首页 > 代码库 > Kafka
Kafka
Kafka架构
Kafka的整体架构非常简单，是显式分布式架构，producer、broker（kafka）和consumer都可以有多个。 Producer，consumer实现Kafka注册的接口，数据从producer发送到broker，broker承担一个中间缓存和分发的作用。 broker分发注册到系统中的consumer。broker的作用类似于缓存，即活跃的数据和离线处理系统之间的缓存。客户端和服务器端的通信，是基 于简单，高性能，且与编程语言无关的TCP协议。
kafka对消息保存时根据Topic进行归类，发送消息者成为Producer,消息接受者成为Consumer,此外kafka集群有多个kafka实例组成，每个实例(server)成为broker。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。
几个基本概念
Topic：特指Kafka处理的消息源（feeds of messages）的不同分类。
Partition：Topic物理上的分组，一个topic可以分为多个partition，每个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）。为了实现扩展性，一个非常大的topic可以分布到多个 broker（即服务器）上，一个topic可以分为多个partition，每个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）。
Message：消息，是通信的基本单位，每个producer可以向一个topic（主题）发布一些消息。
Producers：消息和数据生产者，向Kafkas的一个topic发布消息的过程叫做producers。
Consumers：消息和数据消费者，订阅topics并处理其发布的消息的过程叫做consumers。
Broker：缓存代理，Kafa集群中的一台或多台服务器统称为broker。
消息发送流程
Producer根据指定的partition方法（round-robin、hash等），将消息发布到指定topic的partition里面
kafka集群接收到Producer发过来的消息后，将其持久化到硬盘，并保留消息指定时长（可配置），而不关注消息是否被消费。
Consumer从kafka集群pull数据，并控制获取消息的offset
Consumer Group （CG）：消息系统有两类，一是广播，二是订阅发布。广播是把消息发送给所有的消费者；发布订阅是把消息只发送给订阅者。Kafka通过Consumer Group组合实现了这两种机制： 实现一个topic消息广播（发给所有的consumer）和单播（发给任意一个consumer）。一个 topic可以有多个CG。topic的消息会复制（不是真的复制，是概念上的）到所有的CG，但每个CG只会把消息发给该CG中的一个 consumer（这是实现一个Topic多Consumer的关键点：为一个Topic定义一个CG，CG下定义多个Consumer）。如果需要实现 广播，只要每个consumer有一个独立的CG就可以了。要实现单播只要所有的consumer在同一个CG。用CG还 可以将consumer进行自由的分组而不需要多次发送消息到不同的topic。典型的应用场景是，多个Consumer来读取一个Topic(理想情况 下是一个Consumer读取Topic的一个Partition）,那么可以让这些Consumer属于同一个Consumer Group即可实现消息的多Consumer并行处理，原理是Kafka将一个消息发布出去后，ConsumerGroup中的Consumers可以通 过Round Robin的方式进行消费(Consumers之间的负载均衡使用Zookeeper来实现)
Kafka的设计
吞吐量
高吞吐是kafka需要实现的核心目标之一，为此kafka做了以下一些设计：
数据磁盘持久化：消息不在内存中cache，直接写入到磁盘，充分利用磁盘的顺序读写性能
zero-copy：减少IO操作步骤
数据批量发送
数据压缩
Topic划分为多个partition，提高parallelism
负载均衡
producer根据用户指定的算法，将消息发送到指定的partition
存在多个partiiton，每个partition有自己的replica，每个replica分布在不同的Broker节点上
多个partition需要选取出lead partition，lead partition负责读写，并由zookeeper负责fail over
通过zookeeper管理broker与consumer的动态加入与离开
拉取系统
由于kafka broker会持久化数据，broker没有内存压力，因此，consumer非常适合采取pull的方式消费数据，具有以下几点好处：
简化kafka设计
consumer根据消费能力自主控制消息拉取速度
consumer根据自身情况自主选择消费模式，例如批量，重复消费，从尾端开始消费等
可扩展性
当需要增加broker结点时，新增的broker会向zookeeper注册，而producer及consumer会根据注册在zookeeper上的watcher感知这些变化，并及时作出调整。
Kafka的设计要点
1、直接使用linux 文件系统的cache，来高效缓存数据。
2、采用linux Zero-Copy提高发送性能。传统的数据发送需要发送4次上下文切换，采用sendfile系统调用之后，数据直接在内核态交换，系统上下文切换减少 为2次。根据测试结果，可以提高60%的数据发送性能。Zero-Copy详细的技术细节可以参考：https://www.ibm.com /developerworks/linux/library/j-zerocopy/
