学习目标：

掌握kafka消息队列

学习内容：

概述

数据缓冲队列，同时提高可扩展性，具有峰值处理能力，使用消息队列能够使关键组件顶住突发的访问压力，而不会因为突发的超负荷请求而完成崩溃
kafka是一个分布式，支持分区（partition）的、多副本的（replica），基于zookeeper协调的分布式消息系统，它的最大的特征就是可以实时的处理大量数据以满足各种需求场景

特征

高吞吐量：kafka每秒可以处理几十万条消息
可扩展性：kafka集群支持热扩展–持久性
可靠性：消息被持久化到本地磁盘，并且支持数据备份防止数据丢失
容错性：允许集群中节点失败（若副本数量为n，则允许n-1个节点失败）
高并发：支持数千个客户端同时读写

组件

话题（topic）：是特定类型的消息流，（每条发布到kafka集群的消息属于的类别，即kafka是面向topic的）
生产者（producer）：是能够发布消息到话题的任何对象（发布消息到kafka集群的终端或服务）
消费者（consumer）：可以订阅一个或多个话题，从而消费这些已发布的消息
服务代理（broker）：已发布的消息保存在一组服务器中，它们被称为代理（broker）或kafka集群
partition（区）：每个topic包含一个或多个partition
replication：partition的副本，保障partition的高可用
leader：replica中的一个角色，producer和consumer只跟leader交互
follower：replica中的一个角色，从leader中复制数据
zookeeper：kafka通过zookeeper来存储集群的信息

zookeeper

zookeeper是一个分布式协调服务，它的作主要作用是为分布式系统提供一致性服务，提供的功能包括：配置维护，分布式同步。kafka的运行依赖于zookeeper。
zookeeper主要用来协调kafka的各个broker，不仅可以实现broker的负载均衡，而且当增加了broker或者某个故障了，zookeeper将会通知生产者和消费者，这样可以保证整个系统正常运转
在kafka中，一个topic会被分成多个分区并将被分到多个broker上，分区的信息以及broker的分布情况与消费者当前消费的状态信息都会保存在zookeeper中

集群部署

安装配置jdk8

#yum install -y java-1.8.0-openjdk

配置服务器解析
kafka运行依赖ZK，kafka官网提供的tar包中，已经包含ZK，配置相互解析—三台机器（在es集群上安装的kafka）
安装配置zookeeper

#wget https://archive.apache.org/dist/kafka/2.8.0/kafka_2.12-2.8.0.tgz
#tar -zxvf kafka_2.12-2.8.0.tgz -C /usr/local
#vim /usr/local/kafka_2.12-2.8.0/config/zookeeper.properties
dataDir=/usr/local/kafka_2.12-2.8.0/zookeeper/data #zookeeper数据存放目录
clientPort=2181        #客户端连接zookeeper服务的端口
dataLogDir=/usr/local/kafka_2.12-2.8.0/zookeeper/logs  #zookeeper日志存放目录
tickTime=2000      #zookeeper服务器之间或客户端与服务器之间维持心跳的时间间隔
initLimit=20       #允许follower连接并同步到leader的初始化连接时间，当初始化连接时间超过阈值，则表示连接失败
syscLimit=10       #leader与follower之间发送消息时如果follower在设置时间内不能与leader通信，那么此follower将会被丢弃
server.1=10.234.252.122:2888:3888      #2888是follower与leader交换信息的端口，3888是当leader挂了时用来执行选举时服务器相互通信的端口
server.2=10.234.252.209:2888:3888
server.3=10.234.253.22:2888:3888#创建data、logs目录
#mkdir -p /usr/local/kafka_2.12-2.8.0/zookeeper/{logs,data}
#创建myid文件,注意每台服务器的zookeeper服务的id需不同
#echo 1 > /usr/local/kafka_2.12-2.8.0/zookeeper/data/myid

