kafka

kafka基本概念

一、名词解释

1.1 消息队列（Message Queue)

Message Queue消息传送系统提供传送服务。消息传送依赖于大量支持组件，这些组件负责处理连接服务、消息的路由和传送、持久性、安全性以及日志记录。消息服务器可以使用一个或多个代理实例。

JMS（Java Messaging Service）是Java平台上有关面向消息中间件(MOM)的技术规范，它便于消息系统中的Java应用程序进行消息交换,并且通过提供标准的产生、发送、接收消息的接口简化企业应用的开发，翻译为Java消息服务。

1.2 MQ消息模型

1.3 MQ消息队列分类

消息队列分类：点对点和发布/订阅两种：

1、点对点：

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。

2、发布/订阅：

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。

1.4 MQ消息队列对比

1、RabbitMQ：支持的协议多，非常重量级消息队列，对路由(Routing)，负载均衡(Loadbalance)或者数据持久化都有很好的支持。

2、ZeroMQ：号称最快的消息队列系统，尤其针对大吞吐量的需求场景，擅长的高级/复杂的队列，但是技术也复杂，并且只提供非持久性的队列。

3、ActiveMQ：Apache下的一个子项，类似ZeroMQ，能够以代理人和点对点的技术实现队列。

4、Redis：是一个key-Value的NOSql数据库，但也支持MQ功能，数据量较小，性能优于RabbitMQ，数据超过10K就慢的无法忍受。

1.5 Kafka简介

Kafka是分布式发布-订阅消息系统,它最初由 LinkedIn 公司开发，使用 Scala语言编写,之后成为 Apache 项目的一部分。在Kafka集群中，没有“中心主节点”的概念，集群中所有的服务器都是对等的，因此，可以在不做任何配置的更改的情况下实现服务器的的添加与删除，同样的消息的生产者和消费者也能够做到随意重启和机器的上下线。

1.6 Kafka术语介绍

1、消息生产者：即：Producer，是消息的产生的源头，负责生成消息并发送到Kafka服务器上。

2、消息消费者：即：Consumer，是消息的使用方，负责消费Kafka服务器上的消息。

3、主题：即：Topic，由用户定义并配置在Kafka服务器，用于建立生产者和消息者之间的订阅关系：生产者发送消息到指定的Topic下，消息者从这个Topic下消费消息。

4、消息分区：即：Partition，一个Topic下面会分为很多分区，例如：“kafka-test”这个Topic下可以分为6个分区，分别由两台服务器提供，那么通常可以配置为让每台服务器提供3个分区，假如服务器ID分别为0、1，则所有的分区为0-0、0-1、0-2和1-0、1-1、1-2。Topic物理上的分组，一个 topic可以分为多个 partition，每个 partition 是一个有序的队列。partition中的每条消息都会被分配一个有序的 id（offset）。

5、Broker：即Kafka的服务器，用户存储消息，Kafa集群中的一台或多台服务器统称为 broker。

6、消费者分组：Group，用于归组同类消费者，在Kafka中，多个消费者可以共同消息一个Topic下的消息，每个消费者消费其中的部分消息，这些消费者就组成了一个分组，拥有同一个分组名称，通常也被称为消费者集群。

7、Offset：消息存储在Kafka的Broker上，消费者拉取消息数据的过程中需要知道消息在文件中的偏移量，这个偏移量就是所谓的Offset。

1.7 Kafka中Broker

1、Broker：即Kafka的服务器，用户存储消息，Kafa集群中的一台或多台服务器统称为 broker。

2、Message在Broker中通Log追加的方式进行持久化存储。并进行分区（patitions)。

3、为了减少磁盘写入的次数,broker会将消息暂时buffer起来,当消息的个数(或尺寸)达到一定阀值时,再flush到磁盘,这样减少了磁盘IO调用的次数。

4、Broker没有副本机制，一旦broker宕机，该broker的消息将都不可用。Message消息是有多份的。

5、Broker不保存订阅者的状态，由订阅者自己保存。

6、无状态导致消息的删除成为难题（可能删除的消息正在被订阅），kafka采用基于时间的SLA(服务水平保证)，消息保存一定时间（通常为7天）后会被删除。

7、消息订阅者可以rewind back到任意位置重新进行消费，当订阅者故障时，可以选择最小的offset(id)进行重新读取消费消息。

1.8 Kafka的Message组成

1、Message消息：是通信的基本单位，每个 producer 可以向一个 topic（主题）发布一些消息。

2、Kafka中的Message是以topic为基本单位组织的，不同的topic之间是相互独立的。每个topic又可以分成几个不同的partition(每个topic有几个partition是在创建topic时指定的)，每个partition存储一部分Message。

