kafka小白教程

kafka介绍
kafka的概念
Kafka(底层源码使用scala语言实现):kafka分布式集群的搭建kafka分布式集群的实操：1）命令行客户端（测试）
主题的CRUD操作
发布消息订阅消息2）使用Java API来操作kafka分布式集群：发布消息订阅消息   kafka内部原理自定义分区消息拦截器理论：kafka分布式集群内部运作流程kafka分区内幕介绍Kafka与flume的整合

kafka介绍

说明：
①kafka:分布式存储消息的中间件。
②每个kafka服务器内部维护着一个消息队列。
③kafka消息服务器要正常发挥作用，必须得借助：a)消息的发布方（生产者）：源源不断产生消息，送往消息服务器存储起来。默认消息在消息服务器驻留的时间是7天。b)消息的订阅方（消费者）：从消息服务器所维护的消息队列中读取相应的消息。
④kafka消息框架涉及到的一些概念：代理：broker→kafka分布式集群中某一台kafka服务器（所在的节点）主题：topic →就是消息（Message）的分类名消息：Message → kafka消息服务队列中存储的每条数据分区：Partition →主题创建时需要指定好分区数，是消息最终存储的所在（目的地）副本：refactor →主题创建时需要指定好分区的副本数。消费者组：cosumer group→每个消费者都必须属于消费者组的，即使没有指定，也有默认的消费者组。⑤消息模型：a)点对点：(point to point)一个消息只能被一个消费者所消费，消费完毕后就清除。b)发布和订阅：(publish and subcribe)一个消息可以被所有的消费者所订阅。←kafka内部采取的模型⑥特点：高吞吐量持久性分布式

kafka单机版安装

    前提:开启zk集群安装步骤：①解压：  opt]# tar -zxvf soft/kafka_2.11-1.0.2.tgz②重命名：opt]# mv kafka_2.11-1.0.2/ kafka③添加KAFKA_HOME至环境变量：/etc/profile.d/bigdate.shexport KAFKA_HOME=/opt/kafakaexport PATH=$PATH:$KAFKA_HOME/bin④source生效⑤修改资源文件（*.properties ~>资源文件； *.xml, *.yml ~>配置文件； 所有的：*.properties，*.xml, *.yml 也可以统称为配置文件）配置相关参数：$KAFKA_HOME/config/server.properties ~>用来定制kafka服务器启动时相应的参数主要参数：broker.id、log.dirs、zookeeper.connectbroker.id=101log.dirs=/opt/logs/kafka               [kafka数据的存放目录]zookeeper.connect=NODE01:2181,NODE02:2181,NODE03:2181注意：若是单机版，可以配置为：zookeeper.connect=NODE01:2181listeners=PLAINTEXT://NODE01:9092(kafka实例broker监听默认端口9092，配置listeners=PLAINTEXT://:9092)⑥启动：（前提：启动zookeeper集群）$KAFKA_HOME/bin/kafka-server-start.sh [-daemon] server.properties -daemon 可选，表示后台启动kafka服务   kafka-server-stop.sh ~>停止kafka服务   ⑦如何验证成功：开启kafka服务器后，通过jps查看进程，会出现一个名为kafka的进程。

kafka分布式集群的搭建

介绍

说明：
①在单机的基础之上，只要修改server.properties配置文件中的broker.id是其在集群能够保证唯一即可，
②kafka集群中的节点没有主从之分，大家都是一样的，在每一台机器上启动方式和单机启动一致(kafka-server-start.sh)
③需要修改的操作：
a)修改资源文件server.properties
listeners=PLAINTEXT://机器名或是ip:9092
broker.id=xx
b)跨节点拷贝环境变量配置文件/etc/profile.d/bigdata.sh到另外两台机器上
c)跨节点拷贝/opt/kafka到另外两台机器上scp -r /opt/kafka root@node02:/opt/

注意点说明

若是kafka曾经安装过,需要
①删除zookeeper所维护的一些元数据信息(zNode)，如：topics, config, consumer,producer
②删除kafka特定的目录（kafka消息队列最终持久化数据的所在）：如：/opt/kafka/kafka-logs否则，kafka分布式集群不能正常启动。现象：kafka进程会宕掉。

kafka分布式集群的实操

命令行客户端（测试）

关于主题的操作（crud,c:create,r:retreive,u:update,d:delete）

kafka-topics.sh介绍

1，shell脚本的作用：Create：新建主题delete：删除主题describe：查看主题的详情change a topic：更新主题2，关键参数：
--alter 修改主题
--create Create a new topic（创建主题）.
--delete Delete a topic（删除主题）
--describe  List details for the given topics（显示出给定主题的详情）.
--list List all available topics（罗列出kafka分布式集群中所有有效的主题名）.
--partitions 创建或是修改主题时通过该参数指定分区数。
--replication-factor 创建修改主题时通过该参数指定分区的副本数。
--topic 指定主题名
--zookeeper：用来指定zookeeper分布式集群

