kafka

kafka

流处理消息队列

1. 安装

    // 环境centos7，jdk8
    wget https://mirrors.cnnic.cn/apache/kafka/2.2.0/kafka_2.11-2.2.0.tgz
    tar -zxvf kafka_2.11-2.2.0.tgz
    cd kafka_2.11-2.2.0
    // 配置zookeeper的broker.id、log.dir、zookeeper.connect,broker.idp配置成集群内唯一
    vim config/server.properties
    // 启动zookeeper
    bin/zookeeper-server-start.sh -daemon config/zookeeper.properties
    // 启动kafka
    bin/kafka-server-start.sh config/server.properties &

2. 配置

kafka配置

3. 相关概念

1. Broker：Kafka集群包含一个或多个服务器，这些服务器就是Broker

2. Topic：每条发布到Kafka集群的消息都必须有一个Topic, 一个Topic可以认为是一类消息的集合。

3. Partition：是物理概念上的分区，为了提供系统吞吐率，在物理上每个Topic会分成一个或多个Partition，每个Partition对应一个文件夹;每个partition在存储层面是append log文件。任何发布到此partition的消息都会被直接追加到log文件的尾部，每条消息在文件中的位置称为offset（偏移量），offset为一个long型数字，它是唯一标记一条消息。

4. Producer：消息产生者，负责生产消息并发送到Kafka Broker;Producer将消息发布到指定的Topic中,同时Producer也能决定将此消息归属于哪个partition;

5. Consumer：消息消费者，向kafka broker读取消息并处理的客户端。 每个consumer属于一个consumer group;反过来说,每个group中可以有多个consumer.发送到Topic的消息,只会被订阅此Topic的每个group中的一个consumer消费.如果所有的consumer都具有相同的group,这种情况和queue模式很像;消息将会在consumers之间负载均衡. 如果所有的consumer都具有不同的group,那这就是"发布-订阅";消息将会广播给所有的消费者.

6. Consumer Group：每个Consumer属于一个特定的组，组可以用来实现组内消息分发负载均衡功能。

7. zookeeper:服务注册发现, 无论是kafka集群，还是producer和consumer都依赖于zookeeper来保证系统可用性集群保存一些meta信息。

kafka和activeMQ不同的是:即使消息被消费,消息仍然不会被立即删除.日志文件将会根据broker中的配置要求,保留一定的时间之后删除;比如log文件保留 2天,那么两天后,文件会被清除,无论其中的消息是否被消费.kafka通过这种简单的手段,来释放磁盘空间,以及减少消息消费之后对文件内容改动的磁盘IO开支.

对于consumer而言,它需要保存消费消息的offset,对于offset的保存和使用,有consumer来控制;当consumer正常消费消息时,offset将会"线性"的向前驱动,即消息将依次顺序被消费.事实上consumer可以使用任意顺序消费消息,它只需要将offset重置为任意值.

kafka集群几乎不需要维护任何consumer和producer状态信息,这些信息有zookeeper保存;因此producer和consumer的客户端实现非常轻量级,它们可以随意离开,而不会对集群造成额外的影响.

partitions的设计目的有多个.最根本原因是kafka基于文件存储.通过分区,可以将日志内容分散到多个server上,来避免文件尺寸达到单机磁盘的上限,每个partiton都会被当前server(kafka实例)保存;可以将一个topic切分多任意多个partitions,来消息保存/消费的效率.此外越多的partitions意味着可以容纳更多的consumer,有效提升并发消费的能力.

基于replicated方案,那么就意味着需要对多个备份进行调度;每个partition都有一个server为"leader";leader负责所有的读写操作,如果leader失效,那么将会有其他follower来接管(成为新的leader);follower只是单调的和leader跟进,同步消息即可..由此可见作为leader的server承载了全部的请求压力,因此从集群的整体考虑,有多少个partitions就意味着有多少个"leader",kafka会将"leader"均衡的分散在每个实例上,来确保整体的性能稳定.