3、partition中的每条Message包含了以下三个属性：

offset 即：消息唯一标识:对应类型：long

MessageSize 对应类型：int32

data 是message的具体内容。

1.9 Kafka的Partitions分区

1、Kafka基于文件存储.通过分区，可以将日志内容分散到多个server上,来避免文件尺寸达到单机磁盘的上限，每个partiton都会被当前server(kafka实例)保存。

2、可以将一个topic切分多任意多个partitions，来消息保存/消费的效率。

3、越多的partitions意味着可以容纳更多的consumer，有效提升并发消费的能力。

1.10 Kafka的Consumers

1、消息和数据消费者，订阅 topics并处理其发布的消息的过程叫做 consumers。

2、在 kafka中,我们可以认为一个group是一个“订阅者”，一个Topic中的每个partions，只会被一个“订阅者”中的一个consumer消费，不过一个 consumer可以消费多个partitions中的消息（消费者数据小于Partions的数量时）。注意：kafka的设计原理决定，对于一个topic，同一个group中不能有多于partitions个数的consumer同时消费，否则将意味着某些consumer将无法得到消息。

3、一个partition中的消息只会被group中的一个consumer消费。每个group中consumer消息消费互相独立。

1.11 Kafka的持久化

1、一个Topic可以认为是一类消息，每个topic将被分成多partition(区),每个partition在存储层面是append log文件。任何发布到此partition的消息都会被直接追加到log文件的尾部，每条消息在文件中的位置称为offset（偏移量），partition是以文件的形式存储在文件系统中。

2、Logs文件根据broker中的配置要求,保留一定时间后删除来释放磁盘空间。

Partition：

Topic物理上的分组，一个 topic可以分为多个 partition，每个 partition 是一个有序的队列。partition中的每条消息都会被分配一个有序的 id（offset）。

3、为数据文件建索引：稀疏存储，每隔一定字节的数据建立一条索引。下图为一个partition的索引示意图：

二、kafka拓扑结构

​ 如图所示，kafka主要由三部分组成，producer、broker和consumer。由于kafka需要将状态存放于zookeeper中，故kafka集群由kafka broker和zookeeper集群构成。

​ 以topic和partition维度来看，broker有两种角色：leader和follower。对于每一个topic+partition，都有一个leader和多个follower，leader负责主要数据读写操作，而follower则是不断从leader同步数据。

​ 而对于整个kafka集群来看，有一个broker会成为controller，controller会和zk进行通信，获取整个集群的情况。kafka集群上任何的变化，如topic的增删、broker的增删等，会由zk来发现，并通知集群的controller，由controller来通知集群上的其他节点。且当kafka集群新来一个节点时，首先先与zk进行通信，查看kafka集群是否存在controller，如果存在，则将该节点成为broker，如果无，则会抢占式去成为controller。

三、消息的生产和消费

消息的生产：消息的生产者，等消息满足一个批次时（例如1000条消息），将消息一起推入kafka集群，会去找对应的topic下每个partition的leader，将数据写入。这里在写入时，还会传一个参数（ack）过去，标明什么情况下返回成功。

当ack=0时，只要生产者向kafka集群写入数据，就会返回成功，不管数据是否真的写入成功。

ack=1时，当partition的leader写入成功，则集群向生产者返回写入成功。

ack=-1时，生产者先向partition的leader写入数据，当leader写入成功，由leader向follower写入数据，当follower数据都写入完成后，则返回数据写入成功。该模式下，数据的可靠性最高。

消息在broker的存储：

kafka本质上是以磁盘作为介质存储数据，每个broker存储数据时，是以在磁盘上顺序写入的方式，所以其写入数据较快。由于数据存储在磁盘上，会造成磁盘不断变大情况，这里我们可以设定（log.retention.hours）数据删除日期，例如设定7天前的数据删除。
消息的消费：

