kafka 主要內容介紹
1. kafka介紹
1.1. 主要功能
根據官網的介紹，ApacheKafka®是一個分布式流媒體平臺，它主要有3種功能：
1：It lets you publish and subscribe to streams of records.發布和訂閱消息流，這個功能類似於消息隊列，這也是kafka歸類為消息隊列框架的原因
2：It lets you store streams of records in a fault-tolerant way.以容錯的方式記錄消息流，kafka以文件的方式來存儲消息流
3：It lets you process streams of records as they occur.可以再消息發布的時候進行處理
1.2. 使用場景
1：Building real-time streaming data pipelines that reliably get data between systems or applications.在系統或應用程序之間構建可靠的用於傳輸實時數據的管道，消息隊列功能
2：Building real-time streaming applications that transform or react to the streams of data。構建實時的流數據處理程序來變換或處理數據流，數據處理功能
1.3. 詳細介紹
Kafka目前主要作為一個分布式的發布訂閱式的消息系統使用，下面簡單介紹一下kafka的基本機制
1.3.1 消息傳輸流程
Producer即生產者，向Kafka集群發送消息，在發送消息之前，會對消息進行分類，即Topic，上圖展示了兩個producer發送了分類為topic1的消息，另外一個發送了topic2的消息。
Topic即主題，通過對消息指定主題可以將消息分類，消費者可以只關註自己需要的Topic中的消息
Consumer即消費者，消費者通過與kafka集群建立長連接的方式，不斷地從集群中拉取消息，然後可以對這些消息進行處理。
從上圖中就可以看出同一個Topic下的消費者和生產者的數量並不是對應的。
1.3.2 kafka服務器消息存儲策略
談到kafka的存儲，就不得不提到分區，即partitions，創建一個topic時，同時可以指定分區數目，分區數越多，其吞吐量也越大，但是需要的資源也越多，同時也會導致更高的不可用性，kafka在接收到生產者發送的消息之後，會根據均衡策略將消息存儲到不同的分區中。
在每個分區中，消息以順序存儲，最晚接收的的消息會最後被消費。
1.3.3 與生產者的交互
生產者在向kafka集群發送消息的時候，可以通過指定分區來發送到指定的分區中
也可以通過指定均衡策略來將消息發送到不同的分區中
如果不指定，就會采用默認的隨機均衡策略，將消息隨機的存儲到不同的分區中
1.3.4 與消費者的交互
在消費者消費消息時，kafka使用offset來記錄當前消費的位置
在kafka的設計中，可以有多個不同的group來同時消費同一個topic下的消息，如圖，我們有兩個不同的group同時消費，他們的的消費的記錄位置offset各不項目，不互相幹擾。
對於一個group而言，消費者的數量不應該多余分區的數量，因為在一個group中，每個分區至多只能綁定到一個消費者上，即一個消費者可以消費多個分區，一個分區只能給一個消費者消費
因此，若一個group中的消費者數量大於分區數量的話，多余的消費者將不會收到任何消息。
2. Kafka安裝與使用
2.1. 下載
你可以在kafka官網 http://kafka.apache.org/downloads下載到最新的kafka安裝包，選擇下載二進制版本的tgz文件，根據網絡狀態可能需要fq，這裏我們選擇的版本是0.11.0.1，目前的最新版
2.2. 安裝
Kafka是使用scala編寫的運行與jvm虛擬機上的程序，雖然也可以在windows上使用，但是kafka基本上是運行在linux服務器上，因此我們這裏也使用linux來開始今天的實戰。
首先確保你的機器上安裝了jdk，kafka需要java運行環境，以前的kafka還需要zookeeper，新版的kafka已經內置了一個zookeeper環境，所以我們可以直接使用
說是安裝，如果只需要進行最簡單的嘗試的話我們只需要解壓到任意目錄即可，這裏我們將kafka壓縮包解壓到/home目錄
2.3. 配置
在kafka解壓目錄下下有一個config的文件夾，裏面放置的是我們的配置文件
consumer.properites 消費者配置，這個配置文件用於配置於2.5節中開啟的消費者，此處我們使用默認的即可
producer.properties 生產者配置，這個配置文件用於配置於2.5節中開啟的生產者，此處我們使用默認的即可
server.properties kafka服務器的配置，此配置文件用來配置kafka服務器，目前僅介紹幾個最基礎的配置
- broker.id 申明當前kafka服務器在集群中的唯一ID，需配置為integer,並且集群中的每一個kafka服務器的id都應是唯一的，我們這裏采用默認配置即可
- listeners 申明此kafka服務器需要監聽的端口號，如果是在本機上跑虛擬機運行可以不用配置本項，默認會使用localhost的地址，如果是在遠程服務器上運行則必須配置，例如：
listeners=PLAINTEXT:// 192.168.180.128:9092。並確保服務器的9092端口能夠訪問
3.zookeeper.connect 申明kafka所連接的zookeeper的地址 ，需配置為zookeeper的地址，由於本次使用的是kafka高版本中自帶zookeeper，使用默認配置即可
zookeeper.connect=localhost:2181
2.4. 運行
- 啟動zookeeper
cd進入kafka解壓目錄，輸入
bin/zookeeper-server-start.sh config/zookeeper.properties
啟動zookeeper成功後會看到如下的輸出
2.啟動kafka
cd進入kafka解壓目錄，輸入
bin/kafka-server-start.sh config/server.properties
啟動kafka成功後會看到如下的輸出
2.5. 第一個消息
2.5.1 創建一個topic
Kafka通過topic對同一類的數據進行管理，同一類的數據使用同一個topic可以在處理數據時更加的便捷
在kafka解壓目錄打開終端，輸入
bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test
創建一個名為test的topic
在創建topic後可以通過輸入
bin/kafka-topics.sh --list --zookeeper localhost:2181
來查看已經創建的topic
2.4.2 創建一個消息消費者
在kafka解壓目錄打開終端，輸入
bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test --from-beginning
可以創建一個用於消費topic為test的消費者
消費者創建完成之後，因為還沒有發送任何數據，因此這裏在執行後沒有打印出任何數據
不過別著急，不要關閉這個終端，打開一個新的終端，接下來我們創建第一個消息生產者
