博客

Kafka

文档：http://kafka.apache.org/

中文文档：http://kafka.apachecn.org/

入门

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。

基础的消息(Message)相关术语：

Topic: Kafka按照Topic分类来维护消息

Producer：我们将发布(publish)消息到Topic的进程称之为生产者(producer)

Consumer： 我们将订阅(subscribe)Topic并且处理Topic中消息的进程称之为消费者(consumer)

Broker： Kafka以集群的方式运行，集群中的每一台服务器称之为一个代理(broker)。

处理流程

producers通过网络发送消息到Kafka集群，然后consumers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。我们为

Kafka提供了一个Java客户端，但是也可以使用其他语言编写的客户端。

Topics和日志

提供一串流式的记录— topic

Topic 就是数据主题，是数据记录发布的地方,可以用来区分业务系统。Kafka中的Topics总是多订阅者模式，一个topic可以拥有一个或者多个消费者来订阅它的数据。

对于每一个topic， Kafka集群都会维持一个分区日志，如下所示：

每个分区都是有序且顺序不可变的记录集，并且不断地追加到结构化的commit log文件。分区中的每一个记录都会分配一个id号来表示顺序，我们称之为offset，offset用来唯一的标识分区中每一条记录。

Kafka 集群保留所有发布的记录—无论他们是否已被消费—并通过一个可配置的参数——保留期限来控制. 举个例子， 如果保留策略设置为2天，一条记录发布后两天内，可以随时被消费，两天过后这条记录会被抛弃并释放磁盘空间。Kafka的性能和数据大小无关，所以长时间存储数据没有什么问题。
如下图:

日志中的 partition（分区）有以下几个用途。第一，当日志大小超过了单台服务器的限制，允许日志进行扩展。每个单独的分区都必须受限于主机的文件限制，不过一个主题可能有多个分区，因此可以处理无限量的数据。第二，可以作为并行的单元集—关于这一点

Kafka的环境搭建

所需安装环境

1、准备三个节点（根据自己需求决定）

2、三个节点上安装好zookeeper（Kafka依赖zookeeper）

3、三个节点上安装好JDK

由于Kafka是用Scala语言开发的，运行在JVM上，因此在安装Kafka之前需要先安装JDK。

4、关闭防火墙

安装步骤

1、下载安装包kafka_2.12-2.5.0.tgz

官网地址：http://kafka.apache.org/downloads.html

我们一般下载已经编译好的安装包即可

2、上传解压

tar -zvxf kafka_2.12-2.5.0.tgz -C /usr/local

3、修改配置文件

①修改server.properties

cd /usr/local/kafka_2.12-2.5.0/config

建立日志文件夹

mkdir /usr/local/kafka_2.12-2.5.0/kafka-logs

修改以下内容

broker.id=0
port=9092
host.name=192.168.100.11   
advertised.host.name=192.168.100.11
log.dirs=/usr/local/kafka_2.12-2.5.0/kafka-logs
num.partitions=2
zookeeper.connect=192.168.100.11:2181,192.168.100.12:2181,192.168.100.13:2181

参数含义

#broker的全局唯一编号，不能重复

broker.id=0

#用来监听链接的端口，producer或consumer将在此端口建立连接

port=9092

#处理网络请求的线程数量

num.network.threads=3

#用来处理磁盘IO的线程数量

num.io.threads=8

#发送套接字的缓冲区大小

socket.send.buffer.bytes=102400

#接受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消息存放的路径

log.dirs=/home/servers-kafka/logs/kafka

#topic在当前broker上的分片个数

num.partitions=2

#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

#滚动生成新的segment文件的最大时间

log.roll.hours=168

#日志文件中每个segment的大小，默认为1G

log.segment.bytes=1073741824

#周期性检查文件大小的时间

log.retention.check.interval.ms=300000

#日志清理是否打开

log.cleaner.enable=true

#broker需要使用zookeeper保存meta数据

zookeeper.connect=hadoop02:2181,hadoop03:2181,hadoop04:2181

#zookeeper链接超时时间

zookeeper.connection.timeout.ms=6000

#partion buffer中，消息的条数达到阈值，将触发flush到磁盘

log.flush.interval.messages=10000

#消息buffer的时间，达到阈值，将触发flush到磁盘

log.flush.interval.ms=3000

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

delete.topic.enable=true

#此处的host.name为本机IP(重要),如果不改,则客户端会抛出:Producerconnection to
localhost:9092 unsuccessful 错误!

