Kafka安装与使用

一、Kafka简介

Kafka 是一个分布式的基于发布 / 订阅模式的消息队列（Message Queue），主要应用于大数据实时处理领域。

• kafka官方文档：https://kafka.apache.org/documentation/

1、Kafka基本概念

基本概念：

• Producer：
  消息生产者，负责向 Kafka broker 发布消息的客户端。
• Consumer：
  消息消费者，负责向 Kafka broker 获取消息的客户端。
• 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组内消费者消费；消费者组间互不影响。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。
  每个Consumer属于一个特定的 Consumer Group（可为每个Consumer指定group name，若不指定group name则属于默认的group）。
• Broker：
  一台 Kafka服务器就是一个 broker。一个Kafka集群由多个 broker 组成。一个 broker 可以容纳多个 topic。
• Topic：
  每条发布到Kafka集群的消息都有一个类别，这个类别被称为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。（物理上不同Topic的消息分开存储，逻辑上一个Topic的消息虽然保存于一个或多个broker上但用户只需指定消息的Topic即可生产或消费数据而不必关心数据存于何处）。
• Partiton：
  Partition是物理上的概念，每个Topic包含一个或多个Partition。
  为了实现拓展性，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 都是一个有序的队列。
• Replication：
  副本，为保证集群中某个节点发生故障时，该节点上的 partition 数据不丢失，且 Kafka 仍然可以继续工作，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。
• 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时的对象都是 leader。
• follower：
  每个分区多个副本的 “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 leader。

2、基本架构

有篇博客对 Kafka基本概念总结的不错，图也是来自参考文章（链接在最后）。

二、使用Docker安装Kafka

在 dockerhub 上 kafka 相关镜像有 wurstmeister/kafka 和 bitnami/kafka 两种，这两者使用的人也比较多。好像 bitnami/kafka 更新比较频繁。

生产环境使用时，会增加更多配置，比如将data，log映射出来。这里为了方便选用 wurstmeister/kafka 简单安装。

注意：当前 Kafka 还依赖 Zookeeper，所以必须先启动一个 Zookeeper服务。

1、拉取镜像容器安装

1）查找镜像，查看本地镜像

[root@centos7 ~]# docker search wurstmeister/kafka

2）拉取镜像

没有镜像就拉取，有的话就省略这一步。

[root@centos7 ~]# docker pull wurstmeister/kafka

3）创建并启动容器

[root@centos7 ~]# docker run  -d --name wurstmeister_kafka -p 192.168.xxx.xxx:9092:9092 -e KAFKA_BROKER_ID=0 -e KAFKA_ZOOKEEPER_CONNECT=192.168.xxx.xxx:2181 -e KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://192.168.xxx.xxx:9092 -e KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092 -t wurstmeister/kafka
071873d715c0a2473243a146b18d8e66b0ff8a9f7321b0de0f4b70751d65adbe

[root@centos7 ~]# docker ps
CONTAINER ID   IMAGE                COMMAND                  CREATED          STATUS          PORTS                                                          NAMES
071873d715c0   wurstmeister/kafka   "start-kafka.sh"         13 seconds ago   Up 10 seconds   192.168.xxx.xxx:9092->9092/tcp                                 wurstmeister_kafka
9bb8ce0a893f   zookeeper:3.6.3      "/docker-entrypoint.…"   11 months ago    Up 12 hours     2888/tcp, 3888/tcp, 192.168.xxx.xxx:2181->2181/tcp, 8080/tcp   zookeeper_v3.6.3

4）进入启动好的 Kafka服务

进入启动好的 Kafka服务。查看一下目录结构，重点关注一下/opt/kafka_2.13-2.8.1/bin目录下的文件。

[root@centos7 ~]# docker exec -it 071873d715c0  /bin/bash
bash-5.1# ls
bin    dev    etc    home   kafka  lib    lib64  media  mnt    opt    proc   root   run    sbin   srv    sys    tmp    usr    var
bash-5.1# ls /opt
kafka             kafka_2.13-2.8.1  overrides
bash-5.1# ls /opt/kafka_2.13-2.8.1/
LICENSE    NOTICE     bin        config     libs       licenses   logs       site-docs
bash-5.1# ls /opt/kafka_2.13-2.8.1/bin
connect-distributed.sh               kafka-dump-log.sh                    kafka-storage.sh
connect-mirror-maker.sh              kafka-features.sh                    kafka-streams-application-reset.sh
connect-standalone.sh                kafka-leader-election.sh             kafka-topics.sh
kafka-acls.sh                        kafka-log-dirs.sh                    kafka-verifiable-consumer.sh
kafka-broker-api-versions.sh         kafka-metadata-shell.sh              kafka-verifiable-producer.sh
kafka-cluster.sh                     kafka-mirror-maker.sh                trogdor.sh
kafka-configs.sh                     kafka-preferred-replica-election.sh  windows
kafka-console-consumer.sh            kafka-producer-perf-test.sh          zookeeper-security-migration.sh
kafka-console-producer.sh            kafka-reassign-partitions.sh         zookeeper-server-start.sh
kafka-consumer-groups.sh             kafka-replica-verification.sh        zookeeper-server-stop.sh
kafka-consumer-perf-test.sh          kafka-run-class.sh                   zookeeper-shell.sh
kafka-delegation-tokens.sh           kafka-server-start.sh
kafka-delete-records.sh              kafka-server-stop.sh

