Kafka（总）入门+深入

最新推荐文章于 2024-07-15 14:20:17 发布
最新推荐文章于 2024-07-15 14:20:17 发布
阅读量208 收藏
点赞数
分类专栏： Kafka 文章标签： kafka
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/zmzdmx/article/details/110941841
版权

文章目录

第1章 Kafka概述

1.1 消息队列（Message Queue）

1.1.1 传统消息队列的应用场景

image-20201207221942781

1.1.2 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。

image-20201207222533555

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。和点对点方式不同，发布到topic的消息会被所有订阅者消费。

image-20201207222640719

1.2 定义

Kafka是一个分布式的基于发布/订阅模式的消息队列，主要应用于大数据实时处理领域。

1.3 Kafka基础架构

image-20201207223659257

（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。

第2章 Kafka快速入门

2.1 安装部署

2.1.1 集群规划

hadoop102hadoop103hadoop104
zkzkzk
kafkakafkakafka

2.1.2 jar包下载

http://kafka.apache.org/downloads

2.1.3 集群部署

1）解压安装包

[root@hadoop102 software]# tar -zxvf kafka_2.11-2.0.0.tgz -C /opt/install/

2）修改解压后的文件名称

[root@hadoop102 install]# mv kafka_2.11-2.0.0/ kafka

3）在/opt/install/kafka目录下创建logs文件夹

[root@hadoop102 kafka]# mkdir logs

4）修改配置文件

[root@hadoop102 config]# vim server.properties

输入以下内容：
#broker的全局唯一编号，不能重复
broker.id=0
#删除topic功能使能
delete.topic.enable=true
#处理网络请求的线程数量
num.network.threads=3
#用来处理磁盘IO的现成数量
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运行日志存放的路径
log.dirs=/opt/install/kafka/logs
#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
#segment文件保留的最长时间，超时将被删除
log.retention.hours=168
#配置连接Zookeeper集群地址
zookeeper.connect=hadoop102:2181,hadoop103:2181,hadoop104:2181/kafka

5）配置环境变量

vi /etc/profile

export KAFKA_HOME=/opt/install/kafka
export PATH=$PATH:$KAFKA_HOME/bin

source /etc/profile

6）分发安装包

[root@hadoop102 install]# xsync kafka/

注意：分发之后记得配置其他机器的环境变量

分别在hadoop103和hadoop104上修改配置文件

/opt/install/kafka/config/server.properties中的broker.id=1、broker.id=2

注：broker.id不得重复

7）启动集群（首先启动zookeeper集群）

依次在hadoop102、hadoop103、hadoop104节点上启动kafka

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

image-20201208192444608

8）关闭集群

kafka-server-stop.sh

注意：

关于Kafka启动后无法正常关闭的问题解决方法（No kafka server to stop）

查看kafka关闭服务脚本kafka-server-stop.sh发现，该脚本通过

PIDS=$(ps ax | grep -i 'kafka\.Kafka' | grep java | grep -v grep | awk '{print $1}')

获取kafka的pid

这里我们需要改成下面的语句，来使脚本可以正常获取pid

PIDS=$(jps -lm | grep -i 'kafka.Kafka'| awk '{print $1}')

9）kafka群起脚本

新建kf.sh并赋予执行权限

#! /bin/bash
case $1 in
"start"){
    for i in `cat /opt/install/hadoop/etc/hadoop/slaves`
    do
        echo " --------启动 $i Kafka-------"
        ssh $i "source /etc/profile && /opt/install/kafka/bin/kafka-server-start.sh -daemon /opt/install/kafka/config/server.properties"
    done
};;
"stop"){
    for i in `cat /opt/install/hadoop/etc/hadoop/slaves`
    do
        echo " --------停止 $i Kafka-------"
        ssh $i "source /etc/profile && /opt/install/kafka/bin/kafka-server-stop.sh stop"
    done
};;
esac

image-20201208200510526

特别提醒

在脚本文件中加上了 source /etc/profile &&

是因为如果不加的话，读取不到环境变量，脚本不会起作用

2.2 Kafka命令行操作

1）查看当前服务器中的所有topic

[root@hadoop102 bin]# kafka-topics.sh --zookeeper hadoop102:2181 --list

2）创建topic

bin/kafka-topics.sh --zookeeper hadoop102:2181/kafka --create --replication-factor 3 --partitions 1 --topic first

