Kafka简介及详细安装教程

前面给大家讲过flume的简介与安装，还没有安装好的朋友可以再去看看教程
Flume简介与详细安装教程
今天就给大家详细介绍下当下流行的分布式发布 - 订阅消息系统Kafka.
那么问题来了，什么是Kafka呢？为什么要使用kafka？有哪些好处？带着这样的问题，今天小编就给大家好好说说。

什么是Kafka

Apache Kafka是一个分布式发布 - 订阅消息系统和一个强大的队列，可以处理大量的数据，并使您能够将消息从一个端点传递到另一个端点。 Kafka适合离线和在线消息消费。 Kafka消息保留在磁盘上，并在群集内复制以防止数据丢失。 Kafka构建在ZooKeeper同步服务之上。它与Apache Storm和Spark非常好地集成，用于实时流式数据分析。

Kafka专为分布式高吞吐量系统而设计。 Kafka往往工作得很好，作为一个更传统的消息代理的替代品。与其他消息传递系统相比，Kafka具有更好的吞吐量，内置分区，复制和固有的容错能力，这使得它非常适合大规模消息处理应用程序。

什么是消息系统

消息系统负责将数据从一个应用程序传输到另一个应用程序，因此应用程序可以专注于数据，但不担心如何共享它。分布式消息传递基于可靠消息队列的概念。消息在客户端应用程序和消息传递系统之间异步排队。
有两种类型的消息模式可用：
一种是点对点；
另一种是发布 - 订阅(pub-sub)消息系统。大多数消息模式遵循 pub-sub 。

1. 点对点消息系统

在点对点系统中，消息被保留在队列中。一个或多个消费者可以消耗队列中的消息，但是特定消息只能由最多一个消费者消费。一旦消费者读取队列中的消息，它就从该队列中消失。该系统的典型示例是订单处理系统，其中每个订单将由一个订单处理器处理，但多个订单处理器也可以同时工作。如下图所描述：

2. 发布-订阅消息系统

在发布 - 订阅系统中，消息被保留在主题中。与点对点系统不同，消费者可以订阅一个或多个主题并使用该主题中的所有消息。在发布 - 订阅系统中，消息生产者称为发布者，消息使用者称为订阅者。一个现实生活的例子是Dish电视，它发布不同的渠道，如运动，电影，音乐等，任何人都可以订阅自己的频道集，并获得他们订阅的频道时可用。如下图所描述：

使用Kafka好处

可靠性 - Kafka是分布式，分区，复制和容错的。
可扩展性 - Kafka消息传递系统轻松缩放，无需停机。
耐用性 - Kafka使用分布式提交日志，这意味着消息会尽可能快地保留在磁盘上，因此它是持久的。
性能 - Kafka对于发布和订阅消息都具有高吞吐量。即使存储了许多TB的消息，它也保持稳定的性能。
快速 - 单Broker每秒几百MB读取 Kafka非常快，并保证零停机和零数据丢失。

为什么需要用到Kafka

Kafka是一个统一的平台，用于处理所有实时数据Feed。 Kafka支持低延迟消息传递，并在出现机器故障时提供对容错的保证。它具有处理大量不同消费者的能力。 Kafka非常快，执行2百万写/秒。 Kafka将所有数据保存到磁盘，这实质上意味着所有写入都会进入操作系统(RAM)的页面缓存。这使得将数据从页面缓存传输到网络套接字非常有效。

Kafka广泛应用

指标 - Kafka通常用于操作监控数据。这涉及聚合来自分布式应用程序的统计信息，以产生操作数据的集中馈送。
日志聚合解决方案 - Kafka可用于跨组织从多个服务收集日志，并使它们以标准格式提供给多个服务器。
流处理 - 流行的框架(如Storm和Spark Streaming)从主题中读取数据，对其进行处理，并将处理后的数据写入新主题，供用户和应用程序使用。 Kafka的强耐久性在流处理的上下文中也非常有用。