host.name=本机IP地址

以下内容暂时不操作

生产者

②修改producer.properties

#指定kafka节点列表，用于获取metadata，不必全部指定

metadata.broker.list=hadoop02:9092,hadoop03:9092

# 指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到对应分区

#partitioner.class=kafka.producer.DefaultPartitioner

#
是否压缩，默认0表示不压缩，1表示用gzip压缩，2表示用snappy压缩。压缩后消息中会有头来指明消息压缩类型，故在消费者端消息解压是透明的无需指定。

compression.codec=none

# 指定序列化处理类

serializer.class=kafka.serializer.DefaultEncoder

# 如果要压缩消息，这里指定哪些topic要压缩消息，默认empty，表示不压缩。

#compressed.topics=

# 设置发送数据是否需要服务端的反馈,有三个值0,1,-1

# 0: producer不会等待broker发送ack

# 1: 当leader接收到消息之后发送ack

# -1: 当所有的follower都同步消息成功后发送ack.

request.required.acks=0

#在向producer发送ack之前,broker允许等待的最大时间 ，如果超时,broker将会向producer发送一个error
ACK.意味着上一次消息因为某种原因未能成功(比如follower未能同步成功)

request.timeout.ms=10000

# 同步还是异步发送消息，默认“sync”表同步，”async”表异步。异步可以提高发送吞吐量,

也意味着消息将会在本地buffer中,并适时批量发送，但是也可能导致丢失未发送过去的消息

producer.type=sync

# 在async模式下,当message被缓存的时间超过此值后,将会批量发送给broker,默认为5000ms

# 此值和batch.num.messages协同工作.

queue.buffering.max.ms = 5000

# 在async模式下,producer端允许buffer的最大消息量

# 无论如何,producer都无法尽快的将消息发送给broker,从而导致消息在producer端大量沉积

# 此时,如果消息的条数达到阀值,将会导致producer端阻塞或者消息被抛弃，默认为10000

queue.buffering.max.messages=20000

# 如果是异步，指定每次批量发送数据量，默认为200

batch.num.messages=500

# 当消息在producer端沉积的条数达到”queue.buffering.max.meesages”后

# 阻塞一定时间后,队列仍然没有enqueue(producer仍然没有发送出任何消息)

# 此时producer可以继续阻塞或者将消息抛弃,此timeout值用于控制”阻塞”的时间

# -1: 无阻塞超时限制,消息不会被抛弃

# 0:立即清空队列,消息被抛弃

queue.enqueue.timeout.ms=-1

# 当producer接收到error ACK,或者没有接收到ACK时,允许消息重发的次数

# 因为broker并没有完整的机制来避免消息重复,所以当网络异常时(比如ACK丢失)

# 有可能导致broker接收到重复的消息,默认值为3.

message.send.max.retries=3

#
producer刷新topicmetada的时间间隔,producer需要知道partitionleader的位置,以及当前topic的情况

# 因此producer需要一个机制来获取最新的metadata,当producer遇到特定错误时,将会立即刷新

#(比如topic失效,partition丢失,leader失效等),此外也可以通过此参数来配置额外的刷新机制，默认值600000

topic.metadata.refresh.interval.ms=60000

消费者

③修改consumer.properties

# zookeeper连接服务器地址

zookeeper.connect=hadoop02:2181,hadoop03:2181,hadoop04:2181

# zookeeper的session过期时间，默认5000ms，用于检测消费者是否挂掉

zookeeper.session.timeout.ms=5000

#当消费者挂掉，其他消费者要等该指定时间才能检查到并且触发重新负载均衡

zookeeper.connection.timeout.ms=10000

#
指定多久消费者更新offset到zookeeper中。注意offset更新时基于time而不是每次获得的消息。一旦在更新zookeeper发生异常并重启，将可能拿到已拿到过的消息

zookeeper.sync.time.ms=2000

#指定消费组

group.id=xxx

# 当consumer消费一定量的消息之后,将会自动向zookeeper提交offset信息

# 注意offset信息并不是每消费一次消息就向zk提交一次,而是现在本地保存(内存),并定期提交,默认为true

auto.commit.enable=true

# 自动更新时间。默认60 * 1000

auto.commit.interval.ms=1000

# 当前consumer的标识,可以设定,也可以有系统生成,主要用来跟踪消息消费情况,便于观察

conusmer.id=xxx

# 消费者客户端编号，用于区分不同客户端，默认客户端程序自动产生

client.id=xxxx

# 最大取多少块缓存到消费者(默认10)

queued.max.message.chunks=50

# 当有新的consumer加入到group时,将会reblance,此后将会有partitions的消费端迁移到新
的consumer上,如果一个consumer获得了某个partition的消费权限,那么它将会向zk注册”Partition Owner
registry”节点信息,但是有可能此时旧的consumer尚没有释放此节点, 此值用于控制,注册节点的重试次数.

