分布式消息队列kafka

时间  2019-11-08
标签 分布式 消息 队列 kafka 栏目 系统架构 繁體版
原文   原文链接
先启动zookeeper服务器
bin/zookeeper-server-start.sh config/zookeeper.properties &
再启动kafka服务器
bin/kafka-server-start.sh -daemon config/server.properties &
建立topic
bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 3 --partitions 1 --topic test

replication factor控制有多少个server将会复制各条被写入Topic的消息。若是该值为3，那么能够有2台server中止工做的状况下，消费端以访问到消息。咱们建议你设置该值为2或者3，这样就能够在重启服务时而不影响消费端消费数据。html

发送message
bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test 
 
Hello kafka
启动consumer
bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic test --from-beginning
 
集群环境须要修改配置文件
# vim config/server.properties
brokerid：这个每一个server（broker）必须惟一的数字
advertised.host.name=这里写ip或者域名，默认是读取hostname，这样须要全部消费端都配置这个hostname才能访问  
还有就是zookeeper.connect也要配置
zookeeper.connect=sea2:2181,sea3:2181,sea4:2181,sea5:2181,sea6:2181
 
每一个分区行给出分区信息
bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic
 
下载一个jar包，运行： 
java -cp KafkaOffsetMonitor-assembly-0.2.0.jar \
     com.quantifind.kafka.offsetapp.OffsetGetterWeb \
     --zk zk-server1,zk-server2 \
     --port 8080 \
     --refresh 10.seconds \
     --retain 2.days 1>>stdout.log 2>>stderr.log &
里面引用了googleapi的一个angular.js 被墙了。。。。
 
 
topic：建立时topic名称
partition：分区编号
offset：表示该parition已经消费了多少条message
logSize：表示该partition已经写了多少条message
Lag：表示有多少条message没有被消费。
Owner：表示消费者
Created：该partition建立时间
Last Seen：消费状态刷新最新时间。
 
下面进行性能测试：
 
建立topic
bin/kafka-topics.sh --zookeeper sea2:2181,sea3:2181,sea4:2181,sea5:2181,sea6:2181  --create --topic test-rep-one --partitions 6 --replication-factor 1
发送消息性能测试：
bin/kafka-producer-perf-test.sh --messages 5000000 --message-size 5000  --batch-size 5000 --topics test-rep-one --threads 8 --broker-list sea4:9092,sea5:9092,sea6:9092
接受消息性能测试：
bin/kafka-consumer-perf-test.sh --zookeeper sea2:2181,sea3:2181,sea4:2181,sea5:2181,sea6:2181  --messages 50000000 --topic test-rep-one --threads 1
 
bin/kafka-producer-perf-test.sh --broker-list sea4:9092,sea5:9092,sea6:9092 --messages 1000000 --topic test-rep-one --threads 3 --message-size 1000 --batch-size 5000 --compression-codec 3 --show-detailed-stats 
bin/kafka-consumer-perf-test.sh --zookeeper sea2:2181,sea3:2181,sea4:2181,sea5:2181,sea6:2181 --messages 1000000 --topic test-rep-one --message-size 1000  --threads 3 --group test --compression-codec 3 --num-fetch-threads 3 --show-detailed-stats   
 
在删除topic过程发现这个功能只是作了个删除标记，要手工删除zk节点数据，跟磁盘上数据，结果从新这个topic 仍是mark deleted 状态，只好换一个topic用了。
 

主要的设计元素java

Kafka之因此和其它绝大多数信息系统不一样，是由于下面这几个为数很少的比较重要的设计决策：node

  1. Kafka在设计之时为就将持久化消息做为一般的使用状况进行了考虑。
  2. 主要的设计约束是吞吐量而不是功能。
  3. 有关哪些数据已经被使用了的状态信息保存为数据使用者（consumer）的一部分，而不是保存在服务器之上。
  4. Kafka是一种显式的分布式系统。它假设，数据生产者（producer）、代理（brokers）和数据使用者（consumer）分散于多台机器之上。
 
