超詳細講解，帶你零基礎(chǔ)入門kafka！
認識 kafka
kafka簡介
Kafka 是一個分布式流媒體平臺，kafka官網(wǎng)：http://kafka.apache.org/
1）流媒體平臺有三個關(guān)鍵功能：
- 「發(fā)布和訂閱記錄流」，類似于消息隊列或企業(yè)消息傳遞系統(tǒng)。
- 「以容錯的持久方式存儲」 記錄流。
- 記錄發(fā)生時處理流。
2）Kafka通常用于兩大類應(yīng)用：
- 構(gòu)建可在 「系統(tǒng)或應(yīng)用程序之間」 可靠獲取數(shù)據(jù)的實時流數(shù)據(jù)管道
- 構(gòu)建轉(zhuǎn)換或響應(yīng)數(shù)據(jù)流的實時流應(yīng)用程序
3）首先是幾個概念：
- Kafka作為一個集群運行在一個或多個可跨多個**「數(shù)據(jù)中心的服務(wù)器」**上。
- Kafka集群以稱為** topics主題**的類別存儲記錄流。
- 每條記錄都包含**「一個鍵，一個值和一個時間戳」**。
4）Kafka有四個核心API：
- 「Producer API（生產(chǎn)者API」）允許應(yīng)用程序發(fā)布記錄流至一個或多個kafka的topics（主題）。
- 「Consumer API（消費者API」）允許應(yīng)用程序訂閱一個或多個topics（主題），并處理所產(chǎn)生的對他們記錄的數(shù)據(jù)流。
- Streams API（流API） 允許應(yīng)用程序充當(dāng)流處理器，從一個或多個topics（主題）消耗的輸入流，并產(chǎn)生一個輸出流至一個或多個輸出的topics（主題），有效地變換所述輸入流，以輸出流。
- 「Connector API（連接器API」）允許構(gòu)建和運行kafka topics（主題）連接到現(xiàn)有的應(yīng)用程序或數(shù)據(jù)系統(tǒng)中重用生產(chǎn)者或消費者。例如，關(guān)系數(shù)據(jù)庫的連接器可能捕獲對表的每個更改。
圖片
在Kafka中，客戶端和服務(wù)器之間的通信是通過簡單，高性能，語言無關(guān)的TCP協(xié)議完成的。此協(xié)議已版本化并保持與舊版本的向后兼容性。Kafka提供Java客戶端，但客戶端有多種語言版本。
1.2 Topics主題 和 partitions分區(qū)
我們首先深入了解 Kafka 為記錄流提供的核心抽象 - 主題topics
一個Topic可以認為是一類消息，每個topic將被分成多個partition(區(qū)),每個partition在存儲層面是append log文件
主題是發(fā)布記錄的類別或訂閱源名稱。Kafka的主題總是多用戶; 也就是說，一個主題可以有零個，一個或多個消費者訂閱寫入它的數(shù)據(jù)。
對于每個主題，Kafka群集都維護一個如下所示的分區(qū)日志：
圖片
每個分區(qū)都是一個有序的，不可變的記錄序列，不斷附加到結(jié)構(gòu)化的提交日志中。分區(qū)中的記錄每個都分配了一個稱為偏移的順序ID號，它唯一地標(biāo)識分區(qū)中的每個記錄。
Kafka集群持久保存所有已發(fā)布的記錄 - 無論是否已使用 - 使用可配置的保留期。例如，如果保留策略設(shè)置為兩天，則在發(fā)布記錄后的兩天內(nèi)，它可供使用，之后將被丟棄以釋放空間。Kafka的性能在數(shù)據(jù)大小方面實際上是恒定的，因此長時間存儲數(shù)據(jù)不是問題。
圖片
實際上，基于每個消費者保留的唯一元數(shù)據(jù)是該消費者在日志中的偏移或位置。這種偏移由消費者控制：通常消費者在讀取記錄時會線性地提高其偏移量，但事實上，由于該位置由消費者控制，因此它可以按照自己喜歡的任何順序消費記錄。例如，消費者可以重置為較舊的偏移量來重新處理過去的數(shù)據(jù)，或者跳到最近的記錄并從“現(xiàn)在”開始消費。
這些功能組合意味著Kafka 消費者consumers 非常cheap - 他們可以來來往往對集群或其他消費者沒有太大影響。例如，您可以使用我們的命令行工具“tail”任何主題的內(nèi)容，而無需更改任何現(xiàn)有使用者所消耗的內(nèi)容。
日志中的分區(qū)有多種用途。首先，它們允許日志擴展到超出適合單個服務(wù)器的大小。每個單獨的分區(qū)必須適合托管它的服務(wù)器，但主題可能有許多分區(qū)，因此它可以處理任意數(shù)量的數(shù)據(jù)。其次，它們充當(dāng)了并行性的單位 - 更多的是它。
1.3 Distribution分配
一個Topic的多個partitions,被分布在kafka集群中的多個server上;每個server(kafka實例)負責(zé)partitions中消息的讀寫操作;此外kafka還可以配置partitions需要備份的個數(shù)(replicas),每個partition將會被備份到多臺機器上,以提高可用性.