选项说明：

–topic 定义topic名

–replication-factor 定义副本数

–partitions 定义分区数

注意：kafka无法创建topic https://blog.youkuaiyun.com/g1219371445/article/details/78828915

3）删除topic

bin/kafka-topics.sh --zookeeper hadoop102:2181/kafka --delete --topic first

需要server.properties中设置delete.topic.enable=true否则只是标记删除。

4）发送消息

bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --from-beginning --topic first

–from-beginning：会把主题中以往所有的数据都读取出来。

6）查看某个Topic的详情

bin/kafka-topics.sh --zookeeper hadoop102:2181/kafka --describe --topic first

7）修改分区数

bin/kafka-topics.sh --zookeeper hadoop102:2181/kafka --alter --topic first --partitions 6

8）查看消息队列中每个分区中的数量

kafka-run-class.sh kafka.tools.GetOffsetShell --broker-list 192.168.83.100:9092 --topic kb09demo -time -1 --offsets 1

第3章 Kafka架构深入

3.1 Kafka工作流程及文件存储机制

image-20201209140756604

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。

image-20201209140946828

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对应两个文件——“.index”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，first这个topic有三个分区，则其对应的文件夹为first-0,first-1,first-2。

00000000000000000000.index
00000000000000000000.log
00000000000000170410.index
00000000000000170410.log
00000000000000239430.index
00000000000000239430.log

index和log文件以当前segment的第一条消息的offset命名。下图为index文件和log文件的结构示意图。

image-20201209141405964

“.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。

3.2 Kafka生产者

3.2.1 分区策略

1）分区的原因

（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，因为可以以Partition为单位读写了。

2）分区的原则

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

image-20201209141953867

（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。

3.2.2 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。

image-20201209142356667

1）副本数据同步策略

方案优点缺点
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
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。

2）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？

Leader维护了一个动态的in-sync replica set (ISR)，意为和leader保持同步的follower集合。当ISR中的follower完成数据的同步之后，leader就会给producer发送ack。如果follower长时间未向leader同步数据，则该follower将被踢出ISR，该时间阈值由replica.lag.time.max.ms参数设定。Leader发生故障之后，就会从ISR中选举新的leader。

3）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；

image-20201209143240480

-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。

image-20201209143541009

4）故障处理细节

image-20201209144442059

（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。

3.2.3 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 Most 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。

3.3 Kafka消费者

3.3.1 消费方式

consumer采用pull（拉）模式从broker中读取数据。

push（推）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。

3.3.2 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

tutieshi_640x360_17s

2）range

tutieshi_640x360_9s

3.3.3 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**。

3.4 Kafka高效读写数据

1）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。

2）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

3）零复制技术

image-20201209161431968

3.5 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。

以下为partition的leader选举过程：

image-20201209161652945

3.6 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。

3.6.1 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。

3.6.2 Consumer事务（精准一次性消费）

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）。这部分知识会在后续项目部分涉及。

第4章 Kafka API

4.1 Producer API

4.1.1 消息发送流程

Kafka的Producer发送消息采用的是异步发送的方式。在消息发送的过程中，涉及到了两个线程——main线程和Sender线程，以及一个线程共享变量——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。

image-20201209162513597

相关参数：

batch.size：只有数据积累到batch.size之后，sender才会发送数据。

linger.ms：如果数据迟迟未达到batch.size，sender等待linger.time之后就会发送数据。

4.1.2 异步发送API

1）导入依赖

<dependency>
  <groupId>org.apache.kafka</groupId>
  <artifactId>kafka-clients</artifactId>
  <version>2.0.0</version>
</dependency>

