大数据入门第十七天——storm上游数据源之kafka详解（一）入门与集群安装

一、概述

　　1.kafka是什么

　　　　根据标题可以有个概念：kafka是storm的上游数据源之一，也是一对经典的组合，就像郭德纲和于谦

　　　　根据官网：http://kafka.apache.org/intro 的解释呢，是这样的：

　　　Apache Kafka® is a distributed streaming platform

　　 ApacheKafka®是一个分布式流媒体平台

　　l 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。

　　l Kafka最初是由LinkedIn开发，并于2011年初开源。2012年10月从Apache Incubator毕业。该项目的目标是为处理实时数据提供一个统一、高通量、低等待的平台。

　　l 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。

　　l 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。

　　l 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

　2.主要feature

　　1：It lets you publish and subscribe to streams of records.发布和订阅消息流，这个功能类似于消息队列，这也是kafka归类为消息队列框架的原因

　　2：It lets you store streams of records in a fault-tolerant way.以容错的方式记录消息流，kafka以文件的方式来存储消息流

　　3：It lets you process streams of records as they occur.可以再消息发布的时候进行处理

　　3.使用场景

　　　　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。

　　　　经典组合是：kafka+storm+redis

　　4.消息队列补充

　　　　JMS参考基础篇ActiveMQ相关介绍：http://www.cnblogs.com/jiangbei/p/8311148.html

　　　　为什么需要消息队列：　　　　　

　　　　　　消息系统的核心作用就是三点：解耦，异步和并行

　　　　kafka是类JMS，它吸收了JMS两种模式，将发布/订阅模式中消费者或者数据的方式从被动推送变成主动拉取

二、相关概念与组件

Topics：一类消息，例如page view日志、click日志等都可以以topic的形式存在，Kafka集群能够同时负责多个topic的分发。
Producers：We'll call processes that publish messages to a Kafka topic producers。
Consumers：We'll call processes that subscribe to topics and process the feed of published messages consumers。消费组是逻辑上的一个订阅者
Broker：消息中间件处理结点，一个Kafka节点就是一个broker，多个broker可以组成一个Kafka集群。
Partition：topic物理上的分组，一个topic可以分为多个partition，每个partition是一个有序的队列。（相应的同个topic的不同分区，有消费者组的概念）
Segment：partition物理上由多个segment组成。

　　更多详细介绍，参考：http://kafka.apache.org/intro

　　　　　　　　　　　　http://blog.csdn.net/a568078283/article/details/51464524

　　消息发送流程：

　　请带着以下问题思考：

分组策略

如何保证数据的完全生产

partition数量和broker的关系

每个partition数据如何保存到硬盘上

kafka有什么独特的特点（为什么它是大数据下消息队列的宠儿）

消费者如何标记消费状态

消费者负载均衡的策略

如何保证消费者消费数据是有序的

三、kafka集群安装

　　1.下载

　　　　这里换成一下wget，下载速度还是非常快的！

wget http://mirrors.tuna.tsinghua.edu.cn/apache/kafka/0.11.0.2/kafka_2.11-0.11.0.2.tgz

　　// 这里也可以使用windows下载完成后通过ftp进行上传（help命令进行提示），rz/sz请勿使用！属于远古时代的协议！大文件速度堪忧！

　　前导条件是java环境和zk，当然，新版的kafka已经内置了zk（属于可选配置了）

　　2.解压

tar -zxvf kafka_2.-0.11.0.2.tgz -C apps/

　　这里就不采用mv进行解压后目录的重命名了，采用一下创建软连接的方式！

ln -s kafka_2.-0.11.0.2/ kafka

　　3.修改配置文件

　　　　同样的，养成一个备份出厂设置的习惯：

[hadoop@mini1 config]$ cp server.properties server.properties.bak

　　　　此配置文件的各项说明参考：http://blog.csdn.net/lizhitao/article/details/25667831

[hadoop@mini1 config]$ vim server.properties

　　　　主要修改的配置如下：

　　　　　　最重要的参数为：broker.id、log.dir、zookeeper.connect

broker.id=

listeners=PLAINTEXT://192.168.137.128:9092

port=

log.dirs=home/hadoop/apps/kafka/logs
number.partition=2

zookeeper.connect=mini1:,mini2:,mini3:

　　// 注意listener处必须是IP！原因参考：http://blog.csdn.net/louisliaoxh/article/details/51567515

　　4.分发安装包

[hadoop@mini1 apps]$ scp -r kafka_2.-0.11.0.2/ mini2:/home/hadoop/apps/

[hadoop@mini1 apps]$ scp -r kafka_2.-0.11.0.2/ mini3:/home/hadoop/apps/

　　5.修改分发的节点配置

　　　　先依次给mini2,mini3创建软连接：

ln -s kafka_2.-0.11.0.2/ kafka

　　　　再修改配置：

　　　　　　修改broker.id分别是1和2（不得重复）；修改监听处的IP

　　6.启动kafka

　　　　先启动zk（使用了自己的zk）

　　　　这里可以配置一下环境变量，可以方便后续的一些操作，并且这里配置了软连接的话是非常方便的（后续即使安装新版本，环境变量也无需变更）

　　　　模仿zk写一个一键启动脚本

#!/bin/bash

BROKERS="mini1 mini2 mini3"

KAFKA_HOME="/home/hadoop/apps/kafka"

for BROKER in $BROKERS

do

    echo "Starting kafka on ${BROKER} ... "

    ssh ${BROKER} "source /etc/profile; nohup sh ${KAFKA_HOME}/bin/kafka-server-start.sh ${KAFKA_HOME}/config/server.properties > /dev/null 2>&1 &"

    if [[ $? -ne  ]]; then

        echo "Start kafka on ${BROKER} is OK !"

    fi

done

　　　　kafka启动命令如下：（这里使用后台启动）

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

四、相关配置

　　参考博文：https://www.cnblogs.com/jun1019/p/6256371.html

　　官网配置讲解：http://kafka.apache.org/0110/documentation.html#configuration