新建主题

需求1：新建名为hadoop的主题，要求分区数1，副本数1
需求2：新建名为spark的主题，要求分区数2，副本数3
需求3：新建名为flink的主题，要求分区数3，副本数3实操效果：
[root@NODE02 ~]# kafka-topics.sh --create --topic hadoop --zookeeper node01:2181 --partitions 1 --replication-factor 1
Created topic "hadoop".
[root@NODE02 ~]# kafka-topics.sh --create --topic spark --zookeeper node01:2181,node02:2181,node03:2181 --partitions 2 --replication-factor 3
Created topic "spark".
[root@NODE02 ~]# kafka-topics.sh --create --topic flink --zookeeper node01:2181,node02:2181,node03:2181 --partitions 3 --replication-factor 3
Created topic "flink".注意点：
[root@NODE02 ~]# kafka-topics.sh --create --topic storm --zookeeper node01:2181,node02:2181,node03:2181 --partitions 3 --replication-factor 4
Error while executing topic command : Replication factor: 4 larger than available brokers: 3.原因：副本一般是跨节点存储的。从安全性的角度考虑，不允许在一台节点上存在相同的副本（若是可以的话，硬盘要是破坏了，多个相同副本中的数据都会丢失，不安全！！）。

查询主题

方式1：--list参数，查看当前kafka分布式集群中存在的有效的主题名
方式2：--describe参数，查看当前kafka分布式集群中存在的有效的主题的详情（主题名，分区数，副本的分布，分区的角色→leader,follower,同一时刻，只有leader角色的分区才能接收读写操作）实操效果：
[root@NODE02 ~]# kafka-topics.sh --zookeeper node01:2181 --list
flink
hadoop
spark
[root@NODE02 ~]# kafka-topics.sh --zookeeper node01:2181 --describe
Topic:flink     PartitionCount:3        ReplicationFactor:3     Configs:Topic: flink    Partition: 0    Leader: 101     Replicas: 101,102,103   Isr: 101,102,103Topic: flink    Partition: 1    Leader: 102     Replicas: 102,103,101   Isr: 102,103,101Topic: flink    Partition: 2    Leader: 103     Replicas: 103,101,102   Isr: 103,101,102
Topic:hadoop    PartitionCount:1        ReplicationFactor:1     Configs:Topic: hadoop   Partition: 0    Leader: 102     Replicas: 102   Isr: 102
Topic:spark     PartitionCount:2        ReplicationFactor:3     Configs:Topic: spark    Partition: 0    Leader: 101     Replicas: 101,102,103   Isr: 101,102,103Topic: spark    Partition: 1    Leader: 102     Replicas: 102,103,101   Isr: 102,103,101PartitionCount：topic对应的partition的个数
ReplicationFactor：topic对应的副本因子，说白就是副本个数(包含自己，与hdfs上的副本数相同)
Partition：partition编号，从0开始递增
Leader：当前partition起作用的breaker.id
Replicas: 当前副本数据所在的breaker.id，是一个列表
Isr：当前kakfa集群中可用的breaker.id列表

修改主题

1，不能修改副本因子，否则报错，实操效果如下：
[root@NODE02 ~]# kafka-topics.sh --alter  --zookeeper node02:2181   --topic hadoop --replication-factor 2
可以通过一个脚本kafka-reassign-partitions.sh这个重新指定
Option "[replication-factor]" can't be used with option"[alter]"2，可以修改分区数，实操效果如下：
[root@NODE02 ~]# kafka-topics.sh --alter  --zookeeper node02:2181   --topic hadoop --partitions 2
WARNING: If partitions are increased for a topic that has a key, the partition logic or ordering of the messages will be affected
Adding partitions succeeded!
[root@NODE02 ~]# kafka-topics.sh   --zookeeper node02:2181   --topic hadoop --describe
Topic:hadoop    PartitionCount:2        ReplicationFactor:1     Configs:Topic: hadoop   Partition: 0    Leader: 102     Replicas: 102   Isr: 102Topic: hadoop   Partition: 1    Leader: 103     Replicas: 103   Isr: 103注意：
①只能增加分区数，不能减少分区数。实操效果如下：
[root@NODE02 ~]# kafka-topics.sh --alter  --zookeeper node02:2181   --topic hadoop --partitions 1
-------可以通过这个参数更改分区数，动态的，当增加节点后可以这样更改副本数
kafka-reassign-partitions.sh --zookeeper 192.168.80.10 --reassignment-json-file ./test.json --execute
{"version":1,
"partitions":[
{"topic":"test","partition":0,"replicas":[0,1,2]},
{"topic":"test","partition":1,"replicas":[0,1,2]},
{"topic":"test","partition":2,"replicas":[0,1,2]}
]}
------
WARNING: If partitions are increased for a topic that has a key, the partition logic or ordering of the messages will be affected
Error while executing topic command : The number of partitions for a topic can only be increased. Topic hadoop currently has 2 partitions, 1 would not be an increase.
[2019-11-12 11:29:04,668] ERROR org.apache.kafka.common.errors.InvalidPartitionsException: The number of partitions for a topic can only be increased. Topic hadoop currently has 2 partitions, 1 would not be an increase.(kafka.admin.TopicCommand$)②主题名不能修改，修改主题时，主题名是作为修改的条件存在的。

