kafka系列(一)安装使用及基本原理

        kafka在大数据生态中扮演者重要的角色，各个系统利用Kafka作为数据中转枢纽来实时消费所有类型的数据。同份Kafka数据可以被导入到不同专用系统中，由于新系统能通过订阅Kafka，轻易地获取它想要的数据，我们可以轻松地引入额外的专用系统，进入到这系统构架中

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（MessageQueue），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，订阅者只接收感兴趣的消息。

Kafka 最新定义 ：

Kafka 是 一个开源的 分 布式事件流平台 （ Event  StreamingPlatform），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

拥有作为消息队列的所有优点：缓存/消峰、解耦和异步通信

1. kafka集群部署

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

这里使用3.0.0作为示例，由于依赖zookeeper做协调系统（最新版的Kafka 2.8.0，移除了对Zookeeper的依赖，通过KRaft进行自己的集群管理）

1.1 解压安装包

tar	-zxvf	kafka_2.12-3.0.0.tgz

1.2 进入到config 目录，修改配置文件server.properties

#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=hadoop11:2181,hadoop12:2181,hadoop13:2181/kafka
 

1.3 分发目录，并修改全局唯一标识broker.id

scp -r ./kafka hadoop12:`pwd`
scp -r ./kafka hadoop13:`pwd`
 
vim server.properties
 
#关闭集群
bin/kafka-server-stop.sh

1.4 在所有机器分别启动kafka

bin/kafka-server-start.sh config/server.properties	
 
#后台启动
bin/kafka-server-start.sh -daemon config/server.properties	

2. kafka命令操作

2.1 topic相关

# 1：查看操作主题命令参数
bin/kafka-topics.sh
 
# 2：查看当前服务器中的所有 topic
bin/kafka-topics.sh --bootstrap-server hadoop11:9092,hadoop12:9092,hadoop13:9092 --list
 
#3：创建 firstDemo topic;可以只指定一台机器
bin/kafka-topics.sh --bootstrap-server hadoop11:9092 --create --partitions 1 --replication-factor 3 --topic firstDemo
 
# 4：查看 firstDemo 主题的详情
bin/kafka-topics.sh --bootstrap-server hadoop11:9092 --describe --topic firstDemo
 
# 5：修改分区数（注意：分区数只能增加，不能减少）
bin/kafka-topics.sh --bootstrap-server hadoop11:9092 --alter --topic firstDemo --partitions 3
 
# 6：删除 topic
bin/kafka-topics.sh --bootstrap-server hadoop11:9092 --delete --topic firstDemo

2.2 生产者命令行操作

查看操作生产者命令参数：bin/kafka-console-producer.sh

# 1：发送消息
bin/kafka-console-producer.sh --bootstrap-server hadoop102:9092 --topic firstDemo

2.3 消费者命令行操作

查看操作消费者命令参数：bin/kafka-console-consumer.sh

#1：消费 firstDemo 主题中的数据
bin/kafka-console-consumer.sh --bootstrap-server hadoop11:9092 --topic firstDemo
 
#2:消费firstDemo 主题所有数据
bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --from-beginning --topic first

3. kafka内部流程数据流转原理

3.1 生产者消息发送流程

        在消息发送的过程中，涉及到了两个线程——main 线程和 Sender 线程。在 main 线程中创建了一个双端队列 RecordAccumulator。main 线程将消息发送给 RecordAccumulator，

Sender 线程不断从 RecordAccumulator 中拉取消息发送到 Kafka Broker

 acks应答机制

• 0：生产者发送过来的数据，不需要等数据落盘应答。
• 1：生产者发送过来的数据，Leader收到数据后应答。
• -1（all）：生产者发送过来的数据，Leader和ISR队列里面的所有节点收齐数据后应答。-1和all等价。

3.2 Kafka Broker总体工作流程

3.3 消费者组原理

消费者：消费者之间互不干扰，一个消费者消费不同分区的数据，另一个消费者也是可以消费任意分区数据

消费者组：消费者组，由多个consumer组成。形成一个消费者组的条件，是所有消费者的groupid相同

• 消费者组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