• Kafka部署、原理和使用介绍

    Kafka简介及Kafka部署、原理和使用介绍

    Kafka简介

    定义

    Kafka是一种消息队列，是一个分布式的基于发布/订阅模式的，主要用来处理大量数据状态下的消息队列，一般用来做日志的处理。既然是消息队列，那么Kafka也就拥有消息队列的相应的特性了。

    消息队列的两种模式

    点对点模式
    一对一，消费者主动拉取数据，消息收到后消息清除

    ​ 消息生产者生产消息发送到Queue中，然后消息消费者从Queue中取出并且消费消息。

    消息被消费以后，queue中不再有存储，所以消息消费者不可能消费到已经被消费的消息。Queue支持存在多个消费者，但是对一个消息而言，只会有一个消费者可以消费。
    在这里插入图片描述
    发布/订阅模式
    一对多，消费者消费数据之后不会清除消息

    消息生产者（发布）将消息发布到topic中，同时有多个消息消费者（订阅）消费该消息。和点对点方式不同，发布到topic的消息会被所有订阅者消费。
    在这里插入图片描述

    Kafka基础架构

    组件释义
    （1）Producer ：消息生产者，就是向kafka broker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broker。一个集群由多个broker组成。一个broker可以容纳多个topic。
    （5）Topic ：可以理解为一个队列，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（即服务器）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，为保证集群中的某个节点发生故障时，该节点上的partition数据不丢失，且kafka仍然能够继续工作，kafka提供了副本机制，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。
    在这里插入图片描述

    Kafka安装部署

    相关连接

    Kafka官网：http://kafka.apache.org

    Kafka下载：http://kafka.apache.org/downloads

    本次部署2.4.1版本下载：https://archive.apache.org/dist/kafka/2.4.1/kafka_2.11-2.4.1.tgz

    环境提前部署zookeeper：

    zookeeper部署方式[文档连接]：https://blog.csdn.net/wt334502157/article/details/115213645

    集群部署

    3台服务器对应在/etc/hosts文件中配置一下解析

    ops01 11.8.37.50

    ops02 11.8.36.63

    ops03 11.8.36.76

    # 官网下载安装包，并上传安装包至服务器，或者在服务器上直接wget
jyc@ops01:/opt/software >ll | grep kafka
-rw-r--r-- 1 jyc jyc  70159813 Apr 29 10:56 kafka_2.11-2.4.1.tgz
jyc@ops01:/opt/software >
# 将包解压至/opt/module目录下
jyc@ops01:/opt/software >tar -zxf kafka_2.11-2.4.1.tgz -C /opt/module/
jyc@ops01:/opt/software >ll /opt/module/
total 36
drwxrwxr-x  2 jyc jyc 4096 Apr  4 11:01 datas
drwxr-xr-x 12 jyc jyc 4096 Apr 24 16:37 flume
-rw-rw-r--  1 jyc jyc   30 Apr 25 11:33 group.log
drwxr-xr-x 12 jyc jyc 4096 Mar 12 11:38 hadoop-3.1.3
drwxrwxr-x 11 jyc jyc 4096 Apr  2 15:14 hive
drwxr-xr-x  6 jyc jyc 4096 Mar  3  2020 kafka_2.11-2.4.1
drwxrwxr-x  3 jyc jyc 4096 Apr 10 16:25 tez
drwxrwxr-x  5 jyc jyc 4096 Apr  2 15:03 tez-0.9.2_bak0410
drwxr-xr-x  8 jyc jyc 4096 Mar 25 11:02 zookeeper-3.5.7
# 程序目录名更改为kafka，简化后续操作
jyc@ops01:/opt/software >cd /opt/module/
jyc@ops01:/opt/module >mv kafka_2.11-2.4.1 kafka
jyc@ops01:/opt/module >cd kafka/
jyc@ops01:/opt/module/kafka >ls
bin  config  libs  LICENSE  NOTICE  site-docs
# 在/opt/module/kafka目录下创建logs目录，后续用于存储相关文件
jyc@ops01:/opt/module/kafka >mkdir logs
jyc@ops01:/opt/module/kafka >cd config/
# 配置文件server.properties 
jyc@ops01:/opt/module/kafka/config >vim server.properties 
jyc@ops01:/opt/module/kafka/config >cat /opt/module/kafka/config/server.properties |grep -vE "^#|^$"
broker.id=0
delete.topic.enable=true
num.network.threads=3
num.io.threads=8
socket.send.buffer.bytes=102400
socket.receive.buffer.bytes=102400
socket.request.max.bytes=104857600
log.dirs=/opt/module/kafka/logs
num.partitions=1
num.recovery.threads.per.data.dir=1
offsets.topic.replication.factor=1
transaction.state.log.replication.factor=1
transaction.state.log.min.isr=1
log.retention.hours=168
log.segment.bytes=1073741824
log.retention.check.interval.ms=300000
zookeeper.connect=ops01:2181,ops02:2181,ops03:2181/kafka
zookeeper.connection.timeout.ms=6000
group.initial.rebalance.delay.ms=0