基于replicated方案,那么就意味著需要對多個備份進行調(diào)度;每個partition都有一個server為"leader";leader負責(zé)所有的讀寫操作,如果leader失效,那么將會有其他follower來接管(成為新的leader);follower只是單調(diào)的和leader跟進,同步消息即可..由此可見作為leader的server承載了全部的請求壓力,因此從集群的整體考慮,有多少個partitions就意味著有多少個"leader",kafka會將"leader"均衡的分散在每個實例上,來確保整體的性能穩(wěn)定。
1.4 Producers生產(chǎn)者 和 Consumers消費者
1.4.1 Producers生產(chǎn)者
Producers 將數(shù)據(jù)發(fā)布到指定的topics 主題。同時Producer 也能決定將此消息歸屬于哪個partition;比如基于"round-robin"方式或者通過其他的一些算法等。
1.4.2 Consumers
- 本質(zhì)上kafka只支持Topic.每個consumer屬于一個consumer group;反過來說,每個group中可以有多個consumer.發(fā)送到Topic的消息,只會被訂閱此Topic的每個group中的一個consumer消費。
- 如果所有使用者實例具有相同的使用者組，則記錄將有效地在使用者實例上進行負載平衡。
- 如果所有消費者實例具有不同的消費者組，則每個記錄將廣播到所有消費者進程。
圖片
分析：兩個服務(wù)器Kafka群集，托管四個分區(qū)（P0-P3），包含兩個使用者組。消費者組A有兩個消費者實例，B組有四個消費者實例。
在Kafka中實現(xiàn)消費consumption 的方式是通過在消費者實例上劃分日志中的分區(qū)，以便每個實例在任何時間點都是分配的“公平份額”的獨占消費者。維護組中成員資格的過程由Kafka協(xié)議動態(tài)處理。如果新實例加入該組，他們將從該組的其他成員接管一些分區(qū); 如果實例死亡，其分區(qū)將分發(fā)給其余實例。
Kafka僅提供分區(qū)內(nèi)記錄的總訂單，而不是主題中不同分區(qū)之間的記錄。對于大多數(shù)應(yīng)用程序而言，按分區(qū)排序與按鍵分區(qū)數(shù)據(jù)的能力相結(jié)合就足夠了。但是，如果您需要對記錄進行總訂單，則可以使用僅包含一個分區(qū)的主題來實現(xiàn)，但這將意味著每個使用者組只有一個使用者進程。
1.5 Consumers kafka確保
- 發(fā)送到partitions中的消息將會按照它接收的順序追加到日志中。也就是說，如果記錄M1由與記錄M2相同的生成者發(fā)送，并且首先發(fā)送M1，則M1將具有比M2更低的偏移并且在日志中更早出現(xiàn)。
- 消費者實例按照它們存儲在日志中的順序查看記錄。對于消費者而言,它們消費消息的順序和日志中消息順序一致。
- 如果Topic的"replicationfactor"為N,那么允許N-1個kafka實例失效，我們將容忍最多N-1個服務(wù)器故障，而不會丟失任何提交到日志的記錄。
1.6 kafka作為消息系統(tǒng)
Kafka的流概念與傳統(tǒng)的企業(yè)郵件系統(tǒng)相比如何？
（1）傳統(tǒng)消息系統(tǒng)
消息傳統(tǒng)上有兩種模型：queuing排隊 and publish-subscribe發(fā)布 - 訂閱。在隊列中，消費者池可以從服務(wù)器讀取并且每個記錄轉(zhuǎn)到其中一個; 在發(fā)布 - 訂閱中，記錄被廣播給所有消費者。這兩種模型中的每一種都有優(yōu)點和缺點。排隊的優(yōu)勢在于它允許您在多個消費者實例上劃分數(shù)據(jù)處理，從而可以擴展您的處理。不幸的是，一旦一個進程讀取它已經(jīng)消失的數(shù)據(jù)，隊列就不是多用戶。發(fā)布 - 訂閱允許您將數(shù)據(jù)廣播到多個進程，但由于每條消息都發(fā)送給每個訂閱者，因此無法進行擴展處理。