删除主题

删除名为hadoop的主题，实操效果如下：
[root@NODE02 flink-0]# kafka-topics.sh --list --zookeeper node01:2181
flink
hadoop
spark
[root@NODE02 flink-0]# kafka-topics.sh --delete --topic hadoop --zookeeper node03:2181
Topic hadoop is marked for deletion.
Note: This will have no impact if delete.topic.enable is not set to true.
[root@NODE02 flink-0]# cd ..
[root@NODE02 kafka-logs]# kafka-topics.sh --list --zookeeper node01:2181
flink
spark
[root@NODE02 kafka-logs]# ll
total 20
-rw-r--r-- 1 root root   4 Nov 12 11:34 cleaner-offset-checkpoint
drwxr-xr-x 2 root root 141 Nov 12 10:51 flink-0
drwxr-xr-x 2 root root 141 Nov 12 10:51 flink-1
drwxr-xr-x 2 root root 141 Nov 12 10:51 flink-2
-rw-r--r-- 1 root root   4 Nov 12 11:34 log-start-offset-checkpoint
-rw-r--r-- 1 root root  56 Nov 12 10:29 meta.properties
-rw-r--r-- 1 root root  54 Nov 12 11:34 recovery-point-offset-checkpoint
-rw-r--r-- 1 root root  54 Nov 12 11:35 replication-offset-checkpoint
drwxr-xr-x 2 root root 141 Nov 12 10:51 spark-0
drwxr-xr-x 2 root root 141 Nov 12 10:51 spark-1注意：①针对于kafka的版本kafka-1.0.2，在server.properties资源文件中，参数delete.topic.enable默认值是true。就是物理删除。（低版本的kafka，如：0.10.0.1，确实是逻辑删除）②通过zookeeper进行确认，并且删除了元数据信息。
[zk: node03(CONNECTED) 11] ls /brokers/topics
[flink, spark]

关于消息的发布和订阅

kafka-console-producer.sh→进行消息的发布（生产）

参数说明如下：
--broker-list <String: broker-list>      REQUIRED: The broker list string in    the form HOST1:PORT1,HOST2:PORT2. 用来标识kafka分布式集群中的kafka服务器列表--topic <String: topic>                  REQUIRED: The topic id to produce      messages to.  指定主题名（消息属于哪个主题的）其余的参数使用默认值即可。说明：
①上述的shell脚本后，会进入到阻塞状态，启动一个名为ConsoleProducer的进程
②在控制台录入消息，一行就是一条消息，回车后，送往kafka分布式集群中的MQ(message queue)存储起来。

kafka-console-consumer.sh→进行消息的订阅（消费）

参数名：
--blacklist <String: blacklist>          Blacklist of topics to exclude from    consumption. 用来指定黑名单。使用该参数的时机：对绝大多数的主题感兴趣，对极少数主题不感兴趣。此时，可以将这些不感兴趣的主题名置于黑名单列表中。
--whitelist <String: whitelist>          Whitelist of topics to include for     consumption. 用来指定白名单列表。 使用该参数的时机：对极少数主题感兴趣，对绝大多数的主题不感兴趣。可以将感兴趣的主题置于到白名单列表中。--zookeeper <String: urls>               REQUIRED (only when using old          consumer): The connection string for the zookeeper connection in the form host:port.针对于旧的kafka版本，消费的偏移量通过zookeeper来进行维护的。偏移量：记录的是订阅消息的进度，就是消息数。--bootstrap-server <String: server to    REQUIRED (unless old consumer is       connect to>                              used): The server to connect to.针对于新版本的kafka，消费的偏移量的维护是通过kafka分布式集群自身的一个名为__consumer_offsets主题来维护来维护的。--from-beginning                         If the consumer does not already have  an established offset to consume     from, start with the earliest        message present in the log rather    than the latest message. 从头开始消费。否则，不带该参数，只会订阅新产生的消息（前提：订阅方要提前启动。）。说明：
①上述的shell脚本后，会进入到阻塞状态，启动一个名为ConsoleConsumer的进程
②会读取特定主题相应分区中存储的消息。a)若是带了参数--from-beginning ，读取该主题所有分区中的数据b)若是不带参数--from-beginning，当前的订阅方接收不到历史的消息，只能接收到该进程启动后，新产生的消息。
③若是带--zookeeper参数，消费的offset(偏移量)，该偏移量通过zookeeer进行维护。如：[zk: node03(CONNECTED) 44] get /consumers/console-consumer-37260/offsets/spark/1
2
cZxid = 0x10b0000020e
ctime = Tue Nov 12 14:16:03 CST 2019
mZxid = 0x10b0000020e
mtime = Tue Nov 12 14:16:03 CST 2019
pZxid = 0x10b0000020e
cversion = 0
dataVersion = 0
aclVersion = 0
ephemeralOwner = 0x0
dataLength = 1
numChildren = 0
④针对于消费offset的维护，高版本的kafka中，若是使用zookeeper来维护，有警告：
[root@NODE03 kafka-logs]# kafka-console-consumer.sh --topic spark  --zookeeper node01:2181
Using the ConsoleConsumer with old consumer is deprecated and will be removed in a future major release. Consider using the new consumer by passing [bootstrap-server] instead of [zookeeper].
how do you do?
⑤针对于消费offset的维护，高版本的kafka中，建议kafka分布式集群来维护，会自动创建一个名为__consumer_offsets的主题，该主题默认有50个分区，每个分区默认有一个副本（可以在server.properties文件中手动进行定制）：
[root@NODE03 ~]# kafka-topics.sh --describe --topic __consumer_offsets --zookeeper node01:2181
Topic:__consumer_offsets        PartitionCount:50       ReplicationFactor:1     Configs:segment.bytes=104857600,cleanup.policy=compact,compression.type=producerTopic: __consumer_offsets       Partition: 0    Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 1    Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 2    Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 3    Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 4    Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 5    Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 6    Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 7    Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 8    Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 9    Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 10   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 11   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 12   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 13   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 14   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 15   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 16   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 17   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 18   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 19   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 20   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 21   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 22   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 23   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 24   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 25   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 26   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 27   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 28   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 29   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 30   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 31   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 32   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 33   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 34   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 35   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 36   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 37   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 38   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 39   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 40   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 41   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 42   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 43   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 44   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 45   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 46   Leader: 103     Replicas: 103   Isr: 103Topic: __consumer_offsets       Partition: 47   Leader: 101     Replicas: 101   Isr: 101Topic: __consumer_offsets       Partition: 48   Leader: 102     Replicas: 102   Isr: 102Topic: __consumer_offsets       Partition: 49   Leader: 103     Replicas: 103   Isr: 103
⑥关于偏移量的维护：a)真实项目中一般需要手动进行维护，达到的效果是：偏移量被某个同类型的进程所独享。b)偏移量的维护，可选的方案很多：zookeeperredis  →使用得较多hbaserdbms(mysql,oracle等等)⑦白名单：
情形1：通过kafka维护偏移量：
[root@NODE02 bin]# kafka-console-consumer.sh --whitelist 'storm|spark'  --bootstrap-server node02:9092,node01:9092,node03:9092 --from-beginning
呵呵 大大
storm storm
ok ok ok
最近可好？
how do you do?
hehe da da
今天参加了天猫双十一晚会，很happy!
are you ok?
storm 哦
hehe
are you ok?
好不好啊？
yes, I do.
和 呵呵哒
新的一天哦
hehe da da情形2：通过zookeeper维护偏移量 （高版本不推荐了）
[root@NODE02 bin]# kafka-console-consumer.sh --whitelist storm,spark  --zookeeper node01:2181  --from-beginningUsing the ConsoleConsumer with old consumer is deprecated and will be removed in a future major release. Consider using the new consumer by passing [bootstrap-server] instead of [zookeeper].
are you ok?
好不好啊？
yes, I do.
和 呵呵哒
新的一天哦
hehe da da
ok ok ok
呵呵 大大
storm storm
最近可好？
how do you do?
hehe da da
今天参加了天猫双十一晚会，很happy!
are you ok?
storm 哦
hehe⑧黑名单：
情形1：通过kafka维护偏移量：
[root@NODE02 bin]# kafka-console-consumer.sh --blacklist storm  --bootstrap-server node02:9092,node01:9092,node03:9092 --from-beginning
Exactly one of whitelist/topic is required.
注意：上述的方式，参数“--blacklist”不能单独使用，需要与--whitelist参数或者是--topic参数结合在一起使用。若是一起使用，显得累赘。一般不要带--blacklist。情形2：通过zookeeper维护偏移量 （不推荐使用）
[root@NODE02 bin]# kafka-console-consumer.sh --blacklist storm,spark  --zookeeper node01:2181 --from-beginningUsing the ConsoleConsumer with old consumer is deprecated and will be removed in a future major release. Consider using the new consumer by passing [bootstrap-server] instead of [zookeeper].
flink 哦

