分布式发布订阅消息系统 Kafka

现有消息队列（MessageQueue）比较：

网站系统 <-- Flume集群 --> Kafka集群 --> strom集群 --> redis集群

Flume用于获取数据，Kafka用于缓存数据，strom用于处理，redis用于存储。

Kafka类似于JMS中间件，但是设计完全不一样，此外Kafka并不是JMS规范的实现。

Kafka对消息保存时根据Topic进行归类，发送者为Producer，接受者为Consumer。一个Kafka集群由多个Kafka实例（Server）组成，每个Server称为broker。

Kafka集群、Producer和Consumer都依赖于zookeeper保存元数据信息（meta信息），以保证系统可用性。

Kafka特性：

1. 同时为发布和订阅提供高吞吐量（每秒生产25万条数据（50M），每秒处理55万条数据（110M））。

2. 可持久化数据。可持久化到磁盘，所以可用于批量消费，如ETL、实时应用程序，防止数据丢失。

3. 易于向外拓展。所有的Producer、consumer和broker都是分布式的，无需停机即可拓展机器。

4. 消息被处理状态在consumer中维护，而不是Server。

5. Kafka会将topic中的消息进行分区（partition），不同的consumer可以同时消费不同分区的数据（但是若consumer数大于partition数，就会有consumer获取不到数据），提高数据传输速度。一个 topic 可以分为多个 partition，每个 partition 是一个有序的队列。partition 中的每条消息都会被分配一个有序的 id（offset）。

6. Consumer Group 消费者组，可以并行消费Topic中partition的消息

message是通信的基本单位，包含三个属性：

offset  对应类型：long

messageSize 对应类型：int32 

data   message的具体内容

Producer

public class Producer extends Thread {
	private String topic;
	private kafka.javaapi.producer.Producer<Integer, String> producer;
	private Properties props = new Properties();
	public Producer(String topic) { 
		this.topic = topic;
		props.put("serializer.class", "kafka.serializer.StringEncoder");
        props.put("metadata.broker.list", "localhost:9092");
        producer = new kafka.javaapi.producer.Producer<Integer, String>(new ProducerConfig(props));
	}
	@Override
	public void run() {
		int messageNo = 1;
		String messageStr = new String ("Message_" + messageNo);
		System.out.println("Send:"+messageStr);
		producer.send(new KeyedMessage<Integer, String>(topic, messageStr));
		messageNo ++;
		try {
			sleep(3000);
		} catch (InterruptedException e) {
			e.printStackTrace();
		}
	}
}

Consumer

public class Consumer extends Thread {
	private ConsumerConnector consumer;	//通过properties设置Consumer参数，并且创建了连接器，连接到Kafka
	private String topic;
	public Consumer(String topic) {
		consumer = kafka.consumer.Consumer.createJavaConsumerConnector(createConsumerConfig());
		this.topic = topic;
	}
	private ConsumerConfig createConsumerConfig() {
		Properties props = new Properties();
		props.put("zookeeper.connect", KafkaProperties.zkConnect);
        props.put("group.id", KafkaProperties.groupId);
        props.put("zookeeper.session.timeout.ms", "40000");
        props.put("zookeeper.sync.time.ms", "200");
        props.put("auto.commit.interval.ms", "1000");
        return new ConsumerConfig(props);
	}
	
	@Override
	public void run() {
		//Map用于存topic及具体的partition
		Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
        topicCountMap.put(topic, 1);
        //consumerMap为broker发出来的消息，KafkaSteam为partition中的数据
        Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer.createMessageStreams(topicCountMap);
        KafkaStream<byte[], byte[]> stream = consumerMap.get(topic).get(0);
        ConsumerIterator<byte[], byte[]> it = stream.iterator();
        while (it.hasNext()) {
            System.out.println("receive：" + new String(it.next().message()));
            try {
                sleep(3000);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
	}
	}
}