kafka专题

Kafka简介

消息系统介绍

一个消息系统负责将数据从一个应用传递到另外一个应用，应用只需关注于数据，无需关注数据在两个或多个应用间是如何传递的。分布式消息传递基于可靠的消息队列，在客户端应用和消息系统之间异步传递消息。有两种主要的消息传递模式：点对点传递模式、发布-订阅模式。大部分的消息系统选用发布-订阅模式。

点对点消息系统

在点对点消息系统中，消息持久化到一个队列中。此时，将有一个或多个消费者消费队列中的数据。但是一条消息只能被消费一次。当一个消费者消费了队列中的某条数据之后，该条数据则从消息队列中删除。该模式即使有多个消费者同时消费数据，也能保证数据处理的顺序.

发布-订阅消息系统

在发布-订阅消息系统中，消息被持久化到一个topic中。与点对点消息系统不同的是，消费者可以订阅一个或多个topic，消费者可以消费该topic中所有的数据，同一条数据可以被多个消费者消费，数据被消费后不会立马删除。在发布-订阅消息系统中，消息的生产者称为发布者，消费者称为订阅者。该模式的示例图如下：

Kafka概述

Apache Kafka是一个分布式的发布-订阅消息系统，能够支撑海量数据的数据传递。在离线和实时的消息处理业务系统中，Kafka都有广泛的应用。Kafka将消息持久化到磁盘中，并对消息创建了备份保证了数据的安全。Kafka在保证了较高的处理速度的同时，又能保证数据处理的低延迟和数据的零丢失。

Kafka的优势在于：

可靠性：Kafka是一个具有分区机制、副本机制和容错机制的分布式消息系统
可扩展性：Kafka消息系统支持集群规模的热扩展
高性能：Kafka在数据发布和订阅过程中都能保证数据的高吞吐量。即便在TB级数据存储的情况下，仍然能保证稳定的性能。

Kafka 专用术语

一个topic配置了3个partition。Partition1有两个offset：0和1。Partition2有4个offset。Partition3有1个offset。副本的id和副本所在的机器的id恰好相同。

如果一个topic的副本数为3，那么Kafka将在集群中为每个partition创建3个相同的副本。集群中的每个broker存储一个或多个partition。多个producer和consumer可同时生产和消费数据。

各个术语的详细介绍如下:

• Topic：在Kafka中，使用一个类别属性来划分数据的所属类，划分数据的这个类称为topic。如果把Kafka看做为一个数据库，topic可以理解为数据库中的一张表，topic的名字即为表名。
• Partition：topic中的数据分割为一个或多个partition。每个topic至少有一个partition。每个partition中的数据使用多个segment文件存储。partition中的数据是有序的，partition间的数据丢失了数据的顺序。如果topic有多个partition，消费数据时就不能保证数据的顺序。在需要严格保证消息的消费顺序的场景下，需要将partition数目设为1。
• Partition offset：每条消息都有一个当前Partition下唯一的64字节的offset，它指明了这条消息的起始位置。
• Replicas of partition：副本是一个分区的备份。副本不会被消费者消费，副本只用于防止数据丢失，即消费者不从为follower的partition中消费数据，而是从为leader的partition中读取数据。
• Broker：
  • Kafka 集群包含一个或多个服务器，服务器节点称为broker。
  • broker存储topic的数据。如果某topic有N个partition，集群有N个broker，那么每个broker存储该topic的一个partition。
  • 如果某topic有N个partition，集群有(N+M)个broker，那么其中有N个broker存储该topic的一个partition，剩下的M个broker不存储该topic的partition数据。
  • 如果某topic有N个partition，集群中broker数目少于N个，那么一个broker存储该topic的一个或多个partition。在实际生产环境中，尽量避免这种情况的发生，这种情况容易导致Kafka集群数据不均衡。
• Producer：生产者即数据的发布者，该角色将消息发布到Kafka的topic中。broker接收到生产者发送的消息后，broker将该消息追加到当前用于追加数据的segment文件中。生产者发送的消息，存储到一个partition中，生产者也可以指定数据存储的partition。
• Consumer：消费者可以从broker中读取数据。消费者可以消费多个topic中的数据。
• Leader：每个partition有多个副本，其中有且仅有一个作为Leader，Leader是当前负责数据的读写的partition。
• Follower：Follower跟随Leader，所有写请求都通过Leader路由，数据变更会广播给所有Follower，Follower与Leader保持数据同步。如果Leader失效，则从Follower中选举出一个新的Leader。当Follower与Leader挂掉、卡住或者同步太慢，leader会把这个follower从“in sync replicas”（ISR）列表中删除，重新创建一个Follower。