配置kafka

#vim /usr/local/kafka_2.12-2.8.0/config/server.properties
broker.id =0
每一个broker在集群中的唯一表示，要求是正数，kafka及其根据id来识别broker机器。当该服务器的IP地址发生改变时，broker.id没有变化，则不会影响consumers的消息情况log.dirs=/kafka/kafka-logs
kafka数据的存放地址，多个地址的话用逗号分割/kafka/kafka-logs-1，/kafka/kafka-logs-2listeners=PLAINTEXT://host.name:9092
port =9092 broker server服务端口
host.name   监听地址message.max.bytes =6525000
表示消息体的最大大小，单位是字节num.network.threads =4
broker处理消息的最大线程数，一般情况下不需要去修改num.io.threads =8
broker处理磁盘IO的线程数，数值应该大于你的硬盘数background.threads =4
一些后台任务处理的线程数，例如过期消息文件的删除等，一般情况下不需要去做修改queued.max.requests =500
等待IO线程处理的请求队列最大数，若是等待IO的请求超过这个数值，那么会停止接受外部消息，应该是一种自我保护机制。socket.send.buffer.bytes=100*1024
socket的发送缓冲区，socket的调优参数SO_SNDBUFFsocket.receive.buffer.bytes =100*1024
socket的接受缓冲区，socket的调优参数SO_RCVBUFFsocket.request.max.bytes =100*1024*1024
socket请求的最大数值，防止serverOOM，message.max.bytes必然要小于socket.request.max.bytes，会被topic创建时的指定参数覆盖log.segment.bytes =1024*1024*1024
topic的分区是以一堆segment文件存储的，这个控制每个segment的大小，会被topic创建时的指定参数覆盖log.roll.hours =24*7
这个参数会在日志segment没有达到log.segment.bytes设置的大小，也会强制新建一个segment，会被 topic创建时的指定参数覆盖log.cleanup.policy = delete
日志清理策略选择有：delete和compact主要针对过期数据的处理，或是日志文件达到限制的额度，会被 topic创建时的指定参数覆盖log.retention.minutes=3days
数据存储的最大时间超过这个时间会根据log.cleanup.policy设置的策略处理数据，也就是消费端能够多久去消费数据log.retention.bytes=-1
topic每个分区的最大文件大小，一个topic的大小限制 =分区数*log.retention.bytes。-1没有大小限制，log.retention.bytes和log.retention.minutes任意一个达到要求，都会执行删除，会被topic创建时的指定参数覆盖log.retention.check.interval.ms=5minutes
文件大小检查的周期时间，是否触发 log.cleanup.policy中设置的策略log.cleaner.enable=false
是否开启日志压缩log.cleaner.threads = 2
日志压缩运行的线程数log.cleaner.io.max.bytes.per.second=None
日志压缩时候处理的最大大小log.cleaner.dedupe.buffer.size=500*1024*1024
日志压缩去重时候的缓存空间，在空间允许的情况下，越大越好log.cleaner.io.buffer.size=512*1024
日志清理时候用到的IO块大小一般不需要修改log.cleaner.backoff.ms =15000
检查是否处罚日志清理的间隔log.cleaner.min.cleanable.ratio=0.5
日志清理的频率控制，越大意味着更高效的清理，同时会存在一些空间上的浪费，会被topic创建时的指定参数覆盖log.cleaner.delete.retention.ms =1day
对于压缩的日志保留的最长时间，也是客户端消费消息的最长时间，同log.retention.minutes的区别在于一个控制未压缩数据，一个控制压缩后的数据。会被topic创建时的指定参数覆盖log.index.size.max.bytes =10*1024*1024
对于segment日志的索引文件大小限制，会被topic创建时的指定参数覆盖log.index.interval.bytes =4096
当执行一个fetch操作后，需要一定的空间来扫描最近的offset大小，设置越大，代表扫描速度越快，但是也更好内存，一般情况下不需要搭理这个参数log.flush.interval.messages=None
log文件”sync”到磁盘之前累积的消息条数,因为磁盘IO操作是一个慢操作,但又是一个”数据可靠性"的必要手段,所以此参数的设置,需要在"数据可靠性"与"性能"之间做必要的权衡.如果此值过大,将会导致每次"fsync"的时间较长(IO阻塞),如果此值过小,将会导致"fsync"的次数较多,这也意味着整体的client请求有一定的延迟.物理server故障,将会导致没有fsync的消息丢失.log.flush.scheduler.interval.ms =3000
检查是否需要固化到硬盘的时间间隔log.flush.interval.ms = None
