Kafka入门宝典(详细截图版)
1、了解 Apache Kafka
1.1、简介
官网:http://kafka.apache.org/
- Apache Kafka 是一个开源消息系统,由Scala 写成。是由Apache 软件基金会开发的一个开源消息系统项目。
- Kafka 最初是由LinkedIn 开发,并于2011 年初开源。2012 年10 月从Apache Incubator 毕业。该项目的目标是为处理实时数据提供一个统一、高通量、低等待(低延时)的平台。
- Kafka 是一个分布式消息系统:具有生产者、消费者的功能。它提供了类似于JMS 的特性,但是在设计实现上完全不同,此外它并不是JMS 规范的实现。【重点】
1.2、kafka的基本结构
- Producer:消息的发送者
- Consumer:消息的接收者
- kafka cluster:kafka的集群。
- Topic:就是消息类别名,一个topic中通常放置一类消息。每个topic都有一个或者多个订阅者(消费者)。
消息的生产者将消息推送到kafka集群,消息的消费者从kafka集群中拉取消息。
1.3、kafka的完整架构
说明:
- broker:集群中的每一个kafka实例,称之为broker;
- ZooKeeper:Kafka 利用ZooKeeper 保存相应元数据信息, Kafka 元数据信息包括如代理节点信息、Kafka集群信息、旧版消费者信息及其消费偏移量信息、主题信息、分区状态信息、分区副本分配方案信息、动态配置信息等。
- ConsumerGroup:在Kafka 中每一个消费者都属于一个特定消费组( ConsumerGroup ),我们可以为每个消费者指定一个消费组,以groupld 代表消费组名称,通过group.id 配置设置。如果不指定消费组,则该消费者属于默认消费组test-consumer-group 。
1.4、kafka的特性
- 消息持久化
- Kafka 基于文件系统来存储和缓存消息。
- 高吞吐量
- Kafka 将数据写到磁盘,充分利用磁盘的顺序读写。同时, Kafka 在数据写入及数据同步采用了*零拷贝*( zero-copy )技术,采用sendFile()函数调用,sendFile()函数是在两个文件描述符之间直接传递数据,完全在内核中操作,从而避免了内核缓冲区与用户缓冲区之间数据的拷贝,操作效率极高。
- Kafka 还支持数据压缩及批量发送,同时Kafka 将每个主题划分为多个分区,这一系列的优化及实现方法使得Kafka 具有很高的吞吐量。经大多数公司对Kafka 应用的验证, Kafka 支持每秒数百万级别的消息。
- 高扩展性
- Kafka 依赖ZooKeeper来对集群进行协调管理,这样使得Kafka 更加容易进行水平扩展,生产者、消费者和代理都为分布式,可配置多个。
- 同时在机器扩展时无需将整个集群停机,集群能够自动感知,重新进行负责均衡及数据复制。
- 多客户端支持
- Kafka 核心模块用Scala 语言开发,Kafka 提供了多种开发语言的接入,如Java 、Scala、C 、C++、Python 、Go 、Erlang 、Ruby 、Node. 等。
- 安全机制
- Kafka 支持以下几种安全措施:
- 通过SSL 和SASL(Kerberos), SASL/PLA时验证机制支持生产者、消费者与broker连接时的身份认证;
- 支持代理与ZooKeeper 连接身份验证;
- 通信时数据加密;
- 客户端读、写权限认证;
- Kafka 支持与外部其他认证授权服务的集成;
- 数据备份
- Kafka 可以为每个topic指定副本数,对数据进行持久化备份,这可以一定程度上防止数据丢失,提高可用性。
- 轻量级
- Kafka 的实例是无状态的,即broker不记录消息是否被消费,消费偏移量的管理交由消费者自己或组协调器来维护。
- 同时集群本身几乎不需要生产者和消费者的状态信息,这就使得Kafka非常轻量级,同时生产者和消费者客户端实现也非常轻量级。
- 消息压缩
- Kafka 支持Gzip, Snappy 、LZ4 这3 种压缩方式,通常把多条消息放在一起组成MessageSet,然后再把Message Set 放到一条消息里面去,从而提高压缩比率进而提高吞吐量。
1.5、kafka的应用场景
- 消息系统。
- Kafka 作为一款优秀的消息系统,具有高吞吐量、内置的分区、备份冗余分布式等特点,为大规模消息处理提供了一种很好的解决方案。
- 应用监控。
- 利用Kafka 采集应用程序和服务器健康相关的指标,如CPU 占用率、IO 、内存、连接数、TPS 、QPS 等,然后将指标信息进行处理,从而构建一个具有监控仪表盘、曲线图等可视化监控系统。例如,很多公司采用Kafka 与ELK (Elastic Search 、Logstash 和Kibana)整合构建应用服务监控系统。
- 网站用户行为追踪。
- 为了更好地了解用户行为、操作习惯,改善用户体验,进而对产品升级改进,将用户操作轨迹、内容等信息发送到Kafka 集群上,通过Hadoop 、Spark 或Strom等进行数据分析处理,生成相应的统计报告,为推荐系统推荐对象建模提供数据源,进而为每个用户进行个性化推荐。
- 流处理。
- 需要将己收集的流数据提供给其他流式计算框架进行处理,用Kafka 收集流数据是一个不错的选择。
- 持久性日志。
- Kafka 可以为外部系统提供一种持久性日志的分布式系统。日志可以在多个节点间进行备份, Kafka 为故障节点数据恢复提供了一种重新同步的机制。同时, Kafka很方便与HDFS 和Flume 进行整合,这样就方便将Kafka 采集的数据持久化到其他外部系统。
2、Kafka的安装与配置
准备三台虚拟机,分别是node01,node02,node03,并且修改hosts文件如下:
~~~shellvim /etc/hosts
