kafka集群搭建及原理

Apache Kafka 企业级消息队列

爬虫课程：原生队列、多线程重复消费的问题、ArrayBlockingQueue阻塞队列

分布式爬虫：使用Redis的list数据结构做队列。

分布式电商：AMQ 消息队列、发布一个商品时发送一个消息，有程序消费消息创建静态化页面。

Apache Kafka：消息队列、随着大数据兴起，现在非常流行。

1、课程目标

• 理解 Apache Kafka是什么
• 掌握Apache Kafka的基本架构
• 搭建Kafka集群
• 掌握操作集群的两种方式
• 熟悉Apache Kafka原理
  1. Kafka原理-分片与副本机制
  2. Kafka原理-消息不丢失机制
  3. Kafka原理-消息存储及查询机制
  4. Kafka原理-生产者数据分发策略
  5. Kafka原理-消费者的负载均衡机制
• 了解Apache Kafka 监控及运维

 

 

2、Apache Kafka是什么

是什么？有什么用？怎么用？

 

是什么？三个定义

1. Apache Kafka 是一个消息队列（生产者消费者模式）
2. Apache Kafka 目标：构建企业中统一的、高通量、低延时的消息平台。
3. 大多的是消息队列（消息中间件）都是基于JMS标准实现的，Apache Kafka 类似于JMS的实现。

 

有什么用？（消息队列有什么用？）

1. 作为缓冲，来异构、解耦系统。

• 用户注册需要完成多个步骤，每个步骤执行都需要很长时间。代表用户等待时间是所有步骤的累计时间。
• 为了减少用户等待的时间，使用并行执行，有多少个步骤，就开启多少个线程来执行。代表用户等待时间是所有步骤中耗时最长的那个步骤时间。
• 有了新得问题：开启多线程执行每个步骤，如果以一个步骤执行异常，或者严重超时，用户等待的时间就不可控了。
• 通过消息队列来保证。
  1. 注册时，立即返回成功。
  2. 发送注册成功的消息到消息平台。
  3. 对注册信息感兴趣的程序，可以消息消息。

 

3、Apache Kafka的基本架构

Kafka Cluster：由多个服务器组成。每个服务器单独的名字broker（掮客）。

Kafka Producer：生产者、负责生产数据。

Kafka consumer：消费者、负责消费数据。

Kafka Topic: 主题，一类消息的名称。存储数据时将一类数据存放在某个topci下，消费数据也是消费一类数据。

订单系统：创建一个topic，叫做order。

用户系统：创建一个topic，叫做user。

商品系统：创建一个topic，叫做product。

 

注意：Kafka的元数据都是存放在zookeeper中。

4、搭建Kafka集群

4.1、准备3台虚拟机

192.168.140.128 kafka01

192.168.140.129 kafka02

192.168.140.130 kafka03

4.2、初始化环境

1）安装jdk、安装zookeeper

2）安装目录

安装包存放的目录：/export/software

安装程序存放的目录：/export/servers

数据目录：/export/data

日志目录：/export/logs

mkdir -p /export/servers/ mkdir -p /export/software / mkdir -p /export/data / mkdir -p /export/logs /

 

3）安装用户

安装hadoop，会创建一个hadoop用户

安装kafka，创建一个kafka用户

 

或者 创建bigdata用户，用来安装所有的大数据软件。

 

本例：使用root用户

 

1. 验证环境
   1. jdk环境 

1. 1. zookeeper环境

 

zkServer.sh status

4.3、搭建Kafka集群

4.3.1、准备安装包

由于kafka是scala语言编写的，基于scala的多个版本，kafka发布了多个版本。

其中2.11是推荐版本。

4.3.2、下载安装包及解压

tar -zxvf kafka_2.11-1.0.0.tgz -C /export/servers/ cd /export/servers/ rm -rf /export/servers/kafka rm -rf /export/logs/kafka/ rm -rf /export/data/kafka mv kafka_2.11-1.0.0 kafka

1. 解压文件
2. 删除之前的安装记录
3. 重命名

4.3.3、查看目录及修改配置文件

4.3.3.1查看目录

 

4.3.3.2修改配置文件

进入配置目录，查看server.properties文件

cat server.properties |grep -v "#"

 

