Kafka
kafka是什么？kafka仅仅是属于消息 中间件吗？
kafka在设计之初的时候 开发人员们在除了消息中间件以外，还想吧kafka设计为一个能够存储数据的系统，有点像
常见的非关系型数据库，比如说NoSql等。除此之外 还希望kafka能支持持续变化，不断增长的数据流, 可以发布
和订阅数据流，还可以对于这些数据进行保存
也就是说kafka的本质 是一个数据存储平台，流平台 ， 只是他在做消息发布，消息消费的时候我们可以把他当做
消息中间件来用。
而且kafka在设计之初就是采用分布式架构设计的， 基于集群的方式工作，且可以自由伸缩，所以 kafka构建集群
非常简单
基本概念：
Broker : 和AMQP里协议的概念一样， 就是消息中间件所在的服务器
Topic(主题) : 每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic。（物理上不同Topic的消息
分开存储，逻辑上一个Topic的消息虽然保存于一个或多个broker上但用户只需指定消息的Topic即可生产或消
费数据而不必关心数据存于何处）
Partition(分区) : Partition是物理上的概念，体现在磁盘上面，每个Topic包含一个或多个Partition.
Producer : 负责发布消息到Kafka broker
Consumer : 消息消费者，向Kafka broker读取消息的客户端。
Consumer Group（消费者群组） : 每个Consumer属于一个特定的Consumer Group（可为每个Consumer
指定group name，若不指定group name则属于默认的group）。
offset 偏移量： 是kafka用来确定消息是否被消费过的标识，在kafka内部体现就是一个递增的数字
kafka消息发送的时候 ,考虑到性能 可以采用打包方式发送， 也就是说 传统的消息是一条一条发送， 现在可以先把
需要发送的消息缓存在客户端， 等到达一定数值时， 再一起打包发送， 而且还可以对发送的数据进行压缩处理，
减少在数据传输时的开销
kafka优缺点
优点: 基于磁盘的数据存储 高伸缩性 高性能 应用场景 : 收集指标和日志 提交日志 流处理
缺点:
运维难度大 偶尔有数据混乱的情况 对zookeeper强依赖 多副本模式下对带宽有一定要求
kafka安装&启动
kafka安装的话，直接 从官网下载压缩包下来解压就可以了
注意的是， 启动kafka要先启动zookeeper kafka默认自带了zookeeper 可以启动他自带的 也可以自己另外使用
启动kafka需要执行 kafka-server-start.bat 文件 然后 需要传入一个路径参数 就是你server.config文件的地址 一般
情况下传入../../config/server.properties 即可
刚刚提到的zookeeper kafka默认的zookeeper 启动的话启动zookeeper-server-start.bat文件即可 同样 要传入路
径参数：../../config/zookeeper.properties
server 参数解释：
log.dirs: 日志文件存储地址， 可以设置多个
num.recovery.threads.per.data.dir：用来读取日志文件的线程数量，对应每一个log.dirs 若此参数为2 log.dirs 为 2个目录 那么就会有4个线程来读取
auto.create.topics.enable:是否自动创建tiopic
num.partitions: 创建topic的时候自动创建多少个分区 (可以在创建topic的时候手动指定)
log.retention.hours: 日志文件保留时间 超时即删除
log.retention.bytes: 日志文件最大大小
log.segment.bytes: 当日志文件达到一定大小时，开辟新的文件来存储(分片存储)
log.segment.ms: 同上 只是当达到一定时间时 开辟新的文件
message.max.bytes: broker能接收的最大消息大小(单条) 默认1M
kafka基本管理操作命令:
##列出所有主题 kafka-topics.bat --zookeeper localhost:2181/kafka --list
##列出所有主题的详细信息 kafka-topics.bat --zookeeper localhost:2181/kafka --describe
##创建主题 主题名 my-topic，1副本，8分区 kafka-topics.bat --zookeeper localhost:2181/kafka --create --
replication-factor 1 --partitions 8 --topic my-topic
##增加分区，注意：分区无法被删除 kafka-topics.bat --zookeeper localhost:2181/kafka --alter --topic my-topic
--partitions 16
##删除主题 kafka-topics.bat --zookeeper localhost:2181/kafka --delete --topic my-topic
##列出消费者群组（仅Linux） kafka-topics.sh --new-consumer --bootstrap-server localhost:9092/kafka --list
##列出消费者群组详细信息（仅Linux） kafka-topics.sh --new-consumer --bootstrap-server
localhost:9092/kafka --describe --group 群组名
kafka java客户端实战
引入maven依赖：
注意 我这里已经创建了一个叫 test-topic 的主题 如果你们没创建先创建后再执行代码
