实时计算框架storm基础

1、实时计算阶段安排

day01 企业消息队列kafka

接收实时产生的数据，用来计算。

day02 实时计算框架storm基础

day03 实时计算框架storm运行原理

day04 实时计算案例之日志告警系统

day05 实时计算案例之流量日志分析/交易风险控制系统

day06 推荐系统案例

day07 推荐系统数据清洗与存储（Hbase、Redis）

day08 搜索系统之elasticSearch

2、大数据课程整体结构

3、大数据实时存储

4、Kafka配置文件server.properties

修改三个地方:

broker.id

每个kafka实例都具备一个唯一的id

log.dirs

Kafka用来存放消息的路径，需要在每台机器上创建

zookeeper.connect

Kafka信息存放在zookeeper中，需要制定zookeeper地址。

每个Kafka实例启动的时候，都会将自己的信息注册到zookeeper中。



配置文件

broker.id=0
4000

num.network.threads=3

num.io.threads=8

socket.send.buffer.bytes=102400

socket.receive.buffer.bytes=102400

socket.request.max.bytes=104857600

log.dirs=/export/data/kafka

num.partitions=1

num.recovery.threads.per.data.dir=1

offsets.topic.replication.factor=1

transaction.state.log.replication.factor=1

transaction.state.log.min.isr=1

log.retention.hours=168

log.segment.bytes=1073741824

log.retention.check.interval.ms=300000

zookeeper.connect=zk01:2181,zk02:2181,zk03:2181

zookeeper.connection.timeout.ms=6000

group.initial.rebalance.delay.ms=0

5、Kafka启动需知（一键启动）

启动zookeeper集群

一键启动脚本的环境变量配置

#set onekey env

export OK_HOME=/export/servers/oneKey
export PATH=${OK_HOME}/zk:$PATH
export PATH=${OK_HOME}/storm:$PATH
export PATH=${OK_HOME}/kafka:$PATH

关于黑洞

一键启动的目录信息

-rw-r--r--. 1 root root  21 Nov 11 03:46 slave
-rwxr-xr-x. 1 root root 160 Nov 11 03:46 startzk.sh
-rwxr-xr-x. 1 root root 172 Nov 11 03:47 stopzk.sh

/export/servers/oneKey/zk

startzk.sh文件

cat /export/servers/oneKey/zk/slave | while read line
do
{
echo $line
ssh $line "source /etc/profile;nohup zkServer.sh start >/dev/nul* 2>&1 &"
}&
wait
done

stopzk.sh 停止脚本

cat /export/servers/oneKey/zk/slave | while read line
do
{
echo $line
ssh $line "source /etc/profile;jps |grep QuorumPeerMain |cut -c 1-4 |xargs kill -s 9"
}&
wait
done

跨服务器运行命令

ssh hostname “command”

启动Kafka集群

环境变量

#set onekey env

export OK_HOME=/export/servers/oneKey
export PATH=${OK_HOME}/zk:$PATH
export PATH=${OK_HOME}/storm:$PATH
export PATH=${OK_HOME}/kafka:$PATH

kafka环境变量配置

#set kafka env

export KAFKA_HOME=/export/servers/kafka
export PATH=${KAFKA_HOME}/bin:$PATH

启动脚本

cat /export/servers/oneKey/kafka/slave | while read line
do
{
echo $line
ssh $line "source /etc/profile;nohup kafka-server-start.sh /export/servers/kafka/config/server.properties >/dev/nul* 2>&1 &"
}&
wait
done

停止脚本

cat /export/servers/oneKey/kafka/slave | while read line
do
{
echo $line
ssh $line "source /etc/profile;jps |grep Kafka |cut -c 1-4 |xargs kill -s 9 "
}&
wait
done

6、Kafka配置文件详解

6.1、 producer端配置文件说明

#指定kafka节点列表，用于获取metadata，不必全部指定
metadata.broker.list=kafka01:9092,kafka02:9092,kafka03:9092

# 指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到对应分区
#partitioner.class=kafka.producer.DefaultPartitioner

# 是否压缩，默认0表示不压缩，1表示用gzip压缩，2表示用snappy压缩。压缩后消息中会有头来指明消息压缩类型，故在消费者端消息解压是透明的无需指定。
compression.codec=none

# 指定序列化处理类
serializer.class=kafka.serializer.DefaultEncoder

# 如果要压缩消息，这里指定哪些topic要压缩消息，默认empty，表示不压缩。
#compressed.topics=

# 设置发送数据是否需要服务端的反馈,有三个值0,1,-1
# 0: producer不会等待broker发送ack
# 1: 当leader接收到消息之后发送ack
# -1: 当所有的follower都同步消息成功后发送ack.
request.required.acks=0

