搭建Kafka运行环境

这两天在公司学kafka，在网上找到一篇比较详细的入门博文，拿过来学习一下，发现直接按上面的作仍是有些小问题，本身就在教程里作了些相应的修改

介绍

Kafka是一个分布式的、可分区的、可复制的消息系统。它提供了普通消息系统的功能，但具备本身独特的设计。这个独特的设计是什么样的呢？

 

首先让咱们看几个基本的消息系统术语：

• Kafka将消息以topic为单位进行概括。

• 将向Kafka topic发布消息的程序成为producers.

• 将预订topics并消费消息的程序成为consumer.

• Kafka以集群的方式运行，能够由一个或多个服务组成，每一个服务叫作一个broker.

producers经过网络将消息发送到Kafka集群，集群向消费者提供消息，以下图所示：

客户端和服务端经过TCP协议通讯。Kafka提供了Java客户端，而且对多种语言都提供了支持。

 

相关阅读：

分布式发布订阅消息系统 Kafka 架构设计 http://www.linuxidc.com/Linux/2013-11/92751.htm

Apache Kafka 代码实例 http://www.linuxidc.com/Linux/2013-11/92754.htm

Apache Kafka 教程笔记 http://www.linuxidc.com/Linux/2014-01/94682.htm

Topics 和Logs

先来看一下Kafka提供的一个抽象概念:topic.

一个topic是对一组消息的概括。对每一个topic，Kafka 对它的日志进行了分区，以下图所示：

每一个分区都由一系列有序的、不可变的消息组成，这些消息被连续的追加到分区中。分区中的每一个消息都有一个连续的序列号叫作offset,用来在分区中惟一的标识这个消息。

 

在一个可配置的时间段内，Kafka集群保留全部发布的消息，无论这些消息有没有被消费。好比，若是消息的保存策略被设置为2天，那么在一个消息被发布的两天时间内，它都是能够被消费的。以后它将被丢弃以释放空间。Kafka的性能是和数据量无关的常量级的，因此保留太多的数据并非问题。

 

实际上每一个consumer惟一须要维护的数据是消息在日志中的位置，也就是offset.这个offset有consumer来维护：通常状况下随着consumer不断的读取消息，这offset的值不断增长，但其实consumer能够以任意的顺序读取消息，好比它能够将offset设置成为一个旧的值来重读以前的消息。

 

以上特色的结合，使Kafka consumers很是的轻量级：它们能够在不对集群和其余consumer形成影响的状况下读取消息。你可使用命令行来"tail"消息而不会对其余正在消费消息的consumer形成影响。

 

将日志分区能够达到如下目的：首先这使得每一个日志的数量不会太大，能够在单个服务上保存。另外每一个分区能够单独发布和消费，为并发操做topic提供了一种可能。

分布式

每一个分区在Kafka集群的若干服务中都有副本，这样这些持有副本的服务能够共同处理数据和请求，副本数量是能够配置的。副本使Kafka具有了容错能力。

每一个分区都由一个服务器做为“leader”，零或若干服务器做为“followers”,leader负责处理消息的读和写，followers则去复制leader.若是leader down了，followers中的一台则会自动成为leader。集群中的每一个服务都会同时扮演两个角色：做为它所持有的一部分分区的leader，同时做为其余分区的followers，这样集群就会据有较好的负载均衡。

Producers

Producer将消息发布到它指定的topic中,并负责决定发布到哪一个分区。一般简单的由负载均衡机制随机选择分区，但也能够经过特定的分区函数选择分区。使用的更多的是第二种。

Consumers

发布消息一般有两种模式：队列模式（queuing）和发布-订阅模式(publish-subscribe)。队列模式中，consumers能够同时从服务端读取消息，每一个消息只被其中一个consumer读到；发布-订阅模式中消息被广播到全部的consumer中。

Consumers能够加入一个consumer 组，共同竞争一个topic，topic中的消息将被分发到组中的一个成员中。同一组中的consumer能够在不一样的程序中，也能够在不一样的机器上。若是全部的consumer都在一个组中，这就成为了传统的队列模式，在各consumer中实现负载均衡。

若是全部的consumer都不在不一样的组中，这就成为了发布-订阅模式，全部的消息都被分发到全部的consumer中。

更常见的是，每一个topic都有若干数量的consumer组，每一个组都是一个逻辑上的“订阅者”，为了容错和更好的稳定性，每一个组由若干consumer组成。这其实就是一个发布-订阅模式，只不过订阅者是个组而不是单个consumer。

由两个机器组成的集群拥有4个分区 (P0-P3) 2个consumer组. A组有两个consumerB组有4个

 

相比传统的消息系统，Kafka能够很好的保证有序性。

传统的队列在服务器上保存有序的消息，若是多个consumers同时从这个服务器消费消息，服务器就会以消息存储的顺序向consumer分发消息。虽然服务器按顺序发布消息，可是消息是被异步的分发到各consumer上，因此当消息到达时可能已经失去了原来的顺序，这意味着并发消费将致使顺序错乱。为了不故障，这样的消息系统一般使用“专用consumer”的概念，其实就是只容许一个消费者消费消息，固然这就意味着失去了并发性。

 