2.4.3 創建一個消息生產者
在kafka解壓目錄打開一個新的終端，輸入
bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test
在執行完畢後會進入的編輯器頁面
在發送完消息之後，可以回到我們的消息消費者終端中，可以看到，終端中已經打印出了我們剛才發送的消息
3. 使用java程序
跟上節中一樣，我們現在在java程序中嘗試使用kafka
3.1 創建Topic
public static void main(String[] args) {
//創建topic
Properties props = new Properties();
props.put("bootstrap.servers", "192.168.180.128:9092");
AdminClient adminClient = AdminClient.create(props);
ArrayList<NewTopic> topics = new ArrayList<NewTopic>();
NewTopic newTopic = new NewTopic("topic-test", 1, (short) 1);
topics.add(newTopic);
CreateTopicsResult result = adminClient.createTopics(topics);
try {
result.all().get();
} catch (InterruptedException e) {
e.printStackTrace();
} catch (ExecutionException e) {
e.printStackTrace();
}
}
使用AdminClient API可以來控制對kafka服務器進行配置，我們這裏使用NewTopic(String name, int numPartitions, short replicationFactor)的構造方法來創建了一個名為“topic-test”，分區數為1，復制因子為1的Topic.
3.2 Producer生產者發送消息
public static void main(String[] args){
Properties props = new Properties();
props.put("bootstrap.servers", "192.168.180.128:9092");
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");
Producer<String, String> producer = new KafkaProducer<String, String>(props);
for (int i = 0; i < 100; i++)
producer.send(new ProducerRecord<String, String>("topic-test", Integer.toString(i), Integer.toString(i)));
producer.close();
}
使用producer發送完消息可以通過2.5中提到的服務器端消費者監聽到消息。也可以使用接下來介紹的java消費者程序來消費消息
3.3 Consumer消費者消費消息
public static void main(String[] args){
Properties props = new Properties();
props.put("bootstrap.servers", "192.168.12.65:9092");
props.put("group.id", "test");
props.put("enable.auto.commit", "true");
props.put("auto.commit.interval.ms", "1000");
props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
final KafkaConsumer<String, String> consumer = new KafkaConsumer<String,String>(props);
consumer.subscribe(Arrays.asList("topic-test"),new ConsumerRebalanceListener() {
public void onPartitionsRevoked(Collection<TopicPartition> collection) {
}
public void onPartitionsAssigned(Collection<TopicPartition> collection) {
//將偏移設置到最開始
consumer.seekToBeginning(collection);
}
});
while (true) {
ConsumerRecords<String, String> records = consumer.poll(100);
for (ConsumerRecord<String, String> record : records)
System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
}
}
這裏我們使用Consume API 來創建了一個普通的java消費者程序來監聽名為“topic-test”的Topic，每當有生產者向kafka服務器發送消息，我們的消費者就能收到發送的消息。
4. 使用spring-kafka
Spring-kafka是正處於孵化階段的一個spring子項目，能夠使用spring的特性來讓我們更方便的使用kafka
4.1 基本配置信息
與其他spring的項目一樣，總是離不開配置，這裏我們使用java配置來配置我們的kafka消費者和生產者。
- 引入pom文件
<!--kafka start-->
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>0.11.0.1</version>
</dependency>
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-streams</artifactId>
<version>0.11.0.1</version>
</dependency>
<dependency>
<groupId>org.springframework.kafka</groupId>
<artifactId>spring-kafka</artifactId>
<version>1.3.0.RELEASE</version>
</dependency>
- 創建配置類
我們在主目錄下新建名為KafkaConfig的類
@Configuration
@EnableKafka
public class KafkaConfig {
}
- 配置Topic
在kafkaConfig類中添加配置
//topic config Topic的配置開始
@Bean
public KafkaAdmin admin() {
Map<String, Object> configs = new HashMap<String, Object>();
