介绍
介绍
Apache Kafka是一个开源分布式事件流平台，由数千家公司用于高性能数据管道、流媒体分析、数据集成和任务关键应用。
基本信息
安装环境
CentOS：CentOS Linux release 7.6.1810 (Core)
Linux：Linux version 3.10.0-1062.el7.x86_64
GCC：gcc version 4.8.5 20150623 (Red Hat 4.8.5-36) (GCC)
软件版本
apr-1.6.5.tar.gz
apr-util-1.6.1.tar.gz
httpd-2.4.46.tar.gz
验证时间
2021/04/18
准备工作
本地化
timedatectl set-timezone Asia/Shanghai
安装wget
yum -y install wget
建立环境根目录
建立软件安装根目录
mkdir -p /tongfu.net/env/
建立安装包目录并进入
建立软件安装包保存目录
mkdir /packages cd /packages
安装
下载
kafka
http://kafka.apache.org/downloads
wget https://mirrors.bfsu.edu.cn/apache/kafka/2.7.0/kafka_2.13-2.7.0.tgz
JDK
必须通过网页下载，需要勾选“接受协议”，所以不能用wget直接下载了！
网页地址：https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
安装
安装JDK
tar -xzvf jdk-8u192-linux-x64.tar.gz -C /tongfu.net/env/
安装Kafka
tar -xzvf kafka_2.13-2.7.0.tgz -C /tongfu.net/env/
配置
配置JDK
echo "export JAVA_HOME=/tongfu.net/env/jdk1.8.0_192" >> /etc/profile echo "export CLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar" >> /etc/profile source /etc/profile
配置Kafka
进入kafka主目录。
cd /tongfu.net/env/kafka_2.13-2.7.0/
建立日志目录。
mkdir logs
打开zookeeper配置文件，设置dataDir。
[root@dev kafka_2.13-2.7.0]# vi ./config/zookeeper.properties dataDir=/tongfu.net/env/kafka_2.13-2.7.0/zookeeper-data
打开kafka配置文件，设置zookeeper.connect，设置log.dirs。
[root@dev kafka_2.13-2.7.0]# vi config/server.properties zookeeper.connect=127.0.0.1:2181 log.dirs=/tongfu.net/env/kafka_2.13-2.7.0/kafka-logs
设置JVM参数
设置zookeeper的JVM参数。
[root@dev kafka_2.13-2.7.0]# vi bin/zookeeper-server-start.sh if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then export KAFKA_HEAP_OPTS="-Xmx128M -Xms64M" fi
设置kafka的JVM参数。
[root@dev kafka_2.13-2.7.0]# vi bin/kafka-server-start.sh if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then export KAFKA_HEAP_OPTS="-Xmx256m -Xms128m" fi
配置主机名
如果你的服务器的主机名是一个域名，且域名并没有解析到当前的服务器上，就需要做下面的操作。
查看/etc/hostname。
[root@dev kafka_2.13-2.7.0]# cat /etc/hostname dev.tongfu.net
添加/etc/hosts本地解析。
[root@dev kafka_2.13-2.7.0]# echo "127.0.0.1 dev.tongfu.net" >> /etc/hosts [root@dev kafka_2.13-2.7.0]# cat /etc/hosts 127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4 ::1 localhost localhost.localdomain localhost6 localhost6.localdomain6 127.0.0.1 dev.tongfu.net
启动
启动zookeeper
./bin/zookeeper-server-start.sh ./config/zookeeper.properties > ./logs/zookeeper.log &
启动kafka
./bin/kafka-server-start.sh ./config/server.properties > ./logs/kafka.log &
自动启动
编写启动脚本。
[root@tongfunet]# cat > /tongfu.net/env/kafka_2.13-2.7.0/bin/kafka-start <<EOF #!/bin/sh # env export PATH # start source /etc/profile cd /tongfu.net/env/kafka_2.13-2.7.0/ ./bin/zookeeper-server-start.sh ./config/zookeeper.properties >> ./logs/zookeeper.log & ./bin/kafka-server-start.sh ./config/server.properties >> ./logs/kafka.log & EOF
编写停止脚本。
[root@tongfunet]# cat > /tongfu.net/env/kafka_2.13-2.7.0/bin/kafka-quit <<EOF #!/bin/sh # env export PATH # quit source /etc/profile cd /tongfu.net/env/kafka_2.13-2.7.0/ ./bin/kafka-server-stop.sh ./bin/zookeeper-server-stop.sh EOF
授权脚本。
chmod 0755 /tongfu.net/env/kafka_2.13-2.7.0/bin/kafka-start chmod 0755 /tongfu.net/env/kafka_2.13-2.7.0/bin/kafka-quit
添加自动启动脚本。
[root@tongfunet]# cat > /lib/systemd/system/kafka.service <<EOF [Unit] Description=kafka After=network.target [Service] Type=forking ExecStart=/tongfu.net/env/kafka_2.13-2.7.0/bin/kafka-start ExecStop=/tongfu.net/env/kafka_2.13-2.7.0/bin/kafka-quit PrivateTmp=true [Install] WantedBy=multi-user.target EOF
使用 systemctl 管理 kafka 服务。
systemctl enable kafka # 设置自动启动 systemctl start kafka # 启动服务 systemctl stop kafka # 停止服务 systemctl restart kafka # 重启服务
使用
shell测试
创建topic
创建一个名为 test 的 topic
--replication-factor：指定副本数量，就是说可以设定一个值，在kafka集群里将一个主题制作多个副本以防止数据丢失。当然，副本数量不能超过集群节点总数。（废话！）
--partitions：指定分区数量，就是说可以将一个主题下的每个消息分配到不同的房间里，来自同一分组的多个消费者来获取消息的时候，每个消费者只能拿到一个房间内的消息
--topic：主题名称
[root@dev kafka_2.13-2.7.0]# ./bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test Created topic test.
