都挂掉,不然这台服务器将不会担任leader服务器。服务器每经过一次选举Epoch就会变大,没有经过选举的则不会。
Kafka集群
一,消息队列
1,为什么需要消息队列
使用消息队列可以当高并发来临时,通过异步处理,来减轻后端的压力。防止造成阻塞
2,使用消息队列的好处
(1)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。
(2)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。
(3)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。
(4)削峰能力
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。
(5)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。
3,消息队列的两种模式
(1)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)
消息生产者会生产消息发送到消息队列中,然后消息消费者从消息队列中取出并且消费消息。消息被消费以后,消息队列中不再有存储,所以消息消费者不可能消费到已经被消费的消息。消息队列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。
(2)发布/订阅模式(一对多,又叫观察者模式,消费者消费数据之后不会清除消息)
消息生产者将消息发布到 topic 中,同时有多个消息消费者消费该消息。和点对点方式不同,发布到 topic 的消息会被所有订阅者消费。
发布/订阅模式是定义对象间一种一对多的依赖关系,使得每当一个对象的状态发生改变,则所有依赖于它的对象都会得到通知并自动更新。
二,Kafka 定义
Kafka 是一个分布式的基于发布/订阅模式的消息队列,主要应用于大数据实时处理领域。
1,Kafka 的特性
●高吞吐量、低延迟
Kafka 每秒可以处理几十万条消息,它的延迟最低只有几毫秒。每个 topic 可以分多个 Partition,Consumer Group 对 Partition 进行消费操作,提高负载均衡能力和消费能力。
●可扩展性
kafka 集群支持热扩展
●持久性、可靠性
消息被持久化到本地磁盘,并且支持数据备份防止数据丢失
●容错性
允许集群中节点失败(多副本情况下,若副本数量为 n,则允许 n-1 个节点失败)
●高并发
支持数千个客户端同时读写
2,Kafka 系统架构
(1)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。
(2)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。
类似于数据库的表名或者 ES 的 index
物理上不同 topic 的消息分开存储
(3)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 可以分割为一个或多个 partition,每个 partition 是一个有序的队列。Kafka 只保证 partition 内的记录是有序的,而不保证 topic 中不同 partition 的顺序。即取出数据时,从不同partition中取出的数据会是混乱的。
注:每个 topic 至少有一个 partition,当生产者产生数据的时候,会根据分配策略选择分区,然后将消息追加到指定的分区的队列末尾。
3,Partation 数据路由规则
1.指定了 patition,则直接使用;
2.未指定 patition 但指定 key(相当于消息中某个属性),通过对 key 的 value 进行 hash 取模,选出一个 patition;
3.patition 和 key 都未指定,使用轮询选出一个 patition。
(4)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。
(5)Leader
每个 partition 有多个副本,其中有且仅有一个作为 Leader,Leader 是当前负责数据的读写的 partition。
(6)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。Follower 只负责备份,不负责数据的读写。
如果 Leader 故障,则从 Follower 中选举出一个新的 Leader。
当 Follower 挂掉、卡住或者同步太慢,Leader 会把这个 Follower 从 ISR(Leader 维护的一个和 Leader 保持同步的 Follower 集合) 列表中删除,重新创建一个 Follower。
(7)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。
(8)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。
(9)Consumer Group(CG)
消费者组,由多个 consumer 组成。
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。可为每个消费者指定组名,若不指定组名则属于默认的组。
将多个消费者集中到一起去处理某一个 Topic 的数据,可以更快的提高数据的消费能力。
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,防止数据被重复读取。
消费者组之间互不影响。
(10)offset 偏移量
可以唯一的标识一条消息。
偏移量决定读取数据的位置,不会有线程安全的问题,消费者通过偏移量来决定下次读取的消息(即消费位置)。
消息被消费之后,并不被马上删除,这样多个业务就可以重复使用 Kafka 的消息。
某一个业务也可以通过修改偏移量达到重新读取消息的目的,偏移量由用户控制。
消息最终还是会被删除的,默认生命周期为 1 周(7*24小时)。
(11)Zookeeper
Kafka 通过 Zookeeper 来存储集群的 meta 信息。
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。
服务部署
我们这次部署的是,ELK+ZOOKEEPER+KAFKA集群
ELK集群:
node1:192.168.226.40
node2:192.168.226.60
master:192.168.226.50
filebeat:192.168.226.70
ZOOKEEPER+KAFKA集群:
master1:192.168.226.80
master2:192.168.226.90
master3:192.168.226.100
我们利用上次实验搭建完成的ELK来继续完成这个实验
部署 Zookeeper +kafka 集群
1,准备环境
systemctl stop firewalld
setenforce 0
2.安装 Kafka
cd /opt/
tar zxvf kafka_2.13-2.7.1.tgz
mv kafka_2.13-2.7.1 /usr/local/kafka
修改配置文件
cd /usr/local/kafka/config/
cp server.properties{,.bak} #备份文件
vim server.properties
broker.id=0 #21行,broker的全局唯一编号,每个broker不能重复
listeners=PLAINTEXT://192.168.226.80:9092 #31行,指定监听的IP和端口
num.network.threads=3 #42行,broker 处理网络请求的线程数量
num.io.threads=8 #45行,用来处理磁盘IO的线程数量,数值应该大于硬盘数
socket.send.buffer.bytes=102400 #48行,发送套接字的缓冲区大小
socket.receive.buffer.bytes=102400 #51行,接收套接字的缓冲区大小
socket.request.max.bytes=104857600 #54行,请求套接字的缓冲区大小
log.dirs=/usr/local/kafka/logs #60行,kafka运行日志存放的路径,
num.partitions=1 #65行,topic在当前broker上的默认分区个数
num.recovery.threads.per.data.dir=1 #69行,用来恢复和清理data下数据的线程数量
