天天看點
傳回

kafka掃盲筆記，實戰入門

   Kafka作為大資料時代的産物，自有其生存之道。讓我們跟随掃盲班的教育訓練，進行大緻了解與使用kafka吧。（平時工作有使用不代表就知道kafka了喲）

1. kafka介紹

1.1. 擁有的能力（能幹什麼？）

     根據官網的介紹，ApacheKafka®是一個分布式流媒體平台，它主要有3種功能：

　　1. 釋出和訂閱消息流，這個功能類似于消息隊列，這也是kafka歸類為消息隊列架構的原因

　　2. 以容錯的方式記錄消息流，kafka以檔案的方式來存儲消息流

　　3. 可以再消息釋出的時候進行處理

1.2. 應用場景（在哪些地方适用？）

     1. 作為一種消息中間件，類似于rabbitmq産品，提供消息隊列功能；

     2. 建構實時的流資料處理程式來變換或處理資料流，資料處理功能，重要應用:  Apache Storm；

     3. 使用者行為跟蹤，如pv，uv等等UBT資料跟蹤；

     3. 名額監控，用于業務預警，擁有強悍的吞吐能力；

     4. 日志聚合，叢集日志收集（日志中心），友善系統排障；

1.3. 詳細介紹（功能說明）

     Kafka目前主要作為一個分布式的釋出訂閱式的消息系統使用，下面簡單介紹一下kafka的基本機制

　　1.3.1 消息傳輸流程

kafka掃盲筆記，實戰入門

　　　　Producer即生産者，向Kafka叢集發送消息，在發送消息之前，會對消息進行分類，即Topic，上圖展示了兩個producer發送了分類為topic1的消息，另外一個發送了topic2的消息。

　　　　Topic即主題，通過對消息指定主題可以将消息分類，消費者可以隻關注自己需要的Topic中的消息

　　　　Consumer即消費者，消費者通過與kafka叢集建立長連接配接的方式，不斷地從叢集中拉取消息，然後可以對這些消息進行處理。

　　　　從上圖中就可以看出同一個Topic下的消費者和生産者的數量并不是對應的。

　　1.3.2 kafka伺服器消息存儲政策

kafka掃盲筆記，實戰入門

　　　　談到kafka的存儲，就不得不提到分區，即partitions，建立一個topic時，同時可以指定分區數目，分區數越多，其吞吐量也越大，但是需要的資源也越多，同時也會導緻更高的不可用性，kafka在接收到生産者發送的消息之後，會根據均衡政策将消息存儲到不同的分區中。

kafka掃盲筆記，實戰入門

　　在每個分區中，消息以順序存儲，最晚接收的的消息會最後被消費。

　　1.3.3 與生産者的互動

kafka掃盲筆記，實戰入門

　　　　生産者在向kafka叢集發送消息的時候，可以通過指定分區來發送到指定的分區中

　　　　也可以通過指定均衡政策來将消息發送到不同的分區中

　　　　如果不指定，就會采用預設的随機均衡政策，将消息随機的存儲到不同的分區中

　　1.3.4  與消費者的互動

kafka掃盲筆記，實戰入門

　　　　在消費者消費消息時，kafka使用offset來記錄目前消費的位置

　　　　在kafka的設計中，可以有多個不同的group來同時消費同一個topic下的消息，如圖，我們有兩個不同的group同時消費，他們的的消費的記錄位置offset各不項目，不互相幹擾。

　　　　對于一個group而言，消費者的數量不應該多餘分區的數量，因為在一個group中，每個分區至多隻能綁定到一個消費者上，即一個消費者可以消費多個分區，一個分區隻能給一個消費者消費

　　　　是以，若一個group中的消費者數量大于分區數量的話，多餘的消費者将不會收到任何消息。

2. Kafka安裝與使用

2.1.  下載下傳

　　你可以在kafka官網 http://kafka.apache.org/downloads最新版使用。

2.2. 安裝

　　Kafka是使用scala編寫的運作與jvm虛拟機上的程式，雖然也可以在windows上使用，但是kafka基本上是運作在linux伺服器上，是以我們這裡也使用linux來開始今天的實戰。

　　首先確定你的機器上安裝了jdk，kafka需要java運作環境，以前的kafka還需要zookeeper，新版的kafka已經内置了一個zookeeper環境，是以我們可以直接使用。自己安裝獨立zk環境也很友善，可參考這篇文章: https://www.cnblogs.com/yougewe/articles/9546233.html