开启消费进程
开启一个新的终端，开启一个来自 localhost:9092 的消费进程来监听名为 test 的 topic
--topic：主题名称
--from-beginning：从最前面开始提取消息
./bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test --from-beginning
启动生产进程
开启另外一个终端，启动一个生产进程用于推送消息到 localhost:9092 上的名为 test 的 topic
--topic：主题名称
[root@dev kafka_2.13-2.7.0]# ./bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test >
启动后在终端输入消息后，会在消费进程里看到这条消息
效果
在生产终端输入一句话。
在消费终端查看结果。
分区
分区
一个topic 可以配置几个partition，produce发送的消息分发到不同的partition中，consumer接受数据的时候是按照group来接受，kafka确保每个partition只能同一个group中的同一个consumer消费，如果想要重复消费，那么需要其他的组来消费。
Zookeerper中保存这每个topic下的每个partition在每个group中消费的offset 。
新版kafka把这个offsert保存到了一个__consumer_offsert的topic下，这个__consumer_offsert 有50个分区，通过将group的id哈希值%50的值来确定要保存到那一个分区. 这样也是为了考虑到zookeeper不擅长大量读写的原因。
所以，如果要一个group用几个consumer来同时读取的话，需要多线程来读取，一个线程相当于一个consumer实例。当consumer的数量大于分区的数量的时候，有的consumer线程会读取不到数据。
假设一个topic test 被groupA消费了，现在启动另外一个新的groupB来消费test，默认test-groupB的offset不是0，而是没有新建立，除非当test有数据的时候，groupB会收到该数据，该条数据也是第一条数据，groupB的offset也是刚初始化的ofsert, 除非用显式的用–from-beginnging 来获取从0开始数据。
备注
文档中文注解
server.properties
#broker的全局唯一编号，不能重复 broker.id=0 #用来监听链接的端口，producer或consumer将在此端口建立连接 port=9092 #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 #接受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消息存放的路径 log.dirs=/home/servers-kafka/logs/kafka #topic在当前broker上的分片个数 num.partitions=2 #用来恢复和清理data下数据的线程数量 num.recovery.threads.per.data.dir=1 #segment文件保留的最长时间，超时将被删除 log.retention.hours=168 #滚动生成新的segment文件的最大时间 log.roll.hours=168 #日志文件中每个segment的大小，默认为1G log.segment.bytes=1073741824 #周期性检查文件大小的时间 log.retention.check.interval.ms=300000 #日志清理是否打开 log.cleaner.enable=true #broker需要使用zookeeper保存meta数据 zookeeper.connect=hadoop02:2181,hadoop03:2181,hadoop04:2181 #zookeeper链接超时时间 zookeeper.connection.timeout.ms=6000 #partion buffer中，消息的条数达到阈值，将触发flush到磁盘 log.flush.interval.messages=10000 #消息buffer的时间，达到阈值，将触发flush到磁盘 log.flush.interval.ms=3000 #删除topic需要server.properties中设置delete.topic.enable=true否则只是标记删除 delete.topic.enable=true #此处的host.name为本机IP(重要),如果不改,则客户端会抛出:Producerconnection to localhost:9092 unsuccessful 错误! host.name=hadoop02
producer.properties
#指定kafka节点列表，用于获取metadata，不必全部指定 metadata.broker.list=hadoop02:9092,hadoop03:9092 # 指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到对应分区 partitioner.class=kafka.producer.DefaultPartitioner # 是否压缩，默认0表示不压缩，1表示用gzip压缩，2表示用snappy压缩。压缩后消息中会有头来指明消息压缩类型，故在消费者端消息解压是透明的无需指定。 compression.codec=none # 指定序列化处理类 serializer.class=kafka.serializer.DefaultEncoder # 如果要压缩消息，这里指定哪些topic要压缩消息，默认empty，表示不压缩。 compressed.topics= # 设置发送数据是否需要服务端的反馈,有三个值0,1,-1 # 0: producer不会等待broker发送ack # 1: 当leader接收到消息之后发送ack # -1: 当所有的follower都同步消息成功后发送ack. request.required.acks=0 #在向producer发送ack之前,broker允许等待的最大时间 ，如果超时,broker将会向producer发送一个error ACK.