kafka学习文档（上）

本文主要是介绍kafka学习文档（上），对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

Kafka简介

1.什么是kafka

Kafka 是一款分布式消息发布和订阅系统，具有高性能、高吞吐量的特点而被 广泛应用与大数据传输场景。它是由 LinkedIn 公司开发，使用 Scala 语言编 写，之后成为 Apache 基金会的一个顶级项目。kafka 提供了类似 JMS 的特 性，但是在设计和实现上是完全不同的，而且他也不是 JMS 规范的实现。

2.kafka 产生的背景

kafka 作为一个消息系统，早期设计的目的是用作 LinkedIn 的活动流（Activity Stream）和运营数据处理管道（Pipeline）。活动流数据是所有的网站对用户 的使用情况做分析的时候要用到的最常规的部分,活动数据包括页面的访问量 （PV）、被查看内容方面的信息以及搜索内容。这种数据通常的处理方式是先 把各种活动以日志的形式写入某种文件，然后周期性的对这些文件进行统计分 析。运营数据指的是服务器的性能数据（CPU、IO 使用率、请求时间、服务日 志等）。

3.Kafka 的应用场景

由于 kafka 具有更好的吞吐量、内置分区、冗余及容错性的优点(kafka 每秒可 以处理几十万消息)，让 kafka 成为了一个很好的大规模消息处理应用的解决方 案。所以在企业级应用长，主要会应用于如下几个方面

Ø 行为跟踪：kafka 可以用于跟踪用户浏览页面、搜索及其他行为。通过发布- 订阅模式实时记录到对应的 topic 中，通过后端大数据平台接入处理分析，并 做更进一步的实时处理和监控

Ø 日志收集：日志收集方面，有很多比较优秀的产品，比如 Apache Flume，很多公司使用 kafka 代理日志聚合。日志聚合表示从服务器上收集日志文件，然后放到一个集中的平台（文 件服务器）进行处理。在实际应用开发中，我们应用程序的 log 都会输出到本地的磁盘上， 排查问题的话通过 linux 命令来搞定，如果应用程序组成了负载均衡集群，并且集群的机器 有几十台以上，那么想通过日志快速定位到问题，就是很麻烦的事情了。所以一般都会做一 个日志统一收集平台管理 log 日志用来快速查询重要应用的问题。所以很多公司的套路都是 把应用日志几种到 kafka 上，然后分别导入到 es 和 hdfs 上，用来做实时检索分析和离线 统计数据备份等。而另一方面，kafka 本身又提供了很好的 api 来集成日志并且做日志收集

Kafka 本身的架构

一个典型的 kafka 集群包含若干 Producer（可以是应用节点产生的消息，也可以是通过 Flume 收集日志产生的事件），若干个 Broker（kafka 支持水平扩展）、若干个 Consumer Group，以及一个 zookeeper 集群。kafka 通过 zookeeper 管理集群配置及服务协同。

Producer 使用 push 模式将消息发布到 broker，consumer 通过监听使用 pull 模式从 broker 订阅并消费消息。 多个 broker 协同工作，producer 和 consumer 部署在各个业务逻辑中。三者通过 zookeeper管理协调请求和转发。这样就组成了一个高性能的分布式消息发布和订阅系统。

图上有一个细节是和其他 mq 中间件不同的点，producer 发送消息到 broker 的过程是 push，而 consumer 从 broker 消费消息的过程是 pull，主动去拉数 据。而不是 broker 把数据主动发送给 consumer

kafka 的安装部署

1.下载安装包

https://www.apache.org/dyn/closer.cgi?path=/kafka/1.1.0/kafka_2.11-1.1.0.tgz
复制代码

2.安装过程

1. tar -zxvf 解压安装包

3.kafka 目录介绍

1. /bin 操作 kafka 的可执行脚本
2. /config 配置文件
3. /libs 依赖库目录
4. /logs 日志数据目录

4.启动 / 停止 kafka

1. 需要先启动 zookeeper，如果没有搭建 zookeeper 环境，可以直接运行 kafka 内嵌的 zookeeper 启动命令： bin/zookeeper-server-start.sh config/zookeeper.properties &
2. 进入 kafka 目录，运行 bin/kafka-server-start.sh ｛-daemon 后台启动｝ config/server.properties &
3. 进入 kafka 目录，运行 bin/kafka-server-stop.sh config/server.properties

Kafka 的基本操作

1.创建 topic

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

Replication-factor 表示该 topic 需要在不同的 broker 中保存几份，这里设置 成 1，表示在两个 broker 中保存两份

Partitions 分区数

2.查看 topic

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

3.查看 topic 属性

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

4.消费消息

./kafka-console-consumer.sh –bootstrap-server localhost:9092 --topic test --from-beginning