# 【注意】
# broker.id=1 这个id每个kafka需要配置不同 (ops01->0 / ops02->1 / ops03->2)
# delete.topic.enable=true 功能为解锁删除topic功能
# log.dirs=/opt/module/kafka/logs  配置logs所在目录路径
# num.network.threads=3 处理网络请求的线程数量
# num.io.threads=8 用来处理磁盘IO的现成数量
# socket.send.buffer.bytes=102400 发送套接字的缓冲区大小
# socket.receive.buffer.bytes=102400 接收套接字的缓冲区大小
# socket.request.max.bytes=104857600 请求套接字的缓冲区大小
# num.partitions=1 topic在当前broker上的分区个数
# num.recovery.threads.per.data.dir=1 用来恢复和清理data下数据的线程数量
# log.retention.hours=168  segment文件保留的最长时间，超时将被删除
# zookeeper.connect=ops01:2181,ops02:2181,ops03:2181/kafka 配置连接Zookeeper集群地址


# 配置一下/etc/profile 环境变量
jyc@ops01:/opt/module/kafka/config >tail -4 /etc/profile

#kafka
export KAFKA_HOME=/opt/module/kafka
export PATH=$PATH:$KAFKA_HOME/bin
jyc@ops01:/opt/module/kafka/config >

# 引用配置文件，或者关掉会话窗口重新打开也生效
jyc@ops01:/opt/module >source /etc/profile

# 将kafka目录直接scp到 ops02 和 ops03 两台服务器
jyc@ops01:/opt/module >scp -r kafka ops02:/opt/module/
jyc@ops01:/opt/module >scp -r kafka ops03:/opt/module/
==============================================================
# ops02 上操作增加环境变量
jyc@ops02:/opt/module >sudo vim /etc/profile
#kafka
export KAFKA_HOME=/opt/module/kafka
export PATH=$PATH:$KAFKA_HOME/bin
jyc@ops02:/opt/module >source /etc/profile

# 在ops02上把kafka配置文件的broker.id 改为2
jyc@ops02:/opt/module >sudo vim /opt/module/kafka/config/server.properties
broker.id=1



# ops03 上操作增加环境变量
jyc@ops03:/opt/module >sudo vim /etc/profile
#kafka
export KAFKA_HOME=/opt/module/kafka
export PATH=$PATH:$KAFKA_HOME/bin
jyc@ops03:/opt/module >source /etc/profile

# 在ops03上把kafka配置文件的broker.id 改为3
jyc@ops03:/opt/module/kafka >sudo vim /opt/module/kafka/config/server.properties
broker.id=2

