分布式消息中间件Kafka
Kafka原理与集群架构
认识Kafka
Kafka是LinkedIn开源的，属于Apache顶级项目，最初用于日志收集和传输。消费者使用Pull拉取消息，追求高吞吐量，不支持事务，对消息的重复、丢失、错误没有严格要求，适用大量数据的收集。也可以做到消息不丢失，但性能大大减低。
kafka特点
分布式：具有分布式特性，支持消息分区的概念，其核心的概念就是partition, 一个topic下可以有很多个partition，而partition与consumer是一一对应的。
跨平台：具有跨平台的特性，支持不同语言的客户端，比如Java,PHP,Python等
实时性：具有很强的实时性，支持实时处理和离线处理，即使kafka存在大量的数据堆积，只有存储没有问题，它不会影响kafka的性能。
伸缩性：它支持水平扩展
Kafka高性能原因
1、高效读写，Page Cache(空中接力，高效读写)：顺序写磁盘，可以提高磁盘的利用率，比如consumer通过offset顺序的去消费这些数据，而不删除已经消费过的数据，从而避免磁盘的随机写。一般MQ设计都要做到顺序写磁盘，而不会允许删除消息。借助linux内核的page cache概念，不显式用内存，重启kafka也不会丢失。
2、高性能、高吞吐：初衷，日志收集。
3、后台异步、主动Flush：好多异步级别的scheduler，将连续的小块组成一个大块的物理文件。文件按顺序排好，减少磁盘移动时间，充分利用空闲的内存。
4、预读策略、IO调度、zoreCopy
PageCache与zeroCopy原理解析
PageCache（页面缓存）
page cacge是操作系统级别实现的一种主要的磁盘缓存策略，目的减少对磁盘IO的操作，如果频繁的进行IO操作，会影响磁盘的性能，其实就是把磁盘的数据缓存到内存中，把对磁盘的访问转移到对内存的访问，减少磁盘IO操作，用空间换时间。
举个例子，这个思想有点像我们平时开发高并发的互联网项目一样，最开始都是读写关系型数据库如MySQL，压力大时会做分库分表，再后面会考虑使用非关系型数据库如MongoDB，或者远程缓存如Redis，当压力达到Redis都扛不住时会考虑用本地内存缓存。
我们从磁盘读取一个文件，操作系统先到内存中检查文件是否存在，如果存在就直接返回。如果不存在会对磁盘进行一次读操作，读到的数据并不是直接返回给进程，而是先写入到内存中再返回，下一次访问同一个文件时候就比较快。现在越来越多的系统和架构都利用了cache策略。
举个例子，我们查数据库时候，第一次查会慢一点，当第二次重复再执行这条语句时，数据库立马执行完并返回结果，这也是利用了数据库的缓存策略。
当我们要写入一个文件时，操作系统先把数据写入对应的到缓存页中， 如果这个页不存在，就会在缓存页中添加相应的页，将数据写入页中，被修改的这个页就成了“脏页”，等待合适的时机，操作系统会把这个数据刷回到磁盘中。
应用程序把一个磁盘文件读到内存里，再写入到另外一个进程，需要经历四次IO，分别是：磁盘文件->①内核读取缓冲区->②用户缓冲区->③内核空间缓存区->④socket缓存区->网卡接口，这是一种传统的文件读写。
zero copy（零拷贝）
下图展示了通过transferTo实现数据传输的路径
使用了Zero-Copy技术之后，整个过程如下：
- transferTo()方法使得文件A的内容直接拷贝到一个read buffer（kernel buffer）中；
- 然后数据(kernel buffer)拷贝到socket buffer中。
- 最后将socket buffer中的数据拷贝到网卡设备（protocol engine）中传输；
这显然是一个伟大的进步：这里把上下文的切换次数从4次减少到2次，同时也把数据copy的次数从4次降低到了3次。
真正的zeroCopy，在内核为2.4或者以上版本的linux系统上，socket缓冲区描述符将被用来满足这个需求。这个方式不仅减少了内核用户态间的切换，而且也省去了那次需要cpu参与的复制过程。
从用户角度来看依旧是调用transferTo()方法，但是其本质发生了变化：
1、调用transferTo方法后数据被DMA从文件复制到了内核的一个缓冲区中。
2、数据不再被复制到socket关联的缓冲区中了，仅仅是将一个描述符（包含了数据的位置和长度等信息）追加到socket关联的缓冲区中。DMA直接将内核中的缓冲区中的数据传输给协议引擎，消除了仅剩的一次需要cpu周期的数据复制。
3、省去cpu参与的复制过程。
Kafka使用了zeroCopy技术，把四次IO减少到一次IO，从磁盘文件拷贝到内核读取缓冲区后，DMA直接把数据发送到网卡接口，给消费者使用，避免了重复复制的操作，应用程序上下文不做任何copy。
