您当前位置：首页 > 互联网 > kafka-系列1

kafka-系列1

来源：程序员人生发布时间：2016-06-16 13:32:43 阅读次数：2452次

问题导读

1.Kafka独特设计在甚么地方？
2.Kafka如何搭建及创建topic、发送消息、消费消息？
3.如何书写Kafka程序？
4.数据传输的事务定义有哪3种？
5.Kafka判断1个节点是不是活着有哪两个条件？
6.producer是不是直接将数据发送到broker的leader(主节点)？
7.Kafa consumer是不是可以消费指定分区消息？
8.Kafka消息是采取Pull模式，还是Push模式？
9.Procuder API有哪两种？
10.Kafka存储在硬盘上的消息格式是甚么？

1、基本概念

介绍

Kafka是1个散布式的、可分区的、可复制的消息系统。它提供了普通消息系统的功能，但具有自己独特的设计。

这个独特的设计是甚么样的呢？

首先让我们看几个基本的消息系统术语：
Kafka将消息以topic为单位进行归纳。
将向Kafka topic发布消息的程序成为producers.
将预订topics并消费消息的程序成为consumer.
Kafka以集群的方式运行，可以由1个或多个服务组成，每一个服务叫做1个broker.
producers通过网络将消息发送到Kafka集群，集群向消费者提供消息，以下图所示：

客户端和服务端通过TCP协议通讯。Kafka提供了Java客户端，并且对多种语言都提供了支持。

Topics 和Logs

先来看1下Kafka提供的1个抽象概念:topic.
1个topic是对1组消息的归纳。对每一个topic，Kafka 对它的日志进行了分区，以下图所示：

每一个分区都由1系列有序的、不可变的消息组成，这些消息被连续的追加到分区中。分区中的每一个消息都有1个连续的序列号叫做offset,用来在分区中唯1的标识这个消息。
在1个可配置的时间段内，Kafka集群保存所有发布的消息，不管这些消息有无被消费。比如，如果消息的保存策略被设置为2天，那末在1个消息被发布的两天时间内，它都是可以被消费的。以后它将被抛弃以释放空间。Kafka的性能是和数据量无关的常量级的，所以保存太多的数据其实不是问题。

实际上每一个consumer唯1需要保护的数据是消息在日志中的位置，也就是offset.这个offset有consumer来保护：1般情况下随着consumer不断的读取消息，这offset的值不断增加，但其实consumer可以以任意的顺序读取消息，比如它可以将offset设置成为1个旧的值来重读之前的消息。

以上特点的结合，使Kafka consumers非常的轻量级：它们可以在不对集群和其他consumer造成影响的情况下读取消息。你可使用命令行来"tail"消息而不会对其他正在消费消息的consumer造成影响。

将日志分区可以到达以下目的：首先这使得每一个日志的数量不会太大，可以在单个服务上保存。另外每一个分区可以单独发布和消费，为并发操作topic提供了1种可能。

散布式

每一个分区在Kafka集群的若干服务中都有副本，这样这些持有副本的服务可以共同处理数据和要求，副本数量是可以配置的。副本使Kafka具有了容错能力。
每一个分区都由1个服务器作为“leader”，零或若干服务器作为“followers”,leader负责处理消息的读和写，followers则去复制leader.如果leader down了，followers中的1台则会自动成为leader。集群中的每一个服务都会同时扮演两个角色：作为它所持有的1部份分区的leader，同时作为其他分区的followers，这样集群就会据有较好的负载均衡。

Producers

Producer将消息发布到它指定的topic中,并负责决定发布到哪一个分区。通常简单的由负载均衡机制随机选择分区，但也能够通过特定的分区函数选择分区。使用的更多的是第2种。

Consumers

发布消息通常有两种模式：队列模式（queuing）和发布-定阅模式(publish-subscribe)。队列模式中，consumers可以同时从服务端读取消息，每一个消息只被其中1个consumer读到；发布-定阅模式中消息被广播到所有的consumer中。Consumers可以加入1个consumer 组，共同竞争1个topic，topic中的消息将被分发到组中的1个成员中。同1组中的consumer可以在不同的程序中，也能够在不同的机器上。如果所有的consumer都在1个组中，这就成了传统的队列模式，在各consumer中实现负载均衡。如果所有的consumer都不在不同的组中，这就成了发布-定阅模式，所有的消息都被分发到所有的consumer中。更常见的是，每一个topic都有若干数量的consumer组，每一个组都是1个逻辑上的“定阅者”，为了容错和更好的稳定性，每一个组由若干consumer组成。这其实就是1个发布-定阅模式，只不过定阅者是个组而不是单个consumer。

由两个机器组成的集群具有4个分区 (P0-P3) 2个consumer组. A组有两个consumerB组有4个

相比传统的消息系统，Kafka可以很好的保证有序性。
传统的队列在服务器上保存有序的消息，如果多个consumers同时从这个服务器消费消息，服务器就会以消息存储的顺序向consumer分发消息。虽然服务器按顺序发布消息，但是消息是被异步的分发到各consumer上，所以当消息到达时可能已失去了原来的顺序，这意味着并发消费将致使顺序错乱。为了不故障，这样的消息系统通常使用“专用consumer”的概念，其实就是只允许1个消费者消费消息，固然这就意味着失去了并发性。