# 启动kafka之前，先看一下环境zookeeper运行是否正常，端口是否都在
jyc@ops01:/opt/module/kafka >ssh ops01 netstat -tnlpu | grep -E "2181|2888|3888"
(Not all processes could be identified, non-owned process info
 will not be shown, you would have to be root to see it all.)
tcp6       0      0 11.8.37.50:3888         :::*                    LISTEN      41773/java          
tcp6       0      0 :::2181                 :::*                    LISTEN      41773/java          
jyc@ops01:/opt/module/kafka >ssh ops02 netstat -tnlpu | grep -E "2181|2888|3888"
(Not all processes could be identified, non-owned process info
 will not be shown, you would have to be root to see it all.)
tcp6       0      0 11.8.36.63:3888         :::*                    LISTEN      33012/java          
tcp6       0      0 :::2181                 :::*                    LISTEN      33012/java          
tcp6       0      0 11.8.36.63:2888         :::*                    LISTEN      33012/java          
jyc@ops01:/opt/module/kafka >
jyc@ops01:/opt/module/kafka >ssh ops03 netstat -tnlpu | grep -E "2181|2888|3888"
(Not all processes could be identified, non-owned process info
 will not be shown, you would have to be root to see it all.)
tcp6       0      0 11.8.36.76:3888         :::*                    LISTEN      102422/java         
tcp6       0      0 :::2181                 :::*                    LISTEN      102422/java  

# 在3台服务器上启动kafka  -daemon是后台运行 ,开启服务需要指定配置文件
jyc@ops01:/opt/module >kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties
jyc@ops02:/opt/module >kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties
jyc@ops03:/opt/module >kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties

# 查看kafka的9092端口
jyc@ops01:/opt/module >ssh ops01 "netstat -tnlpu|grep 9092"
(Not all processes could be identified, non-owned process info
 will not be shown, you would have to be root to see it all.)
tcp6       0      0 :::9092                 :::*                    LISTEN      69716/java          
jyc@ops01:/opt/module >ssh ops02 "netstat -tnlpu|grep 9092"
(Not all processes could be identified, non-owned process info
 will not be shown, you would have to be root to see it all.)
tcp6       0      0 :::9092                 :::*                    LISTEN      101034/java         
jyc@ops01:/opt/module >ssh ops03 "netstat -tnlpu|grep 9092"
(Not all processes could be identified, non-owned process info
 will not be shown, you would have to be root to see it all.)
tcp6       0      0 :::9092                 :::*                    LISTEN      55645/java        
# 到此 kafka服务已经健康的运行起来了

# 如果需要关闭kafka时，用stop脚本
jyc@ops01:/opt/module >kafka-server-stop.sh
jyc@ops01:/opt/module >kafka-server-stop.sh
jyc@ops01:/opt/module >kafka-server-stop.sh


    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110
    • 111
    • 112
    • 113
    • 114
    • 115
    • 116
    • 117
    • 118
    • 119
    • 120
    • 121
    • 122
    • 123
    • 124
    • 125
    • 126
    • 127
    • 128
    • 129
    • 130
    • 131
    • 132
    • 133
    • 134
    • 135
    • 136
    • 137
    • 138
    • 139
    • 140
    • 141
    • 142
    • 143
    • 144
    • 145
    • 146
    • 147

    【注意1】：

    服务正常启动后，会在/opt/module/kafka/logs目录下有一个meta.properties的生成源数据的文件，如果已经配置文件定义了broker.id并且启动了kafka，那后续再启动服务，会先从这个路径下去读取meta.properties

    jyc@ops01:/opt/module/kafka/logs >pwd
/opt/module/kafka/logs
jyc@ops01:/opt/module/kafka/logs >cat meta.properties
#
#Thu Apr 29 16:12:25 CST 2021
cluster.id=rHb3lTrdQXau9HQrRBJP9w
version=0
broker.id=0

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8

    【注意2】：

    如果报错如下信息，大概率就是修改了broker的id，导致新旧的id值不一样；修改meta.properties文件，把cluster.id=这行注释，重启zookeeper后，再重启kafka，这时kafka读取不到meta.properties中的cluster.id则会重新生成

    The broker is trying to join the wrong cluster. Configured zookeeper.connect may be wrong.