# 在向producer发送ack之前,broker允许等待的最大时间 ，如果超时,broker将会向producer发送一个error ACK.意味着上一次消息因为某种原因未能成功(比如follower未能同步成功)
request.timeout.ms=10000

# 同步还是异步发送消息，默认“sync”表同步，"async"表异步。异步可以提高发送吞吐量,
也意味着消息将会在本地buffer中,并适时批量发送，但是也可能导致丢失未发送过去的消息
producer.type=sync

# 在async模式下,当message被缓存的时间超过此值后,将会批量发送给broker,默认为5000ms
# 此值和batch.num.messages协同工作.
queue.buffering.max.ms = 5000

# 在async模式下,producer端允许buffer的最大消息量
# 无论如何,producer都无法尽快的将消息发送给broker,从而导致消息在producer端大量沉积
# 此时,如果消息的条数达到阀值,将会导致producer端阻塞或者消息被抛弃，默认为10000
queue.buffering.max.messages=20000

# 如果是异步，指定每次批量发送数据量，默认为200
batch.num.messages=500

# 当消息在producer端沉积的条数达到"queue.buffering.max.meesages"后
# 阻塞一定时间后,队列仍然没有enqueue(producer仍然没有发送出任何消息)
# 此时producer可以继续阻塞或者将消息抛弃,此timeout值用于控制"阻塞"的时间
# -1: 无阻塞超时限制,消息不会被抛弃
# 0:立即清空队列,消息被抛弃
queue.enqueue.timeout.ms=-1

# 当producer接收到error ACK,或者没有接收到ACK时,允许消息重发的次数
# 因为broker并没有完整的机制来避免消息重复,所以当网络异常时(比如ACK丢失)
# 有可能导致broker接收到重复的消息,默认值为3.
message.send.max.retries=3

# producer刷新topic metada的时间间隔,producer需要知道partition leader的位置,以及当前topic的情况
# 因此producer需要一个机制来获取最新的metadata,当producer遇到特定错误时,将会立即刷新
# (比如topic失效,partition丢失,leader失效等),此外也可以通过此参数来配置额外的刷新机制，默认值600000
topic.metadata.refresh.interval.ms=60000

6.2、broker端配置文件说明

#broker的全局唯一编号，不能重复
broker.id=0

#用来监听链接的端口，producer或consumer将在此端口建立连接
port=9092

#处理网络请求的线程数量
num.network.threads=3

#用来处理磁盘IO的现成数量
num.io.threads=8

#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400

#接受套接字的缓冲区大小
socket.receive.buffer.bytes=102400

#请求套接字的缓冲区大小
socket.request.max.bytes=104857600

#kafka运行日志存放的路径
log.dirs=/export/data/kafka/

#topic在当前broker上的分片个数
num.partitions=2

#用来恢复和清理data下数据的线程数量
num.recovery.threads.per.data.dir=1

#segment文件保留的最长时间，超时将被删除
log.retention.hours=1

#滚动生成新的segment文件的最大时间
log.roll.hours=1

#日志文件中每个segment的大小，默认为1G
log.segment.bytes=1073741824

#周期性检查文件大小的时间
log.retention.check.interval.ms=300000

#日志清理是否打开
log.cleaner.enable=true

#broker需要使用zookeeper保存meta数据
zookeeper.connect=zk01:2181,zk02:2181,zk03:2181

#zookeeper链接超时时间
zookeeper.connection.timeout.ms=6000

#partion buffer中，消息的条数达到阈值，将触发flush到磁盘
log.flush.interval.messages=10000

#消息buffer的时间，达到阈值，将触发flush到磁盘
log.flush.interval.ms=3000

#删除topic需要server.properties中设置delete.topic.enable=true否则只是标记删除
delete.topic.enable=true

