第1章 Kafka概述
1.1定义
Kafka是一个分布式的基于发布/订阅模式的消息队列，主要应用于大数据实时处理领域。
1.2 消息队列（Message Queue）
1.2.1 传统消息队列的应用场景
异步处理
消峰
-
解耦
1.2.2 消息队列的两种模式
（1）点对点模式（一对一，消费者主动拉取数据，消息收到后消息清除）
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/订阅模式（一对多，消费者消费数据之后不会清除消息）
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。
1.3 Kafka基础架构
1）Producer ：消息生产者，就是向kafka broker发消息的客户端；
2）Consumer ：消息消费者，向kafka broker取消息的客户端；
3）Consumer Group （CG）：消费者组，由多个consumer组成。消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个消费者消费；消费者组之间互不影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。
4）Broker ：一台kafka服务器就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic。
5）Topic ：可以理解为一个队列，生产者和消费者面向的都是一个topic；
6）Partition：为了实现扩展性，一个非常大的topic可以分布到多个broker（即服务器）上，一个topic可以分为多个partition，每个partition是一个有序的队列；
7）Replica：副本，为保证集群中的某个节点发生故障时，该节点上的partition数据不丢失，且kafka仍然能够继续工作，kafka提供了副本机制，一个topic的每个分区都有若干个副本，一个leader和若干个follower。
8）leader：每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对象都是leader。
9）follower：每个分区多个副本中的“从”，实时从leader中同步数据，保持和leader数据的同步。leader发生故障时，某个follower会成为新的follower。
第2章 Kafka安装及基本命令
2.1 安装部署
2.1.1 集群规划
| hadoop101 | hadoop102 | hadoop103 |
|---|---|---|
| zookeeper | zookeeper | zookeeper |
| kafka | kafka | kafka |
2.1.2 kafka下载
http://archive.apache.org/dist/kafka/
我下载的版本是：kafka_2.12-2.6.2.tgz
2.1.3 集群部署
1）解压安装包
[hadoop@hadoop101 softwares]$ tar -xf kafka_2.12-2.6.2.tgz -C /opt/modules/
2）修改解压后的文件名称
[hadoop@hadoop101 modules]$ mv kafka_2.12-2.6.2/ kafka
3）在/opt/modules/kafka目录下创建logs文件夹
[hadoop@hadoop101 kafka]$ mkdir logs
4）修改配置文件
[hadoop@hadoop101 kafka]$ cd config/
[hadoop@hadoop101 config]$ cat server.properties | grep -v '#' | grep -v '^$'
broker.id=0
num.network.threads=3
num.io.threads=8
socket.send.buffer.bytes=102400
socket.receive.buffer.bytes=102400
socket.request.max.bytes=104857600
log.dirs=/opt/modules/kafka/logs
num.partitions=1
num.recovery.threads.per.data.dir=1
offsets.topic.replication.factor=1
transaction.state.log.replication.factor=1
transaction.state.log.min.isr=1
log.retention.hours=168
log.segment.bytes=1073741824
log.retention.check.interval.ms=300000
zookeeper.connect=hadoop101:2181,hadoop102:2181,hadoop103:2181
zookeeper.connection.timeout.ms=18000
group.initial.rebalance.delay.ms=0
5）配置环境变量
[hadoop@hadoop101 kafka]$ sudo vim /etc/profile
# KAFKA_HOME
export KAFKA_HOME=/opt/modules/kafka
export PATH=$PATH:$KAFKA_HOME/bin
[hadoop@hadoop101 kafka]$ source /etc/profile
6）分发安装包
[hadoop@hadoop101 ~]$ cd /opt/modules/
[hadoop@hadoop101 modules]$ xsync kafka
注意：分发之后记得配置其他机器的环境变量
7）分别在hadoop102和hadoop103上修改配置文件/opt/modules/kafka/config/server.properties中的broker.id=1、broker.id=2
注：broker.id不得重复
8）启动集群
依次在hadoop101、hadoop102、hadoop103节点上先启动zookeeper，启动命令如下：
[hadoop@hadoop101 kafka]$ /opt/modules/zookeeper-3.4.10/bin/zkServer.sh start
[hadoop@hadoop102 kafka]$ /opt/modules/zookeeper-3.4.10/bin/zkServer.sh start
