03 数仓平台 Kafka

kafka概述

定义

Kafka 是一个开源的分布式事件流平台（Event Streaming Plantform），主要用于大数据实时领域。本质上是一个分布式的基于发布/订阅模式的消息队列（Message Queue）。

消息队列

在大数据场景中主要采用Kafka 作为消息队列。传统消息队列主要应用场景包括：缓存/削峰、解耦和异步通信。
消息队列的模式包含了 2 种，点对点订阅模式和发布/订阅模式。

Kafka采用了发布/订阅模式，这种模式有以下特点：

• 可以有多个topic 主题
• 消费者消费后，不会立即删除数据
• 每个消费者组相互独立，不会影响。

Kafka 基础架构

为了方便扩展，提高吞吐量，一个 topic可以分为多个 partition。为了配合分区设计，提出了消费者组的概念，组内每个消费者并行消费。为提高可用性，每个 partition 增加若干可配置副本。在 2.8 之下的版本，将数据 leader提交给 Zookeeper 保管，2.8 版本之后，可以不配置 zookeeper。

Kafka 快速安装

规划

Hadoop101	Hadoop102	Hadoop103
ZK	ZK	ZK
Kafka	Kafka	Kafka

集群部署

1. 下载地址： https://archive.apache.org/dist/kafka/3.0.0/kafka_2.12-3.0.0.tgz
2. 解压安装：[logan@hadoop101 software]$ tar -zxf kafka_2.12-3.0.0.tgz -C /opt/module
3. 创建链：[logan@hadoop101 module]$ ln -snf kafka_2.12-3.0.0/ kafka
4. 进入到/opt/module/kafka/config/目录，修改配置文件vim server.properties：

#broker的全局唯一编号，不能重复，只能是数字。
broker.id=0
#处理网络请求的线程数量
num.network.threads=3
#用来处理磁盘IO的线程数量
num.io.threads=8
#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400
#接收套接字的缓冲区大小
socket.receive.buffer.bytes=102400
#请求套接字的缓冲区大小
socket.request.max.bytes=104857600
#kafka运行日志(数据)存放的路径，路径不需要提前创建，kafka自动帮你创建，可以配置多个磁盘路径，路径与路径之间可以用"，"分隔
log.dirs=/opt/module/kafka/data
#topic在当前broker上的分区个数
num.partitions=1
#用来恢复和清理data下数据的线程数量
num.recovery.threads.per.data.dir=1
# 每个topic创建时的副本数，默认时1个副本
offsets.topic.replication.factor=1
#segment文件保留的最长时间，超时将被删除
log.retention.hours=168
#每个segment文件的大小，默认最大1G
log.segment.bytes=1073741824
# 检查过期数据的时间，默认5分钟检查一次是否数据过期
log.retention.check.interval.ms=300000
#配置连接Zookeeper集群地址（在zk根目录下创建/kafka，方便管理）
zookeeper.connect=hadoop101:2181,hadoop102:2181,hadoop103:2181/kafka

5. 分发安装包xsync /opt/module/kafka
6. 分别在hadoop103和hadoop104上修改配置文件/opt/module/kafka/config/server.properties中的broker.id=1、broker.id=2
7. 配置环境变量，在/etc/profile.d/my_env.sh文件中增加kafka环境变量配置。增加如下内容：

#KAFKA_HOME
export KAFKA_HOME=/opt/module/kafka
export PATH=$PATH:$KAFKA_HOME/bin

8. 刷新环境变量source /etc/profile
9. 分发环境变量文件到其他节点，并source。
10. 先启动 Zookeeper zk.sh start
11. 编写 kafka 集群启动脚本vim ~/bin/kf.sh，增加执行权限chmod +x ~/bin/kf.sh

#! /bin/bash

case $1 in
"start"){
    for i in hadoop101 hadoop102 hadoop103
    do
        echo " --------启动 $i Kafka-------"
        ssh $i "/opt/module/kafka/bin/kafka-server-start.sh -daemon /opt/module/kafka/config/server.properties"
    done
};;
"stop"){
    for i in hadoop101 hadoop102 hadoop103
    do
        echo " --------停止 $i Kafka-------"
        ssh $i "/opt/module/kafka/bin/kafka-server-stop.sh "
    done
};;
esac

12. 启动集群 kf.sh start

kafka命令行操作

1. topic操作命令

操作	指令
查看	kafka-topics.sh --bootstrap-server hadoop101:9092 --list
创建	kafka-topics.sh --bootstrap-server hadoop101:9092 --create --partitions 1 --replication-factor 3 --topic first
查看 topic 详情	kafka-topics.sh --bootstrap-server hadoop101:9092 --describe --topic first
修改分区数	kafka-topics.sh --bootstrap-server hadoop101:9092 --alter --topic first --partitions 3
删除 topic	kafka-topics.sh --bootstrap-server hadoop101:9092 --delete --topic first

说明：

• –topic 定义topic名
• –replication-factor 定义副本数
• –partitions 定义分区数(分区数在修改时只能增加，不能减少)

2. 生产者命令行

kafka-console-producer.sh --bootstrap-server hadoop101:9092 --topic first

3.消费者命令行

# 消费first主题中的数据。
kafka-console-consumer.sh --bootstrap-server hadoop101:9092 --topic first
# 从头开始消费主题所有数据
kafka-console-consumer.sh --bootstrap-server hadoop101:9092 --from-beginning --topic first