卡夫卡的消費者群體概念概括了這兩個概念。與隊列一樣，使用者組允許您將處理劃分為一組進程（使用者組的成員）。與發(fā)布 - 訂閱一樣，Kafka允許您向多個消費者組廣播消息。
（2）kafka 的優(yōu)勢
Kafka模型的優(yōu)勢在于每個主題都具有這些屬性 - 它可以擴展處理并且也是多用戶 - 不需要選擇其中一個。
與傳統(tǒng)的消息系統(tǒng)相比，Kafka具有更強的訂購保證。
傳統(tǒng)隊列在服務(wù)器上按順序保留記錄，如果多個消費者從隊列中消耗，則服務(wù)器按照存儲順序分發(fā)記錄。但是，雖然服務(wù)器按順序分發(fā)記錄，但是記錄是異步傳遞給消費者的，因此它們可能會在不同的消費者處出現(xiàn)故障。這實際上意味著在存在并行消耗的情況下丟失記錄的順序。消息傳遞系統(tǒng)通常通過具有“獨占消費者”概念來解決這個問題，該概念只允許一個進程從隊列中消耗，但當(dāng)然這意味著處理中沒有并行性。
kafka做得更好。通過在主題中具有并行性概念 - 分區(qū) - ，Kafka能夠在消費者流程池中提供訂購保證和負載平衡。這是通過將主題中的分區(qū)分配給使用者組中的使用者來實現(xiàn)的，以便每個分區(qū)僅由該組中的一個使用者使用。通過這樣做，我們確保使用者是該分區(qū)的唯一讀者并按順序使用數(shù)據(jù)。由于有許多分區(qū)，這仍然可以平衡許多消費者實例的負載。但請注意，消費者組中的消費者實例不能超過分區(qū)。
1.7 kafka作為存儲系統(tǒng)
- 任何允許發(fā)布與消費消息分離的消息的消息隊列實際上充當(dāng)了正在進行的消息的存儲系統(tǒng)。Kafka的不同之處在于它是一個非常好的存儲系統(tǒng)。
- 寫入Kafka的數(shù)據(jù)將寫入磁盤并進行復(fù)制以實現(xiàn)容錯。Kafka允許生產(chǎn)者等待確認，以便在完全復(fù)制之前寫入不被認為是完整的，并且即使寫入的服務(wù)器失敗也保證寫入仍然存在。
- 磁盤結(jié)構(gòu)Kafka很好地使用了規(guī)模 - 無論服務(wù)器上有50 KB還是50 TB的持久數(shù)據(jù)，Kafka都會執(zhí)行相同的操作。
- 由于認真對待存儲并允許客戶端控制其讀取位置，您可以將Kafka視為一種專用于高性能，低延遲提交日志存儲，復(fù)制和傳播的專用分布式文件系統(tǒng)。
1.8 kafka用于流處理
- 僅僅讀取，寫入和存儲數(shù)據(jù)流是不夠的，目的是實現(xiàn)流的實時處理。
- 在Kafka中，流處理器是指從輸入主題獲取連續(xù)數(shù)據(jù)流，對此輸入執(zhí)行某些處理以及生成連續(xù)數(shù)據(jù)流以輸出主題的任何內(nèi)容。
- 例如，零售應(yīng)用程序可能會接收銷售和發(fā)貨的輸入流，并輸出重新排序流和根據(jù)此數(shù)據(jù)計算的價格調(diào)整。
- 可以使用生產(chǎn)者和消費者API直接進行簡單處理。但是，對于更復(fù)雜的轉(zhuǎn)換，Kafka提供了完全集成的Streams API。這允許構(gòu)建執(zhí)行非平凡處理的應(yīng)用程序，這些應(yīng)用程序可以計算流的聚合或?qū)⒘鬟B接在一起。
- 此工具有助于解決此類應(yīng)用程序面臨的難題：處理無序數(shù)據(jù)，在代碼更改時重新處理輸入，執(zhí)行有狀態(tài)計算等。
- 流API構(gòu)建在Kafka提供的核心原語上：它使用生產(chǎn)者和消費者API進行輸入，使用Kafka進行有狀態(tài)存儲，并在流處理器實例之間使用相同的組機制來實現(xiàn)容錯。
2、kafka使用場景
2.1 消息Messaging
Kafka可以替代更傳統(tǒng)的消息代理。消息代理的使用有多種原因（將處理與數(shù)據(jù)生成器分離，緩沖未處理的消息等）。與大多數(shù)消息傳遞系統(tǒng)相比，Kafka具有更好的吞吐量，內(nèi)置分區(qū)，復(fù)制和容錯功能，這使其成為大規(guī)模消息處理應(yīng)用程序的理想解決方案。
