kafka安装测试

kafka安装测试过程

kafka的性能在此不再赘述，百度一下很多，在此描述一下kafka的安装和测试过程：

1. 安装kafka：

   #tar -xzf kafka_2.9.2-0.8.1.tgz
   #cd kafka_2.9.2-0.8.1
   #mv kafka_2.9.2-0.8.1 kafka

    
2. 开启zookeeper服务：

   bin/zookeeper-server-start.sh config/zookeeper.properties

    
3. 开启kafka服务：

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

    
4. 创建话题topic：

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

    具体kafka-topics.sh 的参数自行查看--help帮助
5. 查看kafka服务中的topics：

   bin/kafka-topics.sh --list --zookeeper localhost:2181
   #列出topics如下
   test

    在2.8之前的版本中的shell脚本可能不同
6. 打开produce，向test话题添加消息：

   bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test 
   xxxxxxxxxxxxxxxxx #输入内容后enter即可发送出消息内容

    
7. 打开customer读取test话题内容：

   bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic test --from-beginning
   xxxxxxxxxxxxxxxxx

    kafka的是scala语言编写的服务框架，因此用scala开发produce和custome应用程序应该是非常方便的，但是没有找到相应examples，但kafka也支持java和python以及c编写的客户端应用程序，下面分享一下java的代码片段（网络转载）：
8. 消费者custome：
   

   import java.util.HashMap;
   import java.util.List;
   import java.util.Map;
   import java.util.Properties;
   import kafka.consumer.ConsumerConfig;
   import kafka.consumer.ConsumerIterator;
   import kafka.consumer.KafkaStream;
   import kafka.javaapi.consumer.ConsumerConnector;
   
   public class ConsumerTest extends Thread {
   	private final ConsumerConnector consumer;
   	private final String topic;
   
   	public static void main(String[] args) {
   		ConsumerTest consumerThread = new ConsumerTest("1test");
   		consumerThread.start();
   	}
   
   	public ConsumerTest(String topic) {
   		consumer = kafka.consumer.Consumer
   				.createJavaConsumerConnector(createConsumerConfig());
   		this.topic = topic;
   	}
   
   	private static ConsumerConfig createConsumerConfig() {
   		Properties props = new Properties();
   		props.put("zookeeper.connect", "master:2181");
   		props.put("group.id", "0");
   		props.put("zookeeper.session.timeout.ms", "400000");
   		props.put("zookeeper.sync.time.ms", "200");
   		props.put("auto.commit.interval.ms", "1000");
   
   		return new ConsumerConfig(props);
   
   	}
   
   	public void run() {
   		Map topicCountMap = new HashMap();
   		topicCountMap.put(topic, new Integer(1));
   		Map>> consumerMap = consumer
   				.createMessageStreams(topicCountMap);
   		KafkaStream stream = consumerMap.get(topic).get(0);
   		ConsumerIterator it = stream.iterator();
   		while (it.hasNext())
   			System.out.println(new String(it.next().message()));
   	}
   }

    消息的生产者produce：

   import java.util.Properties;
   
   import kafka.javaapi.producer.Producer;
   import kafka.producer.KeyedMessage;
   import kafka.producer.ProducerConfig;
   
   public class ProducerTest {
   	public static void main(String[] args) {
   		Properties props = new Properties();  
           props.put("zk.connect", "master:2181");  // zookeeper的一个节点地址
           props.put("serializer.class", "kafka.serializer.StringEncoder");// kafka序列化方式
           props.put("metadata.broker.list", "master:9092");
           props.put("request.required.acks", "1");
           //props.put("partitioner.class", "com.xq.SimplePartitioner");
           ProducerConfig config = new ProducerConfig(props);  
           Producer producer = new Producer(config);  
   
           String msg ="this is a messageuuu! XXXmessDageuuu";
           KeyedMessage data = new KeyedMessage("test", msg); 
           for(int i = 0 ; i < 5; i ++){
           	System.out.println("send"+i);
           	producer.send(data);
           }
           producer.close();  
   	}
   }

    分别运行custom和produce即可看到控制台消息发送和接受的内容。
9. 后续将继续更新kafka的各个参数的说明文档以及与spark集成，与flume集成。