　　安裝方法：隻需要解壓到任意目錄就可以使用了（windows環境需要将CLASS_PATH用""雙引号括起來，否則會導緻類查找失敗），這裡我們将kafka壓縮包解壓到/home目錄

2.3. 配置

　　在kafka解壓目錄下下有一個config的檔案夾，裡面放置的是我們的配置檔案

　　consumer.properites 消費者配置，這個配置檔案用于配置于2.5節中開啟的消費者，此處我們使用預設的即可

　　producer.properties 生産者配置，這個配置檔案用于配置于2.5節中開啟的生産者，此處我們使用預設的即可

　　server.properties kafka伺服器的配置，此配置檔案用來配置kafka伺服器，目前僅介紹幾個最基礎的配置

    1. broker.id 申明目前kafka伺服器在叢集中的唯一ID，需配置為integer,并且叢集中的每一個kafka伺服器的id都應是唯一的，我們這裡采用預設配置即可
    2. listeners 申明此kafka伺服器需要監聽的端口号，如果是在本機上跑虛拟機運作可以不用配置本項，預設會使用localhost的位址，如果是在遠端伺服器上運作則必須配置，例如：

　　　　　　　　　　listeners=PLAINTEXT:// 192.168.180.128:9092。并確定伺服器的9092端口能夠通路

　　　　　　3.zookeeper.connect 申明kafka所連接配接的zookeeper的位址 ，需配置為zookeeper的位址，由于本次使用的是kafka高版本中自帶zookeeper，使用預設配置即可

　　　　　　　　　　zookeeper.connect=localhost:2181

2.4. 運作

  1. 啟動zookeeper

cd進入kafka解壓目錄，輸入

bin/zookeeper-server-start.sh config/zookeeper.properties # windows版本需加目錄 windows\xx.bat

啟動zookeeper成功後會看到如下的輸出
kafka掃盲筆記，實戰入門

　　　　2.啟動kafka

bin/kafka-server-start.sh config/server.properties   # windows版本需加目錄 windows\xx.bat

啟動kafka成功後會看到如下的輸出

kafka掃盲筆記，實戰入門

2.5. 第一個消息

　　　2.5.1   建立一個topic

　　　　Kafka通過topic對同一類的資料進行管理，同一類的資料使用同一個topic可以在處理資料時更加的便捷

　　　　在kafka解壓目錄打開終端，建立一個名為test的topic

bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test  # windows版本需加目錄 windows\xx.bat

        　在建立topic後可以通過輸入

bin/kafka-topics.sh --list --zookeeper localhost:2181　　 # windows版本需加目錄 windows\xx.bat

來檢視已經建立的topic

　　2.4.2   

建立一個消息消費者

　　　在kafka解壓目錄打開終端，輸入如下指令，建立一個用于消費topic為test的消費者

 
bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test --from-beginning

         消費者建立完成之後，因為還沒有發送任何資料，是以這裡在執行後沒有列印出任何資料

         不過别着急，不要關閉這個終端，打開一個新的終端，接下來我們建立第一個消息生産者

　　2.4.3 建立一個消息生産者

　　　　在kafka解壓目錄打開一個新的終端，輸入

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

　　　　在執行完畢後會進入的編輯器頁面

kafka掃盲筆記，實戰入門

在發送完消息之後，可以回到我們的消息消費者終端中，可以看到，終端中已經列印出了我們剛才發送的消息

kafka掃盲筆記，實戰入門

　　 2.4.3       叢集環境下使用kafka

　　　　kafka 做單個執行個體，是沒有存在的意義的，是以讓我們來看看怎麼做快速的叢集部署。

　　　　2.4.3.1  複制出多份server.properties, 進行不同的配置

> cp config/server.properties config/server-1.properties
> cp config/server.properties config/server-2.properties

　　　　2.4.3.2 各自配置如下：

config/server-1.properties:
    broker.id=1
    listeners=PLAINTEXT://:9093
    log.dirs=/tmp/kafka-logs-1
 
config/server-2.properties:
    broker.id=2
    listeners=PLAINTEXT://:9094
    log.dirs=/tmp/kafka-logs-2

　　　　2.4.3.3 然後啟動三個叢集broker，現在就已經是叢集環境了

> bin/kafka-server-start.sh config/server-1.properties &
...
> bin/kafka-server-start.sh config/server-2.properties &
...