使用Java API来操作kafka分布式集群

前提

①maven工程，pom依赖
<dependencies><!-- https://mvnrepository.com/artifact/org.apache.kafka/kafka-clients --><dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-clients</artifactId><version>0.11.0.0</version></dependency><!-- https://mvnrepository.com/artifact/org.apache.kafka/kafka --><dependency><groupId>org.apache.kafka</groupId><artifactId>kafka_2.12</artifactId><version>0.11.0.0</version></dependency>
</dependencies>②启动zookeeper分布式集群，kafka分布式集群
③将资源文件consumer.properties→用来定制消息订阅方的参数
producer.properties→用来定制消息发布方的参数
拷贝到项目的resources资源目录下
③熟悉涉及到的api：
消息的发布：KafkaProducer<Key,Value> →发布消息的核心类,若是不指定消息的key，默认值是nullProducerRecord → 对每条消息的封装
消息的订阅：KafkaConsumer

发布消息

方案1：发布单条消息

源码以及效果

package com.qf.demo01_producer;import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerRecord;import java.util.Properties;/*** Description：自定义消息发布方演示<br/>* Copyright (c) ，2019 ， Jansonxu <br/>* This program is protected by copyright laws. <br/>* Date： 2019年11月12日** @author 郭佳豪* @version : 1.0*/
public class MyMsgProducerDemo {public static void main(String[] args) {//步骤：Producer<Integer, String> producer = null;try {//①准备Properties的实例，并将资源目录下的配置文件producer.properties中定制的参数封装进去Properties properties = new Properties();properties.load(MyMsgProducerDemo.class.getClassLoader().getResourceAsStream("producer.properties"));//②KafkaProducer实例的创建producer = new KafkaProducer(properties);//③准备消息ProducerRecord<Integer, String> record = new ProducerRecord<>("flink", 1, "老同学，最近可好？！");//④发布消息producer.send(record);} catch (Exception e) {e.printStackTrace();} finally {//⑤资源释放if (producer != null) {producer.close();}}}
}

方案2：发布多条消息

源码以及效果

package com.qf.demo01_producer;import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerRecord;import java.util.Properties;/*** Description：自定义消息发布方演示,发布多条消息<br/>* Copyright (c) ，2019 ， Jansonxu <br/>* This program is protected by copyright laws. <br/>* Date： 2019年11月12日** @author 郭佳豪* @version : 1.0*/
public class MyMsgProducerDemo2 {public static void main(String[] args) {//步骤：Producer<Integer, String> producer = null;try {//①准备Properties的实例，并将资源目录下的配置文件producer.properties中定制的参数封装进去Properties properties = new Properties();properties.load(MyMsgProducerDemo2.class.getClassLoader().getResourceAsStream("producer.properties"));//②KafkaProducer实例的创建producer = new KafkaProducer(properties);//③通过循环模拟发布多条消息for(int i=2;i<=11;i++){//a）准备消息ProducerRecord<Integer, String> record = new ProducerRecord<>("flink", i, i+"\t→ 老同学，最近可好？！");//b) 发布消息producer.send(record);}} catch (Exception e) {e.printStackTrace();} finally {//⑤资源释放if (producer != null) {producer.close();}}}
}