rebalance.max.retries=5

# 获取消息的最大尺寸,broker不会像consumer输出大于此值的消息chunk
每次feth将得到多条消息,此值为总大小,提升此值,将会消耗更多的consumer端内存

fetch.min.bytes=6553600

# 当消息的尺寸不足时,server阻塞的时间,如果超时,消息将立即发送给consumer

fetch.wait.max.ms=5000

socket.receive.buffer.bytes=655360

#
如果zookeeper没有offset值或offset值超出范围。那么就给个初始的offset。有smallest、largest、anything可选，分别表示给当前最小的offset、当前最大的offset、抛异常。默认largest

auto.offset.reset=smallest

# 指定序列化处理类

derializer.class=kafka.serializer.DefaultDecoder

4、配置环境变量

vi ~/.bashrc

#KAFKA_HOME
export KAFKA_HOME=/usr/local/kafka_2.12-2.5.0
export PATH=$PATH:$KAFKA_HOME/bin

source ~/.bashrc

5、将安装包复制给slave1、slave2。

记得在其他机子上配置环境变量

scp -r kafka_2.12-2.5.0 slave1:/usr/local/
scp -r kafka_2.12-2.5.0 slave2:/usr/local/

6、修改slave1和slave2的配置

将server.properties 中的broker.id=0修改为

 broker.id=1
 broker.id=2 

注：broker.id 不得重复

将host.name修改为当前机子的IP地址

host.name=********

7、启动Kafka集群（三个节点都要启动）

PS：如若在不启动zookeeper的情况下启动Kafka会报错。

先分别启动三个机子的zookeeper

./bin/zkServer.sh start

依次查看zookeeper的状态，检查是否启动成功

./bin/zkServer.sh status

依次在master、slave1、slave2机子上启动Kafka

bin/kafka-server-start.sh config/server.properties &

后台运行

bin/kafka-server-start.sh -daemon config/server.properties & 

8、通过jps查看

9、关闭集群

 bin/kafka-server-stop.sh stop

记得关闭每个机子的zookeeper

./bin/zkServer.sh stop

Kafka的使用

创建主题

1、启动zookeeper和Kafka

2、进入到Kafka目录下，进行消息创建和读取测试

①创建topic-test

创建一个名为“test”的主题Topic，这个Topic只有一个分区数量partition，且备份因子为1

bin/kafka-topics.sh --create --zookeeper 192.168.100.11:2181,192.168.100.12:2181,192.168.100.13:2181 --replication-factor 1 --partitions 1 --topic test

参数说明：
–zookeeper：指定kafka连接zk的连接url，该值和server.properties文件中的配置项{zookeeper.connect}一样
–replication-factor：指定副本数量
–partitions：指定分区数量
–topic：主题名称

创建成功如下图：

②查看Kafka目前存在的Topic

bin/kafka-topics.sh --list --zookeeper 192.168.100.11:2181,192.168.100.12:2181,192.168.100.13:2181

删除命令

bin/kafka-topics.sh --delete --zookeeper bin/kafka-topics.sh --list --zookeeper 192.168.100.11:2181,192.168.100.12:2181,192.168.100.13:2181 --topic topic_name

发送信息

3、生产者发送信息（启动生产者）：模拟客户端发送信息

Kafka自带了一个producer命令客户端，可以从本地文件中读取内容，或者我们也可以以命令行中直接输入内容，并将这些内容以消息的形式发送到Kafka集群中。在默认情况下，每一个行会被当做成一个独立的消息。

bin/kafka-console-producer.sh --broker-list 192.168.100.11:9092,192.168.100.12:9092,192.168.100.13:9092 --topic test

上述窗口可不关闭，然后在slave通过ssh去访问master执行下面的命令

接收信息

4、消费者接收信息（创建消费者）：模拟客户端去接受消息

对于consumer，Kafka同样也携带了一个命令行客户端。

如果你是通过不同的终端窗口来运行以上的命令，你将会看到在producer终端输入的内容，很快就会在consumer的终端窗口上显示出来。

bin/kafka-console-consumer.sh --zookeeper 192.168.100.11:9092,192.168.100.12:9092,192.168.100.13:9092 --topic test --from-beginning

但并没有接收到信息，显示如下内容：

搜了一下，网上说是版本问题，换以下命令执行

bin/kafka-console-consumer.sh --bootstrap-server 192.168.100.11:9092,192.168.100.12:9092,192.168.100.13:9092 --topic test --from-beginning

再次运行就可以接收到信息了

然后在发送信息和接收信息的窗口一起打开后，可以再尝试发送和接收信息，这边发送，另一边就可以马上接受到信息。

发送信息

接收信息