一脸懵逼学习KafKa集群的安装搭建--（一种高吞吐量的分布式发布订阅消息系统）

kafka的前言知识：
：Kafka是什么？
    在流式计算中，Kafka一般用来缓存数据，Storm通过消费Kafka的数据进行计算。kafka是一个生产-消费模型。
　　 Producer：生产者，只负责数据生产，生产者的代码可以集成到任务系统中。 
              数据的分发策略由producer决定，默认是defaultPartition  Utils.abs(key.hashCode) % numPartitions
    Broker：当前服务器上的Kafka进程,俗称拉皮条。只管数据存储，不管是谁生产，不管是谁消费。
            在集群中每个broker都有一个唯一brokerid，不得重复。
    Topic:目标发送的目的地，这是一个逻辑上的概念，落到磁盘上是一个partition的目录。partition的目录中有多个segment组合(index,log)
            一个Topic对应多个partition[0,1,2,3]，一个partition对应多个segment组合。一个segment有默认的大小是1G。
            每个partition可以设置多个副本(replication-factor 1),会从所有的副本中选取一个leader出来。所有读写操作都是通过leader来进行的。
            特别强调，和mysql中主从有区别，mysql做主从是为了读写分离，在kafka中读写操作都是leader。
    ConsumerGroup：数据消费者组，ConsumerGroup可以有多个，每个ConsumerGroup消费的数据都是一样的。
                   可以把多个consumer线程划分为一个组，组里面所有成员共同消费一个topic的数据，组员之间不能重复消费。
2：Apache Kafka是一个开源消息系统，由Scala写成。是由Apache软件基金会开发的一个开源消息系统项目。
3：Kafka是一个分布式消息队列：生产者、消费者的功能。它提供了类似于JMS的特性，但是在设计实现上完全不同，此外它并不是JMS规范的实现。
4：Kafka对消息保存时根据Topic进行归类，发送消息者称为Producer,消息接受者称为Consumer,此外kafka集群有多个kafka实例组成，每个实例(server)成为broker。 
5：无论是kafka集群，还是producer和consumer都依赖于zookeeper集群保存一些meta信息，来保证系统可用性。
6：Kafka核心组件：Topic ：消息根据Topic进行归类；Producer：发送消息者；Consumer：消息接受者；broker：每个kafka实例(server)；Zookeeper：依赖集群保存meta信息。   
7:消息系统的核心作用就是三点：解耦，异步和并。
8：kafka生产数据时的分组策略？
　　默认是defaultPartition  Utils.abs(key.hashCode) % numPartitions。
   上文中的key是producer在发送数据时传入的，produer.send(KeyedMessage(topic,myPartitionKey,messageContent))。
9：kafka如何保证数据的完全生产？
　　ack机制：broker表示发来的数据已确认接收无误，表示数据已经保存到磁盘。
    0：不等待broker返回确认消息。
    1：等待topic中某个partition leader保存成功的状态反馈。
    -1：等待topic中某个partition 所有副本都保存成功的状态反馈。
10：broker如何保存数据？
　　在理论环境下，broker按照顺序读写的机制，可以每秒保存600M的数据。主要通过pagecache机制，尽可能的利用当前物理机器上的空闲内存来做缓存。
    当前topic所属的broker，必定有一个该topic的partition，partition是一个磁盘目录。partition的目录中有多个segment组合(index,log)。
11：如何保证kafka消费者消费数据是全局有序的？
　　 伪命题,
　　 如果要全局有序的，必须保证生产有序，存储有序，消费有序。由于生产可以做集群，存储可以分片，消费可以设置为一个consumerGroup，要保证全局有序，就需要保证每个环节都有序。只有一个可能，就是一个生产者，一个partition，一个消费者。这种场景和大数据应用场景相悖。