配置优化
server.properties中全部配置参数说明(解释)以下列表：

参数nginx

说明(解释)git

broker.id =0github

每个broker在集群中的惟一表示，要求是正数。当该服务器的IP地址发生改变时，broker.id没有变化，则不会影响consumers的消息状况apache

log.dirs=/data/kafka-logsjson

kafka数据的存放地址，多个地址的话用逗号分割,多个目录分布在不一样磁盘上能够提升读写性能  /data/kafka-logs-1，/data/kafka-logs-2vim

port =9092api

broker server服务端口

message.max.bytes =6525000

表示消息体的最大大小，单位是字节

num.network.threads =4

broker处理消息的最大线程数，通常状况下数量为cpu核数

num.io.threads =8

broker处理磁盘IO的线程数，数值为cpu核数2倍

background.threads =4

一些后台任务处理的线程数，例如过时消息文件的删除等，通常状况下不须要去作修改

queued.max.requests =500

等待IO线程处理的请求队列最大数，如果等待IO的请求超过这个数值，那么会中止接受外部消息，应该是一种自我保护机制。

host.name

broker的主机地址，如果设置了，那么会绑定到这个地址上，如果没有，会绑定到全部的接口上，并将其中之一发送到ZK，通常不设置

socket.send.buffer.bytes=100*1024

socket的发送缓冲区，socket的调优参数SO_SNDBUFF

socket.receive.buffer.bytes =100*1024

socket的接受缓冲区，socket的调优参数SO_RCVBUFF

socket.request.max.bytes =100*1024*1024

socket请求的最大数值，防止serverOOM，message.max.bytes必然要小于socket.request.max.bytes，会被topic建立时的指定参数覆盖

log.segment.bytes =1024*1024*1024

topic的分区是以一堆segment文件存储的，这个控制每一个segment的大小，会被topic建立时的指定参数覆盖

log.roll.hours =24*7

这个参数会在日志segment没有达到log.segment.bytes设置的大小，也会强制新建一个segment会被 topic建立时的指定参数覆盖

log.cleanup.policy = delete

日志清理策略选择有：delete和compact主要针对过时数据的处理，或是日志文件达到限制的额度，会被 topic建立时的指定参数覆盖

log.retention.minutes=300

或

log.retention.hours=24

数据文件保留多长时间， 存储的最大时间超过这个时间会根据log.cleanup.policy设置数据清除策略

log.retention.bytes和log.retention.minutes或log.retention.hours任意一个达到要求，都会执行删除

 

有2删除数据文件方式：

      按照文件大小删除：log.retention.bytes

  按照2中不一样时间粒度删除：分别为分钟，小时

log.retention.bytes=-1

topic每一个分区的最大文件大小，一个topic的大小限制 =分区数*log.retention.bytes。-1没有大小限log.retention.bytes和log.retention.minutes任意一个达到要求，都会执行删除，会被topic建立时的指定参数覆盖

log.retention.check.interval.ms=5minutes

文件大小检查的周期时间，是否处罚 log.cleanup.policy中设置的策略

log.cleaner.enable=false

是否开启日志清理

log.cleaner.threads = 2

日志清理运行的线程数

log.cleaner.io.max.bytes.per.second=None

日志清理时候处理的最大大小

log.cleaner.dedupe.buffer.size=500*1024*1024

日志清理去重时候的缓存空间，在空间容许的状况下，越大越好

log.cleaner.io.buffer.size=512*1024

日志清理时候用到的IO块大小通常不须要修改

log.cleaner.io.buffer.load.factor =0.9

日志清理中hash表的扩大因子通常不须要修改

log.cleaner.backoff.ms =15000

检查是否处罚日志清理的间隔

log.cleaner.min.cleanable.ratio=0.5

日志清理的频率控制，越大意味着更高效的清理，同时会存在一些空间上的浪费，会被topic建立时的指定参数覆盖

log.cleaner.delete.retention.ms =1day

对于压缩的日志保留的最长时间，也是客户端消费消息的最长时间，同log.retention.minutes的区别在于一个控制未压缩数据，一个控制压缩后的数据。会被topic建立时的指定参数覆盖

log.index.size.max.bytes =10*1024*1024

对于segment日志的索引文件大小限制，会被topic建立时的指定参数覆盖

log.index.interval.bytes =4096

当执行一个fetch操做后，须要必定的空间来扫描最近的offset大小，设置越大，表明扫描速度越快，可是也更好内存，通常状况下不须要搭理这个参数

log.flush.interval.messages=None

例如log.flush.interval.messages=1000

表示每当消息记录数达到1000时flush一次数据到磁盘

log文件”sync”到磁盘以前累积的消息条数,由于磁盘IO操做是一个慢操做,但又是一个”数据可靠性"的必要手段,因此此参数的设置,须要在"数据可靠性"与"性能"之间作必要的权衡.若是此值过大,将会致使每次"fsync"的时间较长(IO阻塞),若是此值太小,将会致使"fsync"的次数较多,这也意味着总体的client请求有必定的延迟.物理server故障,将会致使没有fsync的消息丢失.