根據(jù)經(jīng)驗，消息傳遞的使用通常相對較低，但可能需要較低的端到端延遲，并且通常取決于Kafka提供的強大的耐用性保證。
在這個領(lǐng)域，Kafka可與傳統(tǒng)的消息傳遞系統(tǒng)（如ActiveMQ或 RabbitMQ）相媲美。
2.2 網(wǎng)站活動跟蹤
Kafka的原始用例是能夠?qū)⒂脩艋顒痈櫣艿乐亟橐唤M實時發(fā)布 - 訂閱源。這意味著站點活動（頁面查看，搜索或用戶可能采取的其他操作）將發(fā)布到中心主題，每個活動類型包含一個主題。這些源可用于訂購一系列用例，包括實時處理，實時監(jiān)控以及加載到Hadoop或離線數(shù)據(jù)倉庫系統(tǒng)以進行脫機處理和報告。
活動跟蹤通常非常高，因為為每個用戶頁面視圖生成了許多活動消息。
2.3 度量Metrics
Kafka通常用于運營監(jiān)控數(shù)據(jù)。這涉及從分布式應(yīng)用程序聚合統(tǒng)計信息以生成操作數(shù)據(jù)的集中式提要。
2.4 日志聚合
許多人使用Kafka作為日志聚合解決方案的替代品。日志聚合通常從服務(wù)器收集物理日志文件，并將它們放在中央位置（可能是文件服務(wù)器或HDFS）進行處理。Kafka抽象出文件的細節(jié)，并將日志或事件數(shù)據(jù)作為消息流更清晰地抽象出來。這允許更低延遲的處理并更容易支持多個數(shù)據(jù)源和分布式數(shù)據(jù)消耗。與Scribe或Flume等以日志為中心的系統(tǒng)相比，Kafka提供了同樣出色的性能，由于復(fù)制而具有更強的耐用性保證，以及更低的端到端延遲。
2.5 流處理
許多Kafka用戶在處理由多個階段組成的管道時處理數(shù)據(jù)，其中原始輸入數(shù)據(jù)從Kafka主題中消費，然后聚合，豐富或以其他方式轉(zhuǎn)換為新主題以供進一步消費或后續(xù)處理。
例如，用于推薦新聞文章的處理管道可以從RSS訂閱源抓取文章內(nèi)容并將其發(fā)布到“文章”主題; 進一步處理可能會對此內(nèi)容進行規(guī)范化或重復(fù)數(shù)據(jù)刪除，并將已清理的文章內(nèi)容發(fā)布到新主題; 最終處理階段可能會嘗試向用戶推薦此內(nèi)容。此類處理管道基于各個主題創(chuàng)建實時數(shù)據(jù)流的圖形。從0.10.0.0開始，這是一個輕量級但功能強大的流處理庫，名為Kafka Streams 在Apache Kafka中可用于執(zhí)行如上所述的此類數(shù)據(jù)處理。除了Kafka Streams之外，其他開源流處理工具包括Apache Storm和 Apache Samza。
2.6 Event Sourcing
Event Sourcing是一種應(yīng)用程序設(shè)計風(fēng)格，其中狀態(tài)更改記錄為按時間排序的記錄序列。Kafka對非常大的存儲日志數(shù)據(jù)的支持使其成為以這種風(fēng)格構(gòu)建的應(yīng)用程序的出色后端。
2.7 提交日志
Kafka可以作為分布式系統(tǒng)的一種外部提交日志。該日志有助于在節(jié)點之間復(fù)制數(shù)據(jù)，并充當(dāng)故障節(jié)點恢復(fù)其數(shù)據(jù)的重新同步機制。Kafka中的日志壓縮功能有助于支持此用法。在這種用法中，Kafka類似于Apache BookKeeper項目。
3、kafka安裝
3.1 下載安裝
到官網(wǎng)http://kafka.apache.org/downloads.html下載想要的版本。
注：由于Kafka控制臺腳本對于基于Unix和Windows的平臺是不同的，因此在Windows平臺上使用bin\windows\ 而不是bin/ 將腳本擴展名更改為.bat。
- [root@along ~]# wget http://mirrors.shu.edu.cn/apache/kafka/2.1.0/kafka_2.11-2.1.0.tgz
