Kafka 概述

kafka定义

  • Kafka传统定义：Kafka是一个分布式的基于发布/订阅模式的消息队列(Message Queue),主要应用于大数据实时处理领域
    • 发布/订阅：消息的发布者不会将消息直接发送给特定的订阅者，而是将发布的消息分为不同的类别，订阅者只接受感兴趣的消息
  • Kafka最新定义：Kafka是一个分布式事件流平台（Event Streaming Platform），被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用

消息队列

  • 目前企业中比较常见的消息队列产品主要有 Kafka、ActiveMQ、RAbbitMQ、RocketMQ等
  • 在大数据场景主要采用Kafka作为消息队列

传统消息队列的应用场景

  • 传统的消息队列的主要应用场景包括：缓存/消峰、解耦和异步通信
    • 缓存/消峰：有助于控制和优化数据流经过系统的速度，解决生产消费和消费消息的处理速度不一致的情况
    • 解耦：允许你独立的扩展或修改两边的处理过程，只要确保它们遵守同样的接口约束
    • 异步通信：允许用户把一个消息放入队列，但并不立即处理它，然后在需要的时候再去处理它们

消息队列的两种模式

  1. 点对点模式
    • 消费者主动拉取数据，消息收到后清除消息
  2. 发布/订阅模式
    • 可以有多个topic主题（浏览、点赞、收藏、评论等）
    • 消费者消费数据之后，不删除数据
    • 每个消费者相互独立，都可以消费到数据

Kafka基础架构

  1. 为方便扩展，并提高吞吐量，一个topic分为多个partition
  2. 配合分区的涉及，提出消费者组的概念，组内每个消费者并行消费
  3. 为提高可用性，为每个partition增加若干副本，类似NameNode HA
  4. ZK中记录谁是leader，Kafka2.8.0以后也可以配置不采用ZK

Kafka组成

  1. Producer：消息生产者，就是向 Kafka borker发消息的客户端
  2. Consumer：消息消费者，向Kafka broker取消息的客户端
  3. Consumer Group(CG)：消费者组，由多个consumer组成。消费者内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费；消费者组之间互不影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者
  4. Broker：一台Kafka服务器就是一个borker。一个集群由多个broker组成。一个borker可以容纳多个topic
  5. Topic：生产者和消费者面向的都是一个topic
  6. Partition：为了实现扩展性，一个非常大的topic可以分布到多个broker上，一个topic可以分为多个partition，每个partition是一个有序的队列
  7. Replica：副本：一个topic的每个分区都有若干个副本，一个Leader和若干个Follower
  8. Leader：每个分区多个副本的"主"，生产者发送数据的对象，以及消费者消费数据的对象都是Leader
  9. Follower：每个分区多个副本中的"从"，实时从Leader中同步数据，保持和Leader数据的同步。Leader发生故障时，某个Follower会成为新的Leader

Kafka安装

集群规划

hadoop102hadoop103hadoop104
zkzkzk
kafkakafkakafka

集群部署

  1. 官方下载地址：http://kafka.apache.org/downloads.html

  2. 解压安装包

    tar  -zxvf  kafka_2.12-3.0.0.tgz  -C /opt/module/

  3. 修改解压后的文件名称

    mv kafka_2.12-3.0.0/ kafka

  4. 进入到/opt/module/kafka 目录，修改配置文件

    cd config/
vim server.properties
    • 输入以下内容
    #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/datas
#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=hadoop102:2181,hadoop103:2181,hadoop104:2181/kafka

  5. 分发安装包

    xsync 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

    1. 在/etc/profile.d/my_env.sh 文件中增加kafka 环境变量配置
    sudo vim /etc/profile.d/my_env.sh
    • 增加如下内容：
    #KAFKA_HOME
export KAFKA_HOME=/opt/module/kafka
export PATH=$PATH:$KAFKA_HOME/bin
    1. 刷新一下环境变量
    source /etc/profile
    1. 分发环境变量文件到其他节点，并source
    sudo    /home/atguigu/bin/xsync/etc/profile.d/my_env.sh
source /etc/profile
source /etc/profile