注意: 前面的ip地址改成自己的ip地址
192.168.40.133 node01192.168.40.134 node02192.168.40.135 node03
3台服务器的时间要一致
时间更新:
yum install -y rdaterdate -s time-b.nist.gov~~~
2.1、基础环境配置
2.1.1、JDK环境
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 。
安装过程略过,我这里使用的是jdk1.8。
2.1.2、ZooKeeper环境
2.1.2.1、安装ZooKeeper
Kafka 依赖ZooKeeper ,通过ZooKeeper 来对服务节点、消费者上下线管理、集群、分区元数据管理等,因此ZooKeeper 也是Kafka 得以运行的基础环境之一。
#上传zookeeper-3.4.9.tar.gz到/export/software
cd /export/software
mkdir -p /export/servers/
tar -xvf zookeeper-3.4.9.tar.gz -C /export/servers/
#创建ZooKeeper的data目录
mkdir /export/data/zookeeper -p
cd /export/servers/zookeeper-3.4.9/conf/
#修改配置文件
mv zoo_sample.cfg zoo.cfg
vim zoo.cfg
#设置data目录
dataDir=/export/data/zookeeper
#启动ZooKeeper
./zkServer.sh start
#检查是否启动成功
jps
2.1.2.3、搭建ZooKeeper集群
~~~shell
在/export/data/zookeeper目录中创建myid文件
vim /export/data/zookeeper/myid
写入对应的节点的id,如:1,2等,保存退出
在conf下,修改zoo.cfg文件
vim zoo.cfg
添加如下内容
server.1=node01:2888:3888server.2=node02:2888:3888server.3=node03:2888:3888~~~
2.1.2.3、配置环境变量
~~~shellvim /etc/profileexport ZK_HOME=/export/servers/zookeeper-3.4.9export PATH=${ZK_HOME}/bin:$PATH
立即生效
source /etc/profile~~~
2.1.2.4、分发到其它机器
~~~shellscp /etc/profile node02:/etc/scp /etc/profile node03:/etc/
cd /export/serversscp -r zookeeper-3.4.9 node02:/export/servers/scp -r zookeeper-3.4.9 node03:/export/servers/~~~
2.1.2.5、一键启动、停止脚本
~~~shellmkdir -p /export/servers/onekey/zkvim slave
输入如下内容
node01node02node03
保存退出
vim startzk.sh
输入如下内容
cat /export/servers/onekey/zk/slave | while read linedo{echo "开始启动 --> "$linessh $line "source /etc/profile;nohup sh ${ZK_HOME}/bin/zkServer.sh start >/dev/null 2>&1 &"}&waitdoneecho "★★★启动完成★★★"
保存退出
vim stopzk.sh
输入如下内容
cat /export/servers/onekey/zk/slave | while read linedo{echo "开始停止 --> "$linessh $line "source /etc/profile;nohup sh ${ZK_HOME}/bin/zkServer.sh stop >/dev/null 2>&1 &"}&waitdoneecho "★★★停止完成★★★"
保存退出
设置可执行权限
chmod x startzk.sh stopzk.sh
添加到环境变量中
export ZK_ONEKEY=/export/servers/onekeyexport PATH=${ZK_ONEKEY}/zk:$PATH~~~
2.1.2.6、检查启动是否成功
发现三台机器都有“QuorumPeerMain”进程,说明机器已经启动成功了。
检查集群是否正常:
zkServer.sh status
发现,集群运行一切正常。
2.2、安装Kafka
2.2.1、单机版Kafka安装
第一步:上传Kafka安装包并且解压
~~~shellrz 上传kafka_2.11-1.1.0.tgz到 /export/software/cd /export/software/tar -xvf kafka_2.11-1.1.0.tgz -C /export/servers/cd /export/serversmv kafka_2.11-1.1.0/ kafka~~~
第二步:配置环境变量
~~~shellvim /etc/profile
输入如下内容
export KAFKA_HOME=/export/servers/kafkaexport PATH=${KAFKA_HOME}/bin:$PATH
保存退出
source /etc/profile~~~
第三步:修改配置文件
~~~shellcd /export/servers/kafkacd configvim server.properties
