🍤kafka的基本使用

🍤kafka的基本使用

1️⃣Kafka的安环安装

1.安装前的环境准备

由于Kafka是用Scala语言开发的，运行在JVM上，因此在安装Kafka之前需要先安装JDK。

yum install java-1.8.0-openjdk* -y

kafka依赖zookeeper，所以需要先安装zookeeper。

wget https://archive.apache.org/dist/zookeeper/zookeeper-3.5.8/apache-zookeeper-3.8.0-bin.tar.gz
tar -zxvf apache-zookeeper-3.8.0-bin.tar.gz
cd  apache-zookeeper-3.8.0-bin
cp conf/zoo_sample.cfg conf/zoo.cfg

# 启动zookeeper
bin/zkServer.sh start
bin/zkCli.sh 
ls /

2.下载安装包

下载最新 release版本，并解压：

# 2.13是scala的版本，3.1.0是kafka的版本
wget https://archive.apache.org/dist/kafka/3.1.0/kafka_2.13-3.1.0.tgz
tar -xzf kafka_2.13-3.1.0.tgz
cd kafka_2.13-3.1.0

3.修改配置

🟡单机版本

单机模式下，直接修改配置文件 broker.id随意设置,ip为单机本机即可

#broker.id属性在kafka集群中必须要是唯一
broker.id=0
#kafka部署的机器ip和提供服务的端口号
listeners=PLAINTEXT://ip:9092   
#kafka的消息存储文件
log.dir=/usr/local/data/kafka-logs
#kafka连接zookeeper的地址
zookeeper.connect=ip:2181

🟡集群版本

对于kafka来说，一个单独的broker意味着kafka集群中只有一个节点。要想增加kafka集群中的节点数量，只需要多启动几个broker实例即可。为了有更好的理解。由于我这里是启动的集群版本，机器信息为：

IP	zk_my_id	Kafka.broker.id	配置	kafka 端口号
192.168.230.133	3	3	2C4U	39092
192.168.230.134	2	2	4C8U	29092
192.168.230.135	1	1	4C8U	19092

根据上表格的参数信息在config/server.properties配置文件依次替换对应的broker.id和listeners，并在替换公共的log和zk集群地址

#broker.id属性在kafka集群中必须要是唯一
broker.id=3
#kafka部署的机器ip和提供服务的端口号
listeners=PLAINTEXT://192.168.230.133:39092   
#kafka的消息存储文件
log.dir=/usr/local/data/kafka-logs
#kafka连接zookeeper的地址
zookeeper.connect=192.168.230.133:2181,192.168.230.134:2181,192.168.230.135:2181
    
#用于定义集群向 Producer 和 Consumer 广播的节点 host 和 port
advertised.host.name=192.168.230.133
advertised.port=39092

如果不定义，会默认使用 host.name 和 port 的定义。但在实际应用中，发现如果不定义 advertised.host.name 参数，使用 Java 客户端从远端连接集群时，会发生连接超时，抛出异常：org.apache.kafka.common.errors.TimeoutException: Batch Expired

server.properties核心配置详解

Property	Default	Description
broker.id	0	每个broker都可以用一个唯一的非负整数id进行标识；这个id可以作为broker的“名字”，你可以选择任意你喜欢的数字作为id，只要id是唯一的即可。
log.dirs	/tmp/kafka-logs	kafka存放数据的路径。这个路径并不是唯一的，可以是多个，路径之间只需要使用逗号分隔即可；每当创建新partition时，都会选择在包含最少partitions的路径下进行。
listeners	PLAINTEXT://192.168.65.60:9092	server接受客户端连接的端口，ip配置kafka本机ip即可
zookeeper.connect	localhost:2181	zooKeeper连接字符串的格式为：hostname:port，此处hostname和port分别是ZooKeeper集群中某个节点的host和port；zookeeper如果是集群，连接方式为 hostname1:port1, hostname2:port2, hostname3:port3
log.retention.hours	168	每个日志文件删除之前保存的时间。默认数据保存时间对所有topic都一样。
num.partitions	1	创建topic的默认分区数
default.replication.factor	1	自动创建topic的默认副本数量，建议设置为大于等于2
min.insync.replicas	1	当producer设置acks为-1时，min.insync.replicas指定replicas的最小数目（必须确认每一个repica的写数据都是成功的），如果这个数目没有达到，producer发送消息会产生异常
delete.topic.enable	false	是否允许删除主题

4.根据配置文件启动服务

官方建议的启动脚本语法：kafka-server-start.sh [-daemon] server.properties我们可以看到，server.properties的配置路径是一个强制的参数，-daemon表示以后台进程运行，否则ssh客户端退出后，就会停止服务

