kafka

什么是Kafka

Kafka是一个分布式流处理系统，流处理系统使它能够像消息队列同样publish或者subscribe消息，分布式提供了容错性，并发处理消息的机制。

Kafka的基本概念

kafka运行在集群上，集群包含一个或多个服务器。kafka把消息存在topic中，每一条消息包含键值（key），值（value）和时间戳（timestamp）。

kafka有如下一些基本概念：

• Producer

消息生产者，就是向kafka broker发消息的客户端。

• Consumer

消息消费者，是消息的使用方，负责消费Kafka服务器上的消息。

• Topic

主题，由用户定义并配置在Kafka服务器，用于创建Producer和Consumer之间的订阅关系。生产者发送消息到指定的Topic下，消息者从这个Topic下消费消息。

• Partition

消息分区，一个topic能够分为多个 partition，每一个partition是一个有序的队列。partition中的每条消息都会被分配一个有序的id（offset）。

• 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能够容纳多个topic。

• Consumer Group

消费组，用于归组同类消费者。每一个consumer属于一个特定的consumer group，多个消费组能够共同消息一个Topic下的消息，每消费组中的消费者消费Topic的部分消息，这些消费者就组成了一个分组。

• Offset

消息在partition中的偏移量。每一条消息在partition都有惟一的偏移量，消息者能够指定偏移量来指定要消费的消息。

Kafka分布式架构

如上图所示，kafka将topic中的消息存在不一样的partition中。若是存在键值（key），消息按照键值（key）作分类存在不一样的partiition中，若是不存在键值（key），消息按照轮询（Round Robin）机制存在不一样的partition中。默认状况下，键值（key）决定了一条消息会被存在哪一个partition中。

partition中的消息序列是有序的消息序列。kafka在partition使用偏移量（offset）来指定消息的位置。一个topic的一个partition只能被一个consumer group中的一个consumer消费，多个consumer消费同一个partition中的数据是不容许的，可是一个consumer能够消费多个partition中的数据。

kafka将partition的数据复制到不一样的broker，提供了partition数据的备份。每个partition都有一个broker做为leader，若干个broker做为follower。全部的数据读写都经过leader所在的服务器进行，而且leader在不一样broker之间复制数据。

上图中，对于Partition 0，broker 1是它的leader，broker 2和broker 3是follower。对于Partition 1，broker 2是它的leader，broker 1和broker 3是follower。

在上图中，当有Client（也就是Producer）要写入数据到Partition 0时，会写入到leader Broker 1，Broker 1再将数据复制到follower Broker 2和Broker 3。

在上图中，Client向Partition 1中写入数据时，会写入到Broker 2，由于Broker 2是Partition 1的Leader，而后Broker 2再将数据复制到follower Broker 1和Broker 3中。

上图中的topic一共有3个partition，对每一个partition的读写都由不一样的broker处理，所以总的吞吐量获得了提高。

实验一：kafka-python实现生产者消费者

kafka-python是一个python的Kafka客户端，能够用来向kafka的topic发送消息、消费消息。

这个实验会实现一个producer和一个consumer，producer向kafka发送消息，consumer从topic中消费消息。结构以下图

producer代码

#-*- coding: utf-8 -*-

from kafka import KafkaProducer
import time

producer = KafkaProducer(bootstrap_servers='localhost:9092')

i = 1000
while True:
    ts = int(time.time() * 1000)
    producer.send(topic='py_test', value=str(i), key=str(i), timestamp_ms=ts)
    producer.flush()
    print i
    i += 1
    time.sleep(1)

consumer代码

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer

consumer = KafkaConsumer('py_test', bootstrap_servers=["localhost:9092"])
for message in consumer:
    print message

接下来建立test topic

kafka-topics --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test

打开两个窗口中，咱们在window1中运行producer，以下:

在window2中运行consumer，以下:

实验二：消费组实现容错性机制

这个实验将展现消费组的容错性的特色。这个实验中将建立一个有2个partition的topic，和2个consumer，这2个consumer共同消费同一个topic中的数据。结构以下所示

producer部分代码和实验一相同，这里再也不重复。consumer须要指定所属的consumer group，代码以下

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer

consumer = KafkaConsumer('py_test', group_id='testgt', bootstrap_servers=["localhost:9092"])
for message in consumer:
    print message

接下来咱们建立topic，名字test，设置partition数量为2

打开三个窗口，一个窗口运行producer，还有两个窗口运行consumer。
运行consumer的两个窗口的输出以下：

能够看到两个consumer同时运行的状况下，它们分别消费不一样partition中的数据。window1中的consumer消费partition 0中的数据，window2中的consumer消费parition 1中的数据。
咱们尝试关闭window1中的consumer，能够看到以下结果

刚开始window2中的consumer只消费partition1中的数据，当window1中的consumer退出后，window2中的consumer中也开始消费partition 0中的数据了。

实验三：offset管理

kafka容许consumer将当前消费的消息的offset提交到kafka中，这样若是consumer因异常退出后，下次启动仍然能够从上次记录的offset开始向后继续消费消息。

这个实验的结构和实验一的结构是同样的，使用一个producer，一个consumer，test topic的partition数量设为1。

producer的代码和实验一中的同样，这里再也不重复。consumer的代码稍做修改，这里consumer中打印出下一个要被消费的消息的offset。consumer代码以下

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer, TopicPartition

tp = TopicPartition('py_test', 0)
consumer = KafkaConsumer(bootstrap_servers=["localhost:9092"], group_id='test_g', auto_offset_reset='earliest', enable_auto_commit=False)
consumer.assign([tp])
print "starting offset is", consumer.position(tp)
for message in consumer:
    # pass
    print message.value

auto.offset.reset值含义解释
earliest 
当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，从头开始消费 
latest 
当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，消费新产生的该分区下的数据 
none 
topic各分区都存在已提交的offset时，从offset后开始消费；只要有一个分区不存在已提交的offset，则抛出异常

在一个窗口中启动producer，在另外一个窗口而且启动consumer。consumer的输出以下

能够尝试退出consumer，再启动consumer。每一次从新启动，consumer都是从offset=98的消息开始消费的。
修改consumer的代码以下 在consumer消费每一条消息后将offset提交回kafka

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer, TopicPartition

tp = TopicPartition('py_test', 0)
consumer = KafkaConsumer(bootstrap_servers=["localhost:9092"], group_id='test', auto_offset_reset='earliest', enable_auto_commit=True)
consumer.assign([tp])
print "starting offset is", consumer.position(tp)
for message in consumer:
    print message.offset
    # consumer.commit() 也能够主动提交offset

启动consumer

能够看到consumer从offset=98的消息开始消费，到offset=829时，咱们Ctrl+C退出consumer。

咱们再次启动consumer

能够看到从新启动后，consumer从上一次记录的offset开始继续消费消息。以后每一次consumer从新启动，consumer都会从上一次中止的地方继续开始消费。

不一样的消费组有不一样的offset管理，相互不影响

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from kafka import KafkaConsumer, TopicPartition

tp = TopicPartition('py_test', 0)
consumer = KafkaConsumer(bootstrap_servers=["localhost:9092"], group_id='test_1', auto_offset_reset='earliest', enable_auto_commit=False)
consumer.assign([tp])
print "starting offset is", consumer.position(tp)
for message in consumer:
    print message.offset
    # consumer.commit()

换一个group_id test_1,会从starting offset is 0开始输出：

starting offset is 0
0