消息中间件中的术语

在了解Kafka之前，必须先了解主题，经纪人，生产者和消费者等主要术语。下面为大家详细说明：

1. Topics（主题）
属于特定类别的消息流称为主题。数据存储在主题中。发布订阅模式下的消息统一汇集地；
主题被拆分成分区。对于每个主题，Kafka保存一个分区的数据。每个这样的分区包含不可变有序序列的消息。分区被实现为具有相等大小的一组分段文件。

2. Partition（分区）
主题可能有许多分区，因此它可以处理任意数量的数据

3. Partition offset（分区偏移）
每个分区消息具有称为 offset 的唯一序列标识。

4. Replicas of partition（分区备份）
副本只是一个分区的备份。副本从不读取或写入数据。它们用于防止数据丢失。

5. Brokers（经纪人）

消息服务器，提供核心服务；
代理是负责维护发布数据的简单系统。每个代理中的每个主题可以具有零个或多个分区。
假设，如果在一个主题和N个代理中有N个分区，每个代理将有一个分区。
假设在一个主题中有N个分区并且多于N个代理(n + m)，则第一个N代理将具有一个分区，并且下一个M代理将不具有用于该特定主题的任何分区。
假设在一个主题中有N个分区并且小于N个代理(n-m)，每个代理将在它们之间具有一个或多个分区共享。由于代理之间的负载分布不相等，不推荐使用此方案。

6.Kafka Cluster（Kafka集群)
Kafka有多个代理被称为Kafka集群。可以扩展Kafka集群，无需停机。这些集群用于管理消息数据的持久性和复制.

7.Producers（生产者）
生产者是发送给一个或多个Kafka主题的消息的发布者。生产者向Kafka经纪人发送数据。
每当生产者将消息发布给代理时，代理只需将消息附加到最后一个段文件。实际上，该消息将被附加到分区。生产者还可以向他们选择的分区发送消息。

8.Consumers（消费者）
Consumers从经纪人处读取数据。消费者订阅一个或多个主题，并通过从代理中提取数据来使用已发布的消息。

9.Leader（领导者）
Leader 是负责给定分区的所有读取和写入的节点。每个分区都有一个服务器充当Leader。

10.Follower（追随者）
跟随领导者指令的节点被称为Follower。如果领导失败，一个追随者将自动成为新的领导者。跟随者作为正常消费者，拉取消息并更新其自己的数据存储。

Kafka 集群架构

Kafka的集群图,如下图所示：

组件解析：

Broker（代理）
Kafka集群通常由多个代理组成以保持负载平衡。 Kafka代理是无状态的，所以他们使用ZooKeeper来维护它们的集群状态。
一个Kafka代理实例可以每秒处理数十万次读取和写入，每个Broker可以处理TB的消息，而没有性能影响。 Kafka经纪人领导选举可以由ZooKeeper完成。
ZooKeeper
ZooKeeper用于管理和协调Kafka代理。 ZooKeeper服务主要用于通知生产者和消费者Kafka系统中存在任何新代理或Kafka系统中代理失败。
根据Zookeeper接收到关于代理的存在或失败的通知，然后产品和消费者采取决定并开始与某些其他代理协调他们的任务。
Producers（生产者）
生产者将数据推送给经纪人。当新代理启动时，所有生产者搜索它并自动向该新代理发送消息。 Kafka生产者不等待来自代理的确认，并且发送消息的速度与代理可以处理的一样快。
Consumers（消费者）

因为Kafka代理是无状态的，这意味着消费者必须通过使用分区偏移来维护已经消耗了多少消息。
如果消费者确认特定的消息偏移，则意味着消费者已经消费了所有先前的消息。消费者向代理发出异步拉取请求，以具有准备好消耗的字节缓冲区。
消费者可以简单地通过提供偏移值来快退或跳到分区中的任何点。消费者偏移值由ZooKeeper通知。