需要用到的类：

KafkaProducer：需要创建一个生产者对象，用来发送数据

ProducerConfig：获取所需的一系列配置参数

ProducerRecord：每条数据都要封装成一个ProducerRecord对象

（1）不带回调函数的API

package nj.zb.kb09;

import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

public class CustomProducer {
    public static void main(String[] args) {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");//kafka集群
        prop.put("acks","all");
        prop.put("retries",1);//重试次数
        prop.put("batch.size",16384);//批次大小
        prop.put("linger.ms",1);//等待时间
        prop.put("buffer.memory",33554432);//RecordAccumulator缓冲区大小
        prop.put("key.serializer", StringSerializer.class);
        prop.put("value.serializer",StringSerializer.class);

        Producer<String,String> producer=new KafkaProducer<String, String>(prop);
        for (int i = 0; i < 100; i++) {
            producer.send(new ProducerRecord("first","hello world"+i));
        }
        producer.close();
    }
}

（2）带回调函数的API

回调函数会在producer收到ack时调用，为异步调用，该方法有两个参数，分别是RecordMetadata和Exception，如果Exception为null，说明消息发送成功，如果Exception不为null，说明消息发送失败。

注意：消息发送失败会自动重试，不需要我们在回调函数中手动重试。

package nj.zb.kb09;

import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

public class CustomProducer {
    public static void main(String[] args) {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");//kafka集群
        prop.put("acks","all");
        prop.put("retries",1);//重试次数
        prop.put("batch.size",16384);//批次大小
        prop.put("linger.ms",1);//等待时间
        prop.put("buffer.memory",33554432);//RecordAccumulator缓冲区大小
        prop.put("key.serializer", StringSerializer.class);
        prop.put("value.serializer",StringSerializer.class);

        Producer<String,String> producer=new KafkaProducer<String, String>(prop);
        for (int i = 0; i < 100; i++) {
            producer.send(new ProducerRecord("first", "hello world" + i, new Callback() {
                //回调函数，该方法会在Producer收到ack时调用，为异步调用
                @Override
                public void onCompletion(RecordMetadata recordMetadata, Exception e) {
                    if (e==null){
                        System.out.println("success->"+recordMetadata.offset());
                    }else {
                        e.printStackTrace();
                    }

                }
            }));
        }
        producer.close();
    }
}

4.1.3 同步发送API

同步发送的意思就是，一条消息发送之后，会阻塞当前线程，直至返回ack。

由于send方法返回的是一个Future对象，根据Futrue对象的特点，我们也可以实现同步发送的效果，只需在调用Future对象的get方发即可。

package nj.zb.kb09;

import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;
import java.util.concurrent.ExecutionException;

public class CustomProducer {
    public static void main(String[] args) throws ExecutionException, InterruptedException {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");//kafka集群
        prop.put("acks","all");
        prop.put("retries",1);//重试次数
        prop.put("batch.size",16384);//批次大小
        prop.put("linger.ms",1);//等待时间
        prop.put("buffer.memory",33554432);//RecordAccumulator缓冲区大小
        prop.put("key.serializer", StringSerializer.class);
        prop.put("value.serializer",StringSerializer.class);

        Producer<String,String> producer=new KafkaProducer<String, String>(prop);
        for (int i = 0; i < 100; i++) {
            producer.send(new ProducerRecord("first", "hello world" + i)).get();
        }
        producer.close();
    }
}

4.2 Consumer API

Consumer消费数据时的可靠性是很容易保证的，因为数据在Kafka中是持久化的，故不用担心数据丢失问题。

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。

所以offset的维护是Consumer消费数据是必须考虑的问题。

4.2.1 自动提交offset

1）导入依赖

<dependency>
  <groupId>org.apache.kafka</groupId>
  <artifactId>kafka-clients</artifactId>
  <version>2.0.0</version>
</dependency>

2）编写代码

需要用到的类：

KafkaConsumer：需要创建一个消费者对象，用来消费数据

ConsumerConfig：获取所需的一系列配置参数

ConsuemrRecord：每条数据都要封装成一个ConsumerRecord对象

为了使我们能够专注于自己的业务逻辑，Kafka提供了自动提交offset的功能。

自动提交offset的相关参数：

enable.auto.commit：是否开启自动提交offset功能
auto.commit.interval.ms：自动提交offset的时间间隔

以下为自动提交offset的代码：

package nj.zb.kb09;

import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.util.Collections;
import java.util.Properties;

public class CustomConsumer {
    public static void main(String[] args) {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");
        prop.put("group.id","test");
        prop.put("enable.auto.commit","true");
        prop.put("auto.commit.interval.ms","1000");
        prop.put("key.deserializer", StringDeserializer.class);
        prop.put("value.deserializer", StringDeserializer.class);