- [root@along ~]# tar -C /data/ -xvf kafka_2.11-2.1.0.tgz
- [root@along ~]# cd /data/kafka_2.11-2.1.0/
3.2 配置啟動zookeeper
kafka正常運行，必須配置zookeeper，否則無論是kafka集群還是客戶端的生存者和消費者都無法正常的工作的；所以需要配置啟動zookeeper服務(wù)。
（1）zookeeper需要java環(huán)境
- [root@along ~]# yum -y install java-1.8.0
（2）這里kafka下載包已經(jīng)包括zookeeper服務(wù)，所以只需修改配置文件，啟動即可。
如果需要下載指定zookeeper版本；可以單獨去zookeeper官網(wǎng)http://mirrors.shu.edu.cn/apache/zookeeper/下載指定版本。
- [root@along ~]# cd /data/kafka_2.11-2.1.0/
- [root@along kafka_2.11-2.1.0]# grep "^[^#]" config/zookeeper.properties
- dataDir=/tmp/zookeeper #數(shù)據(jù)存儲目錄
- clientPort=2181 #zookeeper端口
- maxClientCnxns=0
注：可自行添加修改zookeeper配置
3.3 配置kafka
（1）修改配置文件
- [root@along kafka_2.11-2.1.0]# grep "^[^#]" config/server.properties
- broker.id=0
- listeners=PLAINTEXT://localhost:9092
- 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=/tmp/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=localhost:2181
- zookeeper.connection.timeout.ms=6000
- group.initial.rebalance.delay.ms=0
注：可根據(jù)自己需求修改配置文件
- broker.id：#唯一標(biāo)識ID
- listeners=PLAINTEXT://localhost:9092：#kafka服務(wù)監(jiān)聽地址和端口
- log.dirs：#日志存儲目錄
- zookeeper.connect：#指定zookeeper服務(wù)
（2）配置環(huán)境變量
- [root@along ~]# vim /etc/profile.d/kafka.sh
- export KAFKA_HOME="/data/kafka_2.11-2.1.0"
- export PATH="${KAFKA_HOME}/bin:$PATH"
- [root@along ~]# source /etc/profile.d/kafka.sh
（3）配置服務(wù)啟動腳本
- [root@along ~]# vim /etc/init.d/kafka
- #!/bin/sh
- #
- # chkconfig: 345 99 01
- # description: Kafka
- #
- # File : Kafka
- #
- # Description: Starts and stops the Kafka server
- #
- source /etc/rc.d/init.d/functions
- KAFKA_HOME=/data/kafka_2.11-2.1.0
- KAFKA_USER=root
- export LOG_DIR=/tmp/kafka-logs
- [ -e /etc/sysconfig/kafka ] && . /etc/sysconfig/kafka
- # See how we were called.