到此，Kafka服务已经安装启动好了。

2、server.properties配置文件

创建容器时，通过命令参数指定了一些配置参数，也可以修改配置文件，重建构建启动。

查看一下，Kafka的配置文件 server.properties如下：删掉了一部分注释。

bash-5.1# cat /opt/kafka_2.13-2.8.1/config/server.properties 

# The id of the broker. This must be set to a unique integer for each broker.
# broker.id属性在kafka集群中必须要是唯一 
broker.id=0

# kafka部署的机器ip和提供服务的端口号 
listeners=PLAINTEXT://0.0.0.0:9092

# Hostname and port the broker will advertise to producers and consumers. If not set, 
# it uses the value for "listeners" if configured.  Otherwise, it will use the value
# returned from java.net.InetAddress.getCanonicalHostName().
advertised.listeners=PLAINTEXT://192.168.xxx.xxx:9092

# The number of threads that the server uses for receiving requests from the network and sending responses to the network
num.network.threads=3

# The number of threads that the server uses for processing requests, which may include disk I/O
num.io.threads=8

# The send buffer (SO_SNDBUF) used by the socket server
socket.send.buffer.bytes=102400

# The receive buffer (SO_RCVBUF) used by the socket server
socket.receive.buffer.bytes=102400

# The maximum size of a request that the socket server will accept (protection against OOM)
socket.request.max.bytes=104857600


############################# Log Basics #############################

# A comma separated list of directories under which to store log files
log.dirs=/kafka/kafka-logs-071873d715c0

# The default number of log partitions per topic. More partitions allow greater
# parallelism for consumption, but this will also result in more files across
# the brokers.
num.partitions=1

# The number of threads per data directory to be used for log recovery at startup and flushing at shutdown.
# This value is recommended to be increased for installations with data dirs located in RAID array.
num.recovery.threads.per.data.dir=1

############################# Internal Topic Settings  #############################
# The replication factor for the group metadata internal topics "__consumer_offsets" and "__transaction_state"
# For anything other than development testing, a value greater than 1 is recommended to ensure availability such as 3.
offsets.topic.replication.factor=1
transaction.state.log.replication.factor=1
transaction.state.log.min.isr=1

############################# Log Flush Policy #############################

# Messages are immediately written to the filesystem but by default we only fsync() to sync
# the OS cache lazily. The following configurations control the flush of data to disk.
# There are a few important trade-offs here:
#    1. Durability: Unflushed data may be lost if you are not using replication.
#    2. Latency: Very large flush intervals may lead to latency spikes when the flush does occur as there will be a lot of data to flush.
#    3. Throughput: The flush is generally the most expensive operation, and a small flush interval may lead to excessive seeks.
# The settings below allow one to configure the flush policy to flush data after a period of time or
# every N messages (or both). This can be done globally and overridden on a per-topic basis.

# The number of messages to accept before forcing a flush of data to disk
#log.flush.interval.messages=10000

# The maximum amount of time a message can sit in a log before we force a flush
#log.flush.interval.ms=1000

############################# Log Retention Policy #############################
# The minimum age of a log file to be eligible for deletion due to age
log.retention.hours=168

# A size-based retention policy for logs. Segments are pruned from the log unless the remaining
# segments drop below log.retention.bytes. Functions independently of log.retention.hours.
#log.retention.bytes=1073741824

# The maximum size of a log segment file. When this size is reached a new log segment will be created.
log.segment.bytes=1073741824

# The interval at which log segments are checked to see if they can be deleted according
# to the retention policies
log.retention.check.interval.ms=300000

############################# Zookeeper #############################

# Zookeeper connection string 
# server. e.g. "127.0.0.1:3000,127.0.0.1:3001,127.0.0.1:3002".
zookeeper.connect=192.168.xxx.xxx:2181

