kafka从入门到了解

一、什么是kafka

Apache Kafka是Apache软件基金会的开源的流处理平台，该平台提供了消息的订阅与发布的消息队列，一般用作系统间解耦、异步通信、削峰填谷等作用。同时Kafka又提供了Kafka streaming插件包实现了实时在线流处理。相比较一些专业的流处理框架不同，Kafka Streaming计算是运行在应用端，具有简单、入门要求低、部署方便等优点。

二、kafka的架构

Kafka集群以Topic形式负责分类集群中的Record，每一个Record属于一个Topic。每个Topic底层都会对应一组分区的日志用于持久化Topic中的Record。同时在Kafka集群中，Topic的每一个日志的分区都一定会有1个Borker担当该分区的Leader，其他的Broker担当该分区的follower，Leader负责分区数据的读写操作，follower负责同步改分区的数据。这样如果分区的Leader宕机，该分区的其他follower会选取出新的leader继续负责该分区数据的读写。其中集群的中Leader的监控和Topic的部分元数据是存储在Zookeeper中.

三、kafka的API

kafka的详细安装请参考官网：http://kafka.apache.org/documentation/#quickstart；

1.topic的创建

创建一个test的topic,有三个分区，三个副本。

[root@node01 bin]# kafka-topics.sh 
                    --zookeeper node2:2181,node3:2181/kafka 
                    --create 
                    --topic test
                    --partitions 3 
                    --replication-factor 3

2.查看topic的列表

[root@node01 bin]# kafka-topics.sh 
                    --zookeeper node2:2181,node3:2181/kafka 
                    --list

3.查看一个topic的详细信息

[root@node01 bin]# ./bin/kafka-topics.sh 
                    --zookeeper node2:2181,node3:2181/kafka 
                    --describe 
                    --topic test

4.修改topic

[root@node01 kafka_2.11-2.2.0]# ./bin/kafka-topics.sh 
                    --zookeeper node2:2181,node3:2181/kafka 
                    --alter 
                    --topic test 
                    --partitions 2

5.删除topic

[root@node01 bin]#  kafka-topics.sh 
                    --zookeeper node2:2181,node3:2181/kafka 
                    --delete 
                    --topic test

6.producer往一个topic中生产消息

[root@node01 bin]# kafka-console-producer.sh 
                  --broker-list node01:9092,node01:9092,node01:9092 
                  --topic test

7.consumer订阅一个topic消费消息

[root@node01 bin]# kafka-console-consumer.sh
                   --bootstrap-server node01:9092,node01:9092,node01:9092 
                   --topic test
                   --group opentest

8.查看消费组信息

[root@node01 bin]# kafka-console-consumer.sh
                   --bootstrap-server node01:9092,node01:9092,node01:9092 
                   --list

9.查看某一消费组的详细信息

[root@node01 bin]# kafka-console-consumer.sh
                   --bootstrap-server node01:9092,node01:9092,node01:9092 
                   --describe
                   --group opentest

四、kafka在程序中的使用

1.导入对应的jar包

<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka_2.11</artifactId>
    <version>2.1.0</version>
</dependency>

2.生产者的代码

@Test
    public void producer() throws ExecutionException, InterruptedException {

        String topic = "items";
        Properties p = new Properties();
        p.setProperty(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"node02:9092,node03:9092,node01:9092");
        p.setProperty(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
        p.setProperty(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
        p.setProperty(ProducerConfig.ACKS_CONFIG, "-1");
        KafkaProducer<String, String> producer = new KafkaProducer<String, String>(p);
        while(true){
            for (int i = 0; i < 3; i++) {
                for (int j = 0; j <3; j++) {
                    ProducerRecord<String, String> record = new ProducerRecord<>(topic, "item"+j,"val" + i);
                    Future<RecordMetadata> send = producer
                            .send(record);
                    RecordMetadata rm = send.get();
                    int partition = rm.partition();
                    long offset = rm.offset();
                    System.out.println("key: "+ record.key()+" val: "+record.value()+" partition: "+partition + " offset: "+offset);

                }
            }
        }



    }

3.消费者代码

    @Test
    public void consumer(){
        Properties p = new Properties();
        p.setProperty(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"node02:9092,node03:9092,node01:9092");
        p.setProperty(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        p.setProperty(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        p.setProperty(ConsumerConfig.GROUP_ID_CONFIG,"opentest");
        p.setProperty(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG,"earliest");//
        p.setProperty(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,"true");//自动提交
//        p.setProperty(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,"15000");//默认5秒
//        p.setProperty(ConsumerConfig.MAX_POLL_RECORDS_CONFIG,""); //拉取数据的配置