  8. 启动集群

    1. 先启动Zookeeper集群，然后启动Kafka
    zk.sh start
    1. 依次在hadoop102、hadoop103、hadoop104节点上启动Kafka
    bin/kafka-server-start.sh   -daemon config/server.properties
bin/kafka-server-start.sh   -daemon config/server.properties
bin/kafka-server-start.sh   -daemon config/server.properties

  9. 关闭集群

    bin/kafka-server-stop.sh
bin/kafka-server-stop.sh
bin/kafka-server-stop.sh

集群启停脚本

  1. 在/home/atguigu/bin目录下创建文件kf.sh脚本文件

    vim kf.sh
    • 脚本如下：
    #! /bin/bash
case $1 in 
"start"){
	for i in hadoop102 hadoop103 hadoop104 
	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 hadoop102 hadoop103 hadoop104 
	do
		echo " --------停止 $i Kafka-------"
		ssh $i "/opt/module/kafka/bin/kafka-server-stop.sh "
	done
};;
esac

  2. 添加执行权限

    chmod +x kf.sh

  3. 启动集群命令

    kf.sh start

  4. 停止集群命令

    kf.sh stop
    • 注意：停止Kafka集群时，一定要等Kafka所有节点进程全部停止后再停止Zookeeper集群。因为Zookeeper集群当中记录着Kafka集群相关信息，Zookeeper集群一旦先停止，Kafka集群就没有办法再获取停止进程的信息，只能手动杀死Kafka进城了。

命令行操作

主题命令行操作

  1. 查看操作主题命令参数
bin/kafka-topics.sh
参数描述
--bootstrap-server <String: server toconnect to>连接的Kafka Broker 主机名称和端口号。
--topic <String: topic>操作的topic 名称。
--create创建主题
--delete删除主题。
--alter修改主题。
--list查看所有主题
--describe查看主题详细描述
--partitions <Integer: # of partitions>设置分区数
--replication-factor<Integer: replication factor>设置分区副本
--config <String: name=value>更新系统默认的配置。

  1. 查看当前服务器中的所有topic

    bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --list

  2. 创建first topic

    bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --create --partitions 1 --replication-factor 3 --topic first
    • 选项说明：
      • topic定义topic名
      • replication-factor定义副本数
      • partitions定义分区数

  3. 查看first主题详情

    bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe --topic first

  4. 修改分区数（注意：分区数只能增加，不能减少）

    bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --alter --topic first --partitions 3

  5. 再次查看 first 主题的详情

    bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --describe --topic first

  6. 删除topic

    bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --delete --topic first

生产者命令行操作

  1. 查看操作生产者命令参数

    bin/kafka-console-producer.sh
    参数描述
    --bootstrap-server <String: server toconnect to>连接的 Kafka Broker 主机名称和端口号
    --topic <String: topic>操作的 topic 名称

  2. 发送消息

    bin/kafka-console-producer.sh   --bootstrap-server hadoop102:9092 --topic first
>hello world
>atguigu  atguigu

消费者命令行操作

  1. 查看操作消费者命令参数

    bin/kafka-console-consumer.sh
    参数描述
    --bootstrap-server <String: server toconnect to>连接的 Kafka Broker 主机名称和端口号。
    --topic <String: topic>操作的 topic 名称
    --from-beginning从头开始消费
    --group <String: consumer group id>指定消费者组名称。

  2. 消费信息

    1. 消费first主题中的数据

      bin/kafka-console-consumer.sh   --bootstrap-server hadoop102:9092 --topic first

    2. 把主题中所有的数据都读取出来（包括历史数据）。

      bin/kafka-console-consumer.sh   --bootstrap-server hadoop102:9092 --from-beginning --topic first