Kafka（总）入门+深入

最新推荐文章于 2022-01-12 23:25:35 发布
最新推荐文章于 2022-01-12 23:25:35 发布
阅读量174 收藏
点赞数
分类专栏： Kafka 文章标签： kafka
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zmzdmx/article/details/110941841
版权

文章目录

第1章 Kafka概述

1.1 消息队列（Message Queue）

1.1.1 传统消息队列的应用场景

image-20201207221942781

1.1.2 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）

消息生产者生产消息发送到Queue中，然后消息消费者从Queue中取出并且消费消息。

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。

image-20201207222533555

2）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。和点对点方式不同，发布到topic的消息会被所有订阅者消费。

image-20201207222640719

1.2 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。

1.3 Kafka基础架构

image-20201207223659257

（1）Producer ：消息生产者，就是向kafka broker发消息的客户端；

（2）Consumer ：消息消费者，向kafka broker取消息的客户端；

（3）Consumer Group （CG）：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，即消费者组是逻辑上的一个订阅者。

（4）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。

（5）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；

（6）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；

（7）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。

（8）leader：每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对象都是leader。

（9）follower：每个分区多个副本中的“从”，实时从leader中同步数据，保持和leader数据的同步。leader发生故障时，某个follower会成为新的leader。

第2章 Kafka快速入门

2.1 安装部署

2.1.1 集群规划

hadoop102hadoop103hadoop104
zkzkzk
kafkakafkakafka

2.1.2 jar包下载

http://kafka.apache.org/downloads

2.1.3 集群部署

1）解压安装包

[root@hadoop102 software]# tar -zxvf kafka_2.11-2.0.0.tgz -C /opt/install/

2）修改解压后的文件名称

[root@hadoop102 install]# mv kafka_2.11-2.0.0/ kafka

3）在/opt/install/kafka目录下创建logs文件夹

[root@hadoop102 kafka]# mkdir logs

4）修改配置文件

[root@hadoop102 config]# vim server.properties

输入以下内容：
#broker的全局唯一编号，不能重复
broker.id=0
#删除topic功能使能
delete.topic.enable=true
#处理网络请求的线程数量
num.network.threads=3
#用来处理磁盘IO的现成数量
num.io.threads=8
#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400
#接收套接字的缓冲区大小
socket.receive.buffer.bytes=102400
#请求套接字的缓冲区大小
socket.request.max.bytes=104857600
#kafka运行日志存放的路径
log.dirs=/opt/install/kafka/logs
#topic在当前broker上的分区个数
num.partitions=1
#用来恢复和清理data下数据的线程数量
num.recovery.threads.per.data.dir=1
#segment文件保留的最长时间，超时将被删除
log.retention.hours=168
#配置连接Zookeeper集群地址
zookeeper.connect=hadoop102:2181,hadoop103:2181,hadoop104:2181/kafka

5）配置环境变量

vi /etc/profile

export KAFKA_HOME=/opt/install/kafka
export PATH=$PATH:$KAFKA_HOME/bin

source /etc/profile

6）分发安装包

[root@hadoop102 install]# xsync kafka/

注意：分发之后记得配置其他机器的环境变量

分别在hadoop103和hadoop104上修改配置文件

/opt/install/kafka/config/server.properties中的broker.id=1、broker.id=2

注：broker.id不得重复

7）启动集群（首先启动zookeeper集群）

依次在hadoop102、hadoop103、hadoop104节点上启动kafka

kafka-server-start.sh -daemon /opt/install/kafka/config/server.properties

image-20201208192444608

8）关闭集群

kafka-server-stop.sh

注意：

关于Kafka启动后无法正常关闭的问题解决方法（No kafka server to stop）

查看kafka关闭服务脚本kafka-server-stop.sh发现，该脚本通过

PIDS=$(ps ax | grep -i 'kafka\.Kafka' | grep java | grep -v grep | awk '{print $1}')

获取kafka的pid

这里我们需要改成下面的语句，来使脚本可以正常获取pid

PIDS=$(jps -lm | grep -i 'kafka.Kafka'| awk '{print $1}')

