大数据之-Kafka

1Kafka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。
消息队列解决的问题是同步问题

1.1消息队列的作用

1） 解耦
允许你独立的扩展或修改两边的处理过程，只要确保它们遵守同样的接口约束。
2） 可恢复性
系统的一部分组件失效时，不会影响到整个系统。消息队列降低了进程间的耦合度，所
以即使一个处理消息的进程挂掉，加入队列中的消息仍然可以在系统恢复后被处理。
3） 缓冲有助于控制和优化数据流经过系统的速度，解决生产消息和消费消息的处理速度不一致的情况。
4） 灵活性 & 峰值处理能力
在访问量剧增的情况下，应用仍然需要继续发挥作用，但是这样的突发流量并不常见。如果为以能处理这类峰值访问为标准来投入资源随时待命无疑是巨大的浪费。使用消息队列
能够使关键组件顶住突发的访问压力，而不会因为突发的超负荷的请求而完全崩溃。
5） 异步通信
同步通信存在问题：造成系统开销响应时间比较大，在同步的环境每个服务执行完成，整个服务调用链才执行完成，如果由于网络存在一些问题，整个执行流程会受到影响。
很多时候，用户不想也不需要立即处理消息。消息队列提供了异步处理机制，允许用户把一个消息放入队列，但并不立即处理它。想向队列中放入多少消息就放多少，然后在需要的时候再去处理它们。
分布式事务保证最终一致性。
异步的方式，可以使上游快速成功，极大提高了系统的吞吐量

1.2消息队列的两种模式

（1） 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。

（2） 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。
发布订阅两种模式：
1、消费者主动拉取数据
2、队列主动推送数据----消费者消费速率不对等，可能会产生服务资源浪费，和服务崩溃。

1.2消息队列流派

1. 有Broker的MQ
   1、重topic -以top为单位 进行中转
   2、轻topic -支持多种模式
2. 无Broker的MQ
   1、ZeroMQ
   kafka是性能最快的消息中间件

2Kafka

2.1 Kafka架构

1. 生产者消费消息
2. Kafks集群管理消息
   1、kafka集群是运行在服务器的进程。
   2、Kafka集群会把消息按不同主题分区。
   3、Kafka会把数据做冗余备份(不在同一台服务器)，Leader,Follower(数据备份)
3. 消费者消费消息
   1、消费者组，某一个分区只能被同一个消费者组里面的消费者消费。
   消费者组，提高消费能力。
4. Zookeeper注册消息
   1、Kafka注册中心
   2、消费者消费信息保存在zk里，便于消费者挂掉之后，从zk中读取消费信息。
   0.9版本之前存在zk中，0.9之后保存在Kafka某个主题中。存磁盘(默认保存7天)

2.1 docker 部署Kafka集群

2.1.1 docker-compose安装

1、sudo curl -L “https://github.com/docker/compose/releases/download/1.28.2/docker-compose-$(uname-s)-$(uname -m)” -o /usr/local/bin/docker-comp