MirrorMaker是为解决Kafka跨集群同步、创建镜像集群而存在的。下图展示了其工作原理。该工具消费源集群消息然后将数据又一次推送到目标集群。
MirrorMaker使用方式
启动mirror-maker程序须要一个或多个consumer配置文件、一个producer配置文件是必须的其它參数是可选的。
kafka-run-class.sh kafka.tools.MirrorMaker –consumer.config sourceCluster1Consumer.config –consumer.config sourceCluster2Consumer.config –num.streams 2 –producer.config targetClusterProducer.config –whitelist=”.*”
主要參数说明：
1. –consumer.config：消费端相关配置文件
2. –producer.config：生产端相关配置文件
3. –num.streams： consumer的线程数
4. –num.producers： producer的线程数
5. –blacklist，–whitelist：同步topic的黑白名单，符合java正則表達式形式
consumer.config配置文件说明
#消费者集群通过连接Zookeeper来找到broker。
#zookeeper连接server地址
zookeeper.connect=zk01:2181,zk02:2181,zk03:2181
#zookeeper的session过期时间。默认5000ms，用于检測消费者是否挂掉
zookeeper.session.timeout.ms=5000
#当消费者挂掉。其它消费者要等该指定时间才干检查到而且触发又一次负载均衡
zookeeper.connection.timeout.ms=10000
#这是一个时间阈值。
#指定多久消费者更新offset到zookeeper中。
#注意offset更新时基于time而不是每次获得的消息。
#一旦在更新zookeeper发生异常并重新启动，将可能拿到已拿到过的消息
zookeeper.sync.time.ms=2000
#指定消费
group.id=xxxxx
#这是一个数量阈值，经測试是500条。
#当consumer消费一定量的消息之后,将会自己主动向zookeeper提交offset信息#注意offset信息并非每消费一次消息就向zk提交
#一次,而是如今本地保存(内存),并定期提交,默觉得true
auto.commit.enable=true
# 自己主动更新时间。默认60 * 1000
auto.commit.interval.ms=1000
# 当前consumer的标识,能够设定,也能够有系统生成,
#主要用来跟踪消息消费情况,便于观察
conusmer.id=xxx
# 消费者client编号，用于区分不同client，默认client程序自己主动产生
client.id=xxxx
# 最大取多少块缓存到消费者(默认10)
queued.max.message.chunks=50
# 当有新的consumer增加到group时,将会reblance,此后将会
#有partitions的消费端迁移到新 的consumer上,假设一个
#consumer获得了某个partition的消费权限,那么它将会向zk
#注冊 "Partition Owner registry"节点信息,可是有可能
#此时旧的consumer尚没有释放此节点, 此值用于控制,
#注冊节点的重试次数.
rebalance.max.retries=5
#每拉取一批消息的最大字节数
#获取消息的最大尺寸,broker不会像consumer输出大于
#此值的消息chunk 每次feth将得到多条消息,此值为总大小,
#提升此值,将会消耗很多其它的consumer端内存
fetch.min.bytes=6553600
#当消息的尺寸不足时,server堵塞的时间,假设超时,
#消息将马上发送给consumer
#数据一批一批到达，假设每一批是10条消息，假设某一批还
#不到10条，可是超时了，也会马上发送给consumer。
fetch.wait.max.ms=5000
socket.receive.buffer.bytes=655360
# 假设zookeeper没有offset值或offset值超出范围。
#那么就给个初始的offset。有smallest、largest、
#anything可选，分别表示给当前最小的offset、
#当前最大的offset、抛异常。默认largest
auto.offset.reset=smallest
# 指定序列化处理类
derializer.class=kafka.serializer.DefaultDecoderproducer.config配置文件说明
#指定kafka节点列表。用于获取metadata，不必全部指定
#须要kafka的server地址。来获取每个topic的分片数等元数据信息。
metadata.broker.list=kafka01:9092,kafka02:9092,kafka03:9092
#生产者生产的消息被发送到哪个block，须要一个分组策略。
#指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到相应分区
#partitioner.class=kafka.producer.DefaultPartitioner
#生产者生产的消息能够通过一定的压缩策略（或者说压缩算法）来压缩。消息被压缩后发送到broker集群，
#而broker集群是不会进行解压缩的，broker集群仅仅会把消息发送到消费者集群，然后由消费者来解压缩。
#是否压缩，默认0表示不压缩。1表示用gzip压缩。2表示用snappy压缩。