9）kafka群起脚本

新建kf.sh并赋予执行权限

#! /bin/bash
case $1 in
"start"){
    for i in `cat /opt/install/hadoop/etc/hadoop/slaves`
    do
        echo " --------启动 $i Kafka-------"
        ssh $i "source /etc/profile && /opt/install/kafka/bin/kafka-server-start.sh -daemon /opt/install/kafka/config/server.properties"
    done
};;
"stop"){
    for i in `cat /opt/install/hadoop/etc/hadoop/slaves`
    do
        echo " --------停止 $i Kafka-------"
        ssh $i "source /etc/profile && /opt/install/kafka/bin/kafka-server-stop.sh stop"
    done
};;
esac

image-20201208200510526

特别提醒

在脚本文件中加上了 source /etc/profile &&

是因为如果不加的话，读取不到环境变量，脚本不会起作用

2.2 Kafka命令行操作

1）查看当前服务器中的所有topic

[root@hadoop102 bin]# kafka-topics.sh --zookeeper hadoop102:2181 --list

2）创建topic

bin/kafka-topics.sh --zookeeper hadoop102:2181/kafka --create --replication-factor 3 --partitions 1 --topic first

选项说明：

–topic 定义topic名

–replication-factor 定义副本数

–partitions 定义分区数

注意：kafka无法创建topic https://blog.csdn.net/g1219371445/article/details/78828915

3）删除topic

bin/kafka-topics.sh --zookeeper hadoop102:2181/kafka --delete --topic first

需要server.properties中设置delete.topic.enable=true否则只是标记删除。

4）发送消息

bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --from-beginning --topic first

–from-beginning：会把主题中以往所有的数据都读取出来。

6）查看某个Topic的详情

bin/kafka-topics.sh --zookeeper hadoop102:2181/kafka --describe --topic first

7）修改分区数

bin/kafka-topics.sh --zookeeper hadoop102:2181/kafka --alter --topic first --partitions 6

8）查看消息队列中每个分区中的数量

kafka-run-class.sh kafka.tools.GetOffsetShell --broker-list 192.168.83.100:9092 --topic kb09demo -time -1 --offsets 1

第3章 Kafka架构深入

3.1 Kafka工作流程及文件存储机制

image-20201209140756604

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，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。

image-20201209140946828

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。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。例如，first这个topic有三个分区，则其对应的文件夹为first-0,first-1,first-2。

00000000000000000000.index
00000000000000000000.log
00000000000000170410.index
00000000000000170410.log
00000000000000239430.index
00000000000000239430.log

index和log文件以当前segment的第一条消息的offset命名。下图为index文件和log文件的结构示意图。

image-20201209141405964

“.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。

3.2 Kafka生产者

3.2.1 分区策略

1）分区的原因

（1）方便在集群中扩展，每个Partition可以通过调整以适应它所在的机器，而一个topic又可以有多个Partition组成，因此整个集群就可以适应任意大小的数据了；

（2）可以提高并发，因为可以以Partition为单位读写了。

2）分区的原则

我们需要将producer发送的数据封装成一个ProducerRecord对象。

image-20201209141953867

（1）指明 partition 的情况下，直接将指明的值直接作为 partiton 值；

（2）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；

（3）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 算法。

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

image-20201209142356667

1）副本数据同步策略

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，容忍n台节点的故障，需要2n+1个副本
全部完成同步，才发送ack选举新的leader时，容忍n台节点的故障，需要n+1个副本延迟高

Kafka选择了第二种方案，原因如下：

（1）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。

（2）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。

2）ISR

采用第二种方案之后，设想以下情景：leader收到数据，所有follower都开始同步数据，但有一个follower，因为某种故障，迟迟不能与leader进行同步，那leader就要一直等下去，直到它完成同步，才能发送ack。这个问题怎么解决呢？

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，则该follower将被踢出ISR，该时间阈值由replica.lag.time.max.ms参数设定。Leader发生故障之后，就会从ISR中选举新的leader。

