Kafka消息系统

1、基本概念

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。
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。
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。

2、环境搭建

1.下载Kafka点击下载最新的版本并解压.

1)tar -xzf kafka_2.9.2-0.8.1.1.tgz

2)cd kafka_2.9.2-0.8.1.1

2.启动服务
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。

1)bin/zookeeper-server-start.sh config/zookeeper.properties &

2)启动Kafka:

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

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

除了手动建立topic，还能够配置broker让它自动建立topic.

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。

5)启动consumer
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。

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添加如下参数：

config/server-[1,2].properties:

broker.id=[1,2]

port=909[3,4]

log.dir=/tmp/kafka-logs-[1,2]

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。

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: 1       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.
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1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 1 my 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
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.properties                     7564 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