Kafka 工作流程

Kafka只是分为一个或多个分区的主题的集合。 Kafka分区是消息的线性有序序列，其中每个消息由它们的索引(称为偏移)来标识。 Kafka集群中的所有数据都是不相连的分区联合。传入消息写在分区的末尾，消息由消费者顺序读取。通过将消息复制到不同的代理提供持久性。
Kafka以快速，可靠，持久，容错和零停机的方式提供基于pub-sub和队列的消息系统。在这两种情况下，生产者只需将消息发送到主题，消费者可以根据自己的需要选择任何一种类型的消息传递系统。

发布 - 订阅消息的工作流程

生产者定期向主题发送消息。
Kafka代理存储为该特定主题配置的分区中的所有消息。它确保消息在分区之间平等共享。如果生产者发送两个消息并且有两个分区，Kafka将在第一分区中存储一个消息，在第二分区中存储第二消息。
消费者订阅特定主题。
一旦消费者订阅主题，Kafka将向消费者提供主题的当前偏移，并且还将偏移保存在Zookeeper系综中。
消费者将定期请求Kafka(如100 Ms)新消息。
一旦Kafka收到来自生产者的消息，它将这些消息转发给消费者。
消费者将收到消息并进行处理。
一旦消息被处理，消费者将向Kafka代理发送确认。
一旦Kafka收到确认，它将偏移更改为新值，并在Zookeeper中更新它。由于偏移在Zookeeper中维护，消费者可以正确地读取下一封邮件。
以上流程将重复，直到消费者停止请求。
消费者可以随时回退/跳到所需的主题偏移量，并阅读所有后续消息。

队列消息/用户组的工作流程

在队列消息传递系统而不是单个消费者中，具有相同组ID 的一组消费者将订阅主题。简单来说，订阅具有相同 Group ID 的主题的消费者被认为是单个组，并且消息在它们之间共享。

生产者以固定间隔向某个主题发送消息。
Kafka存储在为该特定主题配置的分区中的所有消息，类似于前面的方案。
单个消费者订阅特定主题，假设 Topic-1 为 Group ID 为 Group-1 。
Kafka以与发布 - 订阅消息相同的方式与消费者交互，直到新消费者以相同的组ID 订阅相同主题 Topic-1 1
一旦新消费者到达，Kafka将其操作切换到共享模式，并在两个消费者之间共享数据。此共享将继续，直到用户数达到为该特定主题配置的分区数。
一旦消费者的数量超过分区的数量，新消费者将不会接收任何进一步的消息，直到现有消费者取消订阅任何一个消费者。出现这种情况是因为Kafka中的每个消费者将被分配至少一个分区，并且一旦所有分区被分配给现有消费者，新消费者将必须等待。
此功能也称为使用者组。同样，Kafka将以非常简单和高效的方式提供两个系统中最好的。

ZooKeeper的作用

Kafka的一个关键依赖是Apache Zookeeper，它是一个分布式配置和同步服务。 Zookeeper是Kafka代理和消费者之间的协调接口。 Kafka服务器通过Zookeeper集群共享信息。 Kafka在Zookeeper中存储基本元数据，例如关于主题，代理，消费者偏移(队列读取器)等的信息。

由于所有关键信息存储在Zookeeper中，并且它通常在其整体上复制此数据，因此Kafka代理/ Zookeeper的故障不会影响Kafka集群的状态。 Kafka将恢复状态，一旦Zookeeper重新启动。这为Kafka带来了零停机时间。 Kafka代理之间的领导者选举也通过使用Zookeeper在领导者失败的情况下完成。

