《Kafka 2》--kafka分区与hadoop分区的联系、Partition分区和broker数目的关系、kafka配置信息、消息的确认机制

按照分区进行存储数据 kafka的分区和hadoop分区类似

    8.创建主题：创建名为“my-topichyxy”的主题，并设置其分区为2，复本为2
    $>kafka-topics.sh --create  --zookeeper localhost:2181 --replication-factor 2 --partitions 2 --topic my-topichyxy 
    Created topic "my-topichyxy".

    $> kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-topichyxy
    pic:my-topichyxy    PartitionCount:2    ReplicationFactor:2    Configs:
    Topic: my-topichyxy    Partition: 0    Leader: 2    Replicas: 2,0    Isr: 2,0
    Topic: my-topichyxy    Partition: 1    Leader: 0    Replicas: 0,1    Isr: 0,1

    查看master和slave1[log.dirs]目录下，主题生成的结果  其分区为2，复本为2
    验证Partition0 副本数Replicas(2,0)：
    
    broker.id=0 ---> master-00
    [hyxy@master master-00]$ ls 
    my-topichyxy-1 my-topichyxy-0  
    
    broker.id=1 ---> master-11
    [hyxy@master master-11]$ ls
    my-topichyxy-1
    
    broker.id=2 ---> slave1-00
    [hyxy@slave1 slave1-00]$ ls
    my-topichyxy-0   
    
    broker.id=3 ---> slave1-11
    [hyxy@slave1 slave1-11]$ ls
    
    9.启动Producer
    $>kafka-console-producer.sh --topic my-topichyxy --broker-list master:9092,master:9093,slave1:9092,slave1:9093
    
    10.启动消费者
    master$>kafka-console-consumer.sh --zookeeper localhost:2181 --topic my-topichyxy --from-beginning
    slave1$>kafka-console-consumer.sh --zookeeper localhost:2181 --topic my-topichyxy --from-beginning

    验证:  kafka的分区和hadoop分区类似：
    producer发送一条消息 1 %2 =1 所以放在第一个分区中 my-topichyxy-0 ；查看my-topichyxy-1 并没有数据
    producer再次发送一条消息 继续给 2 3 4 5 查看分区数   2 % 2 ==0 放到 my-topichyxy-1的分区中
       
       
    .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，
       成对出现，后缀".index"和“.log”分别表示为segment索引文件、数据文件
    $>cd testmaster-0
    $> ls
    00000000000000000000.index  00000000000000000000.log

    总结:
    a.测试没有消费者情况下生产数据
    b.按照分区进行存储数据 kafka的分区和hadoop分区类似
    c.复本数(--replication-factor)不能大于broker数
    d.如果有消费者的时候，按照主题获得消费数据并不是按照分区获得数据

---

 

Partition分区数和Broker数关系

    1.如果Partition数等于Broker数
       Kafka集群将比较均衡！！！
    2.如果Partition数小于Broker数
       某个Broker节点上不存在当前topic的分区，Broker节点可能被闲置！最终导致Kafka集群吞吐率下降
    3.如果Partition数大于Broker数
        抛异常：java.lang.IllegalArgumentException: Invalid partition given with record: 1 is not in the range [0...0].
        建议将Partition数必须设置为Broker数的整数倍！！！

 

---

Kafka 配置信息 【参照kafka文档】
 

----server.properties

    1.配置说明 
             Broker的配置信息server.properties
             Socket Server Settings:
             port=9092
         Log Basics:
             log.dirs=/home/hyxy/tmp/kafka-logs
             num.partitions=1
         Log Flush Policy：日志刷盘策略有两种：
             消息的个数达到10000个，实现刷盘
             log.flush.interval.messages=10000   
             消息的时间间隔达到1S时，实现刷盘
             log.flush.interval.ms=1000
         Log Retention Policy：日志保留策略，有以下几种
             设置日志保留的默认时间为一周
             log.retention.hours=168
             日志大小默认为1G
             log.retention.bytes=1073741824
             日志段文件的最大大小
             log.segment.bytes=1073741824
             检查日志段的间隔时间为5分钟，以查看它们是否可以根据删除对于保留政策
             log.retention.check.interval.ms=300000
     