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，选择以下的配置。

acks参数配置：

acks：

0：producer不等待broker的ack，这一操作提供了一个最低的延迟，broker一接收到还没有写入磁盘就已经返回，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；

image-20201209143240480

-1（all）：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，broker发送ack之前，leader发生故障，那么会造成数据重复。

image-20201209143541009

4）故障处理细节

image-20201209144442059

（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。

（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。

3.2.3 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

要启用幂等性，只需要将Producer的参数中enable.idompotence设置为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，当具有相同主键的消息提交时，Broker只会持久化一条。

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

3.3 Kafka消费者

3.3.1 消费方式

consumer采用pull（拉）模式从broker中读取数据。

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。

3.3.2 分区分配策略

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，即确定那个partition由哪个consumer来消费。

Kafka有两种分配策略，一是roundrobin，一是range。

1）roundrobin

tutieshi_640x360_17s

2）range

tutieshi_640x360_9s

3.3.3 offset的维护

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**。

3.4 Kafka高效读写数据

1）顺序写磁盘

Kafka的producer生产数据，要写入到log文件中，写的过程是一直追加到文件末端，为顺序写。官网有数据表明，同样的磁盘，顺序写能到到600M/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。

2）应用Pagecache

Kafka数据持久化是直接持久化到Pagecache中，这样会产生以下几个好处：

  • I/O Scheduler 会将连续的小块写组装成大块的物理写从而提高性能

  • I/O Scheduler 会尝试将一些写操作重新按顺序排好，从而减少磁盘头的移动时间

  • 充分利用所有空闲内存（非 JVM 内存）。如果使用应用层 Cache（即 JVM 堆内存），会增加 GC 负担

  • 读操作可直接在 Page Cache 内进行。如果消费和生产速度相当，甚至不需要通过物理磁盘（直接通过 Page Cache）交换数据

  • 如果进程重启，JVM 内的 Cache 会失效，但 Page Cache 仍然可用

尽管持久化到Pagecache上可能会造成宕机丢失数据的情况，但这可以被Kafka的Replication机制解决。如果为了保证这种情况下数据不丢失而强制将 Page Cache 中的数据 Flush 到磁盘，反而会降低性能

3）零复制技术

image-20201209161431968

3.5 Zookeeper在Kafka中的作用

Kafka集群中有一个broker会被选举为Controller，负责管理集群broker的上下线，所有topic的分区副本分配和leader选举等工作。

Controller的管理工作都是依赖于Zookeeper的。

以下为partition的leader选举过程：

image-20201209161652945

3.6 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。

3.6.1 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。

3.6.2 Consumer事务（精准一次性消费）

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。

如果想完成Consumer端的精准一次性消费，那么需要kafka消费端将消费过程和提交offset过程做原子绑定。此时我们需要将kafka的offset保存到支持事务的自定义介质中（比如mysql）。这部分知识会在后续项目部分涉及。

第4章 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。

image-20201209162513597

相关参数：

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>2.0.0</version>
</dependency>

需要用到的类：

KafkaProducer：需要创建一个生产者对象，用来发送数据

ProducerConfig：获取所需的一系列配置参数

ProducerRecord：每条数据都要封装成一个ProducerRecord对象

（1）不带回调函数的API

package nj.zb.kb09;

import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

public class CustomProducer {
    public static void main(String[] args) {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");//kafka集群
        prop.put("acks","all");
        prop.put("retries",1);//重试次数
        prop.put("batch.size",16384);//批次大小
        prop.put("linger.ms",1);//等待时间
        prop.put("buffer.memory",33554432);//RecordAccumulator缓冲区大小
        prop.put("key.serializer", StringSerializer.class);
        prop.put("value.serializer",StringSerializer.class);

        Producer<String,String> producer=new KafkaProducer<String, String>(prop);
        for (int i = 0; i < 100; i++) {
            producer.send(new ProducerRecord("first","hello world"+i));
        }
        producer.close();
    }
}

（2）带回调函数的API

回调函数会在producer收到ack时调用，为异步调用，该方法有两个参数，分别是RecordMetadata和Exception，如果Exception为null，说明消息发送成功，如果Exception不为null，说明消息发送失败。

