Kafka使用入門教程第1/2頁(yè)
介紹
Kafka是一個(gè)分布式的、可分區(qū)的、可復(fù)制的消息系統(tǒng)。它提供了普通消息系統(tǒng)的功能,但具有自己獨(dú)特的設(shè)計(jì)。這個(gè)獨(dú)特的設(shè)計(jì)是什么樣的呢?
首先讓我們看幾個(gè)基本的消息系統(tǒng)術(shù)語(yǔ):
•Kafka將消息以topic為單位進(jìn)行歸納。
•將向Kafka topic發(fā)布消息的程序成為producers.
•將預(yù)訂topics并消費(fèi)消息的程序成為consumer.
•Kafka以集群的方式運(yùn)行,可以由一個(gè)或多個(gè)服務(wù)組成,每個(gè)服務(wù)叫做一個(gè)broker.
producers通過(guò)網(wǎng)絡(luò)將消息發(fā)送到Kafka集群,集群向消費(fèi)者提供消息,如下圖所示:
客戶端和服務(wù)端通過(guò)TCP協(xié)議通信。Kafka提供了Java客戶端,并且對(duì)多種語(yǔ)言都提供了支持。

每個(gè)分區(qū)都由一個(gè)服務(wù)器作為“l(fā)eader”,零或若干服務(wù)器作為“followers”,leader負(fù)責(zé)處理消息的讀和寫,followers則去復(fù)制leader.如果leader down了,followers中的一臺(tái)則會(huì)自動(dòng)成為leader。集群中的每個(gè)服務(wù)都會(huì)同時(shí)扮演兩個(gè)角色:作為它所持有的一部分分區(qū)的leader,同時(shí)作為其他分區(qū)的followers,這樣集群就會(huì)據(jù)有較好的負(fù)載均衡。
Consumers

接下來(lái)一步一步搭建Kafka運(yùn)行環(huán)境。
> tar -xzf kafka_2.9.2-0.8.1.1.tgz > cd kafka_2.9.2-0.8.1.1Step 2: 啟動(dòng)服務(wù)
> bin/zookeeper-server-start.sh config/zookeeper.properties &[2013-04-22 15:01:37,495] INFO Reading configuration from: config/zookeeper.properties (org.apache.zookeeper.server.quorum.QuorumPeerConfig)...現(xiàn)在啟動(dòng)Kafka:
> bin/kafka-server-start.sh config/server.properties[2013-04-22 15:01:47,028] INFO Verifying properties (kafka.utils.VerifiableProperties)[2013-04-22 15:01:47,051] INFO Property socket.send.buffer.bytes is overridden to 1048576 (kafka.utils.VerifiableProperties)...Step 3: 創(chuàng)建 topic
> bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test可以通過(guò)list命令查看創(chuàng)建的topic:
> bin/kafka-topics.sh --list --zookeeper localhost:2181test
> bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test This is a messageThis is another message
ctrl+c可以退出發(fā)送。Step 5: 啟動(dòng)consumerKafka also has a command line consumer that will dump out messages to standard output.
> bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic test --from-beginningThis is a messageThis is another message
你在一個(gè)終端中運(yùn)行consumer命令行,另一個(gè)終端中運(yùn)行producer命令行,就可以在一個(gè)終端輸入消息,另一個(gè)終端讀取消息。
> cp config/server.properties config/server-2.properties在拷貝出的新文件中添加以下參數(shù):
config/server-1.properties: broker.id=1 port=9093 log.dir=/tmp/kafka-logs-1 config/server-2.properties: broker.id=2 port=9094 log.dir=/tmp/kafka-logs-2
> bin/kafka-server-start.sh config/server-1.properties &...> bin/kafka-server-start.sh config/server-2.properties &...創(chuàng)建一個(gè)擁有3個(gè)副本的topic:
> bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 3 --partitions 1 --topic my-replicated-topic
> bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topicTopic:my-replicated-topic PartitionCount:1 ReplicationFactor:3 Configs: Topic: my-replicated-topic Partition: 0 Leader: 1 Replicas: 1,2,0 Isr: 1,2,0
下面解釋一下這些輸出。第一行是對(duì)所有分區(qū)的一個(gè)描述,然后每個(gè)分區(qū)都會(huì)對(duì)應(yīng)一行,因?yàn)槲覀冎挥幸粋€(gè)分區(qū)所以下面就只加了一行。
向topic發(fā)送消息:
> bin/kafka-console-producer.sh --broker-list localhost:9092 --topic my-replicated-topic...my test message 1my test message 2^C消費(fèi)這些消息:
> bin/kafka-console-consumer.sh --zookeeper localhost:2181 --from-beginning --topic my-replicated-topic...my test message 1my test message 2^C
> ps | grep server-1.properties7564 ttys002 0:15.91 /System/Library/Frameworks/JavaVM.framework/Versions/1.6/Home/bin/java...> kill -9 7564
> bin/kafka-topics.sh --describe --zookeeper localhost:218192 --topic my-replicated-topicTopic:my-replicated-topic PartitionCount:1 ReplicationFactor:3 Configs: Topic: my-replicated-topic Partition: 0 Leader: 2 Replicas: 1,2,0 Isr: 2,0
> bin/kafka-console-consumer.sh --zookeeper localhost:2181 --from-beginning --topic my-replicated-topic...my test message 1my test message 2^C
看來(lái)Kafka的容錯(cuò)機(jī)制還是不錯(cuò)的。
<dependency>
<groupId> org.apache.kafka</groupId >
<artifactId> kafka_2.10</artifactId >
<version> 0.8.0</ version>
</dependency>

配置程序
首先是一個(gè)充當(dāng)配置文件作用的接口,配置了Kafka的各種連接參數(shù):
package com.sohu.kafkademon; public interface KafkaProperties { final static String zkConnect = "10.22.10.139:2181"; final static String groupId = "group1"; final static String topic = "topic1"; final static String kafkaServerURL = "10.22.10.139"; final static int kafkaServerPort = 9092; final static int kafkaProducerBufferSize = 64 * 1024; final static int connectionTimeOut = 20000; final static int reconnectInterval = 10000; final static String topic2 = "topic2"; final static String topic3 = "topic3"; final static String clientId = "SimpleConsumerDemoClient"; }
producer
package com.sohu.kafkademon; import java.util.Properties; import kafka.producer.KeyedMessage; import kafka.producer.ProducerConfig; /** * @author leicui bourne_cui@163.com */ public class KafkaProducer extends Thread { private final kafka.javaapi.producer.Producer<Integer, String> producer; private final String topic; private final Properties props = new Properties(); public KafkaProducer(String topic) { props.put("serializer.class", "kafka.serializer.StringEncoder"); props.put("metadata.broker.list", "10.22.10.139:9092"); producer = new kafka.javaapi.producer.Producer<Integer, String>(new ProducerConfig(props)); this.topic = topic; } @Override public void run() { int messageNo = 1; while (true) { String messageStr = new String("Message_" + messageNo); System.out.println("Send:" + messageStr); producer.send(new KeyedMessage<Integer, String>(topic, messageStr)); messageNo++; try { sleep(3000); } catch (InterruptedException e) { // TODO Auto-generated catch block e.printStackTrace(); } } } }
consumer
package com.sohu.kafkademon; import java.util.HashMap; import java.util.List; import java.util.Map; import java.util.Properties; import kafka.consumer.ConsumerConfig; import kafka.consumer.ConsumerIterator; import kafka.consumer.KafkaStream; import kafka.javaapi.consumer.ConsumerConnector; /** * @author leicui bourne_cui@163.com */ public class KafkaConsumer extends Thread { private final ConsumerConnector consumer; private final String topic; public KafkaConsumer(String topic) { consumer = kafka.consumer.Consumer.createJavaConsumerConnector( createConsumerConfig()); this.topic = topic; } private static ConsumerConfig createConsumerConfig() { Properties props = new Properties(); props.put("zookeeper.connect", KafkaProperties.zkConnect); props.put("group.id", KafkaProperties.groupId); props.put("zookeeper.session.timeout.ms", "40000"); props.put("zookeeper.sync.time.ms", "200"); props.put("auto.commit.interval.ms", "1000"); return new ConsumerConfig(props); } @Override public void run() { Map<String, Integer> topicCountMap = new HashMap<String, Integer>(); topicCountMap.put(topic, new Integer(1)); Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer.createMessageStreams(topicCountMap); KafkaStream<byte[], byte[]> stream = consumerMap.get(topic).get(0); ConsumerIterator<byte[], byte[]> it = stream.iterator(); while (it.hasNext()) { System.out.println("receive:" + new String(it.next().message())); try { sleep(3000); } catch (InterruptedException e) { e.printStackTrace(); } } } }
運(yùn)行下面這個(gè)程序,就可以進(jìn)行簡(jiǎn)單的發(fā)送接收消息了:簡(jiǎn)單的發(fā)送接收
package com.sohu.kafkademon; /** * @author leicui bourne_cui@163.com */ public class KafkaConsumerProducerDemo { public static void main(String[] args) { KafkaProducer producerThread = new KafkaProducer(KafkaProperties.topic); producerThread.start(); KafkaConsumer consumerThread = new KafkaConsumer(KafkaProperties.topic); consumerThread.start(); } }
高級(jí)別的consumer
下面是比較負(fù)載的發(fā)送接收的程序:
package com.sohu.kafkademon; import java.util.HashMap; import java.util.List; import java.util.Map; import java.util.Properties; import kafka.consumer.ConsumerConfig; import kafka.consumer.ConsumerIterator; import kafka.consumer.KafkaStream; import kafka.javaapi.consumer.ConsumerConnector; /** * @author leicui bourne_cui@163.com */ public class KafkaConsumer extends Thread { private final ConsumerConnector consumer; private final String topic; public KafkaConsumer(String topic) { consumer = kafka.consumer.Consumer.createJavaConsumerConnector( createConsumerConfig()); this.topic = topic; } private static ConsumerConfig createConsumerConfig() { Properties props = new