仅仅通过interval来控制消息的磁盘写入时机,是不足的.此参数用于控制"fsync"的时间间隔,如果消息量始终没有达到阀值,但是离上一次磁盘同步的时间间隔达到阀值,也将触发.log.delete.delay.ms =60000
文件在索引中清除后保留的时间一般不需要去修改log.flush.offset.checkpoint.interval.ms =60000
控制上次固化硬盘的时间点，以便于数据恢复一般不需要去修改auto.create.topics.enable =true
是否允许自动创建topic，若是false，就需要通过命令创建topicdefault.replication.factor =1
是否允许自动创建topic，若是false，就需要通过命令创建topicnum.partitions =1
每个topic的分区个数，若是在topic创建时候没有指定的话会被topic创建时的指定参数覆盖num.recovery.threads.per.data.dir=1
默认情况下，每个日志目录只是用一个线程。所配置的数字对应的是log.dirs指定的单个日志目录。也就是说，如果num.recovery.threads.per.data.dir被设置为8，并且log.dirs制定了3个路径，那么总共需要24个线程。offsets.topic.replication.factor=2
分区副本数transaction.state.log.replication.factor=1
事务主题的复制因子（设置更高以确保可用性）。 内部主题创建将失败，直到群集大小满足此复制因素要求transaction.state.log.min.isr=1
覆盖事务主题的min.insync.replicas配置，在min.insync.replicas中，replicas数量为1，该参数将默认replicas定义为2Kafka中leader、replicas参数配置controller.socket.timeout.ms =30000
partition leader与replicas之间通讯时,socket的超时时间controller.message.queue.size=10
partition leader与replicas数据同步时,消息的队列尺寸replica.lag.time.max.ms =10000
replicas响应partition leader的最长等待时间，若是超过这个时间，就将replicas列入ISR(in-sync replicas)，并认为它是死的，不会再加入管理中replica.lag.max.messages =4000
如果follower落后与leader太多,将会认为此follower[或者说partition relicas]已经失效##通常,在follower与leader通讯时,因为网络延迟或者链接断开,总会导致replicas中消息同步滞后##如果消息之后太多,leader将认为此follower网络延迟较大或者消息吞吐能力有限,将会把此replicas迁移##到其他follower中.##在broker数量较少,或者网络不足的环境中,建议提高此值.replica.socket.timeout.ms=30*1000
follower与leader之间的socket超时时间replica.socket.receive.buffer.bytes=64*1024
leader复制时候的socket缓存大小replica.fetch.max.bytes =1024*1024
replicas每次获取数据的最大大小replica.fetch.wait.max.ms =500
replicas同leader之间通信的最大等待时间，失败了会重试replica.fetch.min.bytes =1
fetch的最小数据尺寸,如果leader中尚未同步的数据不足此值,将会阻塞,直到满足条件num.replica.fetchers=1
leader进行复制的线程数，增大这个数值会增加follower的IOreplica.high.watermark.checkpoint.interval.ms =5000
每个replica检查是否将最高水位进行固化的频率controlled.shutdown.enable =false
是否允许控制器关闭broker ,若是设置为true,会关闭所有在这个broker上的leader，并转移到其他brokercontrolled.shutdown.max.retries =3
控制器关闭的尝试次数controlled.shutdown.retry.backoff.ms =5000
每次关闭尝试的时间间隔leader.imbalance.per.broker.percentage =10
leader的不平衡比例，若是超过这个数值，会对分区进行重新的平衡leader.imbalance.check.interval.seconds =300
检查leader是否不平衡的时间间隔offset.metadata.max.bytes
客户端保留offset信息的最大空间大小kafka中zookeeper的参数配置zookeeper.connect = localhost:2181
必须配置项：：：zookeeper集群的地址，可以是多个，多个之间用逗号分割，一般端口都为2181；hostname1:port1,hostname2:port2,hostname3:port3zookeeper.session.timeout.ms=6000
ZooKeeper的会话最大超时时间，就是心跳的间隔，若是没有反映，那么认为已经死了，不易过大zookeeper.connection.timeout.ms =6000
ZooKeeper的连接超时时间