在这方面Kafka作的更好，经过分区的概念，Kafka能够在多个consumer组并发的状况下提供较好的有序性和负载均衡。将每一个分区分只分发给一个consumer组，这样一个分区就只被这个组的一个consumer消费，就能够顺序的消费这个分区的消息。由于有多个分区，依然能够在多个consumer组之间进行负载均衡。注意consumer组的数量不能多于分区的数量，也就是有多少分区就容许多少并发消费。

 

Kafka只能保证一个分区以内消息的有序性，在不一样的分区之间是不能够的，这已经能够知足大部分应用的需求。若是须要topic中全部消息的有序性，那就只能让这个topic只有一个分区，固然也就只有一个consumer组消费它。

搭建Kafka开发环境

Kafka用到了Zookeeper，全部首先启动Zookper，下面简单的启用一个单实例的Zookkeeper服务。能够在命令的结尾加个&符号，这样就能够启动后离开控制台。

> bin/zookeeper-server-start.sh config/zookeeper.properties &

...

如今启动Kafka:

> bin/kafka-server-start.sh config/server.properties &

Step 3: 建立 topic

建立一个叫作“test”的topic，它只有一个分区，一个副本。

> bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test

能够经过list命令查看建立的topic:

> bin/kafka-topics.sh --list --zookeeper localhost:2181

test

除了手动建立topic，还能够配置broker让它自动建立topic.

Step 4:发送消息.

Kafka 使用一个简单的命令行producer，从文件中或者从标准输入中读取消息并发送到服务端。默认的每条命令将发送一条消息。

运行producer并在控制台中输一些消息，这些消息将被发送到服务端：

> bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test 

This is a messageThis is another message

ctrl+c能够退出发送。

Step 5: 启动consumer

Kafka also has a command line consumer that will dump out messages to standard output.

Kafka也有一个命令行consumer能够读取消息并输出到标准输出：

> bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic test --from-beginning

This is a message

This is another message

你在一个终端中运行consumer命令行，另外一个终端中运行producer命令行，就能够在一个终端输入消息，另外一个终端读取消息。

这两个命令都有本身的可选参数，能够在运行的时候不加任何参数能够看到帮助信息。

 

Step 6: 搭建一个多个broker的集群

刚才只是启动了单个broker，如今启动有3个broker组成的集群，这些broker节点也都是在本机上的：

首先为每一个节点编写配置文件：

 

> cp config/server.properties config/server-1.properties

> cp config/server.properties config/server-2.properties

在拷贝出的新文件中修改和添加如下参数：

config/server-1.properties:

    broker.id=1（修改）

    log.dir=/tmp/kafka-logs-1（修改）

    port=9093（添加）

    

 

config/server-2.properties:

    broker.id=2（修改）

    log.dir=/tmp/kafka-logs-2 （修改）

    port=9094 （添加）

    

broker.id在集群中惟一的标注一个节点，由于在同一个机器上，因此必须制定不一样的端口和日志文件，避免数据被覆盖。

 

We already have Zookeeper and our single node started, so we just need to start the two new nodes:

刚才已经启动可Zookeeper和一个节点，如今启动另外两个节点：

> bin/kafka-server-start.sh config/server-1.properties &

...

> bin/kafka-server-start.sh config/server-2.properties &

...

建立一个拥有3个副本的topic:

> bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 3 --partitions 1 --topic my-replicated-topic

如今咱们搭建了一个集群，怎么知道每一个节点的信息呢？运行“"describe topics”命令就能够了：

> bin/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: 1,2,0 Isr: 1,2,0

下面解释一下这些输出。第一行是对全部分区的一个描述，而后每一个分区都会对应一行，由于咱们只有一个分区因此下面就只加了一行。

leader：负责处理消息的读和写，leader是从全部节点中随机选择的,这里的--replication-factor是副本数，它不能大于broker数

replicas：列出了全部的副本节点，无论节点是否在服务中.

isr：是正在服务中的节点.

在咱们的例子中，节点0是做为leader运行。

向topic发送消息：

> bin/kafka-console-producer.sh --broker-list localhost:9092 --topic my-replicated-topic

...

my test message 1my test message 2^C 

消费这些消息：

> bin/kafka-console-consumer.sh --zookeeper localhost:2181 --from-beginning --topic my-replicated-topic

...

my test message 1

my test message 2

^C

测试一下容错能力.Broker 1做为leader运行，如今咱们kill掉它：

> ps | grep server-1.properties7564 ttys002    0:15.91 /System/Library/Frameworks/JavaVM.framework/Versions/1.6/Home/bin/java...

> kill -9 7564

另一个节点被选作了leader,node 1 再也不出如今 in-sync 副本列表中：

> bin/kafka-topics.sh --describe --zookeeper localhost:218192 --topic my-replicated-topic

Topic:my-replicated-topic       PartitionCount:1        ReplicationFactor:3     Configs:

        Topic: my-replicated-topic      Partition: 0    Leader: 2       Replicas: 1,2,0 Isr: 2,0

虽然最初负责续写消息的leader down掉了，但以前的消息仍是能够消费的：

> bin/kafka-console-consumer.sh --zookeeper localhost:2181 --from-beginning --topic my-replicated-topic

...

my test message 1

my test message 2

^C

看来Kafka的容错机制仍是不错的。