方案3：追踪每条消息发布后的轨迹

源码以及效果

package com.qf.demo01_producer;import org.apache.kafka.clients.producer.*;import java.util.Properties;/*** Description：自定义消息发布方演示,发布多条消息，追踪每条消息的最终的归宿<br/>* Copyright (c) ，2019 ， Jansonxu <br/>* This program is protected by copyright laws. <br/>* Date： 2019年11月12日** @author 郭佳豪* @version : 1.0*/
public class MyMsgProducerDemo3 {public static void main(String[] args) {//步骤：Producer<Integer, String> producer = null;try {//①准备Properties的实例，并将资源目录下的配置文件producer.properties中定制的参数封装进去Properties properties = new Properties();properties.load(MyMsgProducerDemo3.class.getClassLoader().getResourceAsStream("producer.properties"));//②KafkaProducer实例的创建producer = new KafkaProducer(properties);//③通过循环模拟发布多条消息for (int i = 1; i <= 10; i++) {//a）准备消息ProducerRecord<Integer, String> record = new ProducerRecord<>("flink", i, i + "\t→ 老同学，最近可好？！呵呵哒哒...");//b) 发布消息producer.send(record, new Callback() {/*** 当前待发送的消息发送完毕后，下述方法会被回调执行** @param metadata* @param exception*/@Overridepublic void onCompletion(RecordMetadata metadata, Exception exception) {System.out.printf("当前的消息对应的主题是：%s，内容是：%s，所在的分区是：%d，偏移量是：%d%n",metadata.topic(), record.value(), metadata.partition(), metadata.offset());}});}} catch (Exception e) {e.printStackTrace();} finally {//⑤资源释放if (producer != null) {producer.close();}}}
}

消息的订阅

订阅当前新发布的个别消息（latest）

package com.qf.demo02_consumer;import org.apache.kafka.clients.consumer.Consumer;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;import java.util.Arrays;
import java.util.Properties;/*** Description：自定义消息订阅方演示，订阅最新的消息,接收个别消息<br/>* Copyright (c) ，2019 ， Jansonxu <br/>* This program is protected by copyright laws. <br/>* Date： 2019年11月12日** @author 郭佳豪* @version : 1.0*/
public class MyMsgConsumerDemo {public static void main(String[] args) {//步骤：Consumer<Integer, String> consumer = null;try {//①Properties的实例，将consumer.properties资源文件中的参数设置封装进去Properties properties = new Properties();properties.load(MyMsgConsumerDemo.class.getClassLoader().getResourceAsStream("consumer.properties"));//②KafkaConsumerconsumer = new KafkaConsumer(properties);//③指定订阅的主题consumer.subscribe(Arrays.asList("flink"));//④正式开始进行订阅ConsumerRecords<Integer, String> records = consumer.poll(5000);//⑤分析订阅后的结果for (ConsumerRecord<Integer, String> record : records) {String topic = record.topic();int partition = record.partition();long offset = record.offset();String value = record.value();Integer key = record.key();System.out.printf("当前消息的详情是：%n主题名→%s,分区编号→%d,偏移量→%d,消息的value→%s,消息的key→%d%n%n",topic, partition, offset, value, key);}} catch (Exception e) {e.printStackTrace();} finally {//⑥资源释放if (consumer != null) {consumer.close();}}}
}

循环订阅消息

package com.qf.demo02_consumer;import org.apache.kafka.clients.consumer.Consumer;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;import java.util.Arrays;
import java.util.Properties;/*** Description：自定义消息订阅方演示，订阅最新的消息,循环接收消息<br/>* Copyright (c) ，2019 ， Jansonxu <br/>* This program is protected by copyright laws. <br/>* Date： 2019年11月12日** @author 郭佳豪** @version : 1.0*/
public class MyMsgConsumerDemo2 {public static void main(String[] args) {//步骤：Consumer<Integer, String> consumer = null;try {//①Properties的实例，将consumer.properties资源文件中的参数设置封装进去Properties properties = new Properties();properties.load(MyMsgConsumerDemo2.class.getClassLoader().getResourceAsStream("consumer.properties"));//②KafkaConsumerconsumer = new KafkaConsumer(properties);//③指定订阅的主题consumer.subscribe(Arrays.asList("flink"));//④循环接收消息while(true){//④正式开始进行订阅ConsumerRecords<Integer, String> records = consumer.poll(1000);//⑤分析订阅后的结果for (ConsumerRecord<Integer, String> record : records) {String topic = record.topic();int partition = record.partition();long offset = record.offset();String value = record.value();Integer key = record.key();System.out.printf("当前消息的详情是：%n主题名→%s,分区编号→%d,偏移量→%d,消息的value→%s,消息的key→%d%n%n",topic, partition, offset, value, key);}}} catch (Exception e) {e.printStackTrace();} finally {//⑥资源释放if (consumer != null) {consumer.close();}}}
}