    • 1

    【注意3】：

    zookeeper.connect=ops01:2181,ops02:2181,ops03:2181/kafka

    • 1

    这个配置文件中最后加了/kafka；不加也能使用，但是会在根节点直接创建很多kafka相关的子节点，不便于管理；所以尽量加上这个/kafka

    jyc@ops01:/opt/module/kafka >zkCli.sh 
Connecting to localhost:2181
2021-04-30 10:49:02,227 [myid:] - INFO  [main:Environment@109] - Client environment:zookeeper.version=3.5.7-f0fdd52973d373ffd9c86b81d99842dc2c7f660e, built on 02/10/2020 11:30 GMT
WatchedEvent state:SyncConnected type:None path:null
[zk: localhost:2181(CONNECTED) 0] ls -w /
[kafka, jyc, zookeeper]
[zk: localhost:2181(CONNECTED) 1] ls -w /kafka
[admin, brokers, cluster, config, consumers, controller, controller_epoch, isr_change_notification, latest_producer_id_block, log_dir_event_notification]
# 如果不配置/kafka 则上面的这些都会创建在根节点
[zk: localhost:2181(CONNECTED) 4] ls -w /kafka/brokers
[ids, seqid, topics]
# 在/kafka/brokers/ids可以查看到对应几个broker节点的id信息，一定是和配置文件里的对应
[zk: localhost:2181(CONNECTED) 5] ls -w /kafka/brokers/ids
[0, 1, 2]

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14

    【注意4】：

    如果集群没有健康运行起来时，在后续操作添加topics时可能会遇到下方的报错，例如创建3个副本，但是健康的broker节点是0个等，所以后续实验开始前，还是要确认环境是否都搭建完毕，kafka是否都成功健康的运行起来

    Error while executing topic command : replication factor: 3 larger than available brokers: 0

    • 1

    Kafka命令行操作

    # 查看当前服务器中的所有topic
jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
jyc@ops01:/opt/module/kafka/logs >
# 创建topic
jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --create --replication-factor 3 --partitions 2 --topic bigdata
Created topic bigdata.
# 选项说明：
# --topic 后面定义topic定义的主题名
# --replication-factor  定义副本数，不能大于broker数
# --partitions  定义分区数(把topic拆分成几个)

jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
bigdata
jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --create --replication-factor 3 --partitions 2 --topic bigdata2
Created topic bigdata2.
jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
bigdata
bigdata2

# 删除topic
jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --delete --topic bigdata2
Topic bigdata2 is marked for deletion.
Note: This will have no impact if delete.topic.enable is not set to true.
jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
bigdata

# 模拟生产数据和消费数据
# ops01 发送消息
jyc@ops01:/opt/module/kafka >
jyc@ops01:/opt/module/kafka >kafka-console-producer.sh --broker-list ops01:9092 --topic bigdata
>wang
>ting
>niubiplus
>

# ops02 消费消息
jyc@ops02:/opt/module/kafka/logs >kafka-console-consumer.sh --bootstrap-server ops01:9092 --from-beginning --topic bigdata
ting
wang
niubiplus

# --from-beginning 相当于把topic中数据从头都拿到，不加是任务挂起时，开始接收最新的数据
jyc@ops03:/opt/module/kafka >
# 查看某个Topic的详情
jyc@ops03:/opt/module/kafka >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic bigdata
Topic: bigdata	PartitionCount: 2	ReplicationFactor: 3	Configs: 
	Topic: bigdata	Partition: 0	Leader: 0	Replicas: 0,1,2	Isr: 0,1,2
	Topic: bigdata	Partition: 1	Leader: 1	Replicas: 1,2,0	Isr: 1,2,0
	