log.flush.scheduler.interval.ms =3000

检查是否须要固化到硬盘的时间间隔

log.flush.interval.ms = None

例如：log.flush.interval.ms=1000

表示每间隔1000毫秒flush一次数据到磁盘

仅仅经过interval来控制消息的磁盘写入时机,是不足的.此参数用于控制"fsync"的时间间隔,若是消息量始终没有达到阀值,可是离上一次磁盘同步的时间间隔达到阀值,也将触发.

log.delete.delay.ms =60000

文件在索引中清除后保留的时间通常不须要去修改

log.flush.offset.checkpoint.interval.ms =60000

控制上次固化硬盘的时间点，以便于数据恢复通常不须要去修改

auto.create.topics.enable =true

是否容许自动建立topic，如果false，就须要经过命令建立topic

default.replication.factor =1

是否容许自动建立topic，如果false，就须要经过命令建立topic

num.partitions =1

每一个topic的分区个数，如果在topic建立时候没有指定的话会被topic建立时的指定参数覆盖

 

 

如下是kafka中Leader,replicas配置参数

 

controller.socket.timeout.ms =30000

partition leader与replicas之间通信时,socket的超时时间

controller.message.queue.size=10

partition leader与replicas数据同步时,消息的队列尺寸

replica.lag.time.max.ms =10000

replicas响应partition leader的最长等待时间，如果超过这个时间，就将replicas列入ISR(in-sync replicas)，并认为它是死的，不会再加入管理中

replica.lag.max.messages =4000

若是follower落后与leader太多,将会认为此follower[或者说partition relicas]已经失效

##一般,在follower与leader通信时,由于网络延迟或者连接断开,总会致使replicas中消息同步滞后

##若是消息以后太多,leader将认为此follower网络延迟较大或者消息吞吐能力有限,将会把此replicas迁移

##到其余follower中.

##在broker数量较少,或者网络不足的环境中,建议提升此值.

replica.socket.timeout.ms=30*1000

follower与leader之间的socket超时时间

replica.socket.receive.buffer.bytes=64*1024

leader复制时候的socket缓存大小

replica.fetch.max.bytes =1024*1024

replicas每次获取数据的最大大小

replica.fetch.wait.max.ms =500

replicas同leader之间通讯的最大等待时间，失败了会重试

replica.fetch.min.bytes =1

fetch的最小数据尺寸,若是leader中还没有同步的数据不足此值,将会阻塞,直到知足条件

num.replica.fetchers=1

leader进行复制的线程数，增大这个数值会增长follower的IO

replica.high.watermark.checkpoint.interval.ms =5000

每一个replica检查是否将最高水位进行固化的频率

controlled.shutdown.enable =false

是否容许控制器关闭broker ,如果设置为true,会关闭全部在这个broker上的leader，并转移到其余broker

controlled.shutdown.max.retries =3

控制器关闭的尝试次数

controlled.shutdown.retry.backoff.ms =5000

每次关闭尝试的时间间隔

leader.imbalance.per.broker.percentage =10

leader的不平衡比例，如果超过这个数值，会对分区进行从新的平衡

leader.imbalance.check.interval.seconds =300

检查leader是否不平衡的时间间隔

offset.metadata.max.bytes

客户端保留offset信息的最大空间大小

kafka中zookeeper参数配置

 

zookeeper.connect = localhost:2181

zookeeper集群的地址，能够是多个，多个之间用逗号分割hostname1:port1,hostname2:port2,hostname3:port3

zookeeper.session.timeout.ms=6000

ZooKeeper的最大超时时间，就是心跳的间隔，如果没有反映，那么认为已经死了，不易过大

zookeeper.connection.timeout.ms =6000

ZooKeeper的链接超时时间

zookeeper.sync.time.ms =2000

ZooKeeper集群中leader和follower之间的同步实际那
配置优化都是修改server.properties文件中参数值
1.网络和io操做线程配置优化
# broker处理消息的最大线程数
num.network.threads=xxx
# broker处理磁盘IO的线程数
num.io.threads=xxx
建议配置：
通常num.network.threads主要处理网络io，读写缓冲区数据，基本没有io等待，配置线程数量为cpu核数加1.
num.io.threads主要进行磁盘io操做，高峰期可能有些io等待，所以配置须要大些。配置线程数量为cpu核数2倍，最大不超过3倍.