从源头开始订阅所关注的各个主题的消息

package com.qf.demo02_consumer;import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;import java.util.Arrays;
import java.util.Collection;
import java.util.Properties;/*** Description：自定义消息订阅方演示，订阅最新的消息,从头开始订阅所关注主题所有的消息<br/>* Copyright (c) ，2019 ， Jansonxu <br/>* This program is protected by copyright laws. <br/>* Date： 2019年11月12日** @author 郭佳豪* @version : 1.0*/
public class MyMsgConsumerDemo3 {public static void main(String[] args) {//步骤：Consumer<Integer, String> consumer = null;try {//①Properties的实例，将consumer.properties资源文件中的参数设置封装进去Properties properties = new Properties();properties.load(MyMsgConsumerDemo3.class.getClassLoader().getResourceAsStream("consumer.properties"));//②KafkaConsumerconsumer = new KafkaConsumer(properties);//③指定订阅的主题final Consumer<Integer, String> finalConsumer = consumer;consumer.subscribe(Arrays.asList("flink", "storm", "spark"), new ConsumerRebalanceListener() {@Overridepublic void onPartitionsRevoked(Collection<TopicPartition> partitions) {}/*** 从各个分区的开始位置进行订阅* @param partitions*/@Overridepublic void onPartitionsAssigned(Collection<TopicPartition> partitions) {finalConsumer.seekToBeginning(partitions);}});//④循环接收消息while (true) {//④正式开始进行订阅ConsumerRecords<Integer, String> records = consumer.poll(1000);//⑤分析订阅后的结果for (ConsumerRecord<Integer, String> record : records) {String topic = record.topic();int partition = record.partition();long offset = record.offset();String value = record.value();Integer key = record.key();System.out.printf("当前消息的详情是：%n主题名→%s,分区编号→%d,偏移量→%d,消息的value→%s,消息的key→%d%n%n",topic, partition, offset, value, key);}//所有的消息订阅完毕，就退出if (records.isEmpty()) {break;}}} catch (Exception e) {e.printStackTrace();} finally {//⑥资源释放if (consumer != null) {consumer.close();}}}
}

kafka自定义分区

分析

步骤：1，设计一个子类继承分区父类，重写其中的partition方法，在该方法中定制分区规则2，修改producer.properties文件，指定自定的分区类

源码以及效果

package com.qf.demo03_partition;import org.apache.kafka.clients.producer.Partitioner;
import org.apache.kafka.common.Cluster;
import org.apache.kafka.common.PartitionInfo;import java.util.List;
import java.util.Map;/*** Description：自定义分区<br/>* Copyright (c) ，2019 ， Jansonxu <br/>* This program is protected by copyright laws. <br/>* Date： 2019年11月13日** @author 郭佳豪* @version : 1.0*/
public class MyPartition implements Partitioner {/*** 下述方法在消息存储到相应分区之前，都会被回调一次。* 原因：消息得找到自己存储的所在。** @param topic      主题名* @param key        消息的key* @param keyBytes   key对应的字节数组* @param value      消息的value* @param valueBytes value对应的字节数组* @param cluster    kafka分布式集群* @return*/@Overridepublic int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {//思路：//①获得当前主题的分区数List<PartitionInfo> partitionInfos = cluster.availablePartitionsForTopic(topic);int totalPartitionNum = partitionInfos.size();//②关于key// a）key≠null, key的hash码值对分区数求余数,余数即为当前消息所对应的分区编号//b)key＝null, 根据value来计算//i)value ≠null, value的hash码值对分区数求余数,余数即为当前消息所对应的分区编号//ii)value＝null, 直接返回默认的分区编号，如：0.if (key != null) {return key.hashCode() % totalPartitionNum;} else {if (value != null) {return value.hashCode() % totalPartitionNum;} else {return 0;}}}@Overridepublic void close() {}@Overridepublic void configure(Map<String, ?> configs) {}
}

消息拦截器

介绍

①在消息发送到kafka分布式集群之前，针对于一些共通的业务处理，建议使用拦截器。如：对每条消息添加一个共通的前缀（如：时间戳），对消息中包含一些反动的信息进行筛选
②还可以监测到消息发送的状态（成功，失败）
③需求：实现一个简单的双interceptor组成的拦截链。第一个interceptor会在消息发送前将时间戳信息加到消息value的最前部；第二个interceptor会在消息发送后更新成功发送消息数或失败发送消息数。
④核心api：ProducerIntercepter

源码以及效果

package com.qf.demo04_intercepter;import org.apache.kafka.clients.producer.*;import java.util.Collection;
import java.util.Collections;
import java.util.LinkedList;
import java.util.Properties;/*** Description：自定义拦截器使用演示<br/>* Copyright (c) ，2019 ， Jansonxu <br/>* This program is protected by copyright laws. <br/>* Date： 2019年11月12日** @author 郭佳豪* @version : 1.0*/
public class InteceptorUsageDemo {public static void main(String[] args) {//步骤：Producer<Integer, String> producer = null;try {//①准备Properties的实例，并将资源目录下的配置文件producer.properties中定制的参数封装进去Properties properties = new Properties();properties.load(InteceptorUsageDemo.class.getClassLoader().getResourceAsStream("producer.properties"));//将拦截器封装到properties实例中，作为参数来构建KafkaProducerCollection<String> params = new LinkedList<>();Collections.addAll(params, "com.qf.demo04_intercepter.TimeIntecepter","com.qf.demo04_intercepter.StatusIntecepter");properties.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG, params);//②KafkaProducer实例的创建producer = new KafkaProducer(properties);//③通过循环模拟发布多条消息for (int i = 1; i <= 10; i++) {//a）准备消息ProducerRecord<Integer, String> record = new ProducerRecord<>("flink", i, i + "\t→ 老同学，最近可好？！呵呵哒哒...");//b) 发布消息producer.send(record, new Callback() {/*** 当前待发送的消息发送完毕后，下述方法会被回调执行** @param metadata* @param exception*/@Overridepublic void onCompletion(RecordMetadata metadata, Exception exception) {System.out.printf("当前的消息对应的主题是：%s，内容是：%s，所在的分区是：%d，偏移量是：%d%n",metadata.topic(), record.value(), metadata.partition(), metadata.offset());}});}} catch (Exception e) {e.printStackTrace();} finally {//⑤资源释放if (producer != null) {producer.close();}}}
}

