让Kafka在scala里面跑起来

Kafka集群对消息的保存是根据Topic进行归类的，由消息生产者（Producer）和消息消费者（Consumer）组成，另外，每一个Server称为一个Broker（经纪人）。对于Kafka集群而言，Producer和Consumer都依赖于ZooKeeper来保证数据的一致性。

　　在每条消息输送到Kafka集群后，消息都会有一个Type，这个Type被称为一个Topic，不同的Topic的消息是分开存储的。每个Topic可以被分割为多个Partition，在每条消息中，它在文件中的位置称为Offset，用于标记唯一一条消息。在Kafka中，消息被消费后，消息仍然会被保留一定时间后在删除，比如在配置信息中，文件信息保留7天，那么7天后，不管Kafka中的消息是否被消费，都会被删除；以此来释放磁盘空间，减少磁盘的IO消耗。

　　在Kafka中，一个Topic的多个分区，被分布在Kafka集群的多个Server上，每个Server负责分区中消息的读写操作。另外，Kafka还可以配置分区需要备份的个数，以便提高可用行。由于用到ZK来协调，每个分区都有一个Server为Leader状态，服务对外响应（如读写操作），若该Leader宕机，会由其他的Follower来选举出新的Leader来保证集群的高可用性。

一个Topic中的消息数据按照多个分区组织，分区是kafka消息队列组织的最小单位，一个分区可以看作是一个FIFO（ First Input First Output）的队列。

kafka分区是提高kafka性能的关键所在，当你发现你的集群性能不高时，常用手段就是增加Topic的分区，分区里面的消息是按照从新到老的顺序进行组织，消费者从队列头订阅消息，生产者从队列尾添加消息。

编译报错：WARN Selector: Error in I/O with localhost/127.0.0.1

java.io.EOFException

错误：https://issues.apache.org/jira/browse/KAFKA-3205

环境准备：

1. Java JDK (jdk1.8.0_112 64-bit)

安装完成后添加系统变量：

JAVA_HOME= C:\Program Files\Java\jdk1.8.0_112

并在系统变量Path后添加 ;%JAVA_HOME%\bin;

2. Apache ZooKeeper

① 解压进入目录E:\Zookeeper\zookeeper-3.4.11\conf

② 将“zoo_sample.cfg”重命名为“zoo.cfg”

③ 打开“zoo.cfg”找到并编辑dataDir=E:\Zookeeper\zookeeper-3.4.11\data

④ 添加系统变量：ZOOKEEPER_HOME= E:\Zookeeper\zookeeper-3.4.11，并在系统变量Path后添加;%ZOOKEEPER_HOME%\bin;

⑤ 查看zoo.cfg文件clientPort默认值是否为2181

⑥ cmd中输入zkServer ，如下图则表示ZooKeeper启动成功(窗口不要关闭)

3. Apache Kafka(请选择Binary downloads)

① 压进入目录E:\kafka_2.12-1.0.0\config

② 打开server.properties并编辑log.dirs=E:\kafka_2.12-1.0.0\kafka-logs

③ 确认zookeeper.connect=localhost:2181

④ 进入目录E:\kafka_2.12-1.0.0\并Shift+右键，选择“打开命令窗口”，输入：

.\bin\windows\kafka-server-start.bat .\config\server.properties

如果是第二次启动，则需要进入目录删除文件夹kafka_2.12-1.0.0kafka-logs后重新运行命令。

代码测试(scala maven项目)：

1. pom.xml

<dependency>

<groupId>org.apache.spark</groupId>

<artifactId>spark-core_2.10</artifactId>

<version>1.5.1</version>

</dependency>

<dependency>

<groupId>org.apache.kafka</groupId>

<artifactId>kafka-clients</artifactId>

<version>0.9.0.1</version>

</dependency>

说明：kafka-clients不要使用0.8.2.1版本，因为它的poll函数直接返回了null

另外在0.9.0版本之后，consumer api不再区分high-level和low-level了。

2. producer.scala

import java.io.{File, FileInputStream}

import java.util.Properties

import org.apache.kafka.clients.producer.{KafkaProducer, ProducerConfig, ProducerRecord}

import org.apache.spark.rdd.RDD

import org.apache.spark.{SparkConf, SparkContext}

object producer {

def main(args: Array[String]): Unit = {

val sparkConf = new SparkConf()

sparkConf.setAppName("kafka").setMaster("local[4]").set("SPARK_EXECUTOR_CORES","1")

val sc = new SparkContext(sparkConf)

val topic: RDD[String] = sc.textFile(s"F:/123456.txt")

val kafkaProducerCfg = "E:\\kafka_2.12-1.0.0\\config\\producer.properties"

val kafkaprop = new Properties()

kafkaprop.load(new FileInputStream(new File(kafkaProducerCfg)))

topic.repartition(1).foreachPartition((partisions: Iterator[String]) => {

val producer: KafkaProducer[String, String] = new KafkaProducer[String, String](kafkaprop)

var pr = new ProducerRecord[String, String]("my-topic","my-key", "hi laosiji ")

producer.send(pr)

pr = new ProducerRecord[String, String]("finally","kafka", "可用了 ")

producer.send(pr)

partisions.foreach((line: String) => {

try {

val pr = new ProducerRecord[String, String]("my-topic","my-key", line)

producer.send(pr)

} catch {

case ex: Exception => println(ex.getMessage, ex)

}

})

producer.close()

})

}

}

3. consumer.scala

import java.io.{File, FileInputStream}

import java.util.Properties

import scala.collection.JavaConverters._

import org.apache.kafka.clients.consumer.{ConsumerRecords, KafkaConsumer}

object consumer {

def main(args: Array[String]): Unit = {

val kafkaProducerCfg = "E:\\kafka_2.12-1.0.0\\config\\consumer.properties"

val is = new FileInputStream(new File(kafkaProducerCfg))

val kafkaprop = new Properties()

// kafkaprop.load(is)

is.close()

kafkaprop.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")

kafkaprop.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")

// kafkaprop.put("partition.assignment.strategy", "range")

kafkaprop.put("group.id", "test")

kafkaprop.put("enable.auto.commit", "true")

kafkaprop.put("auto.commit.interval.ms", "1000")

kafkaprop.put("session.timeout.ms", "6000")

kafkaprop.put("bootstrap.servers","localhost:9092")

try{

val consumer: KafkaConsumer[String,String] = new KafkaConsumer[String,String](kafkaprop)

consumer.subscribe(java.util.Arrays.asList("my-topic","finally"))

while (true) {

val records = consumer.poll(1000)

var it = records.records("my-topic").iterator()

while (it.hasNext){

println(it.next())

}

it = records.records("finally").iterator()

while (it.hasNext){

println(it.next())

}

}

consumer.close()

} catch {

case e => e.printStackTrace()

}

}

}

4. 先启动consumer，再启动producer，可以在控制台看到运行结果。

控制台测试：

1. 进入目录E:\kafka_2.12-1.0.0创建Topic

.\bin\windows\kafka-topics.bat --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 –topic HelloKafka

查看Topic：

.\bin\windows\kafka-topics.bat --list --zookeeper localhost:2181

2. 进入目录E:\kafka_2.12-1.0.0打开cmd创建生产者：

.\bin\windows\kafka-console-producer.bat --broker-list localhost:9092 --topic HelloKafka

3. 进入目录E:\kafka_2.12-1.0.0打开cmd创建消费者：

.\bin\windows\kafka-console-consumer.bat --bootstrap-server localhost:9092 --topic HelloKafka --from-beginning