生产者: <dependency> <groupId>org.apache.kafka</groupId> <artifactId>kafka-clients</artifactId> <version>0.11.0.0</version> </dependency> public class TestProducter { public static void main(String[] args) throws Exception{ Properties properties = new Properties(); //指定kafka服务器地址 如果是集群可以指定多个 但是就算只指定一个他也会去集群环境下寻找其他的 节点地 址 properties.setProperty("bootstrap.servers","127.0.0.1:9092"); //key序列化器 properties.setProperty("key.serializer", StringSerializer.class.getName()); //value序列化器 properties.setProperty("value.serializer",StringSerializer.class.getName()); KafkaProducer<String,String> kafkaProducer = new KafkaProducer<String, String> (properties); ProducerRecord<String, String> stringStringProducerRecord = new ProducerRecord<String, String>("test-topic",1,"testKey","hello"); Future<RecordMetadata> send = kafkaProducer.send(stringStringProducerRecord); RecordMetadata recordMetadata = send.get(); System.out.println(recordMetadata); } }
消费者:
kafka生产者参数详解
acks:
至少要多少个分区副本接收到了消息返回确认消息 一般是 0:只要消息发送出去了就确认(不管是否失败) 1:只要 有
一个broker接收到了消息 就返回 all： 所有集群副本都接收到了消息确认 当然 2 3 4 5 这种数字都可以， 就是具体
多少台机器接收到了消息返回， 但是一般这种情况很少用到
buffer.memory：
生产者缓存在本地的消息大小 ： 如果生产者在生产消息的速度过快 快过了往 broker发送消息的速度 那么就会出
现buffer.memory不足的问题 默认值为32M 注意 单位是byte 大概3355000左右
max.block.ms:
生产者获取kafka元数据(集群数据，服务器数据等) 等待时间 ： 当因网络原因导致客户端与服务器通讯时等待的时
间超过此值时 会抛出一个TimeOutExctption 默认值为 60000ms
retries：
设置生产者生产消息失败后重试的次数 默认值 3次 retry.backoff.ms:
public class TestCousmer { public static void main(String[] args) { Properties properties = new Properties(); properties.setProperty("bootstrap.servers","127.0.0.1:9092"); properties.setProperty("key.deserializer", StringDeserializer.class.getName()); properties.setProperty("value.deserializer",StringDeserializer.class.getName()); properties.setProperty("group.id","1111"); KafkaConsumer<String,String> consumer = new KafkaConsumer<String, String> (properties); consumer.subscribe(Collections.singletonList("test-topic")); while (true){ ConsumerRecords<String, String> poll = consumer.poll(500); for (ConsumerRecord<String, String> stringStringConsumerRecord : poll) { System.out.println(stringStringConsumerRecord); } } } }
设置生产者每次重试的间隔 默认 100ms
batch.size:
生产者批次发送消息的大小 默认16k 注意单位还是byte
linger.ms:
生产者生产消息后等待多少毫秒发送到broker 与batch.size 谁先到达就根据谁 默认值为0
compression.type：
kafka在压缩数据时使用的压缩算法 可选参数有:none、gzip、snappy none即不压缩 gzip,和snappy压缩算法之间
取舍的话 gzip压缩率比较高 系统cpu占用比较大 但是带来的好处是 网络带宽占用少， snappy压缩比没有gzip高
cpu占用率不是很高 性能也还行， 如果网络带宽比较紧张的话 可以选择gzip 一般推荐snappy
client.id:
一个标识， 可以用来标识消息来自哪， 不影响kafka消息生产
max.in.flight.requests.per.connection：
指定kafka一次发送请求在得到服务器回应之前,可发送的消息数量
偏移量与偏移量提交
偏移量是kafka特别重要的一个概念特别是在消费者端， 我们之前也有简单提到过偏移量是拿来干嘛的.