在这方面Kafka做的更好，通过分区的概念，Kafka可以在多个consumer组并发的情况下提供较好的有序性和负载均衡。将每一个分辨别只分发给1个consumer组，这样1个分区就只被这个组的1个consumer消费，就能够顺序的消费这个分区的消息。由于有多个分区，仍然可以在多个consumer组之间进行负载均衡。注意consumer组的数量不能多于分区的数量，也就是有多少分区就允许多少并发消费。

Kafka只能保证1个分区以内消息的有序性，在不同的分区之间是不可以的，这已可以满足大部份利用的需求。如果需要topic中所有消息的有序性，那就只能让这个topic只有1个分区，固然也就只有1个consumer组消费它。

###########################################

2、环境搭建

Step 1: 下载Kafka

点击下载最新的版本并解压.

> tar -xzf kafka_2.9.2-0.8.1.1.tgz
> cd kafka_2.9.2-0.8.1.1

复制代码

Step 2: 启动服务

Kafka用到了Zookeeper，所有首先启动Zookper，下面简单的启用1个单实例的Zookkeeper服务。可以在命令的结尾加个&符号，这样就能够启动后离开控制台。

> bin/zookeeper-server-start.sh config/zookeeper.properties &
[2013-04⑵2 15:01:37,495] INFO Reading configuration from: config/zookeeper.properties (org.apache.zookeeper.server.quorum.QuorumPeerConfig)
...

复制代码

现在启动Kafka:

> bin/kafka-server-start.sh config/server.properties
[2013-04⑵2 15:01:47,028] INFO Verifying properties (kafka.utils.VerifiableProperties)
[2013-04⑵2 15:01:47,051] INFO Property socket.send.buffer.bytes is overridden to 1048576 (kafka.utils.VerifiableProperties)
...

复制代码

Step 3: 创建 topic

创建1个叫做“test”的topic，它只有1个分区，1个副本。

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

复制代码

可以通过list命令查看创建的topic:

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

复制代码

除手动创建topic，还可以配置broker让它自动创建topic.

Step 4:发送消息.

Kafka 使用1个简单的命令行producer，从文件中或从标准输入中读取消息并发送到服务端。默许的每条命令将发送1条消息。

运行producer并在控制台中输1些消息，这些消息将被发送到服务端：

> bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test
This is a messageThis is another message

复制代码

ctrl+c可以退动身送。

Step 5: 启动consumer

Kafka also has a command line consumer that will dump out messages to standard output.
Kafka也有1个命令行consumer可以读取消息并输出到标准输出：

> bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic test --from-beginning
This is a message
This is another message

复制代码

你在1个终端中运行consumer命令行，另外一个终端中运行producer命令行，就能够在1个终端输入消息，另外一个终端读取消息。
这两个命令都有自己的可选参数，可以在运行的时候不加任何参数可以看到帮助信息。

Step 6: 搭建1个多个broker的集群

刚才只是启动了单个broker，现在启动有3个broker组成的集群，这些broker节点也都是在本机上的：
首先为每一个节点编写配置文件：

> cp config/server.properties config/server⑴.properties
> cp config/server.properties config/server⑵.properties

复制代码

在拷贝出的新文件中添加以下参数：

config/server⑴.properties:
broker.id=1
port=9093
log.dir=/tmp/kafka-logs⑴

复制代码

config/server⑵.properties:
broker.id=2
port=9094
log.dir=/tmp/kafka-logs⑵

复制代码

broker.id在集群中唯1的标注1个节点，由于在同1个机器上，所以必须制定不同的端口和日志文件，避免数据被覆盖。

We already have Zookeeper and our single node started, so we just need to start the two new nodes:
刚才已启动可Zookeeper和1个节点，现在启动另外两个节点：

> bin/kafka-server-start.sh config/server⑴.properties &
...
> bin/kafka-server-start.sh config/server⑵.properties &
...

复制代码

创建1个具有3个副本的topic:

> bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 3 --partitions 1 --topic my-replicated-topic

复制代码

现在我们搭建了1个集群，怎样知道每一个节点的信息呢？运行“"describe topics”命令就能够了：

> bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic

复制代码

Topic:my-replicated-topic PartitionCount:1 ReplicationFactor:3 Configs:
Topic: my-replicated-topic Partition: 0 Leader: 1 Replicas: 1,2,0 Isr: 1,2,0

复制代码

下面解释1下这些输出。第1行是对所有分区的1个描写，然后每一个分区都会对应1行，由于我们只有1个分区所以下面就只加了1行。
leader：负责处理消息的读和写，leader是从所有节点中随机选择的.
replicas：列出了所有的副本节点，不管节点是不是在服务中.
isr：是正在服务中的节点.
在我们的例子中，节点1是作为leader运行。
向topic发送消息：