启动zookeeper集群
在三个节点上依次执行

#cd /usr/local/kafka_2.12-2.8.0
#nohup ./bin/zookeeper-server-start.sh ./config/zookeeper.properties &

查看端口

启动kafka
在三个节点上依次执行

#cd /usr/local/kafka_2.12-2.8.0
#nohup ./bin/kafka-server-start.sh ./config/server.properties &

验证
在一台上面创建topic

#./bin/kafka-topic.sh --create --zookeeper localhost:2181  --replication-factor 1  --partitions 1  --topic test1
Created topic test1
参数解释：
--zookeeper指定zookeeper的地址和端口
--partitions指定partition的数量
--replication-factor指定数据副本的数量

在另一台上面查询topic

#./bin/kafka-topic.sh --zookeeper localhost:2181 --list
test1

模拟消息生产和消费

#./bin/kafka-console-producer.sh --broker-list 10.234.252.122:9092 --topic test2
>hello
>你好呀在另一台机器上面执行
#./bin/kafka-console-comsumer.sh --bootstrap-server 10.234.252.209:9092 --topic test2 --from-beginning
>hello
>你好呀

logstash服务器从kafka获取数据并输出到elasticsearch集群

#vi /usr/local/filebeat/filebeat.yml
#修改输出目标到kafka集群

#修改logstash的输入为kafka集群
#vi /usr/local/logstash/config/first-pipeline.conf

kafka集群上验证kafka是否生成topic
kibana界面查看索引数据

kafka消息队列系统相关推荐

kafka消息队列的概念理解
kafka在大数据.分布式架构中都很流行.kafka可以进行流式计算,也可以做为日志系统,还可以用于消息队列. kafka作为消息队列的优点: 分布式的系统高吞吐量.即使存储了许多TB的消息,它也保 ...
Python之kafka消息队列操作入门
1 kafka简介 1.1 什么是kafka kafka是一个分布式.高吞吐量.高扩展性的消息队列系统.kafka最初是由Linkedin公司开发的,后来在2010年贡献给了Apache基金会,成为了 ...
消息队列系统Kafka_01
这里写目录标题消息队列消息队列的应用场景消息队列的两种模式 Kafka kafka的基本架构 kafka集群环境搭建 Kafka集群操作消息队列消息:是指在应用系统之间传送的数据. 队列:排 ...
19 kafka消息队列
文章目录 19 kafka消息队列一.kafka介绍 1.消息队列基本介绍 2.常用的消息队列介绍 3.消息队列的应用场景 4.消息队列的两种模式 5.kafka的基本介绍 6.kafka的架构介绍 ...
kafka 消息队列
kafka 消息队列 kafka 架构原理大数据时代来临,如果你还不知道Kafka那就真的out了!据统计,有三分之一的世界财富500强企业正在使用Kafka,包括所有TOP10旅游公司,7家TOP ...
kafka消息队列-笔记
1 什么是消息在应用系统之间,传递的数据,叫做消息: 2 常见消息队列标准的消息队列实现: 主要基于pub/sub publish .subscribe发布与订阅模型 RabbitMQ:rab ...
Java+Kafka消息队列
本文主要针对,Java端对Kafka消息队列的生产和消费.Kafka的安装部署,请看查看相关文章. 笔者最近所用的是Spring mvc,监听文件路径,然后将读取到的文件内容发送到消息队列中.由另外系 ...
Kafka—消息队列
Kafka-消息队列(理论部分) 一.Kafka概述 1.1.简介 kafka是一个分布式的基于发布/订阅模式的消息队列主要应用场景:大数据实时处理领域 1.2.什么是消息队列? 消息队列 = 消息 ...
kafka消息队列使用场景
一.消息队列概述消息队列中间件是分布式系统中重要的组件,主要解决应用解耦,异步消息,流量削锋等问题,实现高性能,高可用,可伸缩和最终一致性架构.目前使用较多的消息队列有ActiveMQ,Rabbit ...

kafka消息队列系统

学习目标：

学习内容：

概述

特征

zookeeper

集群部署

kafka消息队列系统相关推荐

最新文章

热门文章