消费者采取pull的方式去partition的leader上拿取数据，并自己维护一个offset值（一个连续的用于定位被追加到分区的每一个消息的序列号，最大值为64位的long大小）。不会同步到zookeeper上。但是为了kafka manager能够方便的监控，一般也会手动的同步到zookeeper上。这样的好处是一旦读取某个message的consumer失败了，这条message的offsite我们自己维护，我们不会+1。下次再启动的时候，还会从这个offsite开始读。这样可以做到exactly once对于数据的准确性有保证。

broker宕机情况：

Kafka之所以称之为分布式的高可用消息队列，是因为它的每个topic+partition都有多个副本，正常情况，client只从leader读写消息，但当leader宕机时，kafka会自动切换leader到新的机器上。

Broker停止时，zk会自动删除/brokers/ids/n，controller会检测到节点的删除。

如果宕机的broker只属于任何topic+partition的follower，controller的操作比较简单，只更新当前集群的存活broker列表，并发送给所有机器（ UPDATE_METADATA ）。

如果宕机的broker属于某个topic+partition的leader，controller会有一个重新选举的过程，从当前isr列表中重新选举一个leader，发送LEADER_AND_ISR给新的leader和follower，并且发送UPDATE_METADATA 给所有机器。

可见，如果某一topic在建立时设置的副本数为1的话，leader宕机就不可用了。

生产消息时如果ack！=-1，可能导致消息发送给leader后，follower尚未同步，此时leader宕机，消息也就丢失了。
副本数>1 且ack ==-1可以保证消息一定不丢失。

安装

一、安装zookeeper

*1.*单机安装

1.1 Linux环境，下载安装包命令：

wget http://www.apache.org/dist/zookeeper/zookeeper-3.4.14/zookeeper-3.4.14.tar.gz

注意事项：可先在 http://www.apache.org/dist/zookeeper 查看当前zk的版本有哪些，选择合适的版本进行下载。

1.2 解压

tar zxvf zookeeper-3.4.14.tar.gz

1.3 创建数据和日志目录

mkdir -p /data/zookeeper/data
mkdir -p /data/zookeeper/log

1.4 创建服务启动配置文件

cd zookeeper-3.4.14/conf
touch zoo.cfg

使用vi命令打开zoo.cfg，将以下内容复制到此文件并保存

# The number of milliseconds of each tick
# 这个时间是作为 Zookeeper 服务器之间或客户端与服务器之间维持心跳的时间间隔，也就是每个 tickTime 时间就会发送一个心跳，单位毫秒。
tickTime=2000
# The number of ticks that the initial 
# synchronization phase can take
# 这个配置项是用来配置 Zookeeper 接受客户端（这里所说的客户端不是用户连接 Zookeeper 服务器的客户端，而是 Zookeeper 服务器集群中连接到 Leader 的 Follower 服务器）初始化连接时最长能忍受多少个心跳时间间隔数。当已经超过 5个心跳的时间（也就是 tickTime）长度后 Zookeeper 服务器还没有收到客户端的返回信息，那么表明这个客户端连接失败。总的时间长度就是 5*2000=10 秒
initLimit=10
# The number of ticks that can pass between 
# sending a request and getting an acknowledgement
# 这个配置项标识 Leader 与 Follower 之间发送消息，请求和应答时间长度，最长不能超过多少个 tickTime 的时间长度，总的时间长度就是 2*2000=4 秒
syncLimit=5
# the directory where the snapshot is stored.
# Zookeeper 保存数据的目录
dataDir=/data/zookeeper/data
# Zookeeper保存日志的目录
dataLogDir=/data/zookeeper/log
# the port at which the clients will connect
# 这个端口就是客户端连接 Zookeeper 服务器的端口，Zookeeper 会监听这个端口，接受客户端的访问请求。
clientPort=2181
# the maximum number of client connections.
# increase this if you need to handle more clients
# 最大客户端连接数
maxClientCnxns=10240
# The number of snapshots to retain in dataDir
# 数据目录里保存的快照数
autopurge.snapRetainCount=3
# Purge task interval in hours
# Set to "0" to disable auto purge feature
# 删除快照的时间间隔，单位：小时
autopurge.purgeInterval=1