# Timeout in ms for connecting to zookeeper
zookeeper.connection.timeout.ms=18000


############################# Group Coordinator Settings #############################
group.initial.rebalance.delay.ms=0

port=9092

三、Kafka简单使用

下面命令我使用绝对路径，也可以使用相对路径。

注意：所有命令都有一些附加的参数选项；当我们不携带任何参数运行某命令时，就会显示该命令的详细用法。

1、创建topic

我们手工创建一个名字为“tpcTest”的Topic，这个topic只有一个partition，并且备份因子也设置为1：

bash-5.1# /opt/kafka_2.13-2.8.1/bin/kafka-topics.sh --create --zookeeper 192.168.xxx.xxx:2181 --replication-factor 1 --partitions 1 --topic tpcTest

当 producer 发布一个消息到某个指定的Topic，这个Topic如果不存在，kafka会自动创建。

2、查看topic

查看已存在的topic列表：

bash-5.1# /opt/kafka_2.13-2.8.1/bin/kafka-topics.sh --list --zookeeper 192.168.xxx.xxx:2181
tpcTest

查看某个topic的状态：

bash-5.1# /opt/kafka_2.13-2.8.1/bin/kafka-topics.sh --describe --zookeeper 192.168.xxx.xxx:2181 --topic tpcTest
Topic: tpcTest  TopicId: vY-MixMxRzuzFgwnpd-DwQ PartitionCount: 1       ReplicationFactor: 1    Configs: 
        Topic: tpcTest  Partition: 0    Leader: 0       Replicas: 0     Isr: 0

3、删除topic

/opt/kafka_2.13-2.8.1/bin/kafka-topics.sh --delete --zookeeper 192.168.xxx.xxx:2181 --topic tpc_test

4、发送消息

kafka自带了一个producer命令客户端，可以从本地文件中读取内容，或者我们也可以以命令行中直接输入内容，并将这些内容以消息的形式发送到 kafka集群中。在默认情况下，每一个行会被当做成一个独立的消息。

首先我们要运行发布消息的脚本，然后在命令中输入要发送的消息的内容：

bash-5.1# /opt/kafka_2.13-2.8.1/bin/kafka-console-producer.sh --broker-list 192.168.xxx.xxx:9092 --topic tpcTest
>hello kafka
>

然后我们重新打开一个窗口，就可以进行消息消费了。

5、接收/消费消息

kafka同样也携带了一个consumer命令行客户端，会将获取到内容在命令中进行输出。

5.1 消费单个topic

默认是消费最新的消息：

/opt/kafka_2.13-2.8.1/bin/kafka-console-consumer.sh --bootstrap-server 192.168.xxx.xxx:9092 --topic tpcTest

如果想要消费之前的消息可以通过--from-beginning参数指定，命令如下：

bash-5.1# /opt/kafka_2.13-2.8.1/bin/kafka-console-consumer.sh --bootstrap-server 192.168.xxx.xxx:9092  --topic tpcTest --from-beginning
hello kafka

5.2 消费多个topic

还可以通过--whitelist参数指定，多个主题通过|符号分隔。命令如下：

/opt/kafka_2.13-2.8.1/bin/kafka-console-consumer.sh --bootstrap-server 192.168.xxx.xxx:9092 --whitelist “tpcTest|tpcTest2”

6、消费组

6.1 查看消费组名

/opt/kafka_2.13-2.8.1/bin/kafka-consumer-groups.sh --bootstrap-server 192.168.xxx.xxx:9092 --list

6.2 单播消费

一条消息只能被某一个消费者消费的模式，类似queue模式，只需让所有消费者在同一个消费组里即可。

分别在两个客户端执行下面消费命令：

bash-5.1# /opt/kafka_2.13-2.8.1/bin/kafka-console-consumer.sh --bootstrap-server 192.168.xxx.xxx:9092 --consumer-property group.id=testGroup --topic tpcTest
1aa

会默认创建消费组 testGroup。

然后往主题里面发送消息，结果只有一个客户端能收到消息。

6.3 多播消费

一条消息能被多个消费者消费的模式，类似publish-subscribe模式。

针对Kafka同一条消息只能被同一个消费组下的某一个消费者消费的特性，要实现多播只要保证这些消费者属于不同的消费组即可。

我们再增加一个消费者，该消费者属于 testGroup2消费组，

/opt/kafka_2.13-2.8.1/bin/kafka-console-consumer.sh --bootstrap-server 192.168.xxx.xxx:9092 --consumer-property group.id=testGroup2 --topic tpcTest

然后往主题里面发送消息，结果这两个客户端都能收到消息。

6.4 查看消费组的消费偏移量

/opt/kafka_2.13-2.8.1/bin/kafka-consumer-groups.sh --bootstrap-server 192.168.xxx.xxx:9092 --describe --group testGroup

• current-offset：当前消费组的已消费偏移量
• log-end-offset：主题对应分区消息的结束偏移量(HW)
• lag：当前消费组未消费的消息数

参考文章：

• kafka使用教程、快速上手：https://blog.csdn.net/CSDN_Admin0/article/details/122854762

– 求知若饥，虚心若愚。