如果有10个消费者，使用传统文件读写需要10*4次IO拷贝，而使用zore copy只需要1+10次。
Kafka集群模式
如果生产者和消费者的速度相当的时候，那么消息直接从内存中（page cache）读取就可以了，甚至完全用不到磁盘，磁盘相当于一个异步备份而已。
Kafka不保证100%可靠性，但一定会有可靠性考量。内存级别副本replicate，相同的消息在存在多份（多个节点）。
如果要实现Kafka消息不丢也是可以配置的，但性能会有所下降。
Kafka核心概念和应用场景
- 消息队列：比起大多数消息系统来说，kafka有更好的吞吐量，内置的分区，冗余及容错性，
这个让kafka成为很好大规模消息处理的应用解决方案。 - 行为跟踪：kafka可以跟踪用户浏览页面、搜索及其行为，以发布-订阅的模式实时记录到对应的topic里。那么这些结果被订阅者拿到后，就可以进一步的实时处理或实时监控或放到Hadoop/离线数据仓库里处理。
- 元信息监控：作为操作记录的监控模块来使用，即汇集记录一些操作信息，可以理解为运维性质的数据监控
- 日志收集：kafka与其他日志聚合相比忽略掉文件的细节，处理过程延迟更低，更容易支持多数据源和分布式数据处理，具有更高的性能和耐用性
- 流处理：保存收集流数据，然后很多用户将那些从原始topic来的数据进行阶段性处理，汇总，扩充或者以其他的方式转换到新的topic下再继续处理后面的。
- 事件源：一种应用程序的设计方式，该方式的状态转移被记录为按时间顺序来排序的记录系列。
- 持久性日志：在节点间备份数据，并为故障节点数据回复提供一种重新同步的机制
Zookeeper认识与集群搭建
Zookeeper认识
Zookeeper是一个类似Linux、hdfs的树形文件结构，Zookeeper可以用来保证数据在集群之间的数据的事务一致性，Zookeeper强调CAP理论（强一致性）
- Leader：数据总控节点，用于接收客户端连接请求，分发给所有的Follower节点后，各个Follower节点进行数据更新操作并返回给leader节点，（Zookeeper集群一般是奇数个节点）
- Follower:跟随者的角色，Zookeeper的Leader挂掉时，所有Follower角色内部会产生选举机制，选举出新的leader用于总控
- Observer:客户端，用于观察Zookeeper集群的数据发送变化，如果产生变化则Zookeeper会主动推送watch事件给observer,用于对数据变化的后续处理，当然observer也可以发送数据变更请求
Zookeeper应用场景
- 统一命名服务
- 配置管理
- 集群管理
- 共享锁
- 队列管理
Zookeeper集群搭建
1. 准备工作：
## 准备3个节点，要求配置好主机名称，服务器之间系统时间保持一致
## 注意 /etc/hostname 和 /etc/hosts 配置主机名称（在这个里我准备bhz125,bhz126,bhz127三节点）
## 特别注意 以下操作3个节点要同时进行操作哦！
2. 上传zk到三台服务器节点
## 注意我这里解压到/usr/local下
2.1 进行解压： tar zookeeper-3.4.6.tar.gz
2.2 重命名： mv zookeeper-3.4.6 zookeeper
2.3 修改环境变量： vim /etc/profile
## 这里要添加zookeeper的全局变量
export ZOOKEEPER_HOME=/usr/local/zookeeper
export PATH=.:$ZOOKEEPER_HOME/bin
2.4 刷新环境变量： source /etc/profile
2.5 到zookeeper下修改配置文件：
2.5.1 首先到指定目录： cd /usr/local/zookeeper/conf
2.5.2 然后复制zoo_sample.cfg文件，复制后为zoo.cfg： mv zoo_sample.cfg zoo.cfg
2.5.3 然后修改两处地方, 最后保存退出：
(1) 修改数据的dir
dataDir=/usr/local/zookeeper/data
(2) 修改集群地址
server.0=bhz125:2888:3888
server.1=bhz126:2888:3888
server.2=bhz127:2888:3888
2.6 增加服务器标识配置，需要2步骤，第一是创建文件夹和文件，第二是添加配置内容：
(1) 创建文件夹： mkdir /usr/local/zookeeper/data
(2) 创建文件myid 路径应该创建在/usr/local/zookeeper/data下面，如下：