注意：消息发送失败会自动重试，不需要我们在回调函数中手动重试。

package nj.zb.kb09;

import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

public class CustomProducer {
    public static void main(String[] args) {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");//kafka集群
        prop.put("acks","all");
        prop.put("retries",1);//重试次数
        prop.put("batch.size",16384);//批次大小
        prop.put("linger.ms",1);//等待时间
        prop.put("buffer.memory",33554432);//RecordAccumulator缓冲区大小
        prop.put("key.serializer", StringSerializer.class);
        prop.put("value.serializer",StringSerializer.class);

        Producer<String,String> producer=new KafkaProducer<String, String>(prop);
        for (int i = 0; i < 100; i++) {
            producer.send(new ProducerRecord("first", "hello world" + i, new Callback() {
                //回调函数，该方法会在Producer收到ack时调用，为异步调用
                @Override
                public void onCompletion(RecordMetadata recordMetadata, Exception e) {
                    if (e==null){
                        System.out.println("success->"+recordMetadata.offset());
                    }else {
                        e.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，只需在调用Future对象的get方发即可。

package nj.zb.kb09;

import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;
import java.util.concurrent.ExecutionException;

public class CustomProducer {
    public static void main(String[] args) throws ExecutionException, InterruptedException {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");//kafka集群
        prop.put("acks","all");
        prop.put("retries",1);//重试次数
        prop.put("batch.size",16384);//批次大小
        prop.put("linger.ms",1);//等待时间
        prop.put("buffer.memory",33554432);//RecordAccumulator缓冲区大小
        prop.put("key.serializer", StringSerializer.class);
        prop.put("value.serializer",StringSerializer.class);

        Producer<String,String> producer=new KafkaProducer<String, String>(prop);
        for (int i = 0; i < 100; i++) {
            producer.send(new ProducerRecord("first", "hello world" + i)).get();
        }
        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>2.0.0</version>
</dependency>

2）编写代码

需要用到的类：

KafkaConsumer：需要创建一个消费者对象，用来消费数据

ConsumerConfig：获取所需的一系列配置参数

ConsuemrRecord：每条数据都要封装成一个ConsumerRecord对象

为了使我们能够专注于自己的业务逻辑，Kafka提供了自动提交offset的功能。

自动提交offset的相关参数：

enable.auto.commit：是否开启自动提交offset功能
auto.commit.interval.ms：自动提交offset的时间间隔

以下为自动提交offset的代码：

package nj.zb.kb09;

import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.util.Collections;
import java.util.Properties;

public class CustomConsumer {
    public static void main(String[] args) {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");
        prop.put("group.id","test");
        prop.put("enable.auto.commit","true");
        prop.put("auto.commit.interval.ms","1000");
        prop.put("key.deserializer", StringDeserializer.class);
        prop.put("value.deserializer", StringDeserializer.class);

        KafkaConsumer<String,String> consumer=new KafkaConsumer<String, String>(prop);
        consumer.subscribe(Collections.singleton("first"));
        while (true){
            ConsumerRecords<String, String> records = consumer.poll(100);
            for (ConsumerRecord<String, String> record : records) {
                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
            }
        }
    }
}

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。

1）同步提交offset

由于同步提交offset有失败重试机制，故更加可靠，以下为同步提交offset的示例。

package nj.zb.kb09;

import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.util.Collections;
import java.util.Properties;

public class CustomConsumer {
    public static void main(String[] args) {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");
        prop.put("group.id","test");//消费者组，只要group.id相同，就属于同一个消费者组
        prop.put("enable.auto.commit","false");//关闭自动提交offset
        prop.put("auto.commit.interval.ms","1000");
        prop.put("key.deserializer", StringDeserializer.class);
        prop.put("value.deserializer", StringDeserializer.class);

        KafkaConsumer<String,String> consumer=new KafkaConsumer<String, String>(prop);
        consumer.subscribe(Collections.singleton("first"));//消费者订阅主题
        while (true){
            ConsumerRecords<String, String> records = consumer.poll(100);//消费者拉取数据
            for (ConsumerRecord<String, String> record : records) {
                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
            }
            consumer.commitSync();//同步提交，当前线程会阻塞知道offset提交成功
        }
    }
}

