Kafka入门及Kafka-Python初体验

本文介绍了以下内容：

1.什么是Kafka？

2.为什么我们需要使用Kafka这样的消息系统及使用它的好处

3.如何将Kafka使用到我们的后端设计中。

译自timber.io：《hello-world-in-kafka-using-python》，有部分删改。

1.Kafka是什么、为什么我们需要它？

简而言之，Kafka是一个分布式消息系统。这是什么意思呢？

想象一下，你现在有一个简单的Web应用，其包含了网页前端客户端（Client）、服务端和数据库：

你需要记录所有发生在你的Web应用的事件，比如点击、请求、搜索等，以便后续进行计算和运营分析。

假设每个事件都由单独的APP完成，那么一个简单的解决方案就是将数据存储在数据库中，所有APP连接到数据库进行存储：

这看起来简单，但是其中还会出现许多问题：

1.点击、请求、搜索等事件会产生大量的数据到数据库中，这可能会导致插入事件存在延迟。

2.如果选择将高频数据存储在SQL或MongoDB等数据库中，很难再原有历史数据的基础上扩展数据库。

3.如果你需要用这些数据进行数据分析，你可能无法直接对数据库进行高频率的读取操作。

4.每个APP可以遵循自己的数据格式，这就意味着当你需要在不同的APP进行数据交换时，你需要进行数据格式的转换。

通过使用像Kafka这样的消息流系统，可以很好地解决这些问题，因为他们可以执行以下操作：

1.存储的大量数据可以被持久化、校验和复制，具备容错能力。

2.支持跨系统实时处理连续的数据流。

3.允许APP独立发布数据或数据流，并与使用它的APP无关。

那么它和传统数据库有何不同？

尽管Kafka可以持久化地存储数据，但它不是数据库。

Kafka不仅允许APP存储或提取连续的数据流，还支持实时处理。这与对被动数据执行CRUD操作或对传统数据库执行查询的方式不同。

听起来不错，那么Kafka是如何解决以上挑战的？

Kafka是一个分布式平台，是为规模而构建的，这意味着它可以处理高频率的读写和存储大量数据。它确保数据始终可靠。它还支持从故障中恢复的强大机制。

以下是为什么应该使用Kafka的一些关键因素：

1.1 简化后端架构

在Kafka的帮助下，我们前面的结构会变得简单一些：

1.2 通用数据管道

如上所示，Kafka充当多个APP和服务的通用数据管道，这给了我们两个好处：

1.数据是集成的，我们将来自不同系统的数据都存在一个地方，这使得Kafka成为真正的数据源。任何APP都可以将数据推送到该平台，然后由另一个APP提取数据。

2.Kafka使得应用程序之间交换数据变得容易。因为我们可以标准化数据格式，减少了数据格式的转换。

1.3 通用连接性

尽管Kafka允许你使用标准数据格式，但并不意味着你的APP就不需要数据转换了，它只是减少了我们转换数据的频率罢了。

此外，Kafka提供了一个叫 Kafka Connect 的框架允许我们维护遗留的老系统。

1.4 实时数据处理

类似于监控系统这样的实时APP，往往需要连续的数据流，这些数据需要被立即处理或尽量减少延迟处理。

Kafka的流式处理，使得处理引擎可以在很短的时间内（几毫米到几分钟）内取数、分析、以及响应。

2.Kafka入门

2.1 安装

安装Kafka是一个相当简单的过程。只需遵循以下给定步骤：

1.下载最新的1.1.0版本的Kafka

2.使用以下命令解压缩下载文件： tar -xzf kafka_2.11-1.1.0.tgz

3.cd到Kafka目录开始使用它： cd kafka_2.11-1.1.0

2.2 启动服务器

ZooKeeper是一个针对Kafka等分布式环境的集中管理工具，它为大型分布式系统提供配置服务、同步服务及命名注册表。

因此，我们需要先启动ZooKeeper服务器，然后再启动Kafka服务器。使用以下命令即可：

# Start ZooKeeper Server
bin/zookeeper-server-start.sh config/zookeeper.properties


# Start Kafka Server
bin/kafka-server-start.sh config/server.properties

2.3 Kafka 基本概念

我们快速介绍一下Kafka体系结构的核心概念：

1.Kafka在一个或多个服务器上作为集群运行。

2.Kafka将数据流存储在名为topics的类别中。每条数据均由键、值、时间戳组成。

3.Kafka使用发布-订阅模式。它允许某些APP充当producers(生产者)，记录数据并将数据发布到Kafka topic中。

同样，它允许某些APP充当consumer(消费者)和订阅Kafka topic并处理由它产生的数据。

4.除了Prodcuer API 和 Consumer API，Kafka还为应用提供了一个 Streams API 作为流处理器。通过 Connector API 我们可以将Kafka连接到其他现有的应用程序和数据系统。

2.4 架构

如你所见，每个Kafka的 Topic 可以分为多个Partition（分区），可以使用broker（经纪人）在不同的计算机上复制这些 Topic，从而使消费者可以并行读取 Topic.

kafka的复制是针对分区的：

比如上图中有4个broker, 1个topic, 2个分区，复制因子是3。当producer发送一个消息的时候，它会选择一个分区，比如topic1-part1分区，将消息发送给这个分区的leader， broker2、broker3会拉取这个消息，一旦消息被拉取过来，slave会发送ack给master，这时候master才commit这个log。

因此，整个系统的容错级别极高。当系统正常运行时，对Topic的所有读取和写入都将通过leader，且leader会保证所有其他broker均被更新。

如果Broker失效了，系统会自动重新配置，此时副本也可以接管成为Leader.

2.5 创建Kafka Topic

让我们创建一个名为 sample，含有一个partition（分区）和一个replica（副本）的Kafka Topic：

bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic sample

列出所有的Kafka Topics，检查是否成功创建了sample Topic：

bin/kafka-topics.sh --list --zookeeper localhost:2181

describe topics 命令还可以获得特定Topic的详细信息：

bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic sample

2.6 创建生产者与消费者

这里是本章的代码实战部分，利用Kafka-Python实现简单的生产者和消费者。

1.首先需要安装kafka-python：

pip install kafka-python

2.创建消费者(consumer.py)

from kafka import KafkaConsumer
consumer = KafkaConsumer('sample')
for message in consumer:
    print (message)

3.创建生产者(producer.py)

有一个消费者正在订阅我们的消息流，因此我们要创建一个生产者，发布消息到Kafka：

from kafka import KafkaProducer
producer = KafkaProducer(bootstrap_servers='localhost:9092')
producer.send('sample', b'Hello, World!')
producer.send('sample', key=b'message-two', value=b'This is Kafka-Python')

现在，你重新运行消费者(consumer.py)，你就会接收到生产者发送过来的消息。

我们的文章到此就结束啦，如果你喜欢今天的Python 实战教程，请持续关注Python实用宝典。

有任何问题，可以在公众号后台回复：加群，回答相应验证信息，进入互助群询问。

希望你能在下面点个赞和在看支持我继续创作，谢谢！

点击下方阅读原文可获得更好的阅读体验

Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典