        KafkaConsumer<String,String> consumer=new KafkaConsumer<String, String>(prop);
        consumer.subscribe(Collections.singleton("first"));
        while (true){
            ConsumerRecords<String, String> records = consumer.poll(100);
            for (ConsumerRecord<String, String> record : records) {
                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
            }
        }
    }
}

4.2.2 手动提交offset

虽然自动提交offset十分简介便利，但由于其是基于时间提交的，开发人员难以把握offset提交的时机。因此Kafka还提供了手动提交offset的API。

手动提交offset的方法有两种：分别是commitSync（同步提交）和commitAsync（异步提交）。两者的相同点是，都会将本次poll的一批数据最高的偏移量提交；不同点是，commitSync阻塞当前线程，一直到提交成功，并且会自动失败重试（由不可控因素导致，也会出现提交失败）；而commitAsync则没有失败重试机制，故有可能提交失败。

1）同步提交offset

由于同步提交offset有失败重试机制，故更加可靠，以下为同步提交offset的示例。

package nj.zb.kb09;

import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.util.Collections;
import java.util.Properties;

public class CustomConsumer {
    public static void main(String[] args) {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");
        prop.put("group.id","test");//消费者组，只要group.id相同，就属于同一个消费者组
        prop.put("enable.auto.commit","false");//关闭自动提交offset
        prop.put("auto.commit.interval.ms","1000");
        prop.put("key.deserializer", StringDeserializer.class);
        prop.put("value.deserializer", StringDeserializer.class);

        KafkaConsumer<String,String> consumer=new KafkaConsumer<String, String>(prop);
        consumer.subscribe(Collections.singleton("first"));//消费者订阅主题
        while (true){
            ConsumerRecords<String, String> records = consumer.poll(100);//消费者拉取数据
            for (ConsumerRecord<String, String> record : records) {
                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
            }
            consumer.commitSync();//同步提交，当前线程会阻塞知道offset提交成功
        }
    }
}

2）异步提交offset

虽然同步提交offset更可靠一些，但是由于其会阻塞当前线程，直到提交成功。因此吞吐量会收到很大的影响。因此更多的情况下，会选用异步提交offset的方式。

以下为异步提交offset的示例：

package nj.zb.kb09;

import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.util.Collections;
import java.util.Map;
import java.util.Properties;

public class CustomConsumer {
    public static void main(String[] args) {
        Properties prop=new Properties();
        prop.put("bootstrap.servers","192.168.83.102:9092");
        prop.put("group.id","test");//消费者组，只要group.id相同，就属于同一个消费者组
        prop.put("enable.auto.commit","false");//关闭自动提交offset
        prop.put("auto.commit.interval.ms","1000");
        prop.put("key.deserializer", StringDeserializer.class);
        prop.put("value.deserializer", StringDeserializer.class);

        KafkaConsumer<String,String> consumer=new KafkaConsumer<String, String>(prop);
        consumer.subscribe(Collections.singleton("first"));//消费者订阅主题
        while (true){
            ConsumerRecords<String, String> records = consumer.poll(100);//消费者拉取数据
            for (ConsumerRecord<String, String> record : records) {
                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
            }
            consumer.commitAsync(new OffsetCommitCallback() {
                @Override
                public void onComplete(Map<TopicPartition, OffsetAndMetadata> offsets, Exception exception) {
                    if (exception != null) {
                        System.err.println("Commit failed for" + offsets);
                    }
                }
            });//异步提交
        }
    }
}