#此处的host.name为本机IP(重要),如果不改,则客户端会抛出:Producer connection to localhost:9092 unsuccessfu* 错误!
host.name=kafka01

advertised.host.name=192.168.140.128

6.3、consumer端配置文件说明

# zookeeper连接服务器地址
zookeeper.connect=zk01:2181,zk02:2181,zk03:2181

# zookeeper的session过期时间，默认5000ms，用于检测消费者是否挂掉
zookeeper.session.timeout.ms=5000

#当消费者挂掉，其他消费者要等该指定时间才能检查到并且触发重新负载均衡
zookeeper.connection.timeout.ms=10000

# 指定多久消费者更新offset到zookeeper中。注意offset更新时基于time而不是每次获得的消息。一旦在更新zookeeper发生异常并重启，将可能拿到已拿到过的消息
zookeeper.sync.time.ms=2000

#指定消费
group.id=itcast

# 当consumer消费一定量的消息之后,将会自动向zookeeper提交offset信息
# 注意offset信息并不是每消费一次消息就向zk提交一次,而是现在本地保存(内存),并定期提交,默认为true
auto.commit.enable=true

# 自动更新时间。默认60 * 1000
auto.commit.interval.ms=1000

# 当前consumer的标识,可以设定,也可以有系统生成,主要用来跟踪消息消费情况,便于观察
conusmer.id=xxx

# 消费者客户端编号，用于区分不同客户端，默认客户端程序自动产生
client.id=xxxx

# 最大取多少块缓存到消费者(默认10)
queued.max.message.chunks=50

# 当有新的consumer加入到group时,将会reblance,此后将会有partitions的消费端迁移到新  的consumer上,如果一个consumer获得了某个partition的消费权限,那么它将会向zk注册 "Partition Owner registry"节点信息,但是有可能此时旧的consumer尚没有释放此节点, 此值用于控制,注册节点的重试次数.
rebalance.max.retries=5

# 获取消息的最大尺寸,broker不会像consumer输出大于此值的消息chunk 每次feth将得到多条消息,此值为总大小,提升此值,将会消耗更多的consumer端内存
fetch.min.bytes=6553600

# 当消息的尺寸不足时,server阻塞的时间,如果超时,消息将立即发送给consumer
fetch.wait.max.ms=5000
socket.receive.buffer.bytes=655360

# 如果zookeeper没有offset值或offset值超出范围。那么就给个初始的offset。有smallest、largest、anything可选，分别表示给当前最小的offset、当前最大的offset、抛异常。默认largest
auto.offset.reset=smallest

# 指定序列化处理类
derializer.class=kafka.serializer.DefaultDecoder

7、Kafka整体概念梳理

Producer ：消息生产者，就是向kafka broker发消息的客户端。

第一个问题：数据分发机制

第二个问题：消息是否会丢失

Consumer ：消息消费者，向kafka broker取消息的客户端

Topic ：名称。

一类消息的分类名称，怎么区分一类消息？

Consumer Group （CG）：这是kafka用来实现一个topic消息的广播（发给所有的consumer）和单播（发给任意一个consumer）的手段。一个topic可以有多个CG。topic的消息会复制（不是真的复制，是概念上的）到所有的CG，但每个partion只会把消息发给该CG中的一个consumer。如果需要实现广播，只要每个consumer有一个独立的CG就可以了。要实现单播只要所有的consumer在同一个CG。用CG还可以将consumer进行自由的分组而不需要多次发送消息到不同的topic。

为什么要有Consumer Group？ 提供并发和容错。

Broker ：一台kafka服务器就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic。

用来存放数据

Kafka为什么快？

pagecache:实时消费数据，针对实时消费，数据其实就在broker内存中。

sendfile:消费之前的数据，可以直接通过系统层面将数据发送出去。

Partition：为了实现扩展性，一个非常大的topic可以分布到多个broker（即服务器）上，一个topic可以分为多个partition，每个partition是一个有序的队列。partition中的每条消息都会被分配一个有序的id（offset）。kafka只保证按一个partition中的顺序将消息发给consumer，不保证一个topic的整体（多个partition间）的顺序。

为什么要进行partition？

副本机制

segment ，将保存在一个partition文件目录下的数据，切分为多个文件段。 主要方便快速删除和快速查找。

Offset：kafka的存储文件都是按照offset.kafka来命名，用offset做名字的好处是方便查找。例如你想找位于2049的位置，只要找到2048.kafka的文件即可。当然the first offset就是00000000000.kafka

Replication：Kafka支持以Partition为单位对Message进行冗余备份，每个Partition都可以配置至少1个Replication(当仅1个Replication时即仅该Partition本身)。

副本中谁来当leader。

Leader：每个Replication集合中的Partition都会选出一个唯一的Leader，所有的读写请求都由Leader处理。其他Replicas从Leader处把数据更新同步到本地，过程类似大家熟悉的MySQL中的Binlog同步。每个Cluster当中会选举出一个Broker来担任Controller，负责处理Partition的Leader选举，协调Partition迁移等工作。