- case "$1" in
- start)
- echo -n "Starting Kafka:"
- /sbin/runuser -s /bin/sh $KAFKA_USER -c "nohup $KAFKA_HOME/bin/kafka-server-start.sh $KAFKA_HOME/config/server.properties > $LOG_DIR/server.out 2> $LOG_DIR/server.err &"
- echo " done."
- exit 0
- ;;
- stop)
- echo -n "Stopping Kafka: "
- /sbin/runuser -s /bin/sh $KAFKA_USER -c "ps -ef | grep kafka.Kafka | grep -v grep | awk '{print \$2}' | xargs kill \-9"
- echo " done."
- exit 0
- ;;
- hardstop)
- echo -n "Stopping (hard) Kafka: "
- /sbin/runuser -s /bin/sh $KAFKA_USER -c "ps -ef | grep kafka.Kafka | grep -v grep | awk '{print \$2}' | xargs kill -9"
- echo " done."
- exit 0
- ;;
- status)
- c_pid=`ps -ef | grep kafka.Kafka | grep -v grep | awk '{print $2}'`
- if [ "$c_pid" = "" ] ; then
- echo "Stopped"
- exit 3
- else
- echo "Running $c_pid"
- exit 0
- fi
- ;;
- restart)
- stop
- start
- ;;
- *)
- echo "Usage: kafka {start|stop|hardstop|status|restart}"
- exit 1
- ;;
- esac
3.4 啟動kafka服務(wù)
（1）后臺啟動zookeeper服務(wù)
- [root@along ~]# nohup zookeeper-server-start.sh /data/kafka_2.11-2.1.0/config/zookeeper.properties &
（2）啟動kafka服務(wù)
- [root@along ~]# service kafka start
- Starting kafka (via systemctl): [ OK ]
- [root@along ~]# service kafka status
- Running 86018
- [root@along ~]# ss -nutl
- Netid State Recv-Q Send-Q Local Address:Port Peer Address:Port
- tcp LISTEN 0 50 :::9092 :::*
- tcp LISTEN 0 50 :::2181 :::*
4、kafka使用簡單入門
4.1 創(chuàng)建主題topics
創(chuàng)建一個名為“along”的主題，它只包含一個分區(qū)，只有一個副本：
- [root@along ~]# kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic along
- Created topic "along".
如果我們運行l(wèi)ist topic命令，我們現(xiàn)在可以看到該主題：
- [root@along ~]# kafka-topics.sh --list --zookeeper localhost:2181
- along
4.2 發(fā)送一些消息
Kafka附帶一個命令行客戶端，它將從文件或標(biāo)準輸入中獲取輸入，并將其作為消息發(fā)送到Kafka集群。默認情況下，每行將作為單獨的消息發(fā)送。
運行生產(chǎn)者，然后在控制臺中鍵入一些消息以發(fā)送到服務(wù)器。
- [root@along ~]# kafka-console-producer.sh --broker-list localhost:9092 --topic along
- >This is a message
- >This is another message
4.3 啟動消費者
Kafka還有一個命令行使用者，它會將消息轉(zhuǎn)儲到標(biāo)準輸出。
- [root@along ~]# kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic along --from-beginning
- This is a message
- This is another message
所有命令行工具都有其他選項; 運行不帶參數(shù)的命令將顯示更詳細地記錄它們的使用信息。
5、設(shè)置多代理kafka群集
到目前為止，我們一直在與一個broker運行，但這并不好玩。對于Kafka，單個代理只是一個大小為1的集群，因此除了啟動一些代理實例之外沒有太多變化。但是為了感受它，讓我們將我們的集群擴展到三個節(jié)點（仍然在我們的本地機器上）。
5.1 準備配置文件
- [root@along kafka_2.11-2.1.0]# cd /data/kafka_2.11-2.1.0/
- [root@along kafka_2.11-2.1.0]# cp config/server.properties config/server-1.properties
- [root@along kafka_2.11-2.1.0]# cp config/server.properties config/server-2.properties
- [root@along kafka_2.11-2.1.0]# vim config/server-1.properties