configs.put(AdminClientConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.180.128:9092");
return new KafkaAdmin(configs);
}
@Bean
public NewTopic topic1() {
return new NewTopic("foo", 10, (short) 2);
}
//topic的配置結束
- 配置生產者Factort及Template
//producer config start
@Bean
public ProducerFactory<Integer, String> producerFactory() {
return new DefaultKafkaProducerFactory<Integer,String>(producerConfigs());
}
@Bean
public Map<String, Object> producerConfigs() {
Map<String, Object> props = new HashMap<String,Object>();
props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.180.128:9092");
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.IntegerSerializer");
props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
return props;
}
@Bean
public KafkaTemplate<Integer, String> kafkaTemplate() {
return new KafkaTemplate<Integer, String>(producerFactory());
}
//producer config end
5.配置ConsumerFactory
//consumer config start
@Bean
public ConcurrentKafkaListenerContainerFactory<Integer,String> kafkaListenerContainerFactory(){
ConcurrentKafkaListenerContainerFactory<Integer, String> factory = new ConcurrentKafkaListenerContainerFactory<Integer, String>();
factory.setConsumerFactory(consumerFactory());
return factory;
}
@Bean
public ConsumerFactory<Integer,String> consumerFactory(){
return new DefaultKafkaConsumerFactory<Integer, String>(consumerConfigs());
}
@Bean
public Map<String,Object> consumerConfigs(){
HashMap<String, Object> props = new HashMap<String, Object>();
props.put("bootstrap.servers", "192.168.180.128:9092");
props.put("group.id", "test");
props.put("enable.auto.commit", "true");
props.put("auto.commit.interval.ms", "1000");
props.put("key.deserializer", "org.apache.kafka.common.serialization.IntegerDeserializer");
props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
return props;
}
//consumer config end
4.2 創建消息生產者
//使用spring-kafka的template發送一條消息 發送多條消息只需要循環多次即可
public static void main(String[] args) throws ExecutionException, InterruptedException {
AnnotationConfigApplicationContext ctx = new AnnotationConfigApplicationContext(KafkaConfig.class);
KafkaTemplate<Integer, String> kafkaTemplate = (KafkaTemplate<Integer, String>) ctx.getBean("kafkaTemplate");
String data="this is a test message";
ListenableFuture<SendResult<Integer, String>> send = kafkaTemplate.send("topic-test", 1, data);
send.addCallback(new ListenableFutureCallback<SendResult<Integer, String>>() {
public void onFailure(Throwable throwable) {
}
public void onSuccess(SendResult<Integer, String> integerStringSendResult) {
}
});
}
4.3 創建消息消費者
我們首先創建一個一個用於消息監聽的類，當名為”topic-test”的topic接收到消息之後，我們的這個listen方法就會調用。
public class SimpleConsumerListener {
private final static Logger logger = LoggerFactory.getLogger(SimpleConsumerListener.class);
private final CountDownLatch latch1 = new CountDownLatch(1);
@KafkaListener(id = "foo", topics = "topic-test")
public void listen(byte[] records) {
//do something here
this.latch1.countDown();
}
}
我們同時也需要將這個類作為一個Bean配置到KafkaConfig中
@Bean
public SimpleConsumerListener simpleConsumerListener(){
return new SimpleConsumerListener();
}
默認spring-kafka會為每一個監聽方法創建一個線程來向kafka服務器拉取消息
kafka 主要內容介紹