意味着上一次消息因为某种原因未能成功(比如follower未能同步成功) request.timeout.ms=10000 # 同步还是异步发送消息，默认“sync”表同步，"async"表异步。异步可以提高发送吞吐量,也意味着消息将会在本地buffer中,并适时批量发送，但是也可能导致丢失未发送过去的消息 producer.type=sync # 在async模式下,当message被缓存的时间超过此值后,将会批量发送给broker,默认为5000ms此值和batch.num.messages协同工作. queue.buffering.max.ms = 5000 # 在async模式下,producer端允许buffer的最大消息量 # 无论如何,producer都无法尽快的将消息发送给broker,从而导致消息在producer端大量沉积 # 此时,如果消息的条数达到阀值,将会导致producer端阻塞或者消息被抛弃，默认为10000 queue.buffering.max.messages=20000 # 如果是异步，指定每次批量发送数据量，默认为200 batch.num.messages=500 # 当消息在producer端沉积的条数达到"queue.buffering.max.meesages"后 # 阻塞一定时间后,队列仍然没有enqueue(producer仍然没有发送出任何消息) # 此时producer可以继续阻塞或者将消息抛弃,此timeout值用于控制"阻塞"的时间 # -1: 无阻塞超时限制,消息不会被抛弃 # 0:立即清空队列,消息被抛弃 queue.enqueue.timeout.ms=-1 # 当producer接收到error ACK,或者没有接收到ACK时,允许消息重发的次数 # 因为broker并没有完整的机制来避免消息重复,所以当网络异常时(比如ACK丢失) # 有可能导致broker接收到重复的消息,默认值为3. message.send.max.retries=3 # producer刷新topicmetada的时间间隔,producer需要知道partitionleader的位置,以及当前topic的情况 # 因此producer需要一个机制来获取最新的metadata,当producer遇到特定错误时,将会立即刷新 #(比如topic失效,partition丢失,leader失效等),此外也可以通过此参数来配置额外的刷新机制，默认值600000 topic.metadata.refresh.interval.ms=60000
consumer.properties
# zookeeper连接服务器地址 zookeeper.connect=hadoop02:2181,hadoop03:2181,hadoop04:2181 # zookeeper的session过期时间，默认5000ms，用于检测消费者是否挂掉 zookeeper.session.timeout.ms=5000 #当消费者挂掉，其他消费者要等该指定时间才能检查到并且触发重新负载均衡 zookeeper.connection.timeout.ms=10000 # 指定多久消费者更新offset到zookeeper中。注意offset更新时基于time而不是每次获得的消息。一旦在更新zookeeper发生异常并重启，将可能拿到已拿到过的消息 zookeeper.sync.time.ms=2000 #指定消费组 group.id=xxx # 当consumer消费一定量的消息之后,将会自动向zookeeper提交offset信息 # 注意offset信息并不是每消费一次消息就向zk提交一次,而是现在本地保存(内存),并定期提交,默认为true auto.commit.enable=true # 自动更新时间。默认60 * 1000 auto.commit.interval.ms=1000 # 当前consumer的标识,可以设定,也可以有系统生成,主要用来跟踪消息消费情况,便于观察 conusmer.id=xxx # 消费者客户端编号，用于区分不同客户端，默认客户端程序自动产生 client.id=xxxx # 最大取多少块缓存到消费者(默认10) queued.max.message.chunks=50 # 当有新的consumer加入到group时,将会reblance,此后将会有partitions的消费端迁移到新 的consumer上,如果一个consumer获得了某个partition的消费权限,那么它将会向zk注册"Partition Owner registry"节点信息,但是有可能此时旧的consumer尚没有释放此节点, 此值用于控制,注册节点的重试次数. rebalance.max.retries=5 # 获取消息的最大尺寸,broker不会像consumer输出大于此值的消息chunk 每次feth将得到多条消息,此值为总大小,提升此值,将会消耗更多的consumer端内存 fetch.min.bytes=6553600 # 当消息的尺寸不足时,server阻塞的时间,如果超时,消息将立即发送给consumer fetch.wait.max.ms=5000 socket.receive.buffer.bytes=655360 # 如果zookeeper没有offset值或offset值超出范围。那么就给个初始的offset。有smallest、largest、anything可选，分别表示给当前最小的offset、当前最大的offset、抛异常。默认largest auto.offset.reset=smallest # 指定序列化处理类 derializer.class=kafka.serializer.DefaultDecoder
总结
今天福哥带着大家学会了使用Kafka消息系统的环境安装配置，并且明白了Kafka的工作原理。通过Kafka消息系统可以实现项目事件的异步分发功能，可以解耦复杂的业务逻辑，大大提升项目运行效率。
后面福哥会教给童鞋们如果通过各种语言操作Kafka消息系统，敬请期待~~