3）数据漏消费和重复消费分析

无论是同步提交还是异步提交offset，都有可能会造成数据的漏消费或者重复消费。先提交offset后消费，有可能造成数据的漏消费；而先消费后提交offset，有可能会造成数据的重复消费。

image-20201209173954227

第5章 Kafka监控（Kafka Eagle）

1）修改kafka启动命令

修改kafka-server-start.sh命令中

if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
    export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
fi

为

if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
    export KAFKA_HEAP_OPTS="-server -Xms2G -Xmx2G -XX:PermSize=128m -XX:+UseG1GC -XX:MaxGCPauseMillis=200 -XX:ParallelGCThreads=8 -XX:ConcGCThreads=5 -XX:InitiatingHeapOccupancyPercent=70"
    export JMX_PORT="9999"
    #export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
fi

注意：修改之后在启动Kafka之前要分发之其他节点

2）上传压缩包kafka-eagle-bin-1.3.7.tar.gz到集群/opt/software目录

链接: https://pan.baidu.com/s/18u3eyYArbjwb9g2bzsOqyw 提取码: 9qh4 复制这段内容后打开百度网盘手机App，操作更方便哦

3）解压到本地

[root@hadoop102 software]# tar -zxvf kafka-eagle-bin-1.4.5.tar.gz

4）进入刚才解压的目录

[root@hadoop102 software]# cd kafka-eagle-bin-1.4.5
[root@hadoop102 kafka-eagle-bin-1.4.5]# ll
total 73952
-rw-rw-r--. 1 root root 75722791 Mar 21  2020 kafka-eagle-web-1.4.5-bin.tar.gz
[root@hadoop102 kafka-eagle-bin-1.4.5]# tar -zxvf kafka-eagle-web-1.4.5-bin.tar.gz -C /opt/install

6）修改名称

[root@hadoop102 install]# mv kafka-eagle-web-1.4.5/ eagle

7）给启动文件执行权限


[root@hadoop102 install]# cd eagle/
[root@hadoop102 eagle]# cd bin
[root@hadoop102 bin]# ll
total 12
-rw-r--r--. 1 root root 1848 Aug 22  2017 ke.bat
-rw-r--r--. 1 root root 7716 Mar  4  2020 ke.sh
[root@hadoop102 bin]# chmod 777 ke.sh

8）修改配置文件

######################################
# multi zookeeper&kafka cluster list
######################################
kafka.eagle.zk.cluster.alias=cluster1
cluster1.zk.list=hadoop102:2181,hadoop103:2181,hadoop104:2181

######################################
# kafka offset storage
######################################
cluster1.kafka.eagle.offset.storage=kafka

######################################
# enable kafka metrics
######################################
kafka.eagle.metrics.charts=true
kafka.eagle.sql.fix.error=false

######################################
# kafka jdbc driver address
######################################
kafka.eagle.driver=com.mysql.jdbc.Driver
kafka.eagle.url=jdbc:mysql://hadoop102:3306/ke?useUnicode=true&characterEncoding=UTF-8&zeroDateTimeBehavior=convertToNull
kafka.eagle.username=root
kafka.eagle.password=000000