[root@ kafka_2.13-3.1.0]# ./bin/kafka-server-start.sh -daemon config/server.properties

验证，登录zk去里面看看没有对应的brokers的id就好了

[zk: localhost:2181(CONNECTED) 8] ls /brokers/ids
[1, 2, 3]

2️⃣Kafka的基础命令(部分)

1.单机创建主题

现在我们来创建一个名字为“kafka666”的Topic，这个topic只有一个partition，并且备份因子也设置为1：

bin/kafka-topics.sh --create --zookeeper 192.168.XX.XX:2181 --replication-factor 1 --partitions 1 --topic kafka666

2.单机查看主题

现在我们可以通过以下命令来查看kafka中目前存在的topic

bin/kafka-topics.sh --list --zookeeper 192.168.XX.XX:2181

除了我们通过手工的方式创建Topic，当producer发布一个消息到某个指定的Topic，这个Topic如果不存在，就自动创建。如果我们不想要这个主题我们可以通过以下命令镜像创建:

bin/kafka-topics.sh --delete --topic kafka666 --zookeeper 192.168.XX.XX:2181

3.消息的发送

Kafka自带了一个producer命令客户端，可以从本地文件中读取内容，或者我们也可以以命令行中直接输入内容，并将这些内容以消息的形式发送到kafka集群中。在默认情况下，每一个行会被当做成一个独立的消息。首先我们要运行发布消息的脚本，然后在命令中输入要发送的消息的内容：

bin/kafka-console-producer.sh --broker-list 192.168.XX.XX:19092 --topic kafka666 
>this is a msg
>this is a another msg

4.消息的消费

对于consumer消息消费，kafka同样也携带了一个命令行客户端，会将获取到内容在命令中进行输出，默认是消费最新的消息：

bin/kafka-console-consumer.sh --bootstrap-server 192.192.168.XX.XX:19092 --topic kafka666

如果想要消费之前的消息可以通过--from-beginning参数指定，如下命令：

bin/kafka-console-consumer.sh --bootstrap-server 192.192.168.XX.XX:19092 --from-beginning --topic kafka666

如果你是通过不同的终端窗口来运行以上的命令，你将会看到在producer终端输入的内容，很快就会在consumer的终端窗口上显示出来。

以上所有的命令都有一些附加的选项；当我们不携带任何参数运行命令的时候，将会显示出这个命令的详细用法。

5.消费多个主题

bin/kafka-console-consumer.sh --bootstrap-server 192.192.168.XX.XX:19092 --whitelist "kafka666|kafk"

6.消息的单播消费

一条消息只能被某一个消费者消费的模式，类似queue模式，只需让所有消费者在同一个消费组里即可分别在两个客户端执行如下消费命令，然后往主题里发送消息，结果只有一个客户端能收到消息

bin/kafka-console-consumer.sh --bootstrap-server 192.192.168.XX.XX:19092  --consumer-property group.id=kafkaGroup --topic kafka666

7.消息的多播消费

一条消息能被多个消费者消费的模式，类似publish-subscribe模式费，针对Kafka同一条消息只能被同一个消费组下的某一个消费者消费的特性，要实现多播只要保证这些消费者属于不同的消费组即可。我们再增加一个消费者，该消费者属于kafkaGroup-2消费组，结果两个客户端都能收到消息

bin/kafka-console-consumer.sh --bootstrap-server 192.168.65.60:9092 --consumer-property group.id=kafkaGroup-2 --topic kafka666

8.查看消费组名

bin/kafka-consumer-groups.sh --bootstrap-server 192.168.230.133:39092,192.168.230.134:29092,192.168.230.135:19092 --list

9.查看消费组的消费偏移量

bin/kafka-consumer-groups.sh --bootstrap-server 192.168.230.XXX:19092 --describe --group kafkaGroup

**current-offset：**当前消费组的已消费偏移量

**log-end-offset：**主题对应分区消息的结束偏移量(HW)

**lag：**当前消费组未消费的消息数

可以理解Topic是一个类别的名称，同类消息发送到同一个Topic下面。对于每一个Topic，下面可以有多个分区(Partition)日志文件:

Partition是一个有序的message序列，这些message按顺序添加到一个叫做commit log的文件中。每个partition中的消息都有一个唯一的编号，称之为offset，用来唯一标示某个分区中的message。

每个partition，都对应一个commit log文件。一个partition中的message的offset都是唯一的，但是不同的partition中的message的offset可能是相同的。

kafka一般不会删除消息，不管这些消息有没有被消费。只会根据配置的日志保留时间(log.retention.hours)确认消息多久被删除，默认保留最近一周的日志消息。kafka的性能与保留的消息数据量大小没有关系，因此保存大量的数据消息日志信息不会有什么影响。