2）异步提交offset

虽然同步提交offset更可靠一些，但是由于其会阻塞当前线程，直到提交成功。因此吞吐量会收到很大的影响。因此更多的情况下，会选用异步提交offset的方式。

以下为异步提交offset的示例：

package nj.zb.kb09;

import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.util.Collections;
import java.util.Map;
import java.util.Properties;

public class CustomConsumer {
    public static void main(String[] args) {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");
        prop.put("group.id","test");//消费者组，只要group.id相同，就属于同一个消费者组
        prop.put("enable.auto.commit","false");//关闭自动提交offset
        prop.put("auto.commit.interval.ms","1000");
        prop.put("key.deserializer", StringDeserializer.class);
        prop.put("value.deserializer", StringDeserializer.class);

        KafkaConsumer<String,String> consumer=new KafkaConsumer<String, String>(prop);
        consumer.subscribe(Collections.singleton("first"));//消费者订阅主题
        while (true){
            ConsumerRecords<String, String> records = consumer.poll(100);//消费者拉取数据
            for (ConsumerRecord<String, String> record : records) {
                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
            }
            consumer.commitAsync(new OffsetCommitCallback() {
                @Override
                public void onComplete(Map<TopicPartition, OffsetAndMetadata> offsets, Exception exception) {
                    if (exception != null) {
                        System.err.println("Commit failed for" + offsets);
                    }
                }
            });//异步提交
        }
    }
}

3）数据漏消费和重复消费分析

无论是同步提交还是异步提交offset，都有可能会造成数据的漏消费或者重复消费。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。

image-20201209173954227

第5章 Kafka监控（Kafka Eagle）

1）修改kafka启动命令

修改kafka-server-start.sh命令中

if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
    export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
fi

为

if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
    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"
    #export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
fi

注意：修改之后在启动Kafka之前要分发之其他节点

2）上传压缩包kafka-eagle-bin-1.3.7.tar.gz到集群/opt/software目录

链接: https://pan.baidu.com/s/18u3eyYArbjwb9g2bzsOqyw 提取码: 9qh4 复制这段内容后打开百度网盘手机App，操作更方便哦

3）解压到本地

[root@hadoop102 software]# tar -zxvf kafka-eagle-bin-1.4.5.tar.gz

4）进入刚才解压的目录

[root@hadoop102 software]# cd kafka-eagle-bin-1.4.5
[root@hadoop102 kafka-eagle-bin-1.4.5]# ll
total 73952
-rw-rw-r--. 1 root root 75722791 Mar 21  2020 kafka-eagle-web-1.4.5-bin.tar.gz
[root@hadoop102 kafka-eagle-bin-1.4.5]# tar -zxvf kafka-eagle-web-1.4.5-bin.tar.gz -C /opt/install

6）修改名称

[root@hadoop102 install]# mv kafka-eagle-web-1.4.5/ eagle

7）给启动文件执行权限


[root@hadoop102 install]# cd eagle/
[root@hadoop102 eagle]# cd bin
[root@hadoop102 bin]# ll
total 12
-rw-r--r--. 1 root root 1848 Aug 22  2017 ke.bat
-rw-r--r--. 1 root root 7716 Mar  4  2020 ke.sh
[root@hadoop102 bin]# chmod 777 ke.sh

8）修改配置文件

######################################
# multi zookeeper&kafka cluster list
######################################
kafka.eagle.zk.cluster.alias=cluster1
cluster1.zk.list=hadoop102:2181,hadoop103:2181,hadoop104:2181

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

######################################
# enable kafka metrics
######################################
kafka.eagle.metrics.charts=true
kafka.eagle.sql.fix.error=false

######################################
# kafka jdbc driver address
######################################
kafka.eagle.driver=com.mysql.jdbc.Driver
kafka.eagle.url=jdbc:mysql://hadoop102:3306/ke?useUnicode=true&characterEncoding=UTF-8&zeroDateTimeBehavior=convertToNull
kafka.eagle.username=root
kafka.eagle.password=000000