Kafka架构

• Broker：Kafka的broker是无状态的，broker使用Zookeeper维护集群的状态。Leader的选举也由Zookeeper负责。
• Zookeeper：Zookeeper负责维护和协调broker。当Kafka系统中新增了broker或者某个broker发生故障失效时，由ZooKeeper通知生产者和消费者。生产者和消费者依据Zookeeper的broker状态信息与broker协调数据的发布和订阅任务。
• Producer：生产者将数据推送到broker上，当集群中出现新的broker时，所有的生产者将会搜寻到这个新的broker，并自动将数据发送到这个broker上。
• Consumer：因为Kafka的broker是无状态的，所以consumer必须使用partition offset来记录消费了多少数据。如果一个consumer指定了一个topic的offset，意味着该consumer已经消费了该offset之前的所有数据。consumer可以通过指定offset，从topic的指定位置开始消费数据。consumer的offset存储在Zookeeper中。

Kafka工作流程

Kafka将某topic的数据存储到一个或多个partition中。一个partition内数据是有序的，每条数据都有一个唯一的index，这个index叫做offset。新来的数据追加到partition的尾部。每条数据可以在不同的broker上做备份，从而保证了Kafka使用的可靠性。

生产者将消息发送到topic中，消费者可以选择多种消费方式消费Kafka中的数据。下面介绍两种消费方式的流程。

一个消费者订阅数据：

• 生产者将数据发送到指定topic中
• Kafka将数据以partition的方式存储到broker上。Kafka支持数据均衡，例如生产者生成了两条消息，topic有两个partition，那么Kafka将在两个partition上分别存储一条消息
• 消费者订阅指定topic的数据
• 当消费者订阅topic中消息时，Kafka将当前的offset发给消费者，同时将offset存储到Zookeeper中
• 消费者以特定的间隔（如100ms）向Kafka请求数据
• 当Kafka接收到生产者发送的数据时，Kafka将这些数据推送给消费者
• 消费者受到Kafka推送的数据，并进行处理
• 当消费者处理完该条消息后，消费者向Kafka broker发送一个该消息已被消费的反馈
• 当Kafka接到消费者的反馈后，Kafka更新offset包括Zookeeper中的offset。
• 以上过程一直重复，直到消费者停止请求数据
• 消费者可以重置offset，从而可以灵活消费存储在Kafka上的数据

消费者组数据消费流程

Kafka支持消费者组内的多个消费者同时消费一个topic，一个消费者组由具有同一个Group ID的多个消费者组成。具体流程如下：

1. 生产者发送数据到指定的topic
2. Kafka将数据存储到broker上的partition中
3. 假设现在有一个消费者订阅了一个topic，topic名字为“test”，消费者的Group ID为“Group1”
4. 此时Kafka的处理方式与只有一个消费者的情况一样
5. 当Kafka接收到一个同样Group ID为“Group1”、消费的topic同样为“test"的消费者的请求时，Kafka把数据操作模式切换为分享模式，此时数据将在两个消费者上共享。
6. 当消费者的数目超过topic的partition数目时，后来的消费者将消费不到Kafka中的数据。因为在Kafka给每一个消费者消费者至少分配一个partition，一旦partition都被指派给消费者了，新来的消费者将不会再分配partition。即一个partition只能分配给一个消费者，一个消费者可以消费多个partition。

安装

Apache Kafka

安装zookeeper依赖

Apache ZooKeeper - Home
启动kafka很简单，配置好前置的操作后，先进入zookeeper的目录下，启动zookeeper,可以单独安装,也可以使用kafka中集成的zookeeper,默认在bin目录下有zookeeper的启动脚本,zookeeper和kafka的配置均在kafka安装包下的config目录下,下面采用单独安装kafka的方式

cd /data/soft/zookeeper
// 启动脚本使用方法
Usage: ./bin/zkServer.sh {start|start-foreground|stop|restart|status|upgrade|print-cmd}
// 启动Zookeeper
./bin/zkServer.sh  start
// 关闭Zookeeper
./bin/zkServer.sh  stop
// 查看进程是否启动
ps -ef | grep zookeepe