[hadoop@hadoop103 kafka]$ /opt/modules/zookeeper-3.4.10/bin/zkServer.sh start
再依次在hadoop101、hadoop102、hadoop103节点上先启动kafka，启动命令如下：
[hadoop@hadoop101 kafka]$ kafka-server-start.sh -daemon config/server.properties
[hadoop@hadoop102 kafka]$ kafka-server-start.sh -daemon config/server.properties
[hadoop@hadoop103 kafka]$ kafka-server-start.sh -daemon config/server.properties
- 查看启动的进程
[hadoop@hadoop101 kafka]$ jpsall
============hadoop101============
2903 Kafka
2077 QuorumPeerMain
============hadoop102============
2049 QuorumPeerMain
2740 Kafka
============hadoop103============
2128 QuorumPeerMain
2864 Kafka
10）关闭集群
[hadoop@hadoop101 kafka]$ kafka-server-stop.sh stop
[hadoop@hadoop102 kafka]$ kafka-server-stop.sh stop
[hadoop@hadoop103 kafka]$ kafka-server-stop.sh stop
11）kafka群起脚本
[hadoop@hadoop101 bin]$ cat kafka.sh
#! /bin/bash
case $1 in
"start"){
for i in hadoop101 hadoop102 hadoop103
do
echo " --------启动 $i kafka-------"
ssh $i "source /etc/profile && /opt/modules/kafka/bin/kafka-server-start.sh -daemon /opt/modules/kafka/config/server.properties "
done
};;
"stop"){
for i in hadoop101 hadoop102 hadoop103
do
echo " --------停止 $i kafka-------"
ssh $i "ps -ef | grep server.properties | grep -v grep| awk '{print \$2}' | xargs kill -9 >/dev/null 2>&1 &"
done
};;
esac
2.2 Kafka命令行操作
1）创建topic
[hadoop@hadoop101 kafka]$ bin/kafka-topics.sh --zookeeper hadoop101:2181,hadoop102:2181,hadoop103:2181 --topic test1 --partitions 3 --replication-factor 3 --create
Created topic test1.
选项说明：
--topic 定义topic名
--replication-factor 定义副本数
--partitions 定义分区数
2）查看当前服务器中的所有topic
[hadoop@hadoop101 kafka]$ bin/kafka-topics.sh --zookeeper hadoop101:2181,hadoop102:2181,hadoop103:2181 --list
test1
3）查看某个Topic的详情
[hadoop@hadoop101 kafka]$ bin/kafka-topics.sh --zookeeper hadoop101:2181,hadoop102:2181,hadoop103:2181 --describe --topic test1
Topic: test1 PartitionCount: 3 ReplicationFactor: 3 Configs:
Topic: test1 Partition: 0 Leader: 2 Replicas: 2,1,0 Isr: 2,1,0
Topic: test1 Partition: 1 Leader: 1 Replicas: 1,0,2 Isr: 1,0,2
Topic: test1 Partition: 2 Leader: 0 Replicas: 0,2,1 Isr: 0,2,1
3）删除topic
[hadoop@hadoop101 kafka]$ bin/kafka-topics.sh --zookeeper hadoop101:2181,hadoop102:2181,hadoop103:2181 --delete --topic test1
需要server.properties中设置delete.topic.enable=true否则只是标记删除。
4）修改分区数
[hadoop@hadoop101 kafka]$ bin/kafka-topics.sh --zookeeper hadoop101:2181,hadoop102:2181,hadoop103:2181 --alter --topic test1 --partitions 4
注意：修改分区的时候只能增加
4）发送消息
[hadoop@hadoop101 kafka]$ bin/kafka-console-producer.sh --bootstrap-server hadoop101:9092,hadoop102:9092,hadoop103:9092 --topic test1
>hello world
>this is beautiful
5）消费消息
[hadoop@hadoop103 kafka]$ bin/kafka-console-consumer.sh --bootstrap-server hadoop101:9092,hadoop102:9092,hadoop103:9092 --topic test1
hello world
this is beautiful