log.retention.hours=168 #103行,segment文件(数据文件)保留的最长时间
log.segment.bytes=1073741824 #110行,一个segment文件最大的大小
zookeeper.connect=192.168.226.80:2181,192.168.226.90:2181,192.168.226.100:2181
#123行,配置连接Zookeeper集群地址
修改环境变量
vim /etc/profile
export KAFKA_HOME=/usr/local/kafka
export PATH=$PATH:$KAFKA_HOME/bin
source /etc/profile
配置 Zookeeper 启动脚本
vim /etc/init.d/kafka
#!/bin/bash
#chkconfig:2345 22 88
#description:Kafka Service Control Script
KAFKA_HOME='/usr/local/kafka'
case $1 in
start)
echo "---------- Kafka 启动 ------------"
${KAFKA_HOME}/bin/kafka-server-start.sh -daemon ${KAFKA_HOME}/config/server.properties
;;
stop)
echo "---------- Kafka 停止 ------------"
${KAFKA_HOME}/bin/kafka-server-stop.sh
;;
restart)
$0 stop
$0 start
;;
status)
echo "---------- Kafka 状态 ------------"
count=$(ps -ef | grep kafka | egrep -cv "grep|$$")
if [ "$count" -eq 0 ];then
echo "kafka is not running"
else
echo "kafka is running"
fi
;;
*)
echo "Usage: $0 {start|stop|restart|status}"
esac
加入服务管理
chmod +x /etc/init.d/kafka
chkconfig --add kafka
分别启动 Kafka
service kafka start
3.Kafka 命令行操作
创建topic
kafka-topics.sh --create --zookeeper 192.168.226.80:2181,192.168.226.90:2181,192.168.226.100:2181 --replication-factor 2 --partitions 3 --topic test
–zookeeper:定义 zookeeper 集群服务器地址,如果有多个 IP 地址使用逗号分割,一般使用一个 IP 即可
–replication-factor:定义分区副本数,1 代表单副本,建议为 2
–partitions:定义分区数
–topic:定义 topic 名称
查看当前服务器中的所有 topic
kafka-topics.sh --list --zookeeper 192.168.226.80:2181,192.168.226.90:2181,192.168.226.100:2181
查看某个 topic 的详情
kafka-topics.sh --describe --zookeeper 192.168.226.80:2181,192.168.226.90:2181,192.168.226.100:2181
发布消息
kafka-console-producer.sh --broker-list 192.168.226.80:9092,192.168.226.90:9092,192.168.226.100:9092 --topic test
消费消息
kafka-console-consumer.sh --bootstrap-server 192.168.226.80:9092,192.168.226.90:9092,192.168.226.100:9092 --topic test --from-beginning
修改分区数
kafka-topics.sh --zookeeper 192.168.226.80:2181,192.168.226.90:2181,192.168.226.100:2181 --alter --topic test --partitions 6
删除 topic
kafka-topics.sh --delete --zookeeper 192.168.226.80:2181,192.168.226.90:2181,192.168.226.100:2181 --topic test
注:因为kafka是一款分布式存储的消息队列,topic中partition中的数据是分开存储的,但kafka只能保证在partition中数据是有序的,而当数据被消费时,需要从不同partition中调取数据时,数据的顺序并不能保证是有序的。
Filebeat+Kafka+ELK
1.部署 Zookeeper+Kafka 集群
我们上一步已经部署完成了
2.部署 Filebeat
cd /usr/local/filebeat
vim filebeat.yml
filebeat.prospectors:
- type: log
enabled: true
paths:
- /var/log/messages
- /var/log/*.log
......
#添加输出到 Kafka 的配置
output.kafka:
enabled: true
hosts: ["192.168.226.90:9092","192.168.226.80:9092","192.168.226.100:9092"] #指定 Kafka 集群配置
topic: "filebeat_test" #指定 Kafka 的 topic
#启动 filebeat
./filebeat -e -c filebeat.yml
3.部署 ELK,在 Logstash 组件所在节点上新建一个 Logstash 配置文件
cd /etc/logstash/conf.d/
vim filebeat.conf
input {
kafka {
bootstrap_servers => "192.168.226.80:9092,192.168.226.90:9092,192.168.226.100:9092"
topics => "filebeat_test"
group_id => "test123"
auto_offset_reset => "earliest"
}
}
output {
elasticsearch {
hosts => ["192.168.226.60:9200"]
index => "filebeat-%{+YYYY.MM.dd}"
}
stdout {
codec => rubydebug
}
}
#启动 logstash
logstash -f filebeat.conf
4.浏览器访问 http://192.168.226.60:5601 登录 Kibana,创建filebeat索引,再查询索引。
5,在kafka节点
/usr/local/kafka/logs
目录中可以查看到分开保存的test的副本
查看当前topic的详情
kafka-topics.sh --describe --zookeeper 192.168.226.80:2181,192.168.226.90:2181,192.168.226.100:2181
注:topic属于分布式存储,且会有两个follow副本用来备份。
生产者Producer将消息发布给由多台服务器组成的brokers集群,在集群中每一台broker都会有至少一个topic用来存储消息,topic很大,它里面会进行分区,每一个区为partition,可以有多个区。消息就存储在这些区中。在这些区内,数据是有序的,但这些区在消费数据时,是无序的。也就是说,如果一个topic内有两个partition区,每个区内的数据是有序的,但当消费者消费消息时,topic中的两个区是无序发出消息的。每一个partition会有多个副本,但只有一个作为leader,用来负责读写。其他无论多少都是作为备份。只有leader挂掉,才会更换。消费者可以从broker读取数据(就是从topic中的partition中读取),还可以消费多个topic中的数据。