偏移量是一个自增长的ID 用来标识当前分区的哪些消息被消费过了， 这个ID会保存在kafka的broker当中 而且 消
费者本地也会存储一份 因为每次消费每一条消息都要更新一下偏移量的话 难免会影响整个broker的吞吐量 所以一
般 这个偏移量在每次发生改动时 先由消费者本地改动， 默认情况下 消费者每五秒钟会提交一次改动的偏移量，
这样做虽然说吞吐量上来了， 但是可能会出现重复消费的问题: 因为可能在下一次提交偏移量之前 消费者本地消费
了一些消息，然后发生了分区再均衡(分区再均衡在下面有讲) 那么就会出现一个问题 假设上次提交的偏移量是
2000 在下一次提交之前 其实消费者又消费了500条数据 也就是说当前的偏移量应该是2500 但是这个2500只在消
费者本地， 也就是说 假设其他消费者去消费这个分区的时候拿到的偏移量是2000 那么又会从2000开始消费消息
那么 2000到2500之间的消息又会被消费一遍,这就是重复消费的问题.
kafka对于这种问题也提供了解决方案:手动提交
你可以关闭默认的自动提交(enable.auto.commit= false) 然后使用kafka提供的API来进行偏移量提交: 卡夫卡提供
了两种方式提交你的偏移量 :同步和异步
他们之间的区别在于 同步提交偏移量会等待服务器应答 并且遇到错误会尝试重试，但是会一定程度上影响性能不
过能确保偏移量到底提交成功与否
//同步提交偏移量 kafkaConsumer.commitSync(); //异步提交偏移量 kafkaConsumer.commitAsync();
而异步提交的对于性能肯定是有提示的 但是弊端也就像我们刚刚所提到 遇到错误没办法重试 因为可能在收到你这
个结果的时候又提交过偏移量了 如果这时候重试 又会导致消息重复的问题了..
其实 我们可以采用同步+异步的方式来保证提交的正确性以及服务器的性能
因为 异步提交的话 如果出现问题但是不是致命问题的话 可能下一次提交就不会出现这个问题了， 所以 有些异常
是不需要解决的(可能单纯的就是网络抽风了呢? ) 所以 我们平时可以采用异步提交的方式 等到消费者中断了(遇到
了致命问题，或是强制中断消费者) 的时候再使用同步提交(因为这次如果失败了就没有下次了... 所以要让他重试) 。
具体代码：
try {while (true) { ConsumerRecords<String, String> poll = kafkaConsumer.poll(500); for (ConsumerRecord<String, String> context : poll) { System.out.println("消息所在分区:" + context.partition() + "-消息的偏移量:" + context.offset() + "key:" + context.key() + "value:" + context.value()); }//正常情况异步提交 kafkaConsumer.commitAsync(); } } catch (Exception e) { e.printStackTrace(); } finally { try {//当程序中断时同步提交 kafkaConsumer.commitSync(); } catch (Exception e) { e.printStackTrace(); } finally { //关闭当前消费者 具体在下面有讲 kafkaConsumer.close(); } }
值得一提的是 在手动提交时kafka提供了你可以传入具体的偏移量来完成提交 也就是指定偏移量提交,但是非常不建
议手动指定 因为如果指定的偏移量 小于 分区所存储的偏移量大小的话 那么会导致消息重复消费， 如果指定的偏
移量大于分区所存储的偏移量的话，那么会导致消息丢失.