3、数据在磁盘上存取代价为O(1)。kafka以topic来进行消息管理，每个topic包含多个part（ition），每个part对应一 个逻辑log，有多个segment组成。每个segment中存储多条消息，消息id由其逻辑位置决定，即从消息id可直接定位到消息的存储 位置，避免id到位置的额外映射。每个part在内存中对应一个index，记录每个segment中的第一条消息偏移。发布者发到某个topic的消息 会被均匀的分布到多个part上（随机或根据用户指定的回调函数进行分布），broker收到发布消息往对应part的最后一个segment上添加该消 息，当某个segment上的消息条数达到配置值或消息发布时间超过阈值时，segment上的消息会被flush到磁盘，只有flush到磁盘上的消息 订阅者才能订阅到，segment达到一定的大小后将不会再往该segment写数据，broker会创建新的segment。
4、显式分布式，即所有的producer、broker和consumer都会有多个，均为分布式的。Producer和broker之间没有负载均衡机制。broker和consumer之间利用zookeeper进行负载均衡。所有broker和consumer都会在zookeeper中进行注册，且zookeeper会保存他们的一些元数据信息。如果某个broker和consumer发生了变化，所有其他的broker和 consumer都会得到通知。
Topic、Partition和Replica的关系
如上图，一个Topic有四个Partition，每个Partition两个replication。
Kafka的应用场景
1.消息队列
比起大多数的消息系统来说，Kafka有更好的吞吐量，内置的分区，冗余及容错性，这让Kafka成为了一个很好的大规模消息处理应用的解决方案。 消息系统一般吞吐量相对较低，但是需要更小的端到端延时，并尝尝依赖于Kafka提供的强大的持久性保障。在这个领域，Kafka足以媲美传统消息系统， 如ActiveMR或RabbitMQ。
2.行为跟踪
Kafka的另一个应用场景是跟踪用户浏览页面、搜索及其他行为，以发布-订阅的模式实时记录到对应的topic里。那么这些结果被订阅者拿到后，就可以做进一步的实时处理，或实时监控，或放到hadoop/离线数据仓库里处理。
3.元信息监控
作为操作记录的监控模块来使用，即汇集记录一些操作信息，可以理解为运维性质的数据监控吧。
4.日志收集
日志收集方面，其实开源产品有很多，包括Scribe、Apache Flume。很多人使用Kafka代替日志聚合（log aggregation）。日志聚合一般来说是从服务器上收集日志文件，然后放到一个集中的位置（文件服务器或HDFS）进行处理。然而Kafka忽略掉 文件的细节，将其更清晰地抽象成一个个日志或事件的消息流。这就让Kafka处理过程延迟更低，更容易支持多数据源和分布式数据处理。比起以日志为中心的 系统比如Scribe或者Flume来说，Kafka提供同样高效的性能和因为复制导致的更高的耐用性保证，以及更低的端到端延迟。
5.流处理
这个场景可能比较多，也很好理解。保存收集流数据，以提供之后对接的Storm或其他流式计算框架进行处理。很多用户会将那些从原始topic来的 数据进行阶段性处理，汇总，扩充或者以其他的方式转换到新的topic下再继续后面的处理。例如一个文章推荐的处理流程，可能是先从RSS数据源中抓取文 章的内容，然后将其丢入一个叫做“文章”的topic中；后续操作可能是需要对这个内容进行清理，比如回复正常数据或者删除重复数据，最后再将内容匹配的 结果返还给用户。这就在一个独立的topic之外，产生了一系列的实时数据处理的流程。Strom和Samza是非常著名的实现这种类型数据转换的框架。
6.事件源
事件源是一种应用程序设计的方式，该方式的状态转移被记录为按时间顺序排序的记录序列。Kafka可以存储大量的日志数据，这使得它成为一个对这种方式的应用来说绝佳的后台。比如动态汇总（News feed）。
7.持久性日志（commit log）
Kafka可以为一种外部的持久性日志的分布式系统提供服务。这种日志可以在节点间备份数据，并为故障节点数据回复提供一种重新同步的机制。Kafka中日志压缩功能为这种用法提供了条件。在这种用法中，Kafka类似于Apache BookKeeper项目。
kafka集群演示
kafka 基础配置
broker.id=1 #broker标识，id为正数，且全局不得重复 num.network.threads=3 num.io.threads=8 socket.send.buffer.bytes=102400 socket.receive.buffer.bytes=102400 socket.request.max.bytes=104857600 log.dirs=/opt/kafka/kafka-logs num.partitions=1 #每个partition的备份个数 num.recovery.threads.per.data.dir=1 log.retention.hours=168 #segment文件保留的最长时间，超过将被删除7*24 log.segment.bytes=1073741824 #日志文件中每个segment文件的尺寸，默认为1G log.flush.interval.messages=10000 #partiton中buffer中，消息的条数，达到阀值，将触发flush到磁盘中 log.flush.interval.ms=1000 #消息buffer时间，达到阀值，将触发flush到磁盘 log.retention.check.interval.ms=300000 zookeeper.connection.timeout.ms=6000
kafka start脚本
#!/bin/sh
export JAVA_HOME=/usr/java/jdk7
export PATH=$JAVA_HOME/bin:$PATH
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
KAFKA_CFG="/opt/kafka/config/server.cfg"
#Identify the broker id
echo "broker.id=${BROKER_ID}" >> ${KAFKA_CFG}
#Identify the service port
echo "listeners=PLAINTEXT://:${KAFKA_PORT}" >> ${KAFKA_CFG}
# Add additional ZooKeeper servers into the server.properties file
echo "${ZK_CFG}" >> ${KAFKA_CFG}
