kafka的介绍以及安装和基本使用

================​kafka介绍===============scala 实现的分布式流式平台，暂存数据，消息中间件，消息队列有发布和订阅的特性多角色生产者（producer）和消费者（consumer）  由zookeeper（保存元数据，协调作用 ）进行协调某一个节点是broker对消息保存是 根据topic进行分类
jms :Java实现的技术规范   为什么要用消息队列：消息系统的核心作用： 解耦 异步和并行
kafka角色：


producer集群:1 生产者 负责获取数据  比如flume  自定义数据采集的脚本。生产者会监控一个目录，负责吧数据获取 并且发送给 kafka 2 生产者集群  是由多个进程组成的，一个生产者作为一个独立的进程，3 多个生产者 发送的数据  是可以放到同一个topic 的同一个分区的4 一个生产者生产的数据  可以发送到多个topic 里。5 单个生产者 具有数据分发的能力
kafka集群：1 kafka集群可以保存 多种数据类型的数据，一种数据可以保存到一个topic里2 每个topic 里可以创建多个分区，分区的数量是在创建topic时指定的3 每一个分区的数据有多个Segment（段）组成，一个Segment有index（索引文件）和data（数据文件）组成4 一个topic的分区数据有多副本机制，备份数也是在创建topic时指定。原始数据和备份数据不可以在同一个节点上，否则就失去了备份意义

consumer集群：1 消费者负责拉取数据，进行消费，比如SparkStreaming 实时的获取kafka的数据进行计算2 一个ConsumerGroup称为consumer集群3 新增或减少某一个consumer成员的时候  会触发consumer集群负载均衡4 consumerGroup（组）可以消费一个或多个分区的数据，反之，一个分区只能在同一时刻只能被一个consumer进行消费5 consumer 成员之间消费的数据各不相同，并且 数据不可以重复消费

关于kafka设计的几个重要问题：1 Segment的概念？一个分区被分成几个相同大小的段（Segment ），每个Segment有多个索引文件（index）和数据文件（data）组成的2 数据是怎么保存到Segment中的？（kafka的数据存储机制是什么）  1）首先是由Broker接收到数据后   把数据放到操作系统（Linux）的缓存（pagecache）里，pagecache会尽可能多的使用空闲内存  2） 使用sendFile技术尽可能多的 减少操少操作系统 和应用程序 之间进行重复缓存  3） 写入数据时 使用顺序写入  写入的速度理论上可以达到600m/s(往磁盘中写入)3 Consumer怎么解决负载均衡： 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 % 分区数  4 数据的分发策略： kafka默认调用自己的分区器（defaultPartitioner），也可以自定义分区器。需要实现Partitioner接口 ，重写getPartition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指定的备份数来存储数据，也就是多副本机制，保证数据的安全性。
====================安装kafka========================\Kafka \Conf\server.properties:
#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的线程数量
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消息存放的路径
log.dirs=/export/servers/logs/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=168

#滚动生成新的segment文件的最大时间
log.roll.hours=168

#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=192.168
cc6c
.52.106:2181,192.168.52.107:2181,192.168.52.108:2181

#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 unsuccessful 错误!
host.name=kafka01\Kafka \Conf\producer.properties:#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

# 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=60000consumer.properties# 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

#指定消费组
group.id=xxx

# 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,也可以由系统生成,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

必改：1 三个文档里 ：\Kafka Conf\server.properties：#broker的全局唯一编号，不能重复  每一个节点上都不一样 broker.id=0  #kafka消息存放的路径log.dirs=/export/servers/logs/kafka#broker需要使用zookeeper保存meta数据zookeeper.connect=192.168.52.106:2181,192.168.52.107:2181,192.168.52.108:2181#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 unsuccessful 错误!host.name=kafka0producer.properties
producer.properties
#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
consumer.properties
# zookeeper连接服务器地址zookeeper.connect=zk01:2181,zk02:2181,zk03:2181
2：启动kafka： 依次在各节点上启动kafka   -----三台节点上都做nohup /usr/local/kafka_2.11/bin/kafka-server-start.sh /usr/local/kafka_2.11/config/server.properties &  
按下回车  jps 出现进程 kafka 那么  kafka启动完毕

Kafka常用操作命令

*查看当前服务器中的所有topicbin/kafka-topics.sh --list --zookeeper node01:2181*  创建topicbin/kafka-topics.sh --create --zookeeper node01:2181 --replication-factor 1 --partitions 1  --topic test*  删除topicbin/kafka-topics.sh --delete --zookeeper node01:2181 --topic test需要server.properties中设置delete.topic.enable=true否则只是标记删除或者直接重启。*  通过shell命令发送消息bin/kafka-console-producer.sh --broker-list node01:9092 --topic test1*  通过shell消费消息bin/kafka-console-consumer.sh --zookeeper node01:2181 --from-beginning --topic test1*  查看消费位置bin/kafka-run-class.sh kafka.tools.ConsumerOffsetChecker --zookeeper node01:2181  --group testGroup*  查看某个Topic的详情bin/kafka-topics.sh --topic test --describe --zookeeper node01:2181*  对分区数进行修改bin/kafka-topics.sh --zookeeper  node01 --alter --partitions 15 --topic utopi
以上，希望对你帮助^-^