9）添加环境变量

export KE_HOME=/opt/install/eagle
export PATH=$PATH:$KE_HOME/bin

注意：source /etc/profile

10）启动

注意：启动之前需要先启动ZK以及KAFKA

ke.sh start

image-20201209184516585

11）登录页面查看监控数据

http://192.168.83.102:8048/ke

子清.
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
kafka文件存储机制
congge_study的博客
03-06 8696
kafka文件存储机制
Kafka文件存储机制详解
清晨@暖阳
07-27 821
Kafka文件存储机制详解一、Kafka粗略解释二、Kafka的名词解释三、Kafka文件存储机制1、partiton（分区）中文件存储方式2、partiton中segment文件存储结构3、消息的物理结构a、那么如何在分区中通过offset查找消息？总结Kafka高效文件存储设计特点 一、Kafka粗略解释 Kafka是一个分布式、分区的、多副本的、多订阅者，基于zookeeper协调的分布式日志系统(也可以当做MQ系统)，常见可以用于web/nginx日志、访问日志，消息服务等（注重于消息队列的使用）
kafka存储原理介绍
huangsky001的博客
02-05 567
几个基本概念 Topic 消息主题。 每一条消息都必须要指定主题。kafka集群可以同时进行多个topic的分发。 Broker 消息处理的节点。 可以立即为每个broker是一个单独的kafka进程， 一般部署在不同的机器上， 多个broker共同组成一个集群。 Partition 分区。是topic在物理上的分组。每个partition实际上就是一个目录。 对于同一个topic下的多条消息， 按照一定的规则存储在多个partition上。 对于每个partition而言，消息的存储是有序的，但是对于整个
kafka系列2---kafka数据存储原理
yu766588220的专栏
01-03 587
1、kafka高性能文件读写设计原理 kafka中的数据是以日志的形式进行存储，所以分区实际上就是日志。 1.1磁盘读写并不慢 磁盘线性读写的速度比随机读写的速度快6000倍。现代操作系统提供了 read-ahead 和 write-behind 技术，read-ahead 是以大的 data block 为单位预先读取数据，而 write-behind 是将多个小型的逻辑写合并成一...
Kafka的数据放在磁盘上还是内存上，为啥速度会快
weixin_45417821的博客
09-21 3812
kafka使用的是磁盘存储。 速度快是因为： 1，顺序写入，因为磁盘是机械结构，每次读写都会寻址 -> 写入，其中寻址是一个机械动作，他是耗时的，所以磁盘很讨厌 随机IO , 喜欢顺序IO，为了提高读写硬盘的速度，kafka用的就是顺序IO。 2，Memory Mapped Files（内存映射文件），64位操作系统中一般可以表示20G的数据文件，他的工作原理是直接利用操作系统的page （内存管理单元） 来实现文件到物理内存的直接映射，完成映射后，对物理内存的操作会被同步到磁盘上。 3，kafka
kafka快速入门
04-14
内部培训用的，有史以来最详尽的kafka培训资料，kafka 快速入门
kafka+zookeeper
06-28
总的来说，这个压缩包提供的资源涵盖了Kafka和ZooKeeper的基本知识、安装指南以及可能的实践教程，对于初学者或者需要深入了解这两项技术的人来说，是一个非常有价值的资料库。学习这些内容，不仅可以理解如何设置和...
springboot集成kafka简单入门案例
06-13
在本文中，我们将深入探讨如何将Kafka与Spring Boot整合，以便在Java应用程序中实现高效的消息传递。Kafka是一个分布式流处理平台，广泛用于构建实时数据管道和流应用。Spring Boot则是一个流行的Java开发框架，简化...
Kafka使用入门教程第1/2页
09-15
本教程将深入解析Kafka的核心概念和工作原理，帮助初学者理解其独特设计。 Kafka 的核心特性包括： 1. **分布式**: Kafka 集群由多个称为 broker 的服务器组成，可以分布在不同的地理位置，提供冗余和容错能力。每...
kafka简介与kafka深入浅出两个资料.rar
11-29
**Kafka简介** ...通过"Kafka简介.pptx"和"KAFKA深入浅出.pdf"这两个资料，初学者和入门者可以系统地了解Kafka的基本概念，逐步掌握其核心原理和实践应用，为后续的深入学习和实际项目开发打下坚实基础。
kafka读取写入数据