　　　　2.4.3.4 向叢集中添加topic

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

　　　　檢視叢集節點情況：

> bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic

　　　　2.4.3.5 發送消息、消費消息，驗證結果

> bin/kafka-console-producer.sh --broker-list localhost:9092 --topic my-replicated-topic
my test message 1
Now let's consume these messages:
> bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --from-beginning --topic my-replicated-topic
my test message 1

3. 使用java程式對接kafka

　　　　跟上節中一樣，我們現在在java程式中嘗試使用kafka

　　　　3.1  建立Topic

public static void main(String[] args) {
    //建立topic
    Properties props = new Properties();
    props.put("bootstrap.servers", "192.168.180.128:9092");
    AdminClient adminClient = AdminClient.create(props);
    ArrayList<NewTopic> topics = new ArrayList<NewTopic>();
    NewTopic newTopic = new NewTopic("topic-test", 1, (short) 1);
    topics.add(newTopic);
    CreateTopicsResult result = adminClient.createTopics(topics);
    try {
        result.all().get();
    } catch (InterruptedException e) {
        e.printStackTrace();
    } catch (ExecutionException e) {
        e.printStackTrace();
    }
}

　　使用AdminClient API可以來控制對kafka伺服器進行配置，我們這裡使用NewTopic(String name, int numPartitions, short 　　replicationFactor)的構造方法來建立了一個名為“topic-test”，分區數為1，複制因子為1的Topic.

3.2  Producer生産者發送消息

public static void main(String[] args){
    Properties props = new Properties();
    props.put("bootstrap.servers", "192.168.180.128:9092");
    props.put("acks", "all");
    props.put("retries", 0);
    props.put("batch.size", 16384);
    props.put("linger.ms", 1);
    props.put("buffer.memory", 33554432);
    props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
    props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");

    Producer<String, String> producer = new KafkaProducer<String, String>(props);
    for (int i = 0; i < 100; i++)
        producer.send(new ProducerRecord<String, String>("topic-test", Integer.toString(i), Integer.toString(i)));

    producer.close();

}

　　使用producer發送完消息可以通過2.5中提到的伺服器端消費者監聽到消息。也可以使用接下來介紹的java消費者程式來消費消息

3.3 Consumer消費者消費消息

public static void main(String[] args){
    Properties props = new Properties();
    props.put("bootstrap.servers", "192.168.12.65:9092");
    props.put("group.id", "test");
    props.put("enable.auto.commit", "true");
    props.put("auto.commit.interval.ms", "1000");
    props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
    props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
    final KafkaConsumer<String, String> consumer = new KafkaConsumer<String,String>(props);
    consumer.subscribe(Arrays.asList("topic-test"),new ConsumerRebalanceListener() {
        public void onPartitionsRevoked(Collection<TopicPartition> collection) {
        }
        public void onPartitionsAssigned(Collection<TopicPartition> collection) {
            //将偏移設定到最開始
            consumer.seekToBeginning(collection);
        }
    });
    while (true) {
        ConsumerRecords<String, String> records = consumer.poll(100);
        for (ConsumerRecord<String, String> record : records)
            System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
    }
}

　　這裡我們使用Consume API 來建立了一個普通的java消費者程式來監聽名為“topic-test”的Topic，每當有生産者向kafka伺服器發送消息，我們的消費者就能收到發送的消息。

4. 使用spring-kafka

Spring-kafka是正處于孵化階段的一個spring子項目，能夠使用spring的特性來讓我們更友善的使用kafka

4.1 基本配置資訊

與其他spring的項目一樣，總是離不開配置，這裡我們使用java配置來配置我們的kafka消費者和生産者。

  1. 引入pom檔案 
<!--kafka start-->
<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-clients</artifactId>
    <version>0.11.0.1</version>
</dependency>
<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-streams</artifactId>
    <version>0.11.0.1</version>
</dependency>
<dependency>
    <groupId>org.springframework.kafka</groupId>
    <artifactId>spring-kafka</artifactId>
    <version>1.3.0.RELEASE</version>
</dependency>
  1. 建立配置類