The id of the broker. This must be set to a unique integer for each broker.
必须要只要一个brokerid,并且它必须是唯一的。
broker.id=0
A comma separated list of directories under which to store log files
日志数据文件存储的路径 (如不存在,需要手动创建该目录, mkdir -p /export/data/kafka/)
log.dirs=/export/data/kafka
ZooKeeper的配置,本地模式下指向到本地的ZooKeeper服务即可
zookeeper.connect=node01:2181
保存退出
~~~
第四步:启动kafka服务
~~~shell
以守护进程的方式启动kafka
kafka-server-start.sh -daemon /export/servers/kafka/config/server.properties~~~
第五步:检测kafka是否启动
如果进程中有名为kafka的进程,就说明kafka已经启动了。
2.2.2、验证kafka是否安装成功
由于kafka是将元数据保存在ZooKeeper中的,所以,可以通过查看ZooKeeper中的信息进行验证kafka是否安装成功。
2.2.3、部署kafka-manager
Kafka Manager 由 yahoo 公司开发,该工具可以方便查看集群 主题分布情况,同时支持对 多个集群的管理、分区平衡以及创建主题等操作。
源码托管于github:https://github.com/yahoo/kafka-manager
第一步:上传Kafka-manager安装包并且解压
~~~shellrz上传kafka-manager-1.3.3.17.tar.gz到 /export/software/cd /export/softwaretar -xvf kafka-manager-1.3.3.17.tar.gz -C /export/servers/cd /export/servers/kafka-manager-1.3.3.17/conf~~~
第二步:修改配置文件
~~~shell
修改配置文件
vim application.conf
新增项,http访问服务的端口
http.port=19000
修改成自己的zk机器地址和端口
kafka-manager.zkhosts="node01:2181"
保存退出
~~~
第三步:启动服务
~~~shellcd /export/servers/kafka-manager-1.3.3.17/bin
启动服务
./kafka-manager -Dconfig.file=../conf/application.conf
制作启动脚本
vim /etc/profileexport KAFKAMANAGEHOME=/export/servers/kafka-manager-1.3.3.17export PATH=${KAFKAMANAGEHOME}/bin:$PATH
source /etc/profile
cd /export/servers/onekey/mkdir kafka-managercd kafka-managervim start-kafka-manager.shnohup kafka-manager -Dconfig.file=${KAFKAMANAGEHOME}/conf/application.conf >/dev/null 2>&1 &chmod x start-kafka-manager.shvim /etc/profileexport PATH=${ZK_ONEKEY}/kafka-manager:$PATHsource /etc/profile
~~~
第四步:检查是否启动成功
打开浏览器,输入地址:http://node01:19000/,即可看到kafka-manage管理界面。
2.2.4、kafka-manager的使用
进入管理界面,是没有显示Cluster信息的,需要添加后才能操作。
- 添加 Cluster:
输入Cluster Name、ZooKeeper信息、以及Kafka的版本信息(这里最高只能选择1.0.0)。
点击Save按钮保存。
添加成功。
- 查看kafka的信息
- 查看Broker信息
- 查看Topic列表
- 查看单个topic信息以及操作
- 优化副本选举
- 查看消费者信息
2.2.5、搭建kafka集群
kafka集群的搭建是非常简单的,只需要将上面的单机版的kafka分发的其他机器,并且将ZooKeeper信息修改成集群的配置以及设置不同的broker值即可。
第一步:将kafka分发到node02、node03
~~~cd /export/servers/scp -r kafka node02:/export/servers/scp -r kafka node03:/export/servers/scp /etc/profile node02:/etc/scp /etc/profile node03:/etc/
分别到node02、node03机器上执行
source /etc/profile~~~
第二步:修改node01、node02、node03上的kafka配置文件
- node01:
~~~shellcd /export/servers/kafka/configvim server.propertieszookeeper.connect=node01:2181,node02:2181,node03:2181~~~
- node02:
~~~shellcd /export/servers/kafka/configvim server.propertiesbroker.id=1zookeeper.connect=node01:2181,node02:2181,node03:2181~~~
