kafka是一个分布式的基于发布/订阅模式的消息队列，主要应用于大数据实时处理领域。
2消息队列的两种模式
1、点对点模式(一对一，消费者主动拉取数据，消息收到后消息消除）
消息生产者生产消息发送到队列中，然后消息消费者从队列中取出并且消费消息。
消息被消费以后，queue中不再有存储，所以消息消费者不可能消费到已经被消费的消息。Queue支持存在多个消费者，但是对一个消息而言，只会有一个消费者可以消费。
2、发布/订阅（一对多，消费者消费数据之后不会清除消息）
消息生产者（发布）将消息发布到topic中，同时有多个消息消费者（订阅）消费该消息。和点对点方式不同，发布到topic的消息会被所有订阅者消费。
3、kafka基础架构
为方便扩展，并提高，一个topic分为多个partition
配合分区的设计，提出消费者组的的概念，组内每个消费者并行消费
为了提高可用性，为每个parttion增加若干副本。
（1）prodcuer:消息生产者，就是向kafka broker发消息的客户端
(2) 消息消费者，向kafka broker 取消息的客户端。
（3）consumer group:消费者组，多个consumer组成，消费者组内每个消费负责消费不同分区的数据，一个分区只能由一个消费者消费，消费者组之间互不影响。所有的消费者者属于消费者组，即消费者是逻辑上一个订阅者。
（4）broker 一台kafka服务器就是一个broker ,一个集群由多个broker组成。一个broker可以容纳多个topic
(5) topic可以理解为一个队列，生产者和消费者面向的都是一个topic
(6) parttion为了实现扩展性，一个非常大的topic可以分布到多个broker服务器上，一个topic可以分为多个parttiion，每个parttiion是一个有序的队列。
（7）replica：副本，为保证集群中某个节点发生故障时，该节点上的parttiion数据不会丢失，且kafka仍然能够继续工作，kafka提供了副本机制，一个topic的每个分区都有若干个副本，一个leader和若干个followr.
(8) leader：每个分区多个副本为主，生产者发送数据的对象以及消费者消费数据对象者是leader
(9) follower：每个分区多个副本中的从，实时从leader中同步数据，保持和leader数据的同步。leader发生故障时，某个follower会成新的follower
配置文件内容：
#broker的全局唯一编号，不能重复
broker.id=0
#删除topic功能使能
delete.topic.enable=true
#处理网络请求的线程数量
num.network.threads=3
#用来处理磁盘IO的现成数量
num.io.threads=8
#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400
#接收套接字的缓冲区大小
socket.receive.buffer.bytes=102400
#请求套接字的缓冲区大小
socket.request.max.bytes=104857600
#kafka运行日志存放的路径
log.dirs=/opt/module/kafka/logs
#topic在当前broker上的分区个数
num.partitions=1
#用来恢复和清理data下数据的线程数量
num.recovery.threads.per.data.dir=1
#segment文件保留的最长时间，超时将被删除
log.retention.hours=168
#配置连接Zookeeper集群地址
zookeeper.connect=hadoop102:2181,hadoop103:2181,hadoop104:2181
启动命令
bin/kafka-server-start.sh -daemon config/server.properties
kafka命令行操作
查看当前服务器中的所有topic
bin/kafka-topics.sh --zookeeper lwbd1:2181 --list
创建topic
bin/kafka-topics.sh --zookeeper lwbd1:2181 --create --replication-factor 3 --partitions 3 --topic first
--topic 定义topic名
--replication-factor 定义副本数
--partitions 定义分区数
delete.topic.enable=true 需要设置删除
bin/kafka-topics.sh --zookeeper lwbd1:2181 --delete --topic first
发送消息
#发送消息
bin/kafka-console-producer.sh --broker-list 172.16.108.64:6667 lwbd6:6667 --topic first
#消费消息
bin/kafka-console-consumer.sh --bootstrap-server lwbd6:6667 --from-beginning --topic first
##查看某个Topic的详情
bin/kafka-topics.sh --zookeeper lwbd1:2181 --describe --topic first
###修改分区数
bin/kafka-topics.sh --zookeeper lwbd1:2181 --alter --topic first --partitions 100
####副本个数不能大于broker个数
bin/kafka-topics.sh --zookeeper lwbd1:2181 --create --replication-factor 13 --partitions 3 --topic first1
Error while executing topic command : Replication factor: 13 larger than available brokers: 3.