2.log数据文件刷新策略
为了大幅度提升producer写入吞吐量，须要按期批量写文件。
建议配置：
# 每当producer写入10000条消息时，刷数据到磁盘
log.flush.interval.messages=10000
# 每间隔1秒钟时间，刷数据到磁盘
log.flush.interval.ms=1000

3.日志保留策略配置
当kafka server的被写入海量消息后，会生成不少数据文件，且占用大量磁盘空间，若是不及时清理，可能磁盘空间不够用，kafka默认是保留7天。
建议配置：
# 保留三天，也能够更短 
log.retention.hours=72
# 段文件配置1GB，有利于快速回收磁盘空间，重启kafka加载也会加快(若是文件太小，则文件数量比较多，
# kafka启动时是单线程扫描目录(log.dir)下全部数据文件)
log.segment.bytes=1073741824

4.配置jmx服务
kafka server中默认是不启动jmx端口的，须要用户本身配置
vim bin/kafka-run-class.sh
#最前面添加一行
JMX_PORT=8060
 
  kafka读写的单位是partition，所以，将一个topic拆分为多个partition能够提升吞吐量。可是，这里有个前提，就是不一样partition需       要位于不一样的磁盘（能够在同一个机器）。若是多个partition位于同一个磁盘，那么意味着有多个进程同时对一个磁盘的多个文         件进行读写，使得操做系统会对磁盘读写进行频繁调度，也就是破坏了磁盘读写的连续性。
      在linkedlin的测试中，每台机器就加载了6个磁盘，而且不作raid，就是为了充分利用多磁盘并发读写，又保证每一个磁盘连续读写       的特性。
       
      具体配置上，是将不一样磁盘的多个目录配置到broker的log.dirs，例如
      log.dirs=/disk1/kafka-logs,/disk2/kafka-logs,/disk3/kafka-logs
      kafka会在新建partition的时候，将新partition分布在partition最少的目录上，所以，通常不能将同一个磁盘的多个目录设置到log.dirs
 
  1. kafka直接推送日志文件:tail -n 0 -f /www/nh-nginx02/access.log | bin/kafka-console-producer.sh --broker-list 192.168.1.1:9092 --topic sb-nginx03
 
 一旦你消费过返些数据，那你就没法再次用同一个groupid消费同一组数据了。我已经把结论说出来了，要消费同一组数据，你能够采用丌同的group
 
kafka分区管理：
 
增长分区:add_partition.sh 
cd `dirname $0`
TOPIC=$1
PARTITIONS=$2
bin/kafka-topics.sh --zookeeper zk2.sea:2181  --alter --partitions ${PARTITIONS} --topic ${TOPIC}
 
增长节点:get_add_node_json.sh 
cd `dirname $0`
TOPIC=$1
#TOPIC=soa_logs
BROKER_LIST=$2
#BROKER_LIST="173,154,155"
ZK=zk1.sea:2181
JSON=migration-${TOPIC}.json
echo "{\"topics\": [ { \"topic\": \"${TOPIC}\" } ], \"version\":1}" > ${JSON}
bin/kafka-reassign-partitions.sh --zookeeper $ZK --topics-to-move-json-file ${JSON} --broker-list ${BROKER_LIST} --generate
 
执行get_add_node_json.sh生成json字符串 ，写到migration-log173_v1_new.json
 
从新分配节点：set_add_node_json.sh 
cd `dirname $0`
TOPIC=$1
NEW_JSON=migration-${TOPIC}_new.json
bin/kafka-reassign-partitions.sh --zookeeper zk2.sea:2181 --reassignment-json-file ${NEW_JSON} --execute
 
增长replication factor ，修改副本数量，kafka HA 
partition 0的replica数从1增加到3，当前replica存在broker5，在broker6，7上增长replica
cat increase-replication-factor.json
{"version":1, "partitions":[{"topic":"foo","partition":0,"replicas":[5,6,7]}]}
bin/kafka-reassign-partitions.sh --zookeeper localhost:2181 --reassignment-json-file increase-replication-factor.json --execute
 
kafka容量规划：
对于普通量级数据，一天几百万～几千万的数据量，只须要0个分区，2个副本作高可用，为保证磁盘连续读写特性，最好单独提供磁盘只作kafka数据存储，一个分区一个磁盘
bin/kafka-topics.sh --zookeeper zk1:2181 --create --topic test0 --partitions 0 --replication-factor 2
保证消息的顺序，那就用一个 partition 。 kafka 的每一个 partition 只能同时被同一个 group 中的一个 consumer 消费
相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程