通过以上命令，查看到了默认的配置文件，对默认的文件进行修改。

修改三个地方

1. Borker.id
2. 数据存放的目录，注意目录如果不存在，需要新建下。
3. zookeeper的地址信息

# broker.id 标识了kafka集群中一个唯一broker。 broker.id=0 num.network.threads=3 num.io.threads=8 socket.send.buffer.bytes=102400 socket.receive.buffer.bytes=102400 socket.request.max.bytes=104857600   # 存放生产者生产的数据 数据一般以topic的方式存放 # 创建一个数据存放目录 /export/data/kafka  ---  mkdir -p /export/data/kafka log.dirs=/export/data/kafka     num.partitions=1 num.recovery.threads.per.data.dir=1 offsets.topic.replication.factor=1 transaction.state.log.replication.factor=1 transaction.state.log.min.isr=1 log.retention.hours=168 log.segment.bytes=1073741824 log.retention.check.interval.ms=300000   # zk的信息 zookeeper.connect=zk01:2181,zk02:2181,zk03:2181 zookeeper.connection.timeout.ms=6000 group.initial.rebalance.delay.ms=0

 

4.3.4、分发配置文件及修改brokerid

将修改好的配置文件，分发到node02，node03上。

先在node02、node03上删除以往的安装记录

rm -rf /export/servers/kafka rm -rf /export/logs/kafka/ rm -rf /export/data/kafka

 

分发安装包

scp -r /export/servers/kafka/ node02:/export/servers/ scp -r /export/servers/kafka/ node03:/export/servers/

 

修改node02上的broker.id

vi /export/servers/kafka/config/server.properties

 

 

修改node03上的broker.id

vi /export/servers/kafka/config/server.properties

4.3.4、启动集群

cd /export/servers/kafka/bin ./kafka-server-start.sh /export/servers/kafka/config/server.properties

 

4.3.5、查看Kafka集群

由于kafka集群并没有UI界面可以查看。

需要借助外部工具，来查看卡夫卡的集群

这个工具是一个java程序，必须要安装好JDK

5、操作集群的两种方式

需求：订单系统，需要发送消息。 后面后3个程序需要接受这个消息，并做后续的处理。

5.1、使用控制台运行

1. 创建一个订单的topic。

bin/kafka-topics.sh --create --zookeeper zk01:2181 --replication-factor 1 --partitions 1 --topic order

1. 编写代码启动一个生产者，生产数据

bin/kafka-console-producer.sh --broker-list kafka01:9092 --topic order

1. 编写代码启动给一个消费者，消费数据

bin/kafka-console-consumer.sh --zookeeper zk01:2181 --from-beginning --topic order

5.2、使用Java api运行

1）java工程-maven，依赖。

<dependency>     <groupId>org.apache.kafkagroupId>     <artifactId>kafka-clientsartifactId>     <version>0.11.0.1version> dependency>

 

1. 编写代码-写生产者的代码

/**  * 订单的生产者代码  */ public class OrderProducer {     public static void main(String[] args) throws InterruptedException {         /* 1、连接集群，通过配置文件的方式          * 2、发送数据-topic:order，value          */         Properties props = new Properties();         props.put("bootstrap.servers", "node01:9092");         props.put("acks", "all");         props.put("retries", 0);         props.put("batch.size", 16384);         props.put("linger.ms", 1);         props.put("buffer.memory", 33554432);         props.put("key.serializer",                 "org.apache.kafka.common.serialization.StringSerializer");         props.put("value.serializer",                 "org.apache.kafka.common.serialization.StringSerializer");         KafkaProducer kafkaProducer = new KafkaProducer(props);         for (int i = 0; i < 1000; i++) {             // 发送数据 ,需要一个producerRecord对象,最少参数 String topic, V value             kafkaProducer.send(new ProducerRecord("order", "订单信息！"+i));             Thread.sleep(100);         }     } }

 

1. 编写代码-写消费者的代码

/**  * 消费订单数据--- javaben.tojson  */ public class OrderConsumer {     public static void main(String[] args) {         // 1\连接集群         Properties props = new Properties();         props.put("bootstrap.servers", "node01:9092");         props.put("group.id", "test");         props.put("enable.auto.commit", "true");         props.put("auto.commit.interval.ms", "1000");         props.put("key.deserializer",                 "org.apache.kafka.common.serialization.StringDeserializer");         props.put("value.deserializer",                 "org.apache.kafka.common.serialization.StringDeserializer");         KafkaConsumer kafkaConsumer = new KafkaConsumer(props); //        2、发送数据 发送数据需要，订阅下要消费的topic。  order         kafkaConsumer.subscribe(Arrays.asList("order"));         while (true) {             ConsumerRecords consumerRecords = kafkaConsumer.poll(100);// jdk queue offer插入、poll获取元素。 blockingqueue put插入原生，take获取元素             for (ConsumerRecord record : consumerRecords) {                 System.out.println("消费的数据为：" + record.value());             }         }     } }