vim /usr/local/zookeeper/data/myid
注意这里每一台服务器的myid文件内容不同，分别修改里面的值为0，1，2；与我们之前的zoo.cfg配置文 件里：server.0，server.1，server.2 顺序相对应，然后保存退出；
2.7 到此为止，Zookeeper集群环境大功告成！启动zookeeper命令
启动路径：/usr/local/zookeeper/bin（也可在任意目录，因为配置了环境变量）
执行命令：zkServer.sh start (注意这里3台机器都要进行启动，启动之后可以查看状态)
查看状态：zkServer.sh status (在三个节点上检验zk的mode, 会看到一个leader和俩个follower)
具体Zookeeper集群搭建
Kafka 搭建
## kafka 环境安装
-
下载地址： http://kafka.apache.org/downloads.html
-
kafka安装要依赖Zookeeper，构建kafka broker
## 解压命令：
tar -zxvf kafka_2.12-2.1.0.tgz -C /usr/local/
## 改名命令：
mv kafka_2.12-2.1.0/ kafka_2.12
## 进入解压后的目录，修改server.properties文件：
vim /usr/local/kafka_2.12/config/server.properties
## 修改配置：
broker.id=0
port=9092
host.name=192.168.11.51
advertised.host.name=192.168.11.51
log.dirs=/usr/local/kafka_2.12/kafka-logs
num.partitions=2
zookeeper.connect=192.168.11.111:2181,192.168.11.112:2181,192.168.11.113:2181
## 建立日志文件夹：
mkdir /usr/local/kafka_2.12/kafka-logs
##启动kafka：
/usr/local/kafka_2.12/bin/kafka-server-start.sh /usr/local/kafka_2.12/config/server.properties &
- 常用的命令
## 简单操作：
#（1）创建topic主题命令：（创建名为test的topic， 1个分区分别存放数据，数据备份总共1份）
kafka-topics.sh --zookeeper 192.168.11.111:2181 --create --topic topic1 --partitions 1 --replication-factor 1
## --zookeeper 为zookeeper服务列表地址配置项，这里任意指定zookeeper其中一个服务列表地址即可
## --create 命令后 --topic 为创建topic 并指定 topic name
## --partitions 为指定分区数量配置项
## --replication-factor 为指定副本集数量配置项
#（2）查看topic列表命令：
kafka-topics.sh --zookeeper 192.168.11.111:2181 --list
#（3）kafka命令发送数据：（然后我们就可以编写数据发送出去了）
kafka-console-producer.sh --broker-list 192.168.11.51:9092 --topic topic1
## --brokerlist kafka服务的broker节点列表
#（4）kafka命令接受数据：（然后我们就可以看到消费的信息了）
kafka-console-consumer.sh --bootstrap-server 192.168.11.51:9092 --topic topic1 --from-beginning
#（5）删除topic命令：
kafka-topics.sh --zookeeper 192.168.11.111:2181 --delete --topic topic1
#（6）kafka查看消费进度：（当我们需要查看一个消费者组的消费进度时，则使用下面的命令）
kafka-consumer-groups.sh --bootstrap-server 192.168.11.51:9092 --describe --group group1
## --describe --group 为订阅组， 后面指定 group name