Properties(); props.put("zookeeper.connect", KafkaProperties.zkConnect); props.put("group.id", KafkaProperties.groupId); props.put("zookeeper.session.timeout.ms", "40000"); props.put("zookeeper.sync.time.ms", "200"); props.put("auto.commit.interval.ms", "1000"); return new ConsumerConfig(props); } @Override public void run() { Map<String, Integer> topicCountMap = new HashMap<String, Integer>(); topicCountMap.put(topic, new Integer(1)); Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer.createMessageStreams(topicCountMap); KafkaStream<byte[], byte[]> stream = consumerMap.get(topic).get(0); ConsumerIterator<byte[], byte[]> it = stream.iterator(); while (it.hasNext()) { System.out.println("receive:" + new String(it.next().message())); try { sleep(3000); } catch (InterruptedException e) { e.printStackTrace(); } } } }
不要畏懼文件系統(tǒng)!
Kafka大量依賴文件系統(tǒng)去存儲(chǔ)和緩存消息。對(duì)于硬盤有個(gè)傳統(tǒng)的觀念是硬盤總是很慢,這使很多人懷疑基于文件系統(tǒng)的架構(gòu)能否提供優(yōu)異的性能。實(shí)際上硬盤的快慢完全取決于使用它的方式。設(shè)計(jì)良好的硬盤架構(gòu)可以和內(nèi)存一樣快。
在6塊7200轉(zhuǎn)的SATA RAID-5磁盤陣列的線性寫速度差不多是600MB/s,但是隨即寫的速度卻是100k/s,差了差不多6000倍?,F(xiàn)代的操作系統(tǒng)都對(duì)次做了大量的優(yōu)化,使用了 read-ahead 和 write-behind的技巧,讀取的時(shí)候成塊的預(yù)讀取數(shù)據(jù),寫的時(shí)候?qū)⒏鞣N微小瑣碎的邏輯寫入組織合并成一次較大的物理寫入。對(duì)此的深入討論可以查看這里,它們發(fā)現(xiàn)線性的訪問(wèn)磁盤,很多時(shí)候比隨機(jī)的內(nèi)存訪問(wèn)快得多。
為了提高性能,現(xiàn)代操作系統(tǒng)往往使用內(nèi)存作為磁盤的緩存,現(xiàn)代操作系統(tǒng)樂(lè)于把所有空閑內(nèi)存用作磁盤緩存,雖然這可能在緩存回收和重新分配時(shí)犧牲一些性能。所有的磁盤讀寫操作都會(huì)經(jīng)過(guò)這個(gè)緩存,這不太可能被繞開(kāi)除非直接使用I/O。所以雖然每個(gè)程序都在自己的線程里只緩存了一份數(shù)據(jù),但在操作系統(tǒng)的緩存里還有一份,這等于存了兩份數(shù)據(jù)。
另外再來(lái)討論一下JVM,以下兩個(gè)事實(shí)是眾所周知的:
•Java對(duì)象占用空間是非常大的,差不多是要存儲(chǔ)的數(shù)據(jù)的兩倍甚至更高。
•隨著堆中數(shù)據(jù)量的增加,垃圾回收回變的越來(lái)越困難。
基于以上分析,如果把數(shù)據(jù)緩存在內(nèi)存里,因?yàn)樾枰鎯?chǔ)兩份,不得不使用兩倍的內(nèi)存空間,Kafka基于JVM,又不得不將空間再次加倍,再加上要避免GC帶來(lái)的性能影響,在一個(gè)32G內(nèi)存的機(jī)器上,不得不使用到28-30G的內(nèi)存空間。并且當(dāng)系統(tǒng)重啟的時(shí)候,又必須要將數(shù)據(jù)刷到內(nèi)存中( 10GB 內(nèi)存差不多要用10分鐘),就算使用冷刷新(不是一次性刷進(jìn)內(nèi)存,而是在使用數(shù)據(jù)的時(shí)候沒(méi)有就刷到內(nèi)存)也會(huì)導(dǎo)致最初的時(shí)候新能非常慢。但是使用文件系統(tǒng),即使系統(tǒng)重啟了,也不需要刷新數(shù)據(jù)。使用文件系統(tǒng)也簡(jiǎn)化了維護(hù)數(shù)據(jù)一致性的邏輯。
所以與傳統(tǒng)的將數(shù)據(jù)緩存在內(nèi)存中然后刷到硬盤的設(shè)計(jì)不同,Kafka直接將數(shù)據(jù)寫到了文件系統(tǒng)的日志中。
- Docker部署Kafka以及Spring Kafka實(shí)現(xiàn)
- Docker搭建Zookeeper&Kafka集群的實(shí)現(xiàn)
- 詳解使用docker搭建kafka環(huán)境
- Docker + Nodejs + Kafka + Redis + MySQL搭建簡(jiǎn)單秒殺環(huán)境
- php測(cè)試kafka項(xiàng)目示例
- Linux下Kafka單機(jī)安裝配置方法(圖文)
- spring boot整合spring-kafka實(shí)現(xiàn)發(fā)送接收消息實(shí)例代碼
- Kafka 常用命令行詳細(xì)介紹及整理
- kafka生產(chǎn)實(shí)踐(詳解)
- centos6使用docker部署kafka項(xiàng)目的方法分析
相關(guān)文章
Centos 7.2中雙網(wǎng)卡綁定及相關(guān)問(wèn)題踩坑記錄
最近在工作中遇到了關(guān)于雙網(wǎng)卡綁定的需求,在綁定中發(fā)現(xiàn)了不少的問(wèn)題,所以這篇文章主要給大家介紹了關(guān)于Centos 7.2中雙網(wǎng)卡綁定及相關(guān)問(wèn)題踩坑的相關(guān)資料,需要的朋友可以參考借鑒,下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧。2017-10-10linux實(shí)現(xiàn)猜數(shù)字小游戲源碼
這篇文章主要為大家詳細(xì)介紹了linux實(shí)現(xiàn)猜數(shù)字小游戲源碼,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2020-04-04Apache負(fù)載均衡設(shè)置方法 mod_proxy使用介紹
本文主要講解了Apache負(fù)載均衡功能的代碼配置,首先我們通過(guò)幾個(gè)模塊的功能進(jìn)行配置,之后就會(huì)發(fā)現(xiàn)其中的奧秘了,那么我們還是來(lái)具體看文章吧2012-10-10