ISR(In-Sync Replica)：是Replicas的一个子集，表示目前Alive且与Leader能够“Catch-up”的Replicas集合。由于读写都是首先落到Leader上，所以一般来说通过同步机制从Leader上拉取数据的Replica都会和Leader有一些延迟(包括了延迟时间和延迟条数两个维度)，任意一个超过阈值都会把该Replica踢出ISR。每个Partition都有它自己独立的ISR。

8、Kafka细节补充

8.1、使用Kafka Producer生产数据并观察segment段的变化

public static void main(String[] args) {
//1、准备配置文件
Properties props = new Properties();
props.put("bootstrap.servers", "node01:9092");
props.put("acks", "all");
props.put("retries", 0);
props.put("batch.size", 16384);
props.put("linger.ms", 1);
props.put("buffer.memory", 33554432);
props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
//2、创建KafkaProducer
KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(props);
//3、发送数据
/**
* 在ProducerRecord构造参数中key的情况下，会根据key进行hash取模，得到partition的编号。
*
*/
while(true){
kafkaProducer.send(new ProducerRecord<String, String>("yum02", "我是很多内容……"));
}

8.2、使用Kafka Producer生产数据的分发策略

The default partitioning strategy:
* <li>If a partition is specified in the record, use it
* <li>If no partition is specified but a key is present choose a partition based on a hash of the key
* <li>If no partition or key is present choose a partition in a round-robin fashion

分发策略：
1）如果指定了partition，直接使用
2）如果没有指定partition，但是制定了key，可以使用key做hash取模
3）如果没有指定partition，又没有指定key，使用轮训的方式

//在ProducerRecord构造参数中有key的情况下，会根据key进行hash取模，得到partition的编号
kafkaProducer.send(new ProducerRecord<String, String>("yun02","num","Consumer Group "));
// 如果沒有key，也沒有partition就會輪訓
kafkaProducer.send(new ProducerRecord<String, String>("yum02", "afka Web "));
//如果指定了partition，就會使用partition
kafkaProducer.send(new ProducerRecord<String, String>("yun02",1,"num","value"));

8.3、Kafka为什么那么快？

两个技术：

pagecache:数据生产放入pagecache、数据读取从pagecache从读取，针对实时消费的情况。

sendfile：直接在系统层面将数据发送出去，减少应用层面的数据拷贝，提高效率针对消费历史数据的情况

8.4、zookeeper可视化工具使用

9、Storm一個項目究竟設置幾個worker？

一个项目每个环节（组件）设置多少个并行度？

//设置应用程序的worker数
config.setNumWorkers(1);
//设置组件的并行度
topologyBuilder.setSpout("SentenceSpout",new SentenceSpout(),1);
topologyBuilder.setBolt("splitBolt",new SplitBolt(),1).shuffleGrouping("SentenceSpout");
topologyBuilder.setBolt("WordCountBolt",new WordCountBolt(),1).shuffleGrouping("splitBolt");

10、实时看板案例实战

项目范围

不同岗位的人

看订单数、订单人数、订单金额

数据从何而来？

如何获取订单相关？

数据库？索引库？消息队列？选择哪一个？

数据库 select * from 表 groupby 分类1，分类2

压力大 ，业务部门不可能让你执行sql

分库分表，一条sql根本写不出来

索引库？

搜索引擎，当数据库的从库使用，可以做。

消息队列——>AMQ

订单系统每创建一个订单，都会将消息传入到amq。

数据部门通过flume或者其他的技术手段，将amq的数据同步到kafka

实时看板从kafka中获取数据，并进行计算。

程序架构

真实场景：订单系统———->AMQ—————Flume————Kafka———Storm————-Redis———–JavaWeb

案例场景：订单系统（producer）———–Kafka———Storm————-Redis———–JavaWeb

数据长什么样？

pinyougou: 订单编号、订单金额、商品名称、商品分类、商品。

真实订单：买家信息（手机号、省市县、姓名，账户、收货地址）、商品信息（sku详情挂上）、支付方式、卖家信息（手机号、省市县、姓名，账户、收货地址、公司信息）等等，差不多200多个字段。

伪造订单信息:

准备工作

准备数据格式

在kafka中创建topic （itcast_order，7个partition2个副本）

名称：itcast_order

设置分片数据：

根据数据量的大小，根据条数据

比如：500万订单，每条订单信息占用0.2M 每天100万M====1T

假设有7台机器（Kafka），创建7partition

设置副本

2个就可以了，3个就可以了。

执行创建命令：

bin/kafka-topics.sh --create --zookeeper zk01:2181 --replication-factor 2 --partitions 7 --topic itcast_order

​

使用kafkaproducer编写生产者发送数据，数据使用json串的方式发送

package cn.itcast.realtime.kanban.order;

import com.google.gson.Gson;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerRecord;

import java.util.Properties;

/**
* 模拟生成订单信息
* 1）准备一个订单的javaben
* 2) 发送订单信息到kafka
*/
public class OrderProducer {

public static void main(String[] args) {
//1、准备配置文件
Properties props = new Properties();
props.put("bootstrap.servers", "node01:9092");
props.put("acks", "all");
props.put("retries", 0);
props.put("batch.size", 16384);
props.put("linger.ms", 1);
props.put("buffer.memory", 33554432);
props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
//2、创建KafkaProducer
KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(props);
while (true) {
//3、发送数据
PaymentInfo paymentInfo = new PaymentInfo();
kafkaProducer.send(new ProducerRecord<String, String>("itcast_order", paymentInfo.random()));
try {
Thread.sleep(2000);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}
}

package cn.itcast.realtime.kanban.order;

import com.alibaba.fastjson.JSON;
import com.google.gson.Gson;

import java.io.Serializable;
import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.Random;
import java.util.UUID;

public class PaymentInfo implements Serializable {
private static final long serialVersionUID = -7958315778386204397L;
private String orderId;//订单编号
private Date createOrderTime;//订单创建时间
private String paymentId;//支付编号
private Date paymentTime;//支付时间
private String productId;//商品编号
private String productName;//商品名称
private long productPrice;//商品价格
private long promotionPrice;//促销价格
private String shopId;//商铺编号
private String shopName;//商铺名称
private String shopMobile;//商品电话
private long payPrice;//订单支付价格
private int num;//订单数量

/**
* <Province>19</Province>
* <City>1657</City>
* <County>4076</County>
*/
private String province; //省
private String city; //市
private String county;//县

//102,144,114
private String catagorys;

public String getProvince() {
return province;
}

public void setProvince(String province) {
this.province = province;
}

public String getCity() {
return city;
}

public void setCity(String city) {
this.city = city;
}

public String getCounty() {
return county;
}

public void setCounty(String county) {
this.county = county;
}

public String getCatagorys() {
return catagorys;
}

public void setCatagorys(String catagorys) {
this.catagorys = catagorys;
}

public PaymentInfo() {
}

public PaymentInfo(String orderId, Date createOrderTime, String paymentId, Date paymentTime, String productId, String productName, long productPrice, long promotionPrice, String shopId, String shopName, String shopMobile, long payPrice, int num) {
this.orderId = orderId;
this.createOrderTime = createOrderTime;
this.paymentId = paymentId;
this.paymentTime = paymentTime;
this.productId = productId;
this.productName = productName;
this.productPrice = productPrice;
this.promotionPrice = promotionPrice;
this.shopId = shopId;
this.shopName = shopName;
this.shopMobile = shopMobile;
this.payPrice = payPrice;
this.num = num;
}

public String getOrderId() {
return orderId;
}

public void setOrderId(String orderId) {
this.orderId = orderId;
}

public Date getCreateOrderTime() {
return createOrderTime;
}

public void setCreateOrderTime(Date createOrderTime) {
this.createOrderTime = createOrderTime;
}

public String getPaymentId() {
return paymentId;
}

public void setPaymentId(String paymentId) {
this.paymentId = paymentId;
}

public Date getPaymentTime() {
return paymentTime;
}

public void setPaymentTime(Date paymentTime) {
this.paymentTime = paymentTime;
}

public String getProductId() {
return productId;
}

public void setProductId(String productId) {
this.productId = productId;
}

public String getProductName() {
return productName;
}

public void setProductName(String productName) {
this.productName = productName;
}

public long getProductPrice() {
return productPrice;
}

public void setProductPrice(long productPrice) {
this.productPrice = productPrice;
}

public long getPromotionPrice() {
return promotionPrice;
}

public void setPromotionPrice(long promotionPrice) {
this.promotionPrice = promotionPrice;
}