在kafka中,一个partition中的消息只会被group中的一个consumer消费;每个group中consumer消息消费互相独立;我们可以认为一个group是一个"订阅"者,一个Topic中的每个partions,只会被一个"订阅者"中的一个consumer消费,不过一个consumer可以消费多个partitions中的消息.kafka只能保证一个partition中的消息被某个consumer消费时,消息是顺序的.事实上,从Topic角度来说,消息仍不是有序的.

kafka的设计原理决定,对于一个topic,同一个group中不能有多于partitions个数的consumer同时消费,否则将意味着某些consumer将无法得到消息.
如果一个topic的名称为"my_topic",它有2个partitions,那么日志将会保存在my_topic_0和my_topic_1两个目录中;日志文件中保存了一序列"log entries"(日志条目)

4. kafka的优缺点

优点

• 大数据量流式操作
• 可异步操作，性能好
• 批量操作,性能好
• kafka是对日志文件进行append操作,因此磁盘检索的开支是较小的;同时为了减少磁盘写入的次数,broker会将消息暂时buffer起来,当消息的个数(或尺寸)达到一定阀值时,再flush到磁盘,这样减少了磁盘IO调用的次数.
• 消息传送机制
  • at most once: 最多一次,这个和JMS中"非持久化"消息类似.发送一次,无论成败,将不会重发.
  • at least once: 消息至少发送一次,如果消息未能接受成功,可能会重发,直到接收成功.[首选]

缺点:

• 尚未确保消息的发送与接收绝对可靠

5. 常见命令行操作

1. topic相关操作

    // 创建topic， replication-factor:每个partition的副本个数
    bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test
    // 查看所有topic
    bin/kafka-topics.sh --list --zookeeper localhost:2181
    // 查看某个topic详情
    bin/kafka-topics.sh --zookeeper 127.0.0.1:2181 --topic test --describe
   

2. group相关操作

    // 创建消费者组,消费者登录时自动指定group，如果group不存在，kafka broker自动创建group;
    // 查看消费者组列表
    bin/kafka-consumer-groups.sh test --bootstrap-server localhost:9092 --list
    // 查看某个消费者组详情
    bin/kafka-consumer-groups.sh test --bootstrap-server localhost:9092 --grop test --describe
   
    // 生产者登录
    bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test 
   
    // 消费者登录(指定topic,指定group)
    bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test --from-beginning --group 'test-group'
   

6. node操作 kafka-node

1. ConsumerGroup可以实现同组中只有一个可以收到信息,可以配合pm2负载均衡 + 数据库的唯一索引使用, consumer不可以实现同组中只有一个可以收到信息,会同时受到信息，想来是groupId的设置没有起作用，

2. kafka-node

3. 生产者负载均衡

    const kafka = require('kafka-node'),
    HighLevelProducer = kafka.HighLevelProducer,       
    client = new kafka.KafkaClient('127.0.0.1:9092'),
    producer = new HighLevelProducer(client);
   
    producer.on('ready',function() {
    console.log('1')
    let payloads = [{
            topic: 'test',
            messages: [
            '1|xiaoming|23',
            '2|lili|22'
            ],
            partition:0,
            attributes: 2,
            timestamp: Date.now()
    }]
    producer.send(payloads, function(err, data) {
            console.log(data)
        })
    })
   
    producer.on('error', function(err) {
            console.log(err);
    })
   

4. 消费者负载均衡

    const kafka = require('kafka-node'),
    Producer = kafka.Producer,
    ConsumerGroup = kafka.ConsumerGroup;
   
    var options = {
            kafkaHost: '127.0.0.1:9092', 
            groupId: 'test-group',
            protocol: ['roundrobin'],
            sessionTimeout: 15000,
            fromOffset: 'latest'       // 'latest'标记每次从最近开始消费,'earliest'从最初开始消费,一旦确定后,后续无法更改，只能换组;
    };
    consumerGroup = new ConsumerGroup(options,['test']);
   
    consumerGroup.on('message', function(message) {
            console.log(message);
    });
    consumerGroup.on('error', function(message) {
            console.log(message);
    })