# 修改分区数partition数，2个更新成3个
jyc@ops03:/opt/module/kafka >kafka-topics.sh --zookeeper ops01:2181/kafka --alter --topic bigdata --partitions 3
WARNING: If partitions are increased for a topic that has a key, the partition logic or ordering of the messages will be affected
Adding partitions succeeded!
# 再次查看
jyc@ops03:/opt/module/kafka >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic bigdata
Topic: bigdata	PartitionCount: 3	ReplicationFactor: 3	Configs: 
	Topic: bigdata	Partition: 0	Leader: 0	Replicas: 0,1,2	Isr: 0,1,2
	Topic: bigdata	Partition: 1	Leader: 1	Replicas: 1,2,0	Isr: 1,2,0
	Topic: bigdata	Partition: 2	Leader: 2	Replicas: 2,0,1	Isr: 2,0,1
jyc@ops03:/opt/module/kafka >

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60

    Kafka架构进阶

    Kafka工作流程及文件存储机制

    ​ Kafka中消息是以topic进行分类的，生产者生产消息，消费者消费消息，都是面向topic的。topic把消息分门别类，相同的topic消息被放在了一个消息队列。

    ​ topic是逻辑上的概念，而partition是物理上的概念，每个partition对应于一个log文件，该log文件中存储的就是producer生产的数据。Producer生产的数据会被不断追加到该log文件末端，且每条数据都有自己的offset。消费者组中的每个消费者，都会实时记录自己消费到了哪个offset，以便出错恢复时，从上次的位置继续消费。
    在这里插入图片描述
    由于生产者生产的消息会不断追加到log文件末尾，为防止log文件过大导致数据定位效率低下，Kafka采取了分片和索引机制，将每个partition分为多个segment。每个segment对应三个文件——“.index”, ".timeindex"文件和“.log”文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic名称+分区序号。例如，bigdata这个topic有三个分区，则其对应的文件夹为bigdata-0,bigdata-1,bigdata-2。

    jyc@ops01:/opt/module/kafka/logs >
jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic bigdata
Topic: bigdata	PartitionCount: 3	ReplicationFactor: 3	Configs: 
	Topic: bigdata	Partition: 0	Leader: 0	Replicas: 0,1,2	Isr: 0,1,2
	Topic: bigdata	Partition: 1	Leader: 1	Replicas: 1,2,0	Isr: 1,2,0
	Topic: bigdata	Partition: 2	Leader: 2	Replicas: 2,0,1	Isr: 2,0,1
jyc@ops01:/opt/module/kafka/logs >ls bigdata-*
bigdata-0:
00000000000000000000.index  00000000000000000000.log  00000000000000000000.timeindex  leader-epoch-checkpoint

bigdata-1:
00000000000000000000.index  00000000000000000000.log  00000000000000000000.timeindex  leader-epoch-checkpoint

bigdata-2:
00000000000000000000.index  00000000000000000000.log  00000000000000000000.timeindex  leader-epoch-checkpoint

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15

    在这里插入图片描述
    “.index”文件存储大量的索引信息，“.log”文件存储大量的数据，索引文件中的元数据指向对应数据文件中message的物理偏移地址。
    在这里插入图片描述

    Kafka生产者

    分区策略
    分区原因

    ​ （1）方便在集群中扩展，每个Partition可以通过调整以适应它所在的机器，而一个topic又可以有多个Partition组成，因此整个集群就可以适应任意大小的数据了；
    ​ （2）可以提高并发，因为相对topic可以对Partition级别更小的单位进行读写了。

    分区原则

    ​ （1）指明 partition 的情况下，直接将指明的值直接作为 partiton 值；
    ​ （2）没有指明 partition 值但有 key 的情况下，将 key 的 hash 值与 topic 的 partition 数进行取余得到 partition 值；
    ​ （3）既没有 partition 值又没有 key 值的情况下，第一次调用时随机生成一个整数（后面每次调用在这个整数上自增），将这个值与 topic 可用的 partition 总数取余得到 partition 值，也就是常说的 round-robin 算法。

    ​ 我们需要将producer发送的数据封装成一个ProducerRecord对象。

    数据可靠性保证

    ​ 为保证producer发送的数据，能可靠的发送到指定的topic，topic的每个partition收到producer发送的数据后，都需要向producer发送ack（acknowledgement确认收到），如果producer收到ack，就会进行下一轮的发送，否则重新发送数据。