package com.qf.demo04_intercepter;import org.apache.kafka.clients.producer.ProducerInterceptor;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;import java.util.Date;
import java.util.Map;/*** Description：时间戳拦截器（作用：给每条消息添加上统一的时间前缀）<br/>* Copyright (c) ，2019 ， Jansonxu <br/>* This program is protected by copyright laws. <br/>* Date： 2019年11月13日** @author 郭佳豪* @version : 1.0*/
public class TimeIntecepter implements ProducerInterceptor<Integer, String> {/*** 每条消息发送之前，下述方法会被执行** @param record* @return*/@Overridepublic ProducerRecord<Integer, String> onSend(ProducerRecord<Integer, String> record) {return new ProducerRecord<Integer, String>(record.topic(), record.partition(),record.timestamp(), record.key(),new Date() + "→" + record.value(), record.headers());}@Overridepublic void onAcknowledgement(RecordMetadata metadata, Exception exception) {}@Overridepublic void close() {}@Overridepublic void configure(Map<String, ?> configs) {}
}

package com.qf.demo04_intercepter;import org.apache.kafka.clients.producer.ProducerInterceptor;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;import java.util.Map;/*** Description：状态戳拦截器（作用：用来监测成功或是失败的消息数）<br/>* Copyright (c) ，2019 ， Jansonxu <br/>* This program is protected by copyright laws. <br/>* Date： 2019年11月13日** @author 郭佳豪* @version : 1.0*/
public class StatusIntecepter implements ProducerInterceptor<Integer, String> {/*** 成功消息数*/private int successCnt;/*** 失败消息数*/private int failureCnt;@Overridepublic ProducerRecord<Integer, String> onSend(ProducerRecord<Integer, String> record) {return record;}/*** 每次发送完毕一条消息，下述的方法会被回调执行* <p>* Ack: 应答机制** @param metadata* @param exception*/@Overridepublic void onAcknowledgement(RecordMetadata metadata, Exception exception) {//根据参数2来判断消息是否发送成功//＝null，成功//≠null，失败if (exception == null) {successCnt += 1;} else {failureCnt += 1;}}@Overridepublic void close() {//显示结果System.out.printf("成功的消息数是：%d，失败的消息数：%d%n", successCnt, failureCnt);}@Overridepublic void configure(Map<String, ?> configs) {}
}

kafka相关的理论

kafka分布式集群内部运作流程入图片描述](https://img-blog.csdnimg.cn/20191113215621457.png?x-oss-process=image/watermark,tyZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2poY2hlbmd4dXl1YW4=,size_16,color_FFFFFF,t_70)

kafka分区内幕介绍

rmark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2poY2hlbmd4dXl1YW4=,size_16,color_FFFFFF,t_70)

Kafka与flume的整合

说明

步骤：
1，编辑配置文件# flume-kafka.properties: 用来定制agent的各个组件的行为（source,channel,sink）############################################# 对各个组件的描述说明# 其中a1为agent的名字# r1是a1的source的代号名字# c1是a1的channel的代号名字# k1是a1的sink的代号名字############################################a1.sources = r1a1.sinks = k1a1.channels = c1# 用于描述source的，类型是netcat网络，telnet a1.sources.r1.type = netcat# source监听的网络ip地址和端口号a1.sources.r1.bind = NODE01a1.sources.r1.port = 44444# 用于描述channel，在内存中做数据的临时的存储a1.channels.c1.type = memory# 该内存中最大的存储容量，1000个events事件a1.channels.c1.capacity = 1000# 能够同时对100个events事件监管事务a1.channels.c1.transactionCapacity = 100# 用于描述sink，类型是日志格式，用于定制消息发布方的参数a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSinka1.sinks.k1.topic = hivea1.sinks.k1.brokerList = NODE01:9092,NODE02:9092,NODE03:9092a1.sinks.k1.requiredAcks = 1a1.sinks.k1.batchSize = 20# 将a1中的各个组件建立关联关系，将source和sink都指向了同一个channela1.sources.r1.channels = c1a1.sinks.k1.channel = c12,开启flume日志采集服务（后台）~> -Dflume.root.logger=INFO,consoleflume-ng agent  --conf-file flume-kafka.properties --name a1 以后台进程的方式启动：nohup flume-ng agent  --conf-file flume-kafka.properties --name a1   > /dev/null    2>&1 &3，使用netcat向4444端口写入> nc NODE01 44444hello are you ready?_____________前提： 需要安装telnet或者是netcat运行方式总结：一：telnet需要在centOS上面安装telnet(注意：在线安装方式 yum install telnet)启动flumn-agent启动telnet：telnet NODE01 44444二：netcat(注意：在线安装方式 yum install -y nc)安装发给大家的nc.xx.rpmrpm -ivh nc.xx.rpm-path启动flumn-agent启动nc进程nc NODE01 44444______________4，开启一个kafka消费的进程kafka-console-consumer.sh --topic hive    --zookeeper NODE01:2181,NODE02:2181  --from-beginning