9）添加环境变量

export KE_HOME=/opt/install/eagle
export PATH=$PATH:$KE_HOME/bin

注意：source /etc/profile

10）启动

注意：启动之前需要先启动ZK以及KAFKA

ke.sh start

image-20201209184516585

11）登录页面查看监控数据

http://192.168.83.102:8048/ke

kafka文件存储机制
congge_study的博客
03-06 8800
kafka文件存储机制
Kafka文件存储机制详解
清晨@暖阳
07-27 1150
Kafka文件存储机制详解一、Kafka粗略解释二、Kafka的名词解释三、Kafka文件存储机制1、partiton（分区）中文件存储方式2、partiton中segment文件存储结构3、消息的物理结构a、那么如何在分区中通过offset查找消息？总结Kafka高效文件存储设计特点 一、Kafka粗略解释 Kafka是一个分布式、分区的、多副本的、多订阅者，基于zookeeper协调的分布式日志系统(也可以当做MQ系统)，常见可以用于web/nginx日志、访问日志，消息服务等（注重于消息队列的使用）
kafka 如何存储数据？为什么这么快？
liang只的博客
01-12 501
Kafka 依赖于文件系统（更底层地来说就是磁盘）来存储和缓存消息。在我们的印象中，对于各个存储介质的速度认知大体同下图所示的相同，层级越高代表速度越快。 很显然，磁盘处于一个比较尴尬的位置，这不禁让我们怀疑 Kafka 采用这种持久化形式能否提供有竞争力的性能。在传统的消息中间件 RabbitMQ 中，就使用内存作为默认的存储介质，而磁盘作为备选介质，以此实现高吞吐和低延迟的特性。然而，事实上磁盘可以比我们预想的要快，也可能比我们预想的要慢，这完全取决于我们如何使用它。 有关测试结果表明，一个由6
kafka存储原理介绍
huangsky001的博客
02-05 624
几个基本概念 Topic 消息主题。 每一条消息都必须要指定主题。kafka集群可以同时进行多个topic的分发。 Broker 消息处理的节点。 可以立即为每个broker是一个单独的kafka进程， 一般部署在不同的机器上， 多个broker共同组成一个集群。 Partition 分区。是topic在物理上的分组。每个partition实际上就是一个目录。 对于同一个topic下的多条消息， 按照一定的规则存储在多个partition上。 对于每个partition而言，消息的存储是有序的，但是对于整个
Kafka面试小结八：kafka数据存储在内存还是磁盘
之乎者也·的博客
10-31 2377
然后，Kafka使用一定的时间间隔将缓存中的消息批量写入磁盘。缓存的大小可以通过Kafka配置中的`log.flush.interval.messages`和`log.flush.interval.ms`参数来配置。当缓存中的消息被写入磁盘时，它们被追加到一个或多个日志文件中。需要注意的是，Kafka的数据存储在磁盘上是持久的，而在内存中的缓存则具有一定的容量限制。当缓存的大小达到了阈值或者达到了一定的时间间隔时，Kafka会将缓存中的消息写入磁盘，以确保数据的安全性和可靠性。
深入了解Kafka的文件存储原理
爱琴孩的博客
03-02 1485
Kafka最初由Linkedin公司开发的分布式、分区的、多副本的、多订阅者的消息系统。它提供了类似于JMS的特性，但是在设计实现上完全不同，此外它并不是JMS规范的实现。kafka对消息保存是根据Topic进行归类，发送消息者称为Producer；消息接受者称为Consumer；此外kafka集群有多个kafka实例组成，每个实例(server)称为broker。
大数据架构入门总结（Flume + Kafka + ZooKeeper + Spark Streaming + Drools + ELK）
神经质的盛宴的专栏
04-25 3467
这两天学习了Flume + Kafka + ZooKeeper + Spark Streaming + Drools + ELK进行大数据架构，有很多的体会和总结。这边将我的总结记录下来给感兴趣的同学提供参考参考，帮助大家可以更快的入门。 【架构的数据流转】 1、首先flume从日志中采集数据，这个日志可以是各种来源，比如说日志文件或者Socket通信。 2、然后flume将采集的数据推送到
Kafka入门到精通
shuai_h的博客
07-10 4014
Kafka是由Apache软件基金会开发的一个开源流平台，由Scala和Java编写。Kafka的Apache官网是这样介绍Kakfa的。Apache Kafka是一个分布式流平台。发布和订阅流数据流，类似于消息队列或者是企业消息传递系统以容错的持久化方式存储数据流处理数据流Publish and subscribe：发布与订阅Store：存储Process：处理特性。
kafka快速入门
04-14
内部培训用的，有史以来最详尽的kafka培训资料，kafka 快速入门
zookeeper+kafka消息队列群集部署
weixin_73188318的博客