    ACK (Acknowledge character）即是确认字符，在数据通信中，接收方发给发送方的一种传输类控制字符。表示发来的数据已确认接收无误。

    【注意】：

    ​ partition确保有follower与leader同步完成，leader再发送ack，这样才能保证leader挂掉之后，能在follower中选举出新的leader，并不是收到后直接返回确认。
    在这里插入图片描述
    副本数据同步策略可行方案

    方案优点缺点
    1.半数以上完成同步，就发送ack延迟低选举新的leader时，容忍n台节点的故障，需要2n+1个副本
    2.全部完成同步，才发送ack选举新的leader时，容忍n台节点的故障，需要n+1个副本延迟高

    Kafka选择了第二种方案，原因如下：

    （1）同样为了容忍n台节点的故障，第一种方案需要2n+1个副本，而第二种方案只需要n+1个副本，而Kafka的每个分区都有大量的数据，第一种方案会造成大量数据的冗余。

    （2）虽然第二种方案的网络延迟会比较高，但网络延迟对Kafka的影响较小。

    ISR
    ​ 采用第二种方案之后，设想以下情景：leader收到数据，所有follower都开始同步数据，但有一个follower，因为某种故障，迟迟不能与leader进行同步，那leader就要一直等下去，直到它完成同步，才能发送ack。这个问题怎么解决呢？

    ​ Kafka提供了数据复制算法保证，如果leader发生故障或挂掉，一个新leader被选举并被接受客户端的消息成功写入。Kafka确保从同步副本列表中选举一个副本为leader，或者说follower追赶leader数据。leader负责维护和跟踪ISR(In-Sync Replicas的缩写，表示副本同步队列，具体可参考下节)中所有follower滞后的状态。当producer发送一条消息到broker后，leader写入消息并复制到所有follower。消息提交之后才被成功复制到所有的同步副本。消息复制延迟受最慢的follower限制，重要的是快速检测慢副本，如果follower“落后”太多或者失效，leader将会把它从ISR中删除。Leader发生故障之后，就会从ISR中选举新的leader

    ack应答机制
    ​ 对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失，所以没必要等ISR中的follower全部接收成功。所以Kafka为用户提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡，选择以下的配置。

    acks参数配置：acks

    0：producer不等待broker的ack，这一操作提供了一个最低的延迟，broker一接收到还没有写入磁盘就已经返回，当broker故障时有可能丢失数据；

    1：producer等待broker的ack，partition的leader落盘成功后返回ack，如果在follower同步成功之前leader故障，那么将会丢失数据；
    在这里插入图片描述
    -1（all）：producer等待broker的ack，partition的leader和follower全部落盘成功后才返回ack。但是如果在follower同步完成后，broker发送ack之前，leader发生故障，那么会造成数据重复。
    在这里插入图片描述
    故障处理细节
    在这里插入图片描述
    （1）follower故障
    follower发生故障后会被临时踢出ISR，待该follower恢复后，follower会读取本地磁盘记录的上次的HW，并将log文件高于HW的部分截取掉，从HW开始向leader进行同步。等该follower的LEO大于等于该Partition的HW，即follower追上leader之后，就可以重新加入ISR了。
    （2）leader故障
    leader发生故障之后，会从ISR中选出一个新的leader，之后，为保证多个副本之间的数据一致性，其余的follower会先将各自的log文件高于HW的部分截掉，然后从新的leader同步数据。