public String getShopId() {
return shopId;
}

public void setShopId(String shopId) {
this.shopId = shopId;
}

public String getShopName() {
return shopName;
}

public void setShopName(String shopName) {
this.shopName = shopName;
}

public String getShopMobile() {
return shopMobile;
}

public void setShopMobile(String shopMobile) {
this.shopMobile = shopMobile;
}

public long getPayPrice() {
return payPrice;
}

public void setPayPrice(long payPrice) {
this.payPrice = payPrice;
}

public int getNum() {
return num;
}

public void setNum(int num) {
this.num = num;
}

@Override
public String toString() {
return "PaymentInfo{" +
"orderId='" + orderId + '\'' +
", createOrderTime=" + createOrderTime +
", paymentId='" + paymentId + '\'' +
", paymentTime=" + paymentTime +
", productId='" + productId + '\'' +
", productName='" + productName + '\'' +
", productPrice=" + productPrice +
", promotionPrice=" + promotionPrice +
", shopId='" + shopId + '\'' +
", shopName='" + shopName + '\'' +
", shopMobile='" + shopMobile + '\'' +
", payPrice=" + payPrice +
", num=" + num +
'}';
}

public String random() {
this.orderId = UUID.randomUUID().toString().replaceAll("-", "");
this.paymentId = UUID.randomUUID().toString().replaceAll("-", "");
this.productPrice = new Random().nextInt(1000);
this.promotionPrice = new Random().nextInt(500);
this.payPrice = new Random().nextInt(480);
this.shopId = new Random().nextInt(200000) + "";

this.catagorys = new Random().nextInt(10000) + "," + new Random().nextInt(10000) + "," + new Random().nextInt(10000);
this.province = new Random().nextInt(23) + "";
this.city = new Random().nextInt(265) + "";
this.county = new Random().nextInt(1489) + "";

String date = "2015-11-11 12:22:12";
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
try {
this.createOrderTime = simpleDateFormat.parse(date);
} catch (ParseException e) {
e.printStackTrace();
}
String jsonString = JSON.toJSONString(this);
return jsonString;
}
}

​

使用storm消费kafka中的数据（storm-kafka）

​



“`java

public static void main(String[] args) throws InvalidTopologyException, AuthorizationException, AlreadyAliveException {

//创建一个TopologyBuilder用来组装任务信息

TopologyBuilder topologyBuilder = new TopologyBuilder();

// 设置kafkaspout

KafkaSpoutConfig.Builder

附1:Kafka常见问题

Kafka是什么？

分布式消息队列，类似于JMS。典型的生产者消费者模式。

生产的数据存放到kafka的集群，集群由很多个broker组成

kafka集群的元数据保存在zookeeper上。

针对一个topic为什么要进行分区？

一般情况下，针对海量数据，都会将数据分为很多个部分（分片），单独存放在不同的机器上。

如果一个topic的数据量非常大，我们要提前规划好分区数

producer根据分区数进行数据分发（分发策略partitioner）

针对一个分区，为什么要添加副本？

副本机制的存放时为了保证数据的安全（容错）

添加副本添加多少个好？

添加副本副作用的，数据要同步到不同机器上，有大量的网络传输和磁盘占用。

根据业务对数据容错性，可以设置副本数为N。N=2

一个分区在broker是以目录的形式存放的，为什么分区下会设置segment段？

消息队列系统，一般都是实时，只能短时间保存数据。比如保存一个小时以内的数据。

broker需要对分片的数据进行定时的删除，按照一定的数据量来保存数据，方便根据数据最后修改的时间进行删除。

producer数据生产不丢失的问题？

ACK (Acknowledgement）即是确认字符，在数据通信中，接收站发给发送站的一种传输类控制字符。表示发来的数据已确认接收无误。

数据生产环节不丢失（ack机制）

如果是同步模式下

将发送状态设置为-1，是最为妥当的。但是，由于-1是让所有的副本都确定收到数据，这个过程会有较长的等待。面对海量的数据，如果每条消息都确认的话，效率会大大降低。

一般做法的做法： 设置让leader接收到数据就确认，就也是1，提高效率，这个方案可能会有丢失的风险。

如果是在异步模式下（也有ack）

生产的数据并不会立即发送给broker，会在produer段有个容器（队列）来临时缓存数据。

针对这个容器，有个阻塞设置。如果设置为0，就是立即丢弃数据。如果这是为-1，就永久阻塞。

如果在producer永久阻塞时，人为关闭producer代码所在进程，会立即清空队列中的数据，导致数据丢失。