文章目录
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:
- 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。
- 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。
- 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。
- 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。
- 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?
- 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。
- 为了提高并行度。