    【注意】：

    这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。

    Exactly Once语义
    ​ 将服务器的ACK级别设置为-1，可以保证Producer到Server之间不会丢失数据，即At Least Once语义。相对的，将服务器ACK级别设置为0，可以保证生产者每条消息只会被发送一次，即At Most Once语义。
    At Least Once可以保证数据不丢失，但是不能保证数据不重复；相对的，At Least Once可以保证数据不重复，但是不能保证数据不丢失。但是，对于一些非常重要的信息，比如说交易数据，下游数据消费者要求数据既不重复也不丢失，即Exactly Once语义。在0.11版本以前的Kafka，对此是无能为力的，只能保证数据不丢失，再在下游消费者对数据做全局去重。对于多个下游应用的情况，每个都需要单独做全局去重，这就对性能造成了很大影响。
    0.11版本的Kafka，引入了一项重大特性：幂等性。所谓的幂等性就是指Producer不论向Server发送多少次重复数据，Server端都只会持久化一条。幂等性结合At Least Once语义，就构成了Kafka的Exactly Once语义。即：
    At Least Once + 幂等性 = Exactly Once
    ​ 要启用幂等性，只需要将Producer的参数中enable.idompotence设置为true即可。Kafka的幂等性实现其实就是将原来下游需要做的去重放在了数据上游。开启幂等性的Producer在初始化的时候会被分配一个PID，发往同一Partition的消息会附带Sequence Number。而Broker端会对<PID, Partition, SeqNumber>做缓存，当具有相同主键的消息提交时，Broker只会持久化一条。但是PID重启就会变化，同时不同的Partition也具有不同主键，所以幂等性无法保证跨分区跨会话的Exactly Once。

    Kafka消费者

    消费方式

    consumer采用pull（拉取）模式从broker中读取数据。

    ​ push（推送）模式很难适应消费速率不同的消费者，因为消息发送速率是由broker决定的。它的目标是尽可能以最快速度传递消息，但是这样很容易造成consumer来不及处理消息，典型的表现就是拒绝服务以及网络拥塞。而pull模式则可以根据consumer的消费能力以适当的速率消费消息。

    ​ pull模式不足之处是，如果kafka没有数据，消费者可能会陷入循环中，一直返回空数据。针对这一点，Kafka的消费者在消费数据时会传入一个时长参数timeout，如果当前没有数据可供消费，consumer会等待一段时间之后再返回，这段时长即为timeout。

    分区分配策略

    ​ 一个consumer group中有多个consumer，一个 topic有多个partition，所以必然会涉及到partition的分配问题，即确定那个partition由哪个consumer来消费。

    Kafka有两种分配策略，一是roundrobin，一是range。

    1）roundrobin
    在这里插入图片描述
    2）range
    在这里插入图片描述
    offset的维护
    ​ 由于consumer在消费过程中可能会出现断电宕机等故障，consumer恢复后，需要从故障前的位置的继续消费，所以consumer需要实时记录自己消费到了哪个offset，以便故障恢复后继续消费。

    ​ Kafka 0.9版本之前，consumer默认将offset保存在Zookeeper中，从0.9版本开始，consumer默认将offset保存在Kafka一个内置的topic中，该topic为__consumer_offsets。

    jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
__consumer_offsets
bigdata
jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic __consumer_offsets
Topic: __consumer_offsets	PartitionCount: 50	ReplicationFactor: 1	Configs: compression.type=producer,cleanup.policy=compact,segment.bytes=104857600
	Topic: __consumer_offsets	Partition: 0	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 1	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 2	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 3	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 4	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 5	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 6	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 7	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 8	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 9	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 10	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 11	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 12	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 13	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 14	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 15	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 16	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 17	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 18	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 19	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 20	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 21	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 22	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 23	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 24	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 25	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 26	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 27	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 28	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 29	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 30	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 31	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 32	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 33	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 34	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 35	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 36	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 37	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 38	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 39	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 40	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 41	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 42	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 43	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 44	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 45	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 46	Leader: 2	Replicas: 2	Isr: 2
	Topic: __consumer_offsets	Partition: 47	Leader: 0	Replicas: 0	Isr: 0
	Topic: __consumer_offsets	Partition: 48	Leader: 1	Replicas: 1	Isr: 1
	Topic: __consumer_offsets	Partition: 49	Leader: 2	Replicas: 2	Isr: 2
jyc@ops01:/opt/module/kafka/logs >

