Kafka——入门

Kafka

1.Kafka是什么？

Kafka 是一个分布式、支持分区（partition）、多副本的（replica），基于zookeeper协调的分布式消息系统。最大的特点就是可以实时处理大量的数据以满足各种需求场景。

2.Kafka的使用场景

• 消息系统：生产者和消费者解耦，缓存消息。
• 日志收集：公司可以用Kafka收集各种服务的log，通过Kafka以统一接口服务的方式开发给各种consumer，例如hadoop，Hbase，Solr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。

3.Kafka的基本概念

名称	解释
Broker	消息中间件处理节点，一个kafka节点就是一个broker，一个或者多个broker 可以组成一个kafka集群，需要注意的是kafka集群并不是以broder来做单位，就是说多个broder可能会在同时的工作，不分主备
Topic	Kafka 根据topic 对消息进行归类，发布到Kafka 集群的每条消息都需要制定一个topic，是一个抽象的概念。
Producer	消息生产者，向Broder 发送消息的客户端
Consumer	消息消费者，从Broder 读取消息的客户端
ConsumerGroup	每个Consumer属于一个特定的Consumer Group，一条消息可以被多个不同的ConsumerGroup消费，但是一个ConsumerGroup中只能有一个Consumer能够消费该消息
Partition	物理上的概念，一个topic可以分为多个partition，默认是一个，每个partition内部消息是有序的

因此，从一个较高的层面上来看，producer通过网络发送消息到Kafka集群，然后consumer来进行消费。
服务端（Brokers）和客户端（producer，consumer）之间通信通过TCP协议来完成。

4.Kafka的基本操作

此处下载步骤省略了。
启动服务
首先第一步启动zookeeper，然后在启动kafka。

bin/zookeeper-server-start.sh config/zookeeper.properties  // 此处启动zookeeper，因为kafka是基于zookeeper的
bin/kafka-server-start.sh config/server.properties  // 在启动kafka，后面的参数是配置文件

创建一个topic

bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test
// --zookeeper localhost:2181 是用于连接zookeeper用到的。
// --replication-factor 1 是副本，后续会讲
// --partitions 1  是分区。一个topic可以对应多个分区。
// --topic test 是我们主题的名称。

生产消息（Producer）

bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test
This is a message
This is another message

// --broker-list 是用于连接kafka的服务。
// --topic 是表示往哪个topic发送消息

消费消息（Consumer）

bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test --from-beginning

// --bootstrap-server localhost:9092 是用于连接kafka服务
// --topic test 表示从哪个topic接受消息
// --from-beginning 表示从头开始接受消息。
// 此处未使用到消费者组。会有一个默认的组

额外的一些操作

// 消费多主题
bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --whitelist "test|test-2"
// 查看某个主题的情况
bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic test1
// 查看消费组名
bin/kafka-consumer-groups.sh --bootstrap-server localhost:9092 --list 
// 查看消费组的消费偏移量
bin/kafka-consumer-groups.sh --bootstrap-server localhost:9092 --describe --group testGroup
## current-offset：当前消费组的已消费偏移量
## log-end-offset：主题对应分区消息的结束偏移量(HW)
## lag：当前消费组未消费的消息数
// 查看已经存在的topic
bin/kafka-topics.sh --list --zookeeper localhost:2181
// 删除主题，开启删除的配置就可以删除主题
bin/kafka-topics.sh --delete --topic test --zookeeper localhost:2181

5.Kafka配置文件server.properties核心配置详解：

属性	默认值	描述
broker.id	0	每个broker.id都可以用一个唯一的非负整数id进行标识;这个id可以作为broker的名称，你可以选择任意你喜欢的数字作为id，只要id是唯一，且不能为负数
log.dirs	/tmp/kafka-logs	kafka存放数据的路径。这个路径并不是唯一的，可以是多个，路径之间只需要使用逗号分隔即可；每当创建新的partition时，都会选择在包含最少partition的路径下进行。
listeners	是关闭的，可以自行开启PLAINTEXT://:9092	server 接受客户端连接端口，IP配置kafka本机IP即可
zookeeper.connect	localhost:2181	zookeeper连接字符串的格式为：hostname:port,此处hostname和port分别是Zookeeper集群中某个节点的host和port；zookeeper如果是集群，连接方式为hostname1:port1, hostname2:port2,hostname3:port3
num.partitions	1	创建topic的默认分区数
default.replication.factor	默认是没有配置的	自动创建topic的默认副本数量，建议设置为大于等于2
min.insync.replicas	默认是没有配置的	当producer设置ack为-1时，min.insync.replicas 指定replicas的最小数目（必须确认每一个replica的写数据都是成功的）如果这个数目么有达到，producer发送消息会产生异常
delete.topic.enable	默认是没有的	是否允许删除主题