- node03:
~~~shellcd /export/servers/kafka/configvim server.propertiesbroker.id=2zookeeper.connect=node01:2181,node02:2181,node03:2181~~~
第三步:编写一键启动、停止脚本。注意:该脚本依赖于环境变量中的KAFKA_HOME。
~~~shellmkdir -p /export/servers/onekey/kafkavim slave
输入如下内容
node01node02node03
保存退出
vim start-kafka.sh
输入如下内容
cat /export/servers/onekey/kafka/slave | while read linedo{echo "开始启动 --> "$linessh $line "source /etc/profile;nohup sh ${KAFKAHOME}/bin/kafka-server-start.sh -daemon ${KAFKAHOME}/config/server.properties >/dev/null 2>&1 &"}&waitdoneecho "★★★启动完成★★★"
保存退出
chmod x start-kafka.sh
vim stop-kafka.sh
输入如下内容
cat /export/servers/onekey/kafka/slave | while read linedo{echo "开始停止 --> "$linessh $line "source /etc/profile;nohup sh ${KAFKA_HOME}/bin/kafka-server-stop.sh >/dev/null 2>&1 &"}&waitdoneecho "★★★停止完成★★★"
保存退出
chmod x stop-kafka.sh
加入到环境变量中
export PATH=${ZK_ONEKEY}/kafka:$PATHsource /etc/profile~~~
第四步:通过kafka-manager管理工具查看集群信息。
由此可见,kafka集群已经启动完成。
3、Kafka快速入门
对kafka的操作有2种方式,一种是通过命令行方式,一种是通过API方式。
3.1、通过命令行Kafka
Kafka在bin目录下提供了shell脚本文件,可以对Kafka进行操作,分别是:
通过命令行的方式,我们将体验下kafka,以便我们对kafka有进一步的认知。
3.1.1、topic的操作
3.1.1.1、创建topic
~~~shellkafka-topics.sh --create --zookeeper node01:2181 --replication-factor 1 --partitions 1 --topic my-kafka-topic
执行结果:
Created topic "my-kafka-topic".~~~
参数说明:
- zookeeper:参数是必传参数,用于配置 Kafka 集群与 ZooKeeper 连接地址。至少写一个。
- partitions:参数用于设置主题分区数,该配置为必传参数。
- replication-factor:参数用来设置主题副本数 ,该配置也是必传参数。
- topic:指定topic的名称。
3.1.1.2、查看topic列表
~~~shellkafka-topics.sh --list --zookeeper node01:2181
__consumer_offsetsmy-kafka-topic~~~
可以查看列表。
如果需要查看topic的详细信息,需要使用describe命令。
~~~shellkafka-topics.sh --describe --zookeeper node01:2181 --topic test-topic
若不指定topic,则查看所有topic的信息
kafka-topics.sh --describe --zookeeper node01:2181~~~
3.1.1.3、删除topic
通过kafka-topics.sh执行删除动作,需要在server.properties文件中配置 delete.topic.enable=true,该配置默认为 false。
否则执行该脚本并未真正删除主题 ,将该topic标记为删除状态 。
~~~shellkafka-topics.sh --delete --zookeeper node01:2181 --topic my-kafka-topic
执行如下
[root@node01 config]# kafka-topics.sh --delete --zookeeper node01:2181 --topic my-kafka-topicTopic my-kafka-topic is marked for deletion.Note: This will have no impact if delete.topic.enable is not set to true.
如果将delete.topic.enable=true
[root@node01 config]# kafka-topics.sh --delete --zookeeper node01:2181 --topic my-kafka-topic2Topic my-kafka-topic2 is marked for deletion.Note: This will have no impact if delete.topic.enable is not set to true.
说明:虽然设置后,删除时依然提示没有设置为true,实际上已经删除了。
~~~
3.1.2、生产者的操作
