kafka入门：简介、架构原理、配置安装等

目录：

1、kafka的介绍
2、kafka与传统消息队列的区别
3、kafka的架构模型
4、kafka的安装与命令行使用
5、kafka的API
6、kafka的分区（共4种）
7、kafka的配置文件说明
8、flume与kafka的整合
9、kafka如何保证数据的不丢失
10、kafkaManager监控工具的安装与使用（可视化界面）
11、kafka为什么这么快

1、kafka的介绍

apache下开源的消息系统，分布式的消息队列，是scala编写的。
Kafka是一个分布式消息队列：生产者、消费者的功能。它提供了类似于JMS的特性，但是在设计实现上完全不同，此外它并不是JMS规范的实现。
broker是kafka的一个实例，kafka集群依赖于zookeeper。

2、kafka与传统消息队列的区别

*传统的是从 topic里监听后，消费者被动接收的。pub和sub。
*Kafka的消费者是主动去取从kafka的集群。1 push和pull。2 吞吐量大。3 主备模式。4 可扩容。

3、kafka的架构模型

producer：生产消息，并且将消息push到kafka集群当中的topic当中去。

topic：所有消息都可以推送到某一类自定义的topic当中去，topic也有分区和副本的概念。

consumer：通过zookeeper集群连接到kafka集群，消费topic，通过pull的方式主动拉取。

broker：kafka的每一个节点就叫broker 也就是台机器。类似于hadoop的datanode。

Zookeeper：记录kafka集群保存的元数据信息

• topic组件介绍：
  paritition：topic可以分为多个partition（区），是有序的队列，其中的每条信息都有一个id（offset），不是整体有序，但是分区有序。一个partition分为多个segment。

  offset：偏移量 是个long型的数字，方便查找，唯一标记一条信息，数据不丢失

  Segement：消息存储的真实文件，会不断生成新的。

• partition 设计 （拓展）

• 存储层面上：（图的中下位置）

  • 生产者（producer） ：ACK确认机制
  • 消费者（consumer）： partition的消息记录在.log文件里；每个partition在内存中对应一个index列表，记录每个segment中的第一条消息偏移offset。

• ACK机制：在图的左下角

4、 kafka的安装

• 4.1、安装

方法1：docker安装kafka，参考文章：https://blog.csdn.net/qq_18769269/article/details/80880633
方法2：原生的，对于原生的安装，本文只大体说一下。
kafka是 Scala 2.11-1.0.0 版本（是向下兼容的）

 安装：上次，安装，安装后，改配置文件 server.properties。注意：broker.id   host.id
 启动：（启动前先启动zk集群）
    nohup 和 & 配合使用 是后台启动，指定配置文件，日志输出到/dev/null 2>&1 &（目的地址类似于黑洞）
    nohup  bin/kafka-server-start.sh config/server.properties >/dev/null 2>&1 &  （在kafka目录下）

• 4.2 kafka 命令行的管理与使用
  主要是三个脚本：

  • 创建topic： 5个主要参数
    –create 表示创建topic
    –partitions 表示指定我们topic的分区书
    –replication-factor 表示指定我们的副本数
    –topic 指定我们topic的名字
    –zookeeper 指定我们zookeeper的地址

  • 创建producer发送数据： 指定kafka集群地址和topic；然后发送数据
    –broker-list 指定我们kafka集群的地址
    –topic 指定我们的消息发送到哪个topic里面去

  • 创建consumer：接收数据。
    –bootstrap-server 表示我们的kafak集群的地址
    –from-beginning 表示我们从最开始的数据进行消费
    –topic指定我们topic的名字

注：如果有乱码的话，可能是因为src客户端工具乱码。

5、 kafka的API

这里就不详细介绍了…

java API：
创建maven工程、导入jar包。官网里documentation下有介绍
producer,consumer（注意开启kafka的offset自动提交功能，保证数据不丢失，可以说自己遇到

问题：kafka Api操作的时候，没有开启offset自动提交功能，导致数据丢失）

6、 kafka分区策略（ 4 种 )

把消息怎么存在kafka的topic里）：

   1）手动指定用分区
   2）通过消息的key 进行hash 取模 （注：Key值一定要变，要不造成数据倾斜）  
   3）轮循      实际工作中常用这个均匀放（实现负载均衡）
   4）自定义分区  implements Partitioner（一般不用）

7、kafka的配置文件说明

• server.properties ：（只有这个在linux配，剩下的俩在代码中配）
  broker标识、监听端口、处理网络请求的线程数量、IO数量、缓存区大小、kafka日志存放路径、清理 恢复和保存log,index的线程数、 segement大小,时间、本机id、能否删除topic

• producer.properties： （一般不用自己写，整合就有，如果用自己写，就把红的配了）
  是否压缩、设置ACK机制 0、1、-1（工作用1） 、发送消息异步（快，工作上用这个多）还是同步（慢但数据不丢失）、堆积、充实次数…

• consumer.properties：
  zookeeper地址、多久负载均衡、offset多久更加到zk、组、offset自动提交、最大取多少块缓存（调优）

8、flume与kafka的整合

Flume 1.8.0 ，看官网。整合的时候，flume就相当于生产者。

1. 整合后的 配置文件：sources、channel、kafka sink
   注意： 1） 忽略 tmp 用正则表达式粘贴 ； 2） 如果是从windows上传文件的话，必须得设置格式是GBK，默认是UTF-8）

2. 为什么要flume 采集数据后 要通过 kafka 集群？
   答：1、解决数据流平缓性问题 ，统一平台 （可以设置一次性取多少，不会一次性过来太多或者低风期过少）

3. flume如何采集windowsServer的信息？（因为flume只能采集linux的）
   答：windowsServer先通过ftp传到linux，再从linux采集。

9、kafka如何保证数据的不丢失

生产者producer如何保证数据的不丢失

• 同步模式
  通过ack机制来确认消息已经收到。可以设置，有0、1、-1 取值。
  一般工作用 1 ，parition的主节点保存后确认成功即可；如果是-1，副本和主节点都要确认，效率低点 安全性最高；0 是不用确认。
• 异步模式
  一批一批的确认，设置 多少时间往磁盘刷新一次数据 和 多少条数据往磁盘刷新一次。
  2）、消费者consumer如何保证数据的不丢失
  消费者一般通过offset偏移量，每次读取上次的偏移量 来确保数据不丢失。

10、kafkaManager监控工具的安装与使用（可视化界面）

方法1：docker安装kafkaManager，参考文章,里面docker安装了zk,kafka,kafkamanager：https://blog.csdn.net/qq_18769269/article/details/80880633

方法2：原生的，这里只是大体说一下。

• 安装：上传压缩包解压；修改配置文件（zk地址）；后台启动kafkaManager 并 指定配置文件位置；从页面访问kafkaManager

• 启动：（后台启动）
  ./kafka-manager -Dconfig.file=/export/servers/kafka-manager-1.3.3.7/conf/application.conf -Dhttp.port=8070 &

• 查看：1)jps
  2)页面查看： http://192.168.52.200:8070/

• 在页面配置kafka集群：

  • 出现的问题： 启动manager后出现如下信息。。。
    This application is already running (Or delete /export/servers/kafka-manager-1.3.0.7/RUNNING_PID file).
    解决办法：手 动kill掉kafka-mamager进程，然后 删除RUNNING_PID文件后再重新启动。

11、kafka为什么这么快：

• kafka为什么快：
  1）顺序读写文件。比固态盘还快。普通的是随机存放。
  2）pageCache页缓存。消息先缓存到pageCache，然后达到一定量再写入磁盘。