#压缩后消息中会有头来指明消息压缩类型，故在消费者端消息解压是透明的无需指定。
#文本数据会以1比10或者更高的压缩比进行压缩。
compression.codec=none
#指定序列化处理类，消息在网络上传输就须要序列化。它有String、数组等很多种实现。
serializer.class=kafka.serializer.DefaultEncoder
#假设要压缩消息。这里指定哪些topic要压缩消息。默认empty，表示不压缩。
#假设上面启用了压缩，那么这里就须要设置
#compressed.topics=
#这是消息的确认机制，默认值是0。在面试中常被问到。
#producer有个ack參数。有三个值，分别代表：
#（1）不在乎是否写入成功；
#（2）写入leader成功；
#（3）写入leader和全部副本都成功；
#要求很可靠的话能够牺牲性能设置成最后一种。
#为了保证消息不丢失，至少要设置为1，也就
#是说至少保证leader将消息保存成功。
#设置发送数据是否须要服务端的反馈,有三个值0,1,-1，分别代表3种状态：
#0: producer不会等待broker发送ack。生产者仅仅要把消息发送给broker之后，就觉得发送成功了，这是第1种情况。
#1: 当leader接收到消息之后发送ack。生产者把消息发送到broker之后，而且消息被写入到本地文件，才觉得发送成功，这是另外一种情况。#-1: 当全部的follower都同步消息成功后发送ack。不仅是主的分区将消息保存成功了，
#而且其全部的分区的副本数也都同步好了。才会被觉得发动成功，这是第3种情况。
request.required.acks=0
#broker必须在该时间范围之内给出反馈。否则失败。
#在向producer发送ack之前,broker同意等待的最大时间 。假设超时,
#broker将会向producer发送一个error ACK.意味着上一次消息由于某种原因
#未能成功(比方follower未能同步成功)
request.timeout.ms=10000
#生产者将消息发送到broker。有两种方式。一种是同步。表示生产者发送一条，broker就接收一条。
#另一种是异步，表示生产者积累到一批的消息，装到一个池子里面缓存起来。再发送给broker，
#这个池子不会无限缓存消息。在以下，它分别有一个时间限制（时间阈值）和一个数量限制（数量阈值）的參数供我们来设置。
#一般我们会选择异步。
#同步还是异步发送消息，默认“sync”表同步，"async"表异步。异步能够提高发送吞吐量,
#也意味着消息将会在本地buffer中,并适时批量发送，可是也可能导致丢失未发送过去的消息
producer.type=sync
#在async模式下,当message被缓存的时间超过此值后,将会批量发送给broker,
#默觉得5000ms
#此值和batch.num.messages协同工作.
queue.buffering.max.ms = 5000
#异步情况下。缓存中同意存放消息数量的大小。
#在async模式下,producer端同意buffer的最大消息量
#不管怎样,producer都无法尽快的将消息发送给broker,从而导致消息在producer端大量沉积
#此时,假设消息的条数达到阀值,将会导致producer端堵塞或者消息被抛弃。默觉得10000条消息。
queue.buffering.max.messages=20000
#假设是异步。指定每次批量发送数据量，默觉得200
batch.num.messages=500
#在生产端的缓冲池中，消息发送出去之后，在没有收到确认之前，该缓冲池中的消息是不能被删除的。
#可是生产者一直在生产消息，这个时候缓冲池可能会被撑爆。所以这就须要有一个处理的策略。
#有两种处理方式。一种是让生产者先别生产那么快。堵塞一下，等会再生产；另一种是将缓冲池中的消息清空。
#当消息在producer端沉积的条数达到"queue.buffering.max.meesages"后堵塞一定时间后,
#队列仍然没有enqueue(producer仍然没有发送出不论什么消息)
#此时producer能够继续堵塞或者将消息抛弃,此timeout值用于控制"堵塞"的时间
#-1: 不限制堵塞超时时间，让produce一直堵塞,这个时候消息就不会被抛弃
#0: 马上清空队列,消息被抛弃
queue.enqueue.timeout.ms=-1
#当producer接收到error ACK,或者没有接收到ACK时,同意消息重发的次数
#由于broker并没有完整的机制来避免消息反复,所以当网络异常时(比方ACK丢失)
#有可能导致broker接收到反复的消息,默认值为3.
message.send.max.retries=3
#producer刷新topic metada的时间间隔,producer须要知道partition leader
#的位置,以及当前topic的情况
#因此producer须要一个机制来获取最新的metadata,当producer遇到特定错误时,
#将会马上刷新
#(比方topic失效,partition丢失,leader失效等),此外也能够通过此參数来配置
#额外的刷新机制，默认值600000
topic.metadata.refresh.interval.ms=60000其它重要说明
同步数据怎样做到不丢失
- 首先发送到目标集群时须要确认：request.required.acks=1
- 发送时採用堵塞模式。否则缓冲区满了数据丢弃：queue.enqueue.timeout.ms=-1
- 发送失败后重试次数设置无限大：message.send.max.retries=1000000000
怎样同步到多个目标集群
consumer.config配置文件里group.id设置为不同就能够同步到多个地方，原理就是consumer-group之间能够消费相同的数据