        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(p);      
        while(true){
            ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(0));//
            if(!records.isEmpty()){
                Iterator<ConsumerRecord<String, String>> iter = records.iterator();
                while(iter.hasNext()){
                    ConsumerRecord<String, String> record = iter.next();
                    int partition = record.partition();
                    long offset = record.offset();
                    String key = record.key();
                    String value = record.value();
                    System.out.println("key: "+ record.key()+" val: "+ record.value()+ " partition: "+partition + " offset: "+ offset);
                }
            }

        }

    }

五、kafka的原理深入

1.kafka的AKF

kafka的高可用性在于可以搭建集群，保证单点故障问题，尤其注意kafka是采用主备模式，leader负责数据读写，flower负责数据同步，它牺牲了读写分离的特性，采用主备模式保证数据的一致性以及系统的可用性。topic可以按照不同业务，创建不同的topic在业务上进行区分。kafka还有分区，可以将同一个topic的消息，放到不同的分区中，类似数据分片。

2.kafka数据如何保证顺序消费

kafka可以按照消息的key值进行hash分区，保证同一个key值的消息，进入到同一分区中。对同一分区的消息进行顺序性消费，可以保证消费信息的顺序性。总而言之，kafka在同一分区的消息是可以保证有序性的。所以开发者在使用producer生产消息的时候，只要保证消息发送到分区的顺序性，就可以保证后续消息的顺序消费。

3.kafka中consumer的分组

在kafak中，一个consumer可以消费多个paritition中的消息。可以是1：n。但是一个partition不能同时让一个组中的多个consumer消费，否则会破坏消息消费的有序性。但是多个group可以同时消费一个分区里的数据。如果一个组内有两个consumer，并且topic中有两个分区，那么两个consumer分别会消费一个分区中的信息。如上图。

4.消息队列，常见保证消息顺序性消费的两种方案

1.生产时保证消息的有序性，单线程消费

多线程生产消息，后面单线程消费数据，可以消费一条数据，就更新kafka偏移量offset的值，这种方式可以保证消息消费的进度，以及准确地更细offset的值，但是单线程的消费会对数据库以及offset进行频繁的更新，成本有点高，并且存在cpu以及网卡的资源浪费。

2.多线程消费

按批次从partition中拉取一批数据，消费规则中让同一类型的数据在同一线程中顺序性消费，但是后续对于数据库这种类型的操作，以批次的方式统一进行更新，最后以数据的事务结果，去更新offset。

5.kafka的消息生产的确认机制-- ack确认机制

Kafka生产者在发送完一个的消息之后，要求Broker在规定的时间内Ack应答，如果没有在规定时间内应答，Kafka生产者会尝试重新发送消息。默认acks=1。

acks=1 - Leader会将Record写到其本地日志中，但会在不等待所有Follower的完全确认的情况下做出响应。在这种情况下，如果Leader在确认记录后立即失败，但在Follower复制记录之前失败，则记录将丢失。
acks=0 - 生产者根本不会等待服务器的任何确认。该记录将立即添加到套接字缓冲区中并视为已发送。在这种情况下，不能保证服务器已收到记录。
acks=all /-1 - 这意味着Leader将等待全套同步副本确认记录。这保证了只要至少一个同步副本仍处于活动状态，记录就不会丢失。这是最有力的保证。这等效于acks = -1设置。

request.timeout.ms = 30000 默认 retries = 2147483647 默认

6.kafka的ISR、OSR以及AR

AR：Assigned Replicas 总的分配副本 OSR：Out-of-Sync Replicas 脱离同步副本。数据同步严重滞后的副本组成OSR（网络原因造成的等等） ISR：in-sync-replica set 同步副本设置。为了解决数据同步高延迟问题以及leader重新选举时不会影响数据同步。

kafka中，ISR集合中的分区会定时从分区leader中同步数据，当acks=-1时，ISR集合中过半的节点同步完数据才会发送ack应答给producer。ISR是可以动态伸缩的。如果一个ISR中的节点，在一定时间内没有同步分区leader中的数据,那么这个节点就会从ISR中剔除，进入OSR。如果OSR中节点的数据同步已经跟上了leader，那么它会重新回到ISR中。

7.kafka中的索引

kafka中索引文件有两个，分别是offset的索引文件以及timeindex的索引文件，文件初始化时，都是10M大小。offset索引文件中会记录offset的值，以及文件中的position。以position取读取log文件中的一批数据。timeindex索引会记录一个时间戳，以及对应的offset，所以需要重新去offset的索引文件中找到offset对应的log文件的position，再去读取数据。

参考文档：

kafka英文官方网站：http://kafka.apache.org/documentation/

kafka中文官方网站：https://kafka.apachecn.org/intro.html