# Start Kafkaexec
/opt/kafka/bin/kafka-server-start.sh /opt/kafka/config/server.cfgkafka Dockerfile
FROM jdk7 RUN locale-gen en_US.UTF-8ENV LANG en_US.UTF-8 RUN /bin/cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime ADD ./kafka /opt/kafka ADD ./server.cfg /opt/kafka/config/ ADD ./kafka_start.sh /opt/kafka/bin/ RUN chmod +x /opt/kafka/bin/kafka_start.sh RUN mkdir /opt/kafka/kafka-logs CMD /opt/kafka/bin/kafka_start.sh
kafka Build
docker build --no-cache=true -t "ttxsgoto.com/kafka:v2016" .
kafka Run
#kafka1 docker run --net=host -d --name kafka1 -e BROKER_ID=1 -e KAFKA_PORT=9091 -e ZK_CFG=zookeeper.connect=192.168.229.133:2181,192.168.229.133:2182,192.168.229.133:2183 ttxsgoto.com/kafka:v2016 #kafka2 docker run --net=host -d --name kafka2 -e BROKER_ID=2 -e KAFKA_PORT=9092 -e ZK_CFG=zookeeper.connect=192.168.229.133:2181,192.168.229.133:2182,192.168.229.133:2183 ttxsgoto.com/kafka:v2016 #kafka3 docker run --net=host -d --name kafka3 -e BROKER_ID=3 -e KAFKA_PORT=9093 -e ZK_CFG=zookeeper.connect=192.168.229.133:2181,192.168.229.133:2182,192.168.229.133:2183 ttxsgoto.com/kafka:v2016
建立topic
export JAVA_HOME=/usr/java/jdk7 export PATH=$JAVA_HOME/bin:$PATH export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar ./kafka-topics.sh --create --zookeeper 192.168.229.133:2181 --replication-factor 1 --partitions 1 --topic ttxsgoto ./kafka-topics.sh --create --zookeeper 192.168.229.133:2182 --replication-factor 1 --partitions 1 --topic ttxsgoto ./kafka-topics.sh --create --zookeeper 192.168.229.133:2183 --replication-factor 1 --partitions 1 --topic ttxsgoto
查看topic
export JAVA_HOME=/usr/java/jdk7 export PATH=$JAVA_HOME/bin:$PATH export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar ./kafka-topics.sh --list --zookeeper 192.168.229.133:2181 ./kafka-topics.sh --list --zookeeper 192.168.229.133:2182 ./kafka-topics.sh --list --zookeeper 192.168.229.133:2183
生产数据
export JAVA_HOME=/usr/java/jdk7 export PATH=$JAVA_HOME/bin:$PATH export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar ./kafka-console-producer.sh --broker-list 192.168.229.133:9091 --topic ttxsgoto ./kafka-console-producer.sh --broker-list 192.168.229.133:9092 --topic ttxsgoto ./kafka-console-producer.sh --broker-list 192.168.229.133:9093 --topic ttxsgoto
消费数据
export JAVA_HOME=/usr/java/jdk7 export PATH=$JAVA_HOME/bin:$PATH export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar ./kafka-console-consumer.sh --zookeeper 192.168.229.133:2181 --topic ttxsgoto ./kafka-console-consumer.sh --zookeeper 192.168.229.133:2182 --topic ttxsgoto ./kafka-console-consumer.sh --zookeeper 192.168.229.133:2183 --topic ttxsgoto
本文出自 “天天向上goto” 博客，请务必保留此出处http://ttxsgoto.blog.51cto.com/4943095/1855580
Kafka