07-15 1869
基本概念ZooKeeper是一个开源的分布式协调服务，由Apache软件基金会开发。它主要用于维护配置信息、命名、提供分布式同步和提供组服务等。主要特点原子性：ZooKeeper的更新操作是原子的，即要么成功，要么失败，不会出现部分成功的情况。持久性：一旦数据被创建，它就会一直存在，直到被显式地删除。顺序性：ZooKeeper为每一个更新操作提供一个唯一的时间戳（ZXID），从而保证了操作的顺序性。架构ZooKeeper的架构包括客户端（Client）和服务器（Server）两部分。
Kafka快速入门（docker-compose-kafka.yml文件）
最新发布
10-04
Kafka作为一个分布式流...通过该文件，用户能够高效地搭建起Kafka环境，并在实践中深入理解和掌握Kafka的相关知识。随着操作经验的增长，用户能够对文件中的配置项做出更加专业和复杂的调整，以适应不同的应用场景。
kafka读取写入数据
08-24
kafka读取写入数据
Kafka工作原理详解
03-18
Kafka工作原理详解， 非常实用的文档，建议下载收藏。
kafka-大数据存储的基础理解
北城青的博客
09-26 687
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。Kafka是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写。Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。
kafka系列2---kafka数据存储原理
yu766588220的专栏
01-03 658
1、kafka高性能文件读写设计原理 kafka中的数据是以日志的形式进行存储，所以分区实际上就是日志。 1.1磁盘读写并不慢 磁盘线性读写的速度比随机读写的速度快6000倍。现代操作系统提供了 read-ahead 和 write-behind 技术，read-ahead 是以大的 data block 为单位预先读取数据，而 write-behind 是将多个小型的逻辑写合并成一...
Kafka的数据放在磁盘上还是内存上，为啥速度会快
weixin_45417821的博客
09-21 4112
kafka使用的是磁盘存储。 速度快是因为： 1，顺序写入，因为磁盘是机械结构，每次读写都会寻址 -> 写入，其中寻址是一个机械动作，他是耗时的，所以磁盘很讨厌 随机IO , 喜欢顺序IO，为了提高读写硬盘的速度，kafka用的就是顺序IO。 2，Memory Mapped Files（内存映射文件），64位操作系统中一般可以表示20G的数据文件，他的工作原理是直接利用操作系统的page （内存管理单元） 来实现文件到物理内存的直接映射，完成映射后，对物理内存的操作会被同步到磁盘上。 3，kafka
kafka--消息存储的原理
zhang09090606的博客
04-17 520
一、简介 我们知道Kafka中的消息是存储在磁盘上的， 那么为什么要使用磁盘作为存储介质？具体消息的存储格式又是什么呢？怎么样能够快速检索到指定的消息？消息不可能无限制存储， 那么清理规则又是什么呢？ 二、文件目录布局 Kafka 中的消息是以主题为基本单位进行归类的， 各个主题在逻辑 上相互独立。 每个主题又可以分为一个或多个分区， 分区的数量可以在主题创建的时候指定， 也可以在之后修改。 每条消息在发送的时候会根据分区规则被追加到指定的分区中， 分区中的每条消息都会被分配一个唯一的序列号， .
kafka消息存储机制和原理
热门推荐
zhangxm_qz的博客
02-18 1万+
消息的保存路径 消息发送端发送消息到 broker 上以后，消息是如何持久化的？ 首先我们需要了解的是，kafka 是使用日志文件的方式来保存生产者和发送者的消息，每条消息都有一个 offset 值来表示它在分区中的偏移量。Kafka 中存储的一般都是海量的消息数据，为了避免日志文件过大，一个分片 并不是直接对应在一个磁盘上的日志文件，而是对应磁盘上的一个目录，这个目录的命名规则是&amp;amp;amp;amp;lt;topi...
Kafka的Log存储原理再析
孙大迪迪的博客
01-24 2821
1、Partition中的分段存储Segment 一个partition被切割成多个相同大小的segment(这个是由log.segment.bytes 决定，控制每个segment的大小) 2、Partition中的Segment文件的数据结构 接下来看下segment的存储结构 segment file组成：由2大部分组成，分别为index file和data file，此2个文件一一对应，成...
Kafka入门教程与深入解析
深入浅出Kafka，实际上是指对于Kafka的更深层次的理解和应用。学习Kafka并不仅仅是理解其基本概念和操作，还需要掌握其设计原理、性能优化、故障处理等高级主题。 ### Kafka设计原理 - **数据模型**：Kafka使用了...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值