[2020-02-17 16:31:54,042] ERROR org.apache.kafka.common.errors.InvalidReplicationFactorException: Replication factor: 13 larger than available brokers: 3.
(kafka.admin.TopicCommand$)
kafka架构深入
kafka中消息是以topic进行分类，生产者生产消息，消费者消费，都是面向topic的。
topic是逻辑上的概念，而partition是物理上的概念，每个parttiion对应于log文件，该log文件中存储的就是producer生产的数据。
producer生产的数据会被不断追加到该log文件末端，每条数据都有自已的offset.消费者中的每个消费者，都会实时记录自已消费的了哪个offeset，以便出错恢复时，从上次的位置继续消费。
一个kafka topic有多个分区，每个分区有多个segment,每个segment对应两个文件“index”和log文件。这些文件位于一个文件夹下，该文件夹的命名规则为topic名称+分区序号。例如，first这个topic三个分区。则对应的文件夹为first-0,first-1,first-2
index和log文件以当前segment的第一消息的offset命名，下图为index文件和log文件结构示意图
“index”文件存储大量的索引信息，log文件存储大量的数据，索引文件中的元数据指向对应数据文件中message的物理偏移地址。
kafka生产者
分区策略
分区的原因
方便在集群中扩展，每个分区可以通过调整以适应所在的机器，而一个topic又可以多个分区组成，因此整个集群就可以适应任意大小的数据了。
可以提高并发，因为可以以分区为单位读写了。
分区的原则
我们需要将product发送的数据封装成一个producerrecord对象
（1）指明partition的情况下，直接将指明的值直接作为parttion值
（2）没有指明partition的key的情况下，将key的hash值与topic的partition数进行取余得到partition值
（3）即没有partition值又没有key的值情况，第一次调用时随机生成一个整数，将这个值与parttion总得到parttion值，也就是常说的round-robin算法
数值可靠性保证
为保证producer发送的数据，能可靠发送到指定topic，topic每个partition收到producer发送的数据后，都需要向producer发送ack,如果producer收到ack,就会进行下一轮的发送，否则重新发送数据。
1）副本数据同步策略
| 方案 |
优点 |
缺点 |
| 半数以上完成同步，就发送ack |
延迟低 |
选举新的leader时，容忍n台节点的故障，需要2n+1个副本 |
| 全部完成同步，才发送ack |
选举新的leader时，容忍n台节点的故障，需要n+1个副本 |
延迟高 |
Kafka选择了第二种方案，原因如下：
1.同样为了容忍n台节点的故障，第一种方案需要2n+1个副本，而第二种方案只需要n+1个副本，而Kafka的每个分区都有大量的数据，第一种方案会造成大量数据的冗余。
2.虽然第二种方案的网络延迟会比较高，但网络延迟对Kafka的影响较小。
2）ISR
采用第二种方案之后，设想以下情景：leader收到数据，所有follower都开始同步数据，但有一个follower，因为某种故障，迟迟不能与leader进行同步，那leader就要一直等下去，直到它完成同步，才能发送ack。这个问题怎么解决呢？
Leader维护了一个动态的in-sync replica set (ISR)，意为和leader保持同步的follower集合。当ISR中的follower完成数据的同步之后，leader就会给follower发送ack。如果follower长时间未向leader同步数据，则该follower将被踢出ISR，该时间阈值由replica.lag.time.max.ms参数设定。Leader发生故障之后，就会从ISR中选举新的leader。
3）ack应答机制
对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失，所以没必要等ISR中的follower全部接收成功。
所以Kafka为用户提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡，选择以下的配置。
acks参数配置：
acks：
0：producer不等待broker的ack，这一操作提供了一个最低的延