08-24
kafka读取写入数据
Kafka工作原理详解
03-18
Kafka工作原理详解， 非常实用的文档，建议下载收藏。
kafka--消息存储的原理
zhang09090606的博客
04-17 456
一、简介 我们知道Kafka中的消息是存储在磁盘上的， 那么为什么要使用磁盘作为存储介质？具体消息的存储格式又是什么呢？怎么样能够快速检索到指定的消息？消息不可能无限制存储， 那么清理规则又是什么呢？ 二、文件目录布局 Kafka 中的消息是以主题为基本单位进行归类的， 各个主题在逻辑 上相互独立。 每个主题又可以分为一个或多个分区， 分区的数量可以在主题创建的时候指定， 也可以在之后修改。 每条消息在发送的时候会根据分区规则被追加到指定的分区中， 分区中的每条消息都会被分配一个唯一的序列号， .
kafka消息存储机制和原理
热门推荐
zhangxm_qz的博客
02-18 1万+
消息的保存路径 消息发送端发送消息到 broker 上以后，消息是如何持久化的？ 首先我们需要了解的是，kafka 是使用日志文件的方式来保存生产者和发送者的消息，每条消息都有一个 offset 值来表示它在分区中的偏移量。Kafka 中存储的一般都是海量的消息数据，为了避免日志文件过大，一个分片 并不是直接对应在一个磁盘上的日志文件，而是对应磁盘上的一个目录，这个目录的命名规则是&amp;amp;amp;amp;lt;topi...
Kafka的Log存储原理再析
孙大迪迪的博客
01-24 2743
1、Partition中的分段存储Segment 一个partition被切割成多个相同大小的segment(这个是由log.segment.bytes 决定，控制每个segment的大小) 2、Partition中的Segment文件的数据结构 接下来看下segment的存储结构 segment file组成：由2大部分组成，分别为index file和data file，此2个文件一一对应，成...
kafka学习知识点总结（三）
baiwacuan6352的博客
06-28 704
Kafka 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协调的分布式消息系统，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...
kafka数据检索_Kafka数据存储【大数据文章】
weixin_42469169的博客
01-14 286
1. 顺序写入因为硬盘是机械结构，每次读写都会寻址->写入，其中寻址是一个“机械动作”，它是耗时的。所以硬盘“讨厌”随机I/O，喜欢顺序I/O。为了提高读写硬盘的速度，Kafka就是使用顺序I/O。如果一个topic建立多个分区那么每个parathion都是一个文件，收到消息后Kafka会把数据插入到文件末尾。2. Memory Mapped Files(内存映射文件)64位操作系统中一般可...
为什么kafka使用磁盘而不是内存
gb4215287的博客
11-08 489
版权声明：本文为博主原创文章，未经博主允许不得转载。    https://blog.csdn.net/wl6965307/article/details/51392905 Kafka最核心的思想是使用磁盘，而不是使用内存，可能所有人都会认为，内存的速度一定比磁盘快，我也不例外。在看了Kafka的设计思想，查阅了相应资料再加上自己的测试后，发现磁盘的顺序读写速度和内存持平。 而且Linux对于磁...
kafka 如何存储数据？为什么这么快？
liang只的博客
01-12 449
Kafka 依赖于文件系统（更底层地来说就是磁盘）来存储和缓存消息。在我们的印象中，对于各个存储介质的速度认知大体同下图所示的相同，层级越高代表速度越快。 很显然，磁盘处于一个比较尴尬的位置，这不禁让我们怀疑 Kafka 采用这种持久化形式能否提供有竞争力的性能。在传统的消息中间件 RabbitMQ 中，就使用内存作为默认的存储介质，而磁盘作为备选介质，以此实现高吞吐和低延迟的特性。然而，事实上磁盘可以比我们预想的要快，也可能比我们预想的要慢，这完全取决于我们如何使用它。 有关测试结果表明，一个由6
Kafka入门指南：理论与实战详解
《Kafka入门》是由牟大恩所著的一本专为零基础和有一定经验的IT专业人士设计的Kafka技术指南。...全书共10章，总计495千字，具有详细的实例解析和深入的理论剖析，是一本不可多得的Kafka入门与实践教程。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值