6.单播消息与多播消息,消费多个主题

6.1 单播消息

一个消息只能被某一个消费者消费的模式，只需要让所有的消费者在同一个消费组里即可
分别在两个客户端执行如下消费命令，然后往主题中发布消息，结果只有一个客户端能收到消息。

bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --consumer-property group.id=danboGroup  --topic danbo 
// --consumer-property group.id=danboGroup 可以去设置消费者组

6.2 多播消息

一条消息能够被多个消费者消费的模式，类似于publish-subscribe模式，针对kafka同一条消息只能被同一个消费组下的某一个消费者消费的特性，要实现多播只能保证这些消费者属于不同的消费组即可。

bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --consumer-property group.id=duoboGroup1  --topic duobo 
// --consumer-property group.id=danboGroup 可以去设置消费者组
bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --consumer-property group.id=duoboGroup2  --topic duobo 

6.3 消费多个主题

bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --whitelist "test|test-2"

7.Topic 和消息日志Log

可以理解Topic 是一个类别的名称，同类消息发送到同一个Topic下面。对于每一个Topic，下面可以有多个分区（Partition）日志文件：

1. Partition 是一个有序的message序列，这些message按顺序添加到一个叫做commit log的文件中。每个partition 中的消息都有一个唯一的编号，成为offset，用来唯一标示某个分区中的message。
2. 每个partition，都对应一个commit log 文件。一个partition中的message的offset都是唯一的，但是不同的partition的message的offset可能是相同的。
3. kafka一般不会删除消息，不管这些消息有没有被消费。只会根据配置的日志保留时间（log.retention.hours）确认消息多久被删除，默认保留最近一周的日志消息。kafka的性能与保留的消息数据量大小没有关系，因此保留大量的数据消息日志不会有什么影响。
4. 每个consumer是基于自己在commit log 中的消费进度（offset）来进行工作的。在kafka中，消费offset由consumer自己来维护；一般情况下我们按照顺序逐条消费commit log 中的消息，当然我可以通过制定offset来重复消息某些信息，或者跳过某些信息。
5. 这意味kafka中的consumer 对集群的影响是非常小的，添加一个或者减少一个consumer，对于集群或者其他consumer来说，都是没有影响的，因为每个consumer维护各自的消费offset。
   实战一把
   创建多个分区的主题

bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 2 --topic duofenqu

查看topic的情况

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

• leader节点负责给定partition的所有读写请求
• replicas 表示某个partition 在哪几个broker上存在备份。不管这个节点是不是“leader”，设置这个节点挂了，也会列出。
• isr 是replicas的一个子集，它只会列出当前还存活着的，并且已同步备份了该partition的节点。 必须是当前存活的。

** 进入kafka的数据文件存储目录查看消息日志文件：(具体路径就在配置文件中指定的)**

我们可以看到有 duofenqu-0，doufenqu-1。消息日志文件主要存放在分区文件夹里的以log结尾日志文件里。可以通过以下命令进行增加topic的分区数量（目前kafka不支持减少分区）

bin/kafka-topics.sh -alter --partitions 3 --zookeeper 192.168.65.60:2181 --topic duofenqu

8.总结

可以这么来理解Topic，Partition，Broker

一个topic，代表逻辑上的一个业务数据集，比如按数据库操作消息区分放入不同topic，订单相关的操作放入订单topic，用户相关的操作放入用户topic，对于大型网站来说，后端数据都是海量的，订单消息很可能是非常巨量的，比如有几百个G甚至达到TB级别，如果把这么多数据都放在一台机器上可定会有容量限制问题，那么就可以在topic内部划分多个partition来分片存储数据，不同的partition可以位于不同的机器上，每台机器上都运行一个Kafka的进程Broker。

为什么要对topic下数据进行分区存储？

1. commit log 文件会受到所在机器的文件系统大小的限制，分区之后可以将不同的分区放在不同的机器上，相当于对数据做了分布式存储，理论上一个topic可以处理任意数量的数据。
2. 为了提高并行度。