 

6、Apache Kafka原理

6.1、Apache Kafka原理-分片与副本机制

bin/kafka-topics.sh --create --zookeeper zk01:2181 --replication-factor 1 --partitions 1 --topic order

 

分片：solrcloud中有提及到。

当数据量非常大的时候，一个服务器存放不了，就将数据分成两个或者多个部分，存放在多台服务器上。每个服务器上的数据，叫做一个分片。

 

副本：solrcloud中有提及到。

当数据只保存一份的时候，有丢失的风险。为了更好的容错和容灾，将数据拷贝几份，保存到不同的机器上。

6.2、Apache Kafka原理-消息不丢失机制

6.2.1、生产者端消息不丢失

1. 消息生产分为同步模式和异步模式
2. 消息确认分为三个状态
   1. 0：生产者只负责发送数据
   2. 1：某个partition的leader收到数据给出响应
   3. -1：某个partition的所有副本都收到数据后给出响应
3. 在同步模式下
   1. 生产者等待10S，如果broker没有给出ack响应，就认为失败。
   2. 生产者重试3次，如果还没有响应，就报错。
4. 在异步模式下
   1. 先将数据保存在生产者端的buffer中。Buffer大小是2万条。
   2. 满足数据阈值或者数量阈值其中的一个条件就可以发送数据。
   3. 发送一批数据的大小是500条。

 

如果broker迟迟不给ack，而buffer又满了。

开发者可以设置是否直接清空buffer中的数据。

6.2.2、Borker端消息不丢失

broker端的消息不丢失，其实就是用partition副本机制来保证。

 

Producer  ack  -1. 能够保证所有的副本都同步好了数据。其中一台机器挂了，并不影像数据的完整性。

6.2.3、消费者端消息不丢失

只要记录offset值，消费者端不会存在消息不丢失的可能。只会重复消费。

6.3、Apache Kafka原理-消息存储及查询机制

6.3.1、文件存储机制

segment段中有两个核心的文件一个是log,一个是index。 当log文件等于1G时，新的会写入到下一个segment中。

通过下图中的数据，可以看到一个segment段差不多会存储70万条数据。

6.3.2、文件查询机制

 

6.4、Apache Kafka原理-生产者数据分发策略

kafka在数据生产的时候，有一个数据分发策略。默认的情况使用DefaultPartitioner.class类。

这个类中就定义数据分发的策略。

1. 如果是用户制定了partition，生产就不会调用DefaultPartitioner.partition()方法
2. 当用户指定key，使用hash算法。如果key一直不变，同一个key算出来的hash值是个固定值。如果是固定值，这种hash取模就没有意义。

Utils.toPositive(Utils.murmur2(keyBytes)) % numPartitions

1. 当用既没有指定partition也没有key。

数据分发策略的时候，可以指定数据发往哪个partition。

当ProducerRecord 的构造参数中有partition的时候，就可以发送到对应partition上

/**  * Creates a record to be sent to a specified topic and partition  *  * @param topic The topic the record will be appended to  * @param partition The partition to which the record should be sent  * @param key The key that will be included in the record  * @param value The record contents  */ public ProducerRecord(String topic, Integer partition, K key, V value) {     this(topic, partition, null, key, value, null); }

 

如果生产者没有指定partition，但是发送消息中有key，就key的hash值。

/**  * Create a record to be sent to Kafka  *  * @param topic The topic the record will be appended to  * @param key The key that will be included in the record  * @param value The record contents  */ public ProducerRecord(String topic, K key, V value) {     this(topic, null, null, key, value, null); }

 

既没有指定partition，也没有key的情况下如何发送数据。

使用轮询的方式发送数据。

/**  * Create a record with no key  *  * @param topic The topic this record should be sent to  * @param value The record contents  */ public ProducerRecord(String topic, V value) {     this(topic, null, null, null, value, null); }

 

6.5、Apache Kafka原理-消费者的负载均衡机制

一个partition只能被一个组中的成员消费。

所以如果消费组中有多于partition数量的消费者，那么一定会有消费者无法消费数据。

 

7、了解Apache Kafka 监控及运维

7.1、一键启动Kafka

7.2 、UI界面