PS：因为kafka是需要注册在zookeeper上面，通过zookeeper进行管理和调度的，所以启动kafka之前，我们必须要启动zookeeper。

2. kafka安装

随后我们进入Kafka目录下，启动kafka，具体操作命令如下所示：

cd /usr/local/kafka_2.11-1.0.0
// 修改配置
vim /usr/local/kafka/config/server.properties  kafka配置
/usr/local/kafka/config/zookeeper.properties   kafka集成的zookeeper配置
// 启动kafka
./bin/kafka-server-start.sh -daemon ./config/server.properties
// 查看
jps -lm
11776 /usr/local/cerebro-0.7.2/lib/cerebro.cerebro-0.7.2-launcher.jar
1392 /usr/share/jenkins/jenkins.war --webroot=/var/cache/jenkins/war --httpPort=8080
24209 sun.tools.jps.Jps -lm
20867 com.github.ltsopensource.startup.jobtracker.JobTrackerStartup /data/soft/lts/conf/zoo
20755 com.github.ltsopensource.startup.admin.JettyContainer /data/soft/lts
7972 org.apache.zookeeper.server.quorum.QuorumPeerMain /data/soft/zookeeper-3.3.6/bin/../conf/zoo.cfg
10486 kafka.Kafka ../config/server.properties
12029 com.quantifind.kafka.offsetapp.OffsetGetterWeb --zk 127.0.0.1:2181 --port 9001 --refresh 10.seconds --retain 2.days
11471 org.elasticsearch.bootstrap.Elasticsearch
PS: 可以看到zookeeper和kafka都已经运行起来了，当然这个是单机的命令，集群的命令后面再讲。 

kafka常用命令总结

1. 查看topic的详细信息
bin/kafka-topics.sh -zookeeper 127.0.0.1:2181 -describe -topic testKJ1
2. 为topic增加副本
bin/kafka-reassign -partitions.sh -zookeeper 127.0.0.1:2181 -reassignment-json-file json/partitions-to-move.json -execute
3. 创建topic
bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication -factor1 --partitions 1 --topic testKJ1
4. 为topic增加partition
bin/bin/kafka-topics.sh –zookeeper 127.0.0.1:2181 –alter –partitions2 –topic testKJ1
5. kafka生产者客户端命令
bin/kafka-console-producer.sh --broker-list localhost:9092 --topic testKJ1
6. kafka消费者客户端命令
bin/kafka-console-consumer.sh -zookeeper localhost:2181 --from-beginning --topic testKJ1
7. kafka服务启动
bin/kafka-server-start.sh -daemon ../config/server.properties
8. 下线broker
bin/kafka-run-class.sh kafka.admin.ShutdownBroker --zookeeper 127.0.0.1:2181 --broker #brokerId# --num.retries3--retry.interval.ms 60
shutdown broker
9. 删除topic,只会删除zookeeper中的元数据，消息文件须手动删除
bin/kafka-run-class.sh kafka.admin.DeleteTopicCommand --topic testKJ1 --zookeeper 127.0.0.1:2181
10. 查看topic消费进度
这个会显示出consumer group的offset情况， 必须参数为--group， 不指定--topic，默认为所有topic
查看consumer组内消费的offset
bin/kafka-run-class.sh kafka.tools.ConsumerOffsetChecker --zookeeper localhost:2181 --group test --topic testKJ1
bin/kafka-consumer-offset-checker.sh --zookeeper 192.168.0.201:12181 --group group1 --topic group1
11. 查看consumer group列表
bin/kafka-consumer-groups.sh --zookeeper 127.0.0.1:2181 --list

Connecting to ZooKeeper

1. check status
$ bin/zkServer.sh status
2. connect
$ bin/zkCli.sh -server 127.0.0.1:2181

更多信息: ZooKeeper Getting Started Guide