- broker.id=1
- listeners=PLAINTEXT://:9093
- log.dirs=/tmp/kafka-logs-1
- [root@along kafka_2.11-2.1.0]# vim config/server-2.properties
- broker.id=2
- listeners=PLAINTEXT://:9094
- log.dirs=/tmp/kafka-logs-2
注：該broker.id 屬性是群集中每個節(jié)點的唯一且永久的名稱。我們必須覆蓋端口和日志目錄，因為我們在同一臺機器上運行這些，并且我們希望讓所有代理嘗試在同一端口上注冊或覆蓋彼此的數(shù)據(jù)。
5.2 開啟集群另2個kafka服務(wù)
- [root@along ~]# nohup kafka-server-start.sh /data/kafka_2.11-2.1.0/config/server-1.properties &
- [root@along ~]# nohup kafka-server-start.sh /data/kafka_2.11-2.1.0/config/server-2.properties &
- [root@along ~]# ss -nutl
- Netid State Recv-Q Send-Q Local Address:Port Peer Address:Port
- tcp LISTEN 0 50 ::ffff:127.0.0.1:9092 :::*
- tcp LISTEN 0 50 ::ffff:127.0.0.1:9093 :::*
- tcp LISTEN 0 50 ::ffff:127.0.0.1:9094 :::*
5.3 在集群中進行操作
1）現(xiàn)在創(chuàng)建一個復(fù)制因子為3的新主題my-replicated-topic
- [root@along ~]# kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 3 --partitions 1 --topic my-replicated-topic
- Created topic "my-replicated-topic".
2）在一個集群中，運行“describe topics”命令查看哪個broker正在做什么
- [root@along ~]# kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic
- Topic:my-replicated-topic PartitionCount:1 ReplicationFactor:3 Configs:
- Topic: my-replicated-topic Partition: 0 Leader: 2 Replicas: 2,0,1 Isr: 2,0,1
- #注釋：第一行給出了所有分區(qū)的摘要，每個附加行提供有關(guān)一個分區(qū)的信息。由于我們只有一個分區(qū)用于此主題，因此只有一行。
- #“leader”是負責(zé)給定分區(qū)的所有讀取和寫入的節(jié)點。每個節(jié)點將成為隨機選擇的分區(qū)部分的領(lǐng)導(dǎo)者。
- #“replicas”是復(fù)制此分區(qū)日志的節(jié)點列表，無論它們是否為領(lǐng)導(dǎo)者，或者即使它們當(dāng)前處于活動狀態(tài)。
- # “isr”是“同步”復(fù)制品的集合。這是副本列表的子集，該列表當(dāng)前處于活躍狀態(tài)并且已經(jīng)被領(lǐng)導(dǎo)者捕獲。
- #請注意，Leader: 2，在我的示例中，節(jié)點2 是該主題的唯一分區(qū)的Leader。
3）可以在我們創(chuàng)建的原始主題上運行相同的命令，以查看它的位置
- [root@along ~]# kafka-topics.sh --describe --zookeeper localhost:2181 --topic along
- Topic:along PartitionCount:1 ReplicationFactor:1 Configs:
- Topic: along Partition: 0 Leader: 0 Replicas: 0 Isr: 0
4）向我們的新主題發(fā)布一些消息：
- [root@along ~]# kafka-console-producer.sh --broker-list localhost:9092 --topic my-replicated-topic
- >my test message 1
- >my test message 2
- >^C
5）現(xiàn)在讓我們使用這些消息：
- [root@along ~]# kafka-console-consumer.sh --bootstrap-server localhost:9092 --from-beginning --topic my-replicated-topic
- my test message 1
- my test message 2
5.4 測試集群的容錯性
1）現(xiàn)在讓我們測試一下容錯性。Broker 2 充當(dāng)leader 所以讓我們殺了它：
- [root@along ~]# ps aux | grep server-2.properties |awk '{print $2}'
- 106737
- [root@along ~]# kill -9 106737
- [root@along ~]# ss -nutl
- tcp LISTEN 0 50 ::ffff:127.0.0.1:9092 :::*
- tcp LISTEN 0 50 ::ffff:127.0.0.1:9093 :::*
2）leader 已切換到其中一個從屬節(jié)點，節(jié)點2不再位于同步副本集中：
- [root@along ~]# kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic
