大数据开发学习1.9-Kafka入门

老土拨鼠
135 阅读5分钟

Kafka概述

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 Streaming），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。在JavaEE开发中主要采用ActiveMQ、RabbitMQ、RocketMQ。

传统消息队列的应用场景

  • 缓存/消峰
  • 解耦
  • 异步通信

缓存/消峰

当用户量激增时，消息的产生速度和消费速度不一致，用消息队列能够有助于控制和优化数据流过系统的速度

graph LR
A[用户A]-->sys[秒杀系统]
B[用户B]-->sys
X[用户...]-->sys
N[用户N]-->sys

A1[用户A]-->MQ[MQ消息队列]
B1[用户B]-->MQ
X1[用户...]-->MQ
C1[用户C]-->MQ
MQ-->D[秒杀系统]

解耦

允许独立的扩展或修改两边的处理过程，只要确保生产者和消费者遵守同样的接口约束

graph LR
MySQL-->MQ
Flume-->MQ
a[网络端口]-->MQ
MQ-->Hadoop
MQ-->SparkStreaming
MQ-->Flink
MQ-->SpringBoot

异步通信

允许用户将消息存放入队列中，但不立即处理它，然后在需要的时候再去处理

graph LR
User--1.填写注册信息-->DB[2.注册信息写入数据库]
DB--3.将发送短信的请求写入MQ-->MQ
DB--4.页面响应注册成功-->User
MQ-->D[发送短信]

消息队列的两种模式

点对点模式

消费者主动拉取数据，消息收到后清除信息

点对点模式的消息队列.png

发布/订阅模式

  • 可以有多个topic主题（浏览、点赞、收藏、评论等）
  • 消费者消费数据后，不删除数据
  • 每个消费者相互独立，都可以消费到数据

发布订阅消息队列.png

Kafka基础架构

当数据量较大时，会将一个topic分为多个partition进行存储

提出消费者组的概念，组内每个消费者并行消费

为每个partition增加若干副本，能够防止单点故障导致分区丢失

在Zookeeper中记录每个分区的leader，并在出现故障时，将follower提升为leader，在之后也可以不采取ZK

Kafka基础架构.png

  • Producer：消息生产者，就是向Kafka broker发消息的客户端
  • Consumer：消息消费者，向Kafka broker取消息的客户端
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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快速入门

安装部署

官方下载地址：kafka.apache.org/downloads.h…

  1. 解压安装包
tar -zxvf kafka_2.12-3.0.0.tgz -C /opt/module/
  1. 修改解压后的文件名称
mv kafka_2.12-3.0.0/ kafka
  1. 进入到/opt/module/kafka/config目录，修改配置文件
vim server.properties

修改broker.id，并确保集群每一台的id不重复

修改log.dirs，该路径为kafka存储数据的路径

修改zookeeper.connect，配置连接Zookeeper集群地址

#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

  1. 分发安装包到其他机器上

  2. 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

  3. 在/etc/profile.d/my_env.sh文件中增加kafka环境变量配置

#KAFKA_HOME
export KAFKA_HOME=/opt/module/kafka
export PATH=$PATH:$KAFKA_HOME/bin
  1. 刷新环境变量
source /etc/profile

启动集群

先启动Zookeeper集群，然后启动Kafka

在每台机器上输入以下指令

kafka-server-start.sh -daemon config/server.properties

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进程了

Kafka命令行操作

主题命令行操作

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。

生产者命令行操作

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。

消费者命令行操作

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。
avatar
文章
阅读
粉丝