~~~shellkafka-console-producer.sh --broker-list node01:9092 --topic my-kafka-topic~~~
可以看到,已经向topic发送了消息。
3.1.3、消费者的操作
~~~shellkafka-console-consumer.sh --bootstrap-server node01:9092 --topic my-kafka-topic
通过以上命令,可以看到消费者可以接收生产者发送的消息
如果需要从头开始接收数据,需要添加--from-beginning参数
kafka-console-consumer.sh --bootstrap-server node01:9092 --from-beginning --topic my-kafka-topic~~~
3.2、通过Java Api操作Kafka
除了通过命令行的方式操作kafka外,还可以通过Java api的方式操作,这种方式将更加的常用。
3.2.1、创建工程
导入依赖:
~~~xml itcast-bigdata cn.itcast.bigdata 1.0.0-SNAPSHOT 4.0.0
<artifactId>itcast-bigdata-kafka</artifactId>
<dependencies>
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka_2.11</artifactId>
<version>1.1.0</version>
</dependency>
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>1.1.0</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
</dependency>
</dependencies>
<build>
<plugins>
<!-- java编译插件 -->
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<version>3.2</version>
<configuration>
<source>1.8</source>
<target>1.8</target>
<encoding>UTF-8</encoding>
</configuration>
</plugin>
</plugins>
</build>
~~~
3.2.2、topic的操作
由于主题的元数据信息是注册在 ZooKeeper 相 应节点之中,所以对主题的操作实质是对 ZooKeeper 中记录主题元数据信息相关路径的操作。 Kafka将对 ZooKeeper 的相关操作封装成一 个 ZkUtils 类 , 井封装了一个AdrninUtils 类调用 ZkClient 类的相关方法以实现对 Kafka 元数据 的操作,包括对主题、代理、消费者等相关元数据的操作。对主题操作的相关 API调用较简单, 相应操作都是通过调用 AdminUtils类的相应方法来完成的。
~~~javapackage cn.itcast.kafka;
import kafka.admin.AdminUtils;import kafka.utils.ZkUtils;import org.apache.kafka.common.security.JaasUtils;import org.junit.Test;
import java.util.Properties;
public class TestKafkaTopic {
@Test
public void testCreateTopic() {
ZkUtils zkUtils = null;
try {
//参数:zookeeper的地址,session超时时间,连接超时时间,是否启用zookeeper安全机制
zkUtils = ZkUtils.apply("node01:2181", 30000, 3000, JaasUtils.isZkSecurityEnabled());
String topicName = "my-kafka-topic-test1";
if (!AdminUtils.topicExists(zkUtils, topicName)) {
//参数:zkUtils,topic名称,partition数量,副本数量,参数,机架感知模式
AdminUtils.createTopic(zkUtils, topicName, 1, 1, new Properties(), AdminUtils.createTopic$default$6());
System.out.println(topicName " 创建成功!");
} else {
System.out.println(topicName " 已存在!");
}
} finally {
if (null != zkUtils) {
zkUtils.close();
}
}
}
}
~~~
测试结果:
3.2.2.1、删除topic
~~~java@Testpublic void testDeleteTopic() {ZkUtils zkUtils = null;try {//参数:zookeeper的地址,session超时时间,连接超时时间,是否启用zookeeper安全机制zkUtils = ZkUtils.apply("node01:2181", 30000, 3000, JaasUtils.isZkSecurityEnabled());String topicName = "my-kafka-topic-test1";if (AdminUtils.topicExists(zkUtils, topicName)) {//参数:zkUtils,topic名称AdminUtils.deleteTopic(zkUtils, topicName);System.out.println(topicName " 删除成功!");} else {System.out.println(topicName " 不已存在!");}} finally {if (null != zkUtils) {zkUtils.close();}}