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    Kafka高效读写数据
    顺序写磁盘

    ​ Kafka的producer生产数据，要写入到log文件中，写的过程是一直追加到文件末端，为顺序写。官网有数据表明，同样的磁盘，顺序写能到到600M/s，而随机写只有100k/s。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间。

    应用Pagecache

    Kafka数据持久化是直接持久化到Pagecache中，这样会产生以下几个好处

    • I/O Scheduler 会将连续的小块写组装成大块的物理写从而提高性能
    • I/O Scheduler 会尝试将一些写操作重新按顺序排好，从而减少磁盘头的移动时间
    • 充分利用所有空闲内存（非 JVM 内存）。如果使用应用层 Cache（即 JVM 堆内存），会增加 GC 负担
    • 读操作可直接在 Page Cache 内进行。如果消费和生产速度相当，甚至不需要通过物理磁盘（直接通过 Page Cache）交换数据
    • 如果进程重启，JVM 内的 Cache 会失效，但 Page Cache 仍然可用

    尽管持久化到Pagecache上可能会造成宕机丢失数据的情况，但这可以被Kafka的Replication机制解决。如果为了保证这种情况下数据不丢失而强制将 Page Cache 中的数据 Flush 到磁盘，反而会降低性能。

    零复制技术

    在这里插入图片描述

    Zookeeper在Kafka中的作用

    ​ Kafka集群中有一个broker会被选举为Controller，负责管理集群broker的上下线，所有topic的分区副本分配和leader选举等工作。

    Controller的管理工作都是依赖于Zookeeper的。

    broker0->id 0 broker1->id 1 broker2->id 2

    监听zookeeper中的/kafka/brokers/ids节点信息
    在这里插入图片描述
    当前leader异常
    在这里插入图片描述
    选举新leader
    在这里插入图片描述

    Kafka事务

    Kafka从0.11版本开始引入了事务支持。事务可以保证Kafka在Exactly Once语义的基础上，生产和消费可以跨分区和会话，要么全部成功，要么全部失败。

    Producer事务
    ​ 为了实现跨分区跨会话的事务，需要引入一个全局唯一的Transaction ID，并将Producer获得的PID和Transaction ID绑定。这样当Producer重启后就可以通过正在进行的Transaction ID获得原来的PID。

    ​ 为了管理Transaction，Kafka引入了一个新的组件Transaction Coordinator。Producer就是通过和Transaction Coordinator交互获得Transaction ID对应的任务状态。Transaction Coordinator还负责将事务所有写入Kafka的一个内部Topic，这样即使整个服务重启，由于事务状态得到保存，进行中的事务状态可以得到恢复，从而继续进行。

    Consumer事务
    ​ 上述事务机制主要是从Producer方面考虑，对于Consumer而言，事务的保证就会相对较弱，尤其时无法保证Commit的信息被精确消费。这是由于Consumer可以通过offset访问任意信息，而且不同的Segment File生命周期不同，同一事务的消息可能会出现重启后被删除的情况。

    ​ 如果想完成Consumer端的精准一次性消费，那么需要kafka消费端将消费过程和提交offset过程做原子绑定。此时我们需要将kafka的offset保存到支持事务的自定义介质中（比如mysql）。

  • 相关阅读:
    Spring Boot 2 (十)：Spring Boot 中的响应式编程和 WebFlux 入门
    CAN总线负载及CANoe查看总线负载率
    【Spring】配置文件的使用
    智慧燃气，如何能够防患于未“燃”！
    Android Studio导入aosp源码
    使用elementUI的form表单和Steps步骤条如何让rules分步骤校验
    二叉平衡搜索树-AVL树
    Servlet的概念问题以及相关接口
    C语言代码优化的艺术：深度探索与实践策略
    【图像去噪】基于空间光谱总变化减少高光谱图像的混合噪声（Matlab代码实现）
  • 原文地址：https://blog.csdn.net/qq_30999361/article/details/125456013