说了这么多，相信大家对Kafka已经有了清晰的了解，那么接下来就是动手开始安装。

首先要确保已经安装好了JDK和zookeeper,还没安装好的自己再去看我前面文章，都有详细教程，在这里就不多说了，今天主要说下Kafka的安装。

Kafka的单机部署安装

1.下载Kafka

http://kafka.apache.org/downloads

我下的是2.4.0版，如下图所示：

其中"kafka_2.11-2.4.0"表示 Kafka 版本 2.4.0，Scala 版本 2.11。建议使用Scala2.11

2.解压tgz文件

tar -zxf kafka_2.11-2.4.0.tgz

3.解压后放到soft目录下并重命名

mv kafka_2.11-2.4.0 soft/kafka211

4.进入config更改配置信息

cd /opt/soft/kafka211/config

5.先改zookeeper.properties 信息

vi zookeeper.properties

更改dataDir信息，就是配置zookeeper时的存放日志信息目录，单台机可以不配置

dataDir=/opt/soft/zk345/tmp  clientPort=2181

6.改server.properties 信息

#每个文件配置的 id的值不能一样，如果是集群的话
broker.id=0
#用于存储日志文件
log.dirs=/opt/soft/kafka211/datas
#zookeeper的连接，自己本机ip和配置的端口号
zookeeper.connect=192.168.5.150:2181
#开启远程监听，让第三方连接，改自己本机ip地址
listeners=PLAINTEXT://192.168.5.150:9092

注意：

Kafka 必须依赖 ZooKeeper，所以应该确保 ZooKeeper 已成功运行。
Kafka 内置了 ZooKeeper，故如果未安装 ZooKeeper 可以使用其内置 ZooKeeper。

7.配置kafka环境变量
vi /etc/profile

export KAFKA_HOME=/opt/soft/kafka211
export PATH=$PATH:$KAFKA_HOME/bin

8.激活配置

source /etc/profile

9.先启动zookeeper服务

zkServer.sh start

10.再启动kafka 在bin 目录下

cd /opt/soft/kafka211/bin
./kafka-server-start.sh /opt/soft/kafka211/config/server.properties

如下图所示：

出现如上图所示，说明已经启动成功！

11.使用jps验证服务是否启动
jps出现kafka的进程，说明已经启动成功。如下图所示：

kafka基本操作命令

1. 创建Kafka主题
Kafka提供了一个名为 kafka-topics.sh 的命令行实用程序，用于在服务器上创建主题；
可以并创建多个分区并发执行但是顺序就是无序的，只是局部有序
语法：

kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1
--partitions 1 --topic topic-name

示例：

kafka-topics.sh --create --zookeeper 192.168.5.150:2181 --replication-factor 1 --partitions 1 --topic mydemo

2.获取主题列表
语法：

kafka-topics.sh --zookeeper 192.168.5.150:2181 --list

3.启动生产者以发送消息
语法：

kafka-console-producer.sh --broker-list localhost:9092 --topic topic-name

示例：

kafka-console-producer.sh --broker-list 192.168.5.150:9092 --topic mydemo

4.启动消费者以接收消息
语法：

kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic topic-name --from-beginning

示例：

kafka-console-consumer.sh --bootstrap-server 192.168.5.150:9092  --topic mydemo --from-beginning

5.修改主题
语法：

kafka-topics.sh —zookeeper localhost:2181 --alter --topic topic_name
--partitions n

示例：

kafka-topics.sh --zookeeper 192.168.5.150:2181 --alter --topic mydemo --partitions 2

6.删除主题
语法：

kafka-topics.sh --delete --zookeeper localhost:2181 --topic topic_name

示例：

kafka-topics.sh --delete --zookeeper 192.168.5.150:2181 --topic mydemo

然后把server.properties中的配置改为true
delete.enable.topic=true
最后再删server.properties 中的日志datas,目录在log.dirs=/opt/soft/kafka211/datas下，把datas删掉,这样才能真正的删除主题。

7.查看topic某分区偏移量最大（小）量
不仅可以显示总条数，还可以把游标还原到启始位置
语法：
bin目录下启动

kafka-run-class.sh kafka.tools.GetOffsetShell --topic topic_name --time -1 --broker-list localhost:9092 --partitions n

示例：
cd /opt/soft/kakfak211/bin

./kafka-run-class.sh kafka.tools.GetOffsetShell --topic mydemo --time -1 --broker-list 192.168.5.150:9092 --partitions 0

8.移动游标从读的位置回到启始位置
语法：

kafka-consumer-groups.sh --bootstrap-server localhost:9092 --group group_name --reset-offsets --all-topics --to-earliest --execute

kafka-consumer-groups.sh --bootstrap-server 192.168.5.150:9092 --group group1 --reset-offsets --all-topics --to-earliest --execute