     
 

----producer.properties:生产端的配置文件

#指定kafka节点列表，用于获取metadata，不必全部指定
#需要kafka的服务器地址，来获取每一个topic的分片数等元数据信息。metadata.broker.list=kafka01:9092,kafka02:9092,kafka03:9092

#生产者生产的消息被发送到哪个block，需要一个分组策略。
#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

#生产者生产的消息可以通过一定的压缩策略（或者说压缩算法）来压缩。消息被压缩后发送到broker集群，
#而broker集群是不会进行解压缩的，broker集群只会把消息发送到消费者集群，然后由消费者来解压缩。
#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。
#文本数据会以1比10或者更高的压缩比进行压缩。
compression.codec=none

#指定序列化处理类，消息在网络上传输就需要序列化，它有String、数组等许多种实现。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。
#如果上面启用了压缩，那么这里就需要设置
#compressed.topics= 


#broker必须在该时间范围之内给出反馈，否则失败。
#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

#生产者将消息发送到broker，有两种方式，一种是同步，表示生产者发送一条，broker就接收一条；
#还有一种是异步，表示生产者积累到一批的消息，装到一个池子里面缓存起来，再发送给broker，
#这个池子不会无限缓存消息，在下面，它分别有一个时间限制（时间阈值）和一个数量限制（数量阈值）的参数供我们来设置。
#一般我们会选择异步。
#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

#异步情况下，缓存中允许存放消息数量的大小。
#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条消息。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

#在生产端的缓冲池中，消息发送出去之后，在没有收到确认之前，该缓冲池中的消息是不能被删除的，
#但是生产者一直在生产消息，这个时候缓冲池可能会被撑爆，所以这就需要有一个处理的策略。
#有两种处理方式，一种是让生产者先别生产那么快，阻塞一下，等会再生产；另一种是将缓冲池中的消息清空。
#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: 不限制阻塞超时时间，让produce一直阻塞,这个时候消息就不会被抛弃
#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topic metada的时间间隔,producer需要知道partition leader
#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

----consumer.properties:消费端的配置文件

#消费者集群通过连接Zookeeper来找到broker。
#zookeeper连接服务器地址
zookeeper.connect=zk01:2181,zk02:2181,zk03:2181

#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
#这是一个时间阈值。
#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
group.id=xxxxx
#这是一个数量阈值，经测试是500条。

#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

#每拉取一批消息的最大字节数
#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
#数据一批一批到达，如果每一批是10条消息，如果某一批还
#不到10条，但是超时了，也会立即发送给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

 

---

消息的【确认机制】

 默认值是0。在面试中常被问到。
    #producer有个ack参数，有三个值，分别代表：
    #1） 不在乎是否写入成功；   【0】
    #2）写入leader成功；            【1】
    #3）写入leader和所有副本都成功；【-1】
    #要求非常可靠的话可以牺牲性能设置成最后一种。
      为了保证消息不丢失，至少要设置为1，也就是说至少保证leader将消息保存成功。
    #设置发送数据是否需要服务端的反馈,有三个值0,1,-1，分别代表3种状态：
    #0: producer不会等待broker发送ack。生产者只要把消息发送给broker之后，就认为发送成功了，这是第1种情况；
    #1: 当leader接收到消息之后发送ack。生产者把消息发送到broker之后，并且消息被写入到本地文件，才认为发送成功，这是            第2种情况；
    #-1: 当所有的follower都同步消息成功后发送ack。
           不仅是主的分区将消息保存成功了，
            而且其所有的分区的副本数也都同步好了，才会被认为发动成功，这是第3种情况。
    request.required.acks=0