每个consumer是基于自己在commit log中的消费进度(offset)来进行工作的。在kafka中，消费offset由consumer自己来维护；一般情况下我们按照顺序逐条消费commit log中的消息，当然我可以通过指定offset来重复消费某些消息，或者跳过某些消息。

这意味kafka中的consumer对集群的影响是非常小的，添加一个或者减少一个consumer，对于集群或者其他consumer来说，都是没有影响的，因为每个consumer维护各自的消费offset。

10.创建查看具有多个分区的主题

以下命令是通过集群的方式 具有4个分区1个副本的Topic

创建

# bin/kafka-topics.sh --create --bootstrap-server 192.168.230.133:39092,192.168.230.134:29092,192.168.230.135:19092 --replication-factor 1 --partitions 4 --topic testr1p4

查看

#  bin/kafka-topics.sh --describe  --bootstrap-server 192.168.230.133:39092,192.168.230.134:29092,192.168.230.135:19092 --topic testr1p4
Topic: testr1p4	TopicId: kNN1NeesT_adFeIFeaxvFg	PartitionCount: 4	ReplicationFactor: 1	Configs: segment.bytes=1073741824
	Topic: testr1p4	Partition: 0	Leader: 2	Replicas: 2	Isr: 2
	Topic: testr1p4	Partition: 1	Leader: 3	Replicas: 3	Isr: 3
	Topic: testr1p4	Partition: 2	Leader: 1	Replicas: 1	Isr: 1
	Topic: testr1p4	Partition: 3	Leader: 2	Replicas: 2	Isr: 2

以下是输出内容的解释，第一行是所有分区的概要信息，之后的每一行表示每一个partition的信息。

leader节点负责给定partition的所有读写请求。
replicas 表示某个partition在哪几个broker上存在备份。不管这个几点是不是”leader“，甚至这个节点挂了，也会列出。
isr 是replicas的一个子集，它只列出当前还存活着的，并且已同步备份了该partition的节点。

单机版本可以参考如下

bin/kafka-topics.sh --create --zookeeper 192.168.XX.XX:2181 --replication-factor 1 --partitions 2 --topic testr1p2

 bin/kafka-topics.sh --describe --zookeeper 192.168.XX.XX:2181 --topic testr1p2

可以进入kafka的数据文件存储目录[在配置conf文件中指定过]查看主题的消息日志文件：因为我是集群所以要在每个机器上查看，log的partitions分布在kafka集群中不同的broker上，每个broker可以请求备份其他broker上partition上的数据。kafka集群支持配置一个partition备份的数量。

针对每个partition，都有一个broker起到“leader”的作用，0个或多个其他的broker作为“follwers”的作用。leader处理所有的针对这个partition的读写请求，而followers被动复制leader的结果，不提供读写(主要是为了保证多副本数据与消费的一致性)。如果这个leader失效了，其中的一个follower将会自动的变成新的leader。

消息日志文件主要存放在分区文件夹里的以log结尾的日志文件里，如下是testr1p4主题对应的分区4（因为分区号从0开始）的消息日志：

# ll log/testr1p4-3
total 8
-rw-r--r-- 1 root root 10485760 Apr 29 01:07 00000000000000000000.index
-rw-r--r-- 1 root root        0 Apr 29 01:07 00000000000000000000.log
-rw-r--r-- 1 root root 10485756 Apr 29 01:07 00000000000000000000.timeindex
-rw-r--r-- 1 root root        8 Apr 29 01:07 leader-epoch-checkpoint
-rw-r--r-- 1 root root       43 Apr 29 01:07 partition.metadata

当然我们也可以通过如下命令增加topic的分区数量：

bin/kafka-topics.sh -alter --partitions 5 --bootstrap-server 192.168.230.133:39092,192.168.230.134:29092,192.168.230.135:19092 --topic testr1p4

(目前kafka不支持减少分区)

# bin/kafka-topics.sh -alter --partitions 4 --bootstrap-server 192.168.230.133:39092,192.168.230.134:29092,192.168.230.135:19092 --topic testr1p4
Error while executing topic command : Topic currently has 5 partitions, which is higher than the requested 4.
[2022-04-29 01:18:57,473] ERROR org.apache.kafka.common.errors.InvalidPartitionsException: Topic currently has 5 partitions, which is higher than the requested 4.
 (kafka.admin.TopicCommand$)