- Topic:my-replicated-topic PartitionCount:1 ReplicationFactor:3 Configs:
- Topic: my-replicated-topic Partition: 0 Leader: 0 Replicas: 2,0,1 Isr: 0,1
3）即使最初接受寫入的leader 已經(jīng)失敗，這些消息仍可供消費：
- [root@along ~]# kafka-console-consumer.sh --bootstrap-server localhost:9092 --from-beginning --topic my-replicated-topic
- my test message 1
- my test message 2
6、使用Kafka Connect導(dǎo)入/導(dǎo)出數(shù)據(jù)
從控制臺寫入數(shù)據(jù)并將其寫回控制臺是一個方便的起點，但有時候可能希望使用其他來源的數(shù)據(jù)或?qū)?shù)據(jù)從Kafka導(dǎo)出到其他系統(tǒng)。對于許多系統(tǒng)，您可以使用Kafka Connect導(dǎo)入或?qū)С鰯?shù)據(jù)，而不是編寫自定義集成代碼。
Kafka Connect是Kafka附帶的工具，用于向Kafka導(dǎo)入和導(dǎo)出數(shù)據(jù)。它是一個可擴展的工具，運行連接器，實現(xiàn)與外部系統(tǒng)交互的自定義邏輯。在本快速入門中，我們將了解如何使用簡單的連接器運行Kafka Connect，這些連接器將數(shù)據(jù)從文件導(dǎo)入Kafka主題并將數(shù)據(jù)從Kafka主題導(dǎo)出到文件。
1）首先創(chuàng)建一些種子數(shù)據(jù)進行測試：
- [root@along ~]# echo -e "foo\nbar" > test.txt
- 或者在Windows上：
- > echo foo> test.txt
- > echo bar>> test.txt
2）接下來，啟動兩個以獨立模式運行的連接器，這意味著它們在單個本地專用進程中運行。提供三個配置文件作為參數(shù)。
第一個始終是Kafka Connect流程的配置，包含常見配置，例如要連接的Kafka代理和數(shù)據(jù)的序列化格式。
其余配置文件均指定要創(chuàng)建的連接器。這些文件包括唯一的連接器名稱，要實例化的連接器類以及連接器所需的任何其他配置。
- [root@along ~]# connect-standalone.sh config/connect-standalone.properties config/connect-file-source.properties config/connect-file-sink.properties
- [2019-01-16 16:16:31,884] INFO Kafka Connect standalone worker initializing ... (org.apache.kafka.connect.cli.ConnectStandalone:67)
- [2019-01-16 16:16:31,903] INFO WorkerInfo values:
- ... ...
- #注：Kafka附帶的這些示例配置文件使用您之前啟動的默認本地群集配置并創(chuàng)建兩個連接器：第一個是源連接器，它從輸入文件讀取行并生成每個Kafka主題，第二個是宿連接器從Kafka主題讀取消息并將每個消息生成為輸出文件中的一行。
3）驗證是否導(dǎo)入成功（另起終端）
在啟動過程中，您將看到許多日志消息，包括一些指示正在實例化連接器的日志消息。
① 一旦Kafka Connect進程啟動，源連接器應(yīng)該開始從test.txt主題讀取行并將其生成到主題connect-test，并且接收器連接器應(yīng)該開始從主題讀取消息connect-test 并將它們寫入文件test.sink.txt。我們可以通過檢查輸出文件的內(nèi)容來驗證數(shù)據(jù)是否已通過整個管道傳遞：
- [root@along ~]# cat test.sink.txt
- foo
- bar
② 請注意，數(shù)據(jù)存儲在Kafka主題中connect-test，因此我們還可以運行控制臺使用者來查看主題中的數(shù)據(jù)（或使用自定義使用者代碼來處理它）：
- [root@along ~]# kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic connect-test --from-beginning
- {"schema":{"type":"string","optional":false},"payload":"foo"}
- {"schema":{"type":"string","optional":false},"payload":"bar"}
4）繼續(xù)追加數(shù)據(jù)，驗證
- [root@along ~]# echo Another line>> test.txt
- [root@along ~]# cat test.sink.txt
- foo
- bar
- Another line
- [root@along ~]# kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic connect-test --from-beginning
- {"schema":{"type":"string","optional":false},"payload":"foo"}
- {"schema":{"type":"string","optional":false},"payload":"bar"}
- {"schema":{"type":"string","optional":false},"payload":"Another line"}