1.5 启动zk服务

cd到zk安装目录bin目录下

[root@localhost bin]# ./zkServer.sh start

*2.*集群安装

对于每台机器，分别在zoo.cfg配置文件中末尾加入以下内容

server.1=192.168.xxx.1:2888:3888 
server.2=192.168.xxx.2:2888:3888
server.3=192.168.xxx.3:2888:3888

参数说明：

server.A=B：C：D：其中 A 是一个数字，表示这个是第几号服务器；B 是这个服务器的 ip 地址；C 表示的是这个服务器与集群中的 Leader 服务器交换信息的端口；D 表示的是万一集群中的 Leader 服务器挂了，需要一个端口来重新进行选举，选出一个新的 Leader，而这个端口就是用来执行选举时服务器相互通信的端口。

创建节点识别文件：

分别在每台机器存取数据的目录dataDir下创建名为myid的文件：

cd  /data/zookeeper/data
touch  myid

各自myid文件中的输入内容为配置文件中server.A对应的A的值。本文中即分别为1，2，3

验证集群：

分别启动各机器上的zk服务，任意机器输入以下命令即可：

./zkCli.sh  -server  192.168.xxx.1:2181
./zkCli.sh  -server  192.168.xxx.2:2181
./zkCli.sh  -server  192.168.xxx.3:2181

根据返回信息判断是否成功。

查看主从信息

./zkServer.sh  status
 
[root@localhost bin]# ./zkServer.sh status
ZooKeeper JMX enabled by default
Using config: /zookeeper-3.4.14/bin/../conf/zoo.cfg
Mode: follower

Mode: follower表示当前zk服务为从，Mode: leader表示当前zk服务为主。

二、安装kafka

*1.*单机安装

1. 安装 kafka 步骤

1. 安装包准备

wget  http://mirror.bit.edu.cn/apache/kafka/2.2.0/kafka_2.12-2.2.0.tgz1.2 

2. 解压缩

tar zxvf kafka_2.12-2.2.0.tgz

3. 创建日志目录

mkdir -p /data/kafka-logs

2. 配置

listeners=PLAINTEXT://192.xxx.xxx.1:9092  #本机ip,不要用localhost和127.0.0.1
num.io.threads=8        #io线程数
log.dirs=/data/kafka-logs        #kafka消息数据存放目录
auto.create.topics.enable=false     #不能自动创建主题
zookeeper.connect=192.xxx.xxx.1:2181,192.xxx.xxx.2:2181,192.xxx.xxx.3:2181 #zk集群信息

启动服务，应先启动配置的zk集群的所有服务

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

*2.*集群安装

1.集群搭建

集群配置，每台机器分别修改server.properties，以192.xxx.xxx.1为例，修改以下内容

broker.id=1        #整数，不要与集群中其他broker.id重复，可以用ip最后一个字段
listeners=PLAINTEXT://192.xxx.xxx.1:9092  #本机ip,不要用localhost和127.0.0.1
num.io.threads=8        #io线程数
log.dirs=/data/kafka-logs        #kafka消息数据存放目录
num.partitions=6        #每个topic的默认log划分数,一般为节点数乘以2
log.retention.hours=168          #日志保留时长，一般为7天
auto.create.topics.enable=true     
delete.topic.enable=true
default.replication.factor=2
zookeeper.connect=192.xxx.xxx.1:2181,192.xxx.xxx.2:2181,192.xxx.xxx.3:2181 #zk集群信息

分别修改另外2台机器的kafka，区别在于 broker.id 和 listeners的ip配置。

启动服务，按照单机中的启动服务方法，分别启动3台机器上的kafka。

2.验证集群

1. 创建主题与查看主题

在 192.xxx.xxx.1 上创建topic，到 kafka 安装 bin 目录下

cd  /usr/local/kafka_2.12-2.2.0/bin

创建名为 TEST_TOPIC 的主题

./kafka-topics.sh --create --zookeeper 192.xxx.xxx.1:2181 --replication-factor 2 --partitions 3 --topic TEST_TOPIC