运行效果

kafka总结

1、Segment的概念：一个分区被分成相同大小数据条数不相等的Segment，每个Segment有多个index文件和数据文件组成2、数据的存储机制（就是面试题中kafka速度为什么如此之快）：首先是Broker接收到数据后，将数据放到操作系统的缓存里（pagecache），pagecache会尽可能多的使用空闲内存，使用sendfile技术尽可能多的减少操作系统和应用程序之间进行重复缓存，写入数据的时候使用顺序写入，写入数据的速度可达600m/s3、Consumer怎么解决负载均衡？（rebalance）1）获取Consumer消费的起始分区号2）计算出Consumer要消费的分区数量3）用起始分区号的hashCode值模余分区数4、数据的分发策略？Kafka默认调用自己分区器（DefaultPartitioner），也可以自定义分区器，需要实现Partitioner特质，实现partition方法5、Kafka怎么保证数据不丢失？Kafka接收数据后会根据创建的topic指定的副本数来存储，也就是副本机制保证数据的安全性6、Kafka的应用：①作为消息队列的应用在传统的业务中使用高吞吐、分布式、使得处理大量业务内容轻松自如。②作为互联网行业的日志行为实时分析,比如：实时统计用户浏览页面、搜索及其他行为，结合实时处理框架使用实现实时监控，或放到 hadoop/离线数据仓库里处理。③作为一种为外部的持久性日志的分布式系统提供服务。主要利用节点间备份数据，文件存储、日志压缩等功能。——————其他应用场景：① 企业内部指标对于某些时效性要求较高的指标，如预警指标等，必须在数据变化时及时计算并发送信息② 通信服务运营商对于用户套餐中的剩余量进行监控，如流量，语音通话，短信③ 电商行业对于吞吐量特别大和数据变动频次较高的应用，如电商网站，必须使用实时计算来捕捉用户偏好7、Kafka组件：①每个partition在存储层面是append log文件。新消息都会被直接追加到log文件的尾部，每条消息在log文件中的位置称为offset（偏移量）。②每条Message包含了以下三个属性：1° offset    对应类型：long  此消息在一个partition中序号。可以认为offset是partition中Message的id2° MessageSize  对应类型：int。3° data  是message的具体内容。③越多的partitions意味着可以容纳更多的consumer,有效提升并发消费的能力。④总之：业务区分增加topic、数据量大增加partition (副本数<=broker节点数)。8、实时流处理框架如Storm, Spark Streaming如何实现实时处理的，底层封装了Kafka Stream。若是手动实现实时处理的框架，需要自己使用Kafka Stream 库。<dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-streams</artifactId><version>1.0.2</version></dependency>9、维护消息订阅方消费的offset的方式有哪些？①zookeeper ,参数：--zookeeper ②kafka集群来维护，参数：--bootstrap-server主题名：__consumer_offsets,  默认： 50个分区； 默认的副本数是：1若是达到默认的主题__consumer_offsets的分区的ha (高容错)，需要在server.properties文件中定制默认的副本数：default.replication.factor=3③手动维护偏移量 （一般使用redis存储偏移量）10，几个问题：①每次启动一个消费者进程（kafka-console-consumer.sh）,是一个单独的进程②手动书写的消费者，可以通过参数来定制是从头开始消费，还是接力消费。需要指定flg (main: args[])③kafka-console-consumer.sh，每次开启一个消费者进程，有一个默认的消费者组。命名方式是：console-consumer-64328④查看消费者组的信息，详见： 4_笔记\查看消费者组.png⑤PachCache, SendFile

能。

——————
其他应用场景：① 企业内部指标对于某些时效性要求较高的指标，如预警指标等，必须在数据变化时及时计算并发送信息② 通信服务运营商对于用户套餐中的剩余量进行监控，如流量，语音通话，短信③ 电商行业对于吞吐量特别大和数据变动频次较高的应用，如电商网站，必须使用实时计算来捕捉用户偏好

7、Kafka组件：
①每个partition在存储层面是append log文件。新消息都会被直接追加到log文件的尾部，每条消息在log文件中的位置称为offset（偏移量）。
②每条Message包含了以下三个属性：
1° offset 对应类型：long 此消息在一个partition中序号。可以认为offset是partition中Message的id
2° MessageSize 对应类型：int。
3° data 是message的具体内容。
③越多的partitions意味着可以容纳更多的consumer,有效提升并发消费的能力。
④总之：业务区分增加topic、数据量大增加partition (副本数<=broker节点数)。

8、实时流处理框架如Storm, Spark Streaming如何实现实时处理的，底层封装了Kafka Stream。
若是手动实现实时处理的框架，需要自己使用Kafka Stream 库。

org.apache.kafka
kafka-streams
1.0.2

9、维护消息订阅方消费的offset的方式有哪些？
①zookeeper ,参数：–zookeeper
②kafka集群来维护，参数：–bootstrap-server
主题名：__consumer_offsets, 默认： 50个分区；默认的副本数是：1
若是达到默认的主题__consumer_offsets的分区的ha (高容错)，需要在server.properties文件中定制默认的副本数：
default.replication.factor=3
③手动维护偏移量（一般使用redis存储偏移量）

10，几个问题：
①每次启动一个消费者进程（kafka-console-consumer.sh）,是一个单独的进程
②手动书写的消费者，可以通过参数来定制是从头开始消费，还是接力消费。需要指定flg (main: args[])
③kafka-console-consumer.sh，每次开启一个消费者进程，有一个默认的消费者组。命名方式是：console-consumer-64328
④查看消费者组的信息，详见： 4_笔记\查看消费者组.png
⑤PachCache, SendFile