}
~~~
测试结果:
3.2.3、生产者的操作
~~~javapackage cn.itcast.kafka;
import org.apache.kafka.clients.producer.*;import org.apache.kafka.common.serialization.StringSerializer;import org.junit.Test;
import java.util.Properties;
public class TestProducer {
@Test
public void testProducer() throws InterruptedException {
Properties config = new Properties();
// 设置kafka服务列表,多个用逗号分隔
config.setProperty(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "node01:9092,node02:9092");
// 设置序列化消息 Key 的类
config.setProperty(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
// 设置序列化消息 value 的类
config.setProperty(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
// 初始化
KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(config);
for (int i = 0; i < 100 ; i ) {
ProducerRecord record = new ProducerRecord("my-kafka-topic","data-" i);
// 发送消息
kafkaProducer.send(record);
System.out.println("发送消息 --> " i);
Thread.sleep(100);
}
kafkaProducer.close();
}
}
~~~
3.2.4、消费者的操作
~~~javapackage cn.itcast.kafka;
import org.apache.kafka.clients.consumer.ConsumerConfig;import org.apache.kafka.clients.consumer.ConsumerRecord;import org.apache.kafka.clients.consumer.ConsumerRecords;import org.apache.kafka.clients.consumer.KafkaConsumer;import org.apache.kafka.clients.producer.ProducerConfig;import org.apache.kafka.common.serialization.StringDeserializer;import org.apache.kafka.common.serialization.StringSerializer;import org.junit.Test;
import javax.sound.midi.Soundbank;import java.util.Arrays;import java.util.Properties;
public class TestConsumer {
@Test
public void testConsumer() {
Properties config = new Properties();
// 设置kafka服务列表,多个用逗号分隔
config.setProperty(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "node01:9092,node02:9092");
// 设置消费者分组id
config.setProperty(ConsumerConfig.GROUP_ID_CONFIG, "my-group");
// 设置序反列化消息 Key 的类
config.setProperty(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
// 设置序反列化消息 value 的类
config.setProperty(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<String, String>(config);
// 订阅topic
kafkaConsumer.subscribe(Arrays.asList("my-kafka-topic"));
while (true) { // 使用死循环不断的拉取数据
ConsumerRecords<String, String> records = kafkaConsumer.poll(1000);
for (ConsumerRecord<String, String> record : records) {
String value = record.value();
long offset = record.offset();
System.out.println("value = " value ", offset = " offset);
}
}
}
}
~~~
更多实时计算,Flink,Kafka等相关技术博文,