现在我们来测试down机效果

#  bin/kafka-topics.sh --describe  --bootstrap-server 192.168.230.133:39092,192.168.230.134:29092,192.168.230.135:19092 --topic testr1p4
Topic: testr1p4	TopicId: kNN1NeesT_adFeIFeaxvFg	PartitionCount: 5	ReplicationFactor: 1	Configs: segment.bytes=1073741824
	Topic: testr1p4	Partition: 0	Leader: 2	Replicas: 2	Isr: 2
	Topic: testr1p4	Partition: 1	Leader: 3	Replicas: 3	Isr: 3
	Topic: testr1p4	Partition: 2	Leader: 1	Replicas: 1	Isr: 1
	Topic: testr1p4	Partition: 3	Leader: 2	Replicas: 2	Isr: 2
	Topic: testr1p4	Partition: 4	Leader: 3	Replicas: 3	Isr: 3

找到第二台的kafka配置并获取对应的进程号，将其kill

ps -ef | grep properties
kill 3864

再次执行命令查看对应的信息

#  bin/kafka-topics.sh --describe  --bootstrap-server 192.168.230.133:39092,192.168.230.134:29092,192.168.230.135:19092 --topic testr1p4
Topic: testr1p4	TopicId: kNN1NeesT_adFeIFeaxvFg	PartitionCount: 5	ReplicationFactor: 1	Configs: segment.bytes=1073741824
	Topic: testr1p4	Partition: 0	Leader: 2	Replicas: 2	Isr: 2
	Topic: testr1p4	Partition: 1	Leader: 3	Replicas: 3	Isr: 3
	Topic: testr1p4	Partition: 2	Leader: none	Replicas: 1	Isr: 1
	Topic: testr1p4	Partition: 3	Leader: 2	Replicas: 2	Isr: 2
	Topic: testr1p4	Partition: 4	Leader: 3	Replicas: 3	Isr: 3

11.小总结

一个topic，代表逻辑上的一个业务数据集，比如按数据库里不同表的数据操作消息区分放入不同topic，订单相关操作消息放入订单topic，用户相关操作消息放入用户topic，对于大型网站来说，后端数据都是海量的，订单消息很可能是非常巨量的，比如有几百个G甚至达到TB级别，如果把这么多数据都放在一台机器上可定会有容量限制问题，那么就可以在topic内部划分多个partition来分片存储数据，不同的partition可以位于不同的机器上，每台机器上都运行一个Kafka的进程Broker。

所以对Topic下的数据进行分区存储是很有必要的，commit log文件会受到所在机器的文件系统大小的限制，分区之后可以将不同的分区放在不同的机器上，相当于对数据做了分布式存储，理论上一个topic可以处理任意数量的数据。此外还可以提高并行度

kafka将很多集群关键信息记录在zookeeper里，保证自己的无状态，从而在水平扩容时非常方便。

3️⃣kafka集群架构图

Producers

生产者将消息发送到topic中去，同时负责选择将message发送到topic的哪一个partition中。通过round-robin做简单的负载均衡。也可以根据消息中的某一个关键字来进行区分。通常第二种方式使用的更多。

Consumers

传统的消息传递模式有2种：队列( queue) 和（publish-subscribe）

queue模式：多个consumer从服务器中读取数据，消息只会到达一个consumer。
publish-subscribe模式：消息会被广播给所有的consumer。

Kafka基于这2种模式提供了一种consumer的抽象概念：consumer group。

queue模式：所有的consumer都位于同一个consumer group 下。
publish-subscribe模式：所有的consumer都有着自己唯一的consumer group。

上图说明：由2个broker组成的kafka集群，某个主题总共有4个partition(P0-P3)，分别位于不同的broker上。这个集群由2个Consumer Group消费， A有2个consumer instances ，B有4个。

通常一个topic会有几个consumer group，每个consumer group都是一个逻辑上的订阅者（ logical subscriber ）。每个consumer group由多个consumer instance组成，从而达到可扩展和容灾的功能。

一个partition同一个时刻在一个consumer group中只能有一个consumer instance在消费，从而保证消费顺序。consumer group中的consumer instance的数量不能比一个Topic中的partition的数量多，否则，多出来的consumer消费不到消息。

同时broker并没有leader和follower的概念，leader和follower的概念只对partion有效。

Kafka只在partition的范围内保证消息消费的局部顺序性，不能在同一个topic中的多个partition中保证总的消费顺序性。如果有在总体上保证消费顺序的需求，那么我们可以通过将topic的partition数量设置为1，将consumer group中的consumer instance数量也设置为1，但是这样会影响性能，所以kafka的顺序消费很少用。

🍔kafka-02-kafka的基本使用