1：KafKa的官方网址：http://kafka.apache.org/

开发流程图，如：

2：KafKa的基础知识：

2.1：kafka是一个分布式的消息缓存系统。
2.2：kafka集群中的服务器都叫做broker。
2.3：kafka有两类客户端，一类叫producer（消息生产者），一类叫做consumer（消息消费者），客户端和broker服务器之间采用tcp协议连接。
2.4：kafka中不同业务系统的消息可以通过topic进行区分，而且每一个消息topic都会被分区，以分担消息读写的负载。
2.5：每一个分区都可以有多个副本，以防止数据的丢失。
2.6：某一个分区中的数据如果需要更新，都必须通过该分区所有副本中的leader来更新。
2.7：消费者可以分组，比如有两个消费者组A和B，共同消费一个topic：order_info,A和B所消费的消息不会重复。
　　比如 order_info 中有100个消息，每个消息有一个id,编号从0-99，那么，如果A组消费0-49号，B组就消费50-99号。
2.8：消费者在具体消费某个topic中的消息时，可以指定起始偏移量。

3：KafKa集群的安装搭建，注意区分单节点KafKa集群的搭建。

Topic ：消息根据Topic进行归类；Producer：发送消息者；Consumer：消息接受者；broker：每个kafka实例(server)；Zookeeper：依赖集群保存meta信息。

　　3.1：kafka集群安装，第一步上传kafka_2.10-0.8.1.1.tgz到虚拟机上面，过程省略，然后进行解压缩操作：

　　3.2：修改kafka配置文件，修改server.properties

修改如下所示，具体情况可以根据手册修改，详细修改可以参考Kafka的文档：

 #broker的全局唯一的编号，不可以重复
 broker.id= 

 #用来监听链接的端口，producer或者consumer将在此端口建立连接
 port=

 #处理网络请求的线程数量
 num.network.threads=

 #用来处理磁盘Io的线程数量
 num.io.threads=  

 #发送套接字的缓冲区大小
 socket.send.buffer.bytes=

 #接受套接字的缓冲区的大小
 socket.receive.buffer.bytes=

 #请求套接字的缓冲区大小
 socket.request.max.bytes=  

 #kafka运行日志存放的路径
 log.dirs=/tmp/kafka-logs  

 #topic在当前broker上的分片个数
 num.partitions=  

 #用来恢复和清理data下数据的线程数量
 num.recovery.threads.per.data.dir=

 #segment文件保留的最长时间，超时将被删除
 log.retention.hours=  

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

 #topic的分区是以一堆segment文件存储的，这个控制每个segment的大小，会被topic创建时的指定参数覆盖
 log.segment.bytes=  

 #文件大小检查的周期时间，是否处罚 log.cleanup.policy中设置的策略
 log.retention.check.interval.ms= 

 #是否开启日志清理
 log.cleaner.enable=false  

 #zookeeper集群的地址，可以是多个，多个之间用逗号分割 hostname1:port1,hostname2:port2,hostname3:port3
 zookeeper.connect=localhost:  

 #ZooKeeper的连接超时时间
 zookeeper.connection.timeout.ms=  

具体操作修改如下所示：

使用自己部署的Zookeeper集群，修改如下所示：

可以直接搜索:/zookeeper.connect找到所要修改的内容：

将配置好的Kafka复制到另外两个节点上面：

[root@master hadoop]# scp -r kafka_2.10-0.8.1.1/ slaver1:/home/hadoop/

[root@master hadoop]# scp -r kafka_2.10-0.8.1.1/ slaver2:/home/hadoop/

然后修改一下另外两台的broker.id=2和broker.id=3：

这里插一个slf4j的配置，将 [hadoop@slaver1 slf4j-1.7.6]$ unzip slf4j-1.7.6.zip进行解压缩操作。

然后将[hadoop@slaver1 slf4j-1.7.6]$ cp slf4j-nop-1.7.6.jar  /home/hadoop/soft/kafka_2.9.2-0.8.1/libs/目录下面。

　　3.3：将zookeeper集群启动：

[root@master hadoop]# cd /home/hadoop/zookeeper-3.4.5/bin/

[root@master bin]# ./zkServer.sh start

[root@slaver2 bin]#  ./zkServer.sh status

　　3.4：在每一台节点上启动broker：

　　　　bin/kafka-server-start.sh config/server.properties

Unrecognized VM option 'UseCompressedOops'
Error: Could not create the Java Virtual Machine.
Error: A fatal exception has occurred. Program will exit.