我們在主目錄下建立名為KafkaConfig的類

@Configuration
@EnableKafka
public class KafkaConfig {
　　//topic config Topic的配置開始
    @Bean
    public KafkaAdmin admin() {
        Map<String, Object> configs = new HashMap<String, Object>();
        configs.put(AdminClientConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.180.128:9092");
        return new KafkaAdmin(configs);
    }

    @Bean
    public NewTopic topic1() {
        return new NewTopic("foo", 10, (short) 2);
    }
　　//topic的配置結束
//producer config start
    @Bean
    public ProducerFactory<Integer, String> producerFactory() {
        return new DefaultKafkaProducerFactory<Integer,String>(producerConfigs());
    }
    @Bean
    public Map<String, Object> producerConfigs() {
        Map<String, Object> props = new HashMap<String,Object>();
        props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.180.128:9092");
        props.put("acks", "all");
        props.put("retries", 0);
        props.put("batch.size", 16384);
        props.put("linger.ms", 1);
        props.put("buffer.memory", 33554432);
        props.put("key.serializer", "org.apache.kafka.common.serialization.IntegerSerializer");
        props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        return props;
    }
    @Bean
    public KafkaTemplate<Integer, String> kafkaTemplate() {
        return new KafkaTemplate<Integer, String>(producerFactory());
    }
//producer config end

}
  1. 配置Topic

　　在kafkaConfig類中添加配置 

  1. 配置生産者Factort及Template

5.配置ConsumerFactory

//consumer config start
    @Bean
    public ConcurrentKafkaListenerContainerFactory<Integer,String> kafkaListenerContainerFactory(){
        ConcurrentKafkaListenerContainerFactory<Integer, String> factory = new ConcurrentKafkaListenerContainerFactory<Integer, String>();
        factory.setConsumerFactory(consumerFactory());
        return factory;
    }

    @Bean
    public ConsumerFactory<Integer,String> consumerFactory(){
        return new DefaultKafkaConsumerFactory<Integer, String>(consumerConfigs());
    }


    @Bean
    public Map<String,Object> consumerConfigs(){
        HashMap<String, Object> props = new HashMap<String, Object>();
        props.put("bootstrap.servers", "192.168.180.128:9092");
        props.put("group.id", "test");
        props.put("enable.auto.commit", "true");
        props.put("auto.commit.interval.ms", "1000");
        props.put("key.deserializer", "org.apache.kafka.common.serialization.IntegerDeserializer");
        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        return props;
    }
//consumer config end

4.2  建立消息生産者

//使用spring-kafka的template發送一條消息 發送多條消息隻需要循環多次即可
public static void main(String[] args) throws ExecutionException, InterruptedException {
    AnnotationConfigApplicationContext ctx = new AnnotationConfigApplicationContext(KafkaConfig.class);
    KafkaTemplate<Integer, String> kafkaTemplate = (KafkaTemplate<Integer, String>) ctx.getBean("kafkaTemplate");
        String data="this is a test message";
        ListenableFuture<SendResult<Integer, String>> send = kafkaTemplate.send("topic-test", 1, data);
        send.addCallback(new ListenableFutureCallback<SendResult<Integer, String>>() {
            public void onFailure(Throwable throwable) {

            }

            public void onSuccess(SendResult<Integer, String> integerStringSendResult) {

            }
        });
}

4.3  建立消息消費者

我們首先建立一個一個用于消息監聽的類，當名為”topic-test”的topic接收到消息之後，我們的這個listen方法就會調用。

public class SimpleConsumerListener {
    private final static Logger logger = LoggerFactory.getLogger(SimpleConsumerListener.class);
    private final CountDownLatch latch1 = new CountDownLatch(1);

    @KafkaListener(id = "foo", topics = "topic-test")
    public void listen(byte[] records) {
        //do something here
        this.latch1.countDown();
    }
}

我們同時也需要将這個類作為一個Bean配置到KafkaConfig中

@Bean
public SimpleConsumerListener simpleConsumerListener(){
    return new SimpleConsumerListener();
}

預設spring-kafka會為每一個監聽方法建立一個線程來向kafka伺服器拉取消息。

文章轉載自：https://www.cnblogs.com/hei12138/p/7805475.html

英文官方版快速教程： http://kafka.apache.org/quickstart

不要害怕今日的苦，你要相信明天，更苦！

kafka 大資料 消息隊列
上一篇: 2015書單
下一篇: Linux中select poll和epoll的差別

繼續閱讀