可在 192.xxx.xxx.2 上查看主题

./kafka-topics.sh --describe --zookeeper 192.xxx.xxx.1:2181 --topic TEST_TOPIC

2. 发送消息与接收消息

在 192.xxx.xxx.1 上发送消息，将消息发送到集群

./kafka-console-producer.sh --broker-list 192.xxx.xxxx.1:9092,192.xxx.xxxx.2:9092,192.xxx.xxxx.3:9092 --topic TEST_TOPIC

在 192.xxx.xxx.2 上接收来自 192.xxx.xxx.1 的主题为 TEST_TOPIC 的消息

./kafka-console-consumer.sh --bootstrap-server 192.xxx.xxxx.1:9092 --topic TEST_TOPIC --from-beginning

springboot集成kafka的使用

一、pom文件

	<parent>
        <groupId>org.springframework.bootgroupId>
        <artifactId>spring-boot-starter-parentartifactId>
        <version>2.1.6.RELEASEversion>
        <relativePath/> 
    parent>
    <dependencies>
        <dependency>
            <groupId>org.springframework.bootgroupId>
            <artifactId>spring-boot-starter-webartifactId>
        dependency>

        <dependency>
            <groupId>org.springframework.bootgroupId>
            <artifactId>spring-boot-starter-testartifactId>
            <scope>testscope>
        dependency>

        <dependency>
            <groupId>org.springframework.kafkagroupId>
            <artifactId>spring-kafkaartifactId>
            <version>2.2.0.RELEASEversion>
        dependency>

        <dependency>
            <groupId>com.google.code.gsongroupId>
            <artifactId>gsonartifactId>
            <version>2.8.2version>
        dependency>

    dependencies>

二、application.yml

server:
  port: 8099
spring:
  kafka:
  	# kafka服务器IP地址，可以多个
    bootstrap-servers: 10.1.28.215:9092
    consumer:
      # 此消费者所属消费者组的唯一标识。如果消费者用于订阅或offset管理策略的组管理功能，则此属性是必须的。
      group-id: test-1
      # 指定消息key和消息体的编解码方式
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
    producer:
      # 指定消息key和消息体的编解码方式
      key-serializer: org.apache.kafka.common.serialization.StringSerializer
      value-deserializer: org.apache.kafka.common.serialization.StringSerializer
      # 每次批量发送消息的数量
      batch-size: 65536
      # 生产者用来缓存等待发送到服务器的消息的内存总字节数。如果消息发送比可传递到服务器的快，生产者将阻塞max.block.ms之后，抛出异常。此设置应该大致的对应生产者将要使用的总内存，但不是硬约束，因为生产者所使用的所有内存都用于缓冲。一些额外的内存将用于压缩（如果启动压缩），以及用于保持发送中的请求。
      buffer-memory: 524288

三、生产者

@Component
public class KafkaProducer {
     
    
    private static Logger logger = LoggerFactory.getLogger(KafkaProducer.class);
    
    @Autowired
    private KafkaTemplate kafkaTemplate;
    
    private Gson gson = new GsonBuilder().create();

    //发送消息方法
    public void send() {
     
        for (int i = 0; i < 5; i++) {
     
            Message message = new Message();
            message.setId(System.currentTimeMillis());
            message.setMsg(UUID.randomUUID().toString() + "---" + i);
            message.setSendTime(new Date());
            kafkaTemplate.send("hello", gson.toJson(message));
            logger.info("发送消息 ----->>>>>  message = {}", gson.toJson(message));
        }
    }

}

四、消费者

@Component
public class KafkaReceiver {
     

    private static Logger logger = LoggerFactory.getLogger(KafkaReceiver.class);

    //topics可以配置多个topic
    @KafkaListener(topics = {
     "hello"})
    public void listen(ConsumerRecord<?, ?> record) {
     
        Optional<?> kafkaMessage = Optional.ofNullable(record.value());
        if (kafkaMessage.isPresent()) {
     
            Object message = kafkaMessage.get();
            logger.info("----------------- record =" + record);
            logger.info("------------------ message =" + message);
        }
        logger.info("----------------- record =" + record);
    }

}