启动的时候报错了，问题的根本是UseCompressedOops是jdk8的，而我的jdk是7，所以解决一下问题：

原因是jdk的版本不匹配，需要修改一下配置文件
修改文件：
　　去掉这个配置
　　-XX:+UseCompressedOops

进去以后，搜索一下比较快:/UseCompressedOops，然后看到如下，删除如此配置：

[root@master bin]# vim kafka-run-class.sh

其他两个节点的都按照如此删除掉即可：

修改好以后开始跑：

在每一台节点上启动broker：
bin/kafka-server-start.sh config/server.properties

、首先安装nohup：
[hadoop@slaver1 ~]$ yum install coreutils
、后台启动kafka服务：
[hadoop@slaver1 kafka_2.9.2-0.8.1]$ nohup bin/kafka-server-start.sh config/server.properties &

然后按照如此将其他两个节点都启动起来，然后复制xshell的连接看一下jps进程启动情况：

三个都启动起来，可以看一下，broker 1，broker 2，broker 3都启动起来了：

可以使用复制的xshell窗口查看jps进程启动情况：

　　3.5：在kafka集群中创建一个topic：

常用命令如下所示：

:Kafka常用操作命令
1.1:查看当前服务器中的所有topic。--zookeeper master:2181指定zookeeper。
    bin/kafka-topics.sh --list --zookeeper  master:
1.2:创建topic。--partitions 3，指定三个分区。--replication-factor 1指定备份的副本数量。--topic topicTest，指定topic的名称。
    ./kafka-topics.sh --create --zookeeper master: --replication-factor  --partitions  --topic topicTest
1.3:删除topic
    bin/kafka-topics.sh --delete --zookeeper master: --topic topicTest
    注意：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。
1.4:通过shell命令发送消息。生产者。--broker-list master:9092
    bin/kafka-console-producer.sh --broker-list master: --topic topicTest
1.5:通过shell消费消息。消费者。--from-beginning从最开始消费。
    bin/kafka-console-consumer.sh --zookeeper master: --from-beginning --topic topicTest
1.6:查看消费位置
    bin/kafka-run-class.sh kafka.tools.ConsumerOffsetChecker --zookeeper master:2181 --group testGroup
1.7:查看某个Topic的详情
    bin/kafka-topics.sh --topic topicTest --describe --zookeeper master:

[root@master kafka_2.10-0.8.1.1]# bin/kafka-topics.sh --create --zookeeper master:2181 --replication-factor 3 --partitions 1 --topic order

可以查看一下自己创建的topic：

[root@master kafka_2.10-0.8.1.1]# bin/kafka-topics.sh --list --zookeeper master:2181

可以创建多个多个topic，也可以查看一下自己创建的topic：

　　3.6：用一个producer向某一个topic中写入消息，生产者产生消息，消费者消费消息，如下生产者可以生产：

如下先启动一下生产者，先不生产消息，然后一个消费者，看看是否有输出，然后再生产消息，再去消费者看看消费消息：

#生产者
[root@master kafka_2.-0.8.1.1]# bin/kafka-console-producer.sh --broker-list master: --topic order
#消费者
[root@master kafka_2.-0.8.1.1]# bin/kafka-console-consumer.sh --zookeeper master: --from-beginning --topic order

上面是生产者：

下面是消费者：

　　3.7：查看一个topic的分区及副本状态信息：

自己可以找任意一个xshell复制连接进程查看：

[root@slaver1 kafka_2.10-0.8.1.1]# bin/kafka-topics.sh --describe --zookeeper master:2181 --topic order

4：kafka运行在后台如何操作，如下所示：

　　1>/dev/null：代表标准输入到这个目录；

　　2>&1：代表标准输出也到这个目录下面；

　　&：代表这个是后台运行；

[root@master kafka_2.10-0.8.1.1]# bin/kafka-server-start.sh config/server.properties 1>/dev/null 2>&1 &