5.发送消息

./kafka-console-producer.sh --broker-list localhost:9092 --topic test

安装集群环境

修改 server.properties 配置

1. 修改 server.properties broker.id=0 保证全局唯一

2. 修改 server.properties 修改成本机 IP；advertised.listeners=PLAINTEXT://192.168.11.153:9092

3. 修改 server.properties 修改zookeeper地址

当 Kafka broker 启动时，它会在 ZK 上注册自己的 IP 和端口号，客户端就通过 这个 IP 和端口号来连接

配置信息分析

发送端的可选配置信息分析

1. acks

   acks 配置表示 producer 发送消息到 broker 上以后的确认值。有三个可选项

   Ø 0：表示 producer 不需要等待 broker 的消息确认。这个选项时延最小但同 时风险最大（因为当 server 宕机时，数据将会丢失）。

   Ø 1：表示 producer 只需要获得 kafka 集群中的 leader 节点确认即可，这个 选择时延较小同时确保了 leader 节点确认接收成功。

   Ø all(-1)：需要 ISR 中所有的 Replica 给予接收确认，速度最慢，安全性最高， 但是由于 ISR 可能会缩小到仅包含一个 Replica，所以设置参数为 all 并不能一 定避免数据丢失

2. batch.size

   生产者发送多个消息到 broker 上的同一个分区时，为了减少网络请求带来的 性能开销，通过批量的方式来提交消息，可以通过这个参数来控制批量提交的 字节数大小，默认大小是 16384byte,也就是 16kb，意味着当一批消息大小达 到指定的 batch.size 的时候会统一发送

3. linger.ms

   Producer 默认会把两次发送时间间隔内收集到的所有 Requests 进行一次聚合 然后再发送，以此提高吞吐量，而 linger.ms 就是为每次发送到 broker 的请求 增加一些 delay，以此来聚合更多的 Message 请求。 这个有点想 TCP 里面的 Nagle 算法，在 TCP 协议的传输中，为了减少大量小数据包的发送，采用了 Nagle 算法，也就是基于小包的等-停协议。

   Ø batch.size 和 linger.ms 这两个参数是 kafka 性能优化的关键参数，很多同 学会发现 batch.size 和 linger.ms 这两者的作用是一样的，如果两个都配置 了，那么怎么工作的呢？实际上，当二者都配置的时候，只要满足其中一个要 求，就会发送请求到 broker 上

4. max.request.size

   设置请求的数据的最大字节数，为了防止发生较大的数据包影响到吞吐量，默 认值为 1MB。

消费端的可选配置分析

1. group.id

   consumer group 是 kafka 提供的可扩展且具有容错性的消费者机制。既然是 一个组，那么组内必然可以有多个消费者或消费者实例(consumer instance)， 它们共享一个公共的 ID，即 group ID。组内的所有消费者协调在一起来消费订 阅主题(subscribed topics)的所有分区(partition)。当然，每个分区只能由同一 个消费组内的一个 consumer 来消费.如下图所示，分别有三个消费者，属于两 个不同的 group，那么对于 firstTopic 这个 topic 来说，这两个组的消费者都 能同时消费这个 topic 中的消息，对于此时的架构来说，这个 firstTopic 就类 似于 ActiveMQ 中的 topic 概念。如下图所示，如果 3 个消费者都属于同一个 group，那么此时 firstTopic 就是一个 Queue 的概念

2. enable.auto.commit

   消费者消费消息以后自动提交，只有当消息提交以后，该消息才不会被再次接收到， 还可以配合 auto.commit.interval.ms 控制自动提交的频率。 当然，我们也可以通过 consumer.commitSync()的方式实现手动提交

3. auto.offset.reset

   这个参数是针对新的 groupid 中的消费者而言的，当有新 groupid 的消费者来 消费指定的 topic 时，对于该参数的配置，会有不同的语义

   auto.offset.reset=latest 情况下，新的消费者将会从其他消费者最后消费的 offset 处开始消费 Topic 下的消息

   auto.offset.reset= earliest 情况下，新的消费者会从该 topic 最早的消息开始 消费

   auto.offset.reset=none 情况下，新的消费者加入以后，由于之前不存在 offset，则会直接抛出异常。

4. max.poll.records

   此设置限制每次调用 poll 返回的消息数，这样可以更容易的预测每次 poll 间隔 要处理的最大值。通过调整此值，可以减少 poll 间隔

这篇关于kafka学习文档（上）的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！