代码：
Map<TopicPartition, OffsetAndMetadata> offset = new HashMap<>(); //我这里就指定了test-topic这个主题下的分区1 OffsetAndMetadata:第一个参数为你要提交的偏移量 第二个 参数可以选择性的传入业务ID 可以拿来确定这次提交 这里我直接提交偏移量为0 那么会导致下个消费者或者说分区 再均衡之后再来读取这个分区的数据会从第一条开始读取 offset.put(new TopicPartition("test-topic", 1), new OffsetAndMetadata(0, "1")); //指定偏移量提交 参数为map集合 key为指定的主题下的分区，value 为你要提交的偏移量 kafkaConsumer.commitSync(offset);
Rebalance 分区再均衡
这也是kafka里面非常重要的一个概念
首先 Rebalance 是一个操作 在以下情况下会触发Rebalance 操作: 1. 组成员发生变更(新consumer加入组、已有consumer主动离开组或已有consumer崩溃了) 2. 订阅主题数发生变更，如果你使用了正则表达式的方式进行订阅，那么新建匹配正则表达式的topic就会触发
rebalance
- 订阅主题的分区数发生变更
当触发Rebalance kafka重新分配分区所有权
何为分区所有权？ 我们之前有提到过， 消费者有一个消费者组的概念， 而且一个消费者组在消费一个主题时有以
下规则 一个消费者可以消费多个分区 但是一个分区只能被一个消费者消费 如果 我有分区 0 1 2 现在有消费者 A，
B 那么 kafka可能会让消费者A 消费 0，1 这2个分区 那么 这时候 我们就会说 消费者A 拥有 分区 0,1的所有权。
当触发 Rebalance 的时候 kafka会重新分配这个所有权 还是基于刚刚的比方 消费者A 拥有 0 和1 的所有权 消费者
B 会有2的所有权 当消费者B离开kafka的时候 这时候 kafka会重新分配一下所有权 此时 整个消费者组只有一个A
那么 0 1 2 三个分区的所有权都会属于A 同理 如果这时候有消费者C进入这个消费者组 那么 这时候kafka会确保每
一个消费者都能消费一个分区.
当触发Rebalance时 由于kafka正在分配所有权 会导致消费者不能消费， 而且 还会引发一个重复消费的问题， 当
消费者还没来得及提交偏移量时 分区所有权遭到了重新分配 那么这时候就会导致一个消息被多个消费者重复消费
那么 解决方案就是 在消费者订阅时， 添加一个再均衡监听器， 也就是当kafka在做Rebalance 操作前后 均会调用
再均衡监听器 那么这时候 我们可以在kafka Rebalance之前提交我们消费者最后处理的消息来解决这个问题。
Close（）:
当我们不需要某个消费者继续消费kafka当中的数据时， 我们可以选择调用Close方法来关闭它，在关闭之前 close
方法会发送一个通知告诉kafka我这个消费者要退出了， 那么 kafka就会准备Rebalance 而且如果是采用的自动提
交偏移量 消费者自身也会在关闭自己之前提交最后所消费的偏移量 。
当然 即使没有调用close方法 而是直接强制中断了消费者的进程 kafka也会根据我们后面会说到的系统参数捕捉到
消费者退出了。
独立消费者:
kafka支持这样的需求： 可能你的消费者不想订阅某个主题 也不想加入什么消费组 只想订阅某个(多个)主题下的某
个（多个）分区。
那么可以采用分配的方式， 而不是订阅 ， 我们之前讲的都是基于消费组订阅某个主题来完成消息的消费， 那么你
订阅的主题有哪些分区的消息是属于你的 这个是kafka来分配的 而不是你自己决定的 那么我们可以换为自己分配
的方式来完成消息的消费:
消费者参数:
fetch.min.bytes：
该属性指定了消费者从服务器获取记录的最小字节数。broker 在收到消费者的数据请求时，如果可用的数据量小
于 fetch.min.bytes 指定的大小，那么它会等到有足够的可用数据时才把它返回给消费者。这样可以降低消费者和
broker 的工作负载，因为它们在主题不是很活跃的时候（或者一天里的低谷时段）就不需要来来回回地处理消
息。如果没有很多可用数据，但消费者的 CPU 使用率却很高，那么就需要把该属性的值设得比默认值大。如果消
费者的数量比较多，把该属性的值设置得大一点可以降低 broker 的工作负载。 默认值为1 byte
fetch.max.wait.ms
我们通过 fetch.min.bytes 告诉 Kafka，等到有足够的数据时才把它返回给消费者。而 feth.max.wait.ms 则用于指
定 broker 的等待时间，默认是如果没有足够的数据流入Kafka，消费者获取最小数据量的要求就得不到满足，最终
导致 500ms 的延迟。如果 fetch.max.wait.ms 被设为 100ms，并且 fetch.min.bytes 被设为 1MB，那么 Kafka 在
收到消费者的请求后，要么返回 1MB 数据，要么在 100ms 后返回所有可用的数据，就看哪个条件先得到满足。
默认值为500ms
max.partition.fetch.bytes
该属性指定了服务器从每个分区里返回给消费者的最大字节数。默认值是 1MB
session.timeout.ms 和heartbeat.interval.ms
session.timeout.ms :
消费者多久没有发送心跳给服务器服务器则认为消费者死亡/退出消费者组 默认值:10000ms
heartbeat.interval.ms :
消费者往kafka服务器发送心跳的间隔 一般设置为session.timeout.ms的三分之一 默认值:3000ms
auto.offset.reset:
当消费者本地没有对应分区的offset时 会根据此参数做不同的处理 默认值为:latest
earliest
当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，从头开始消费
latest
当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，消费新产生的该分区下的数据
List<TopicPartition> list = new ArrayList<>(); //new出一个分区对象 声明这个分区是哪个topic下面的哪个分区 list.add(new TopicPartition("test-topic",0)); //分配这个消费者所需要消费的分区, 传入一个分区对象集合 kafkaConsumer.assign(list);
none
topic各分区都存在已提交的offset时，从offset后开始消费；只要有一个分区不存在已提交的offset，则抛出异常
enable.auto.commit
该属性指定了消费者是否自动提交偏移量，默认值是 true。为了尽量避免出现重复数据和数据丢失，可以把它设为
false，由自己控制何时提交偏移量。如果把它设为 true，还可以通过配置 auto.commit.interval.ms 属性来控制
提交的频率。
partition.assignment.strategy
PartitionAssignor 根据给定的消费者和主题，决定哪些分区应该被分配给哪个消费者。Kafka 有两个默认的分配策
略。
Range：该策略会把主题的若干个连续的分区分配给消费者。假设消费者 C1 和消费者 C2 同时订阅了主题 T1
和主题 T2，并且每个主题有 3 个分区。那么消费者 C1 有可能分配到这两个主题的分区 0 和分区 1，而消费
者 C2 分配到这两个主题的分区2。因为每个主题拥有奇数个分区，而分配是在主题内独立完成的，第一个消
费者最后分配到比第二个消费者更多的分区。只要使用了 Range 策略，而且分区数量无法被消费者数量整
除，就会出现这种情况。
RoundRobin：该策略把主题的所有分区逐个分配给消费者。如果使用 RoundRobin 策略来给消费者 C1 和消
费者 C2 分配分区，那么消费者 C1 将分到主题 T1 的分区 0 和分区 2 以及主题 T2 的分区 1，消费者 C2 将分
配到主题 T1 的分区 1 以及主题 T2 的分区 0 和分区 2。一般来说，如果所有消费者都订阅相同的主题（这种
情况很常见），RoundRobin 策略会给所有消费者分配相同数量的分区（或最多就差一个分区）。
max.poll.records
单次调用 poll() 方法最多能够返回的记录条数 ,默认值 500
receive.buffer.bytes 和 send.buffer.bytes
receive.buffer.bytes 默认值 64k 单位 bytes
send.buffer.bytes 默认值 128k 单位 bytes
这两个参数分别指定了 TCP socket 接收和发送数据包的缓冲区大小。如果它们被设为 -1
使用java来操作kafka管理命令
首先 得引入一个依赖:
我们之前所引入的依赖是kafka客户端的依赖 这个是另外的依赖 不是一回事
创建topic
<dependency> <groupId>org.apache.kafka</groupId> <artifactId>kafka_2.10</artifactId> <version>0.10.2.1</version> </dependency>
删除topic
列出所有topic
public static void createTopic(){ ZkUtils zkUtils = ZkUtils.apply("localhost:2181/kafka", 30000, 30000, JaasUtils.isZkSecurityEnabled()); System.out.println(JaasUtils.isZkSecurityEnabled()); AdminUtils.createTopic(zkUtils, "t1", 1, 1, new Properties(), AdminUtils.createTopic$default$6()); zkUtils.close(); }public static void deleteTopic(){ ZkUtils zkUtils = ZkUtils.apply("localhost:2181/kafka", 30000, 30000, JaasUtils.isZkSecurityEnabled()); AdminUtils.deleteTopic(zkUtils, "t1"); zkUtils.close(); }public static void listTopic(){ ZkUtils zkUtils = ZkUtils.apply("localhost:2181/kafka", 30000, 30000, JaasUtils.isZkSecurityEnabled()); List<String> list = JavaConversions.seqAsJavaList(zkUtils.getAllTopics()); for (String s : list) { System.out.println(s); }zkUtils.close(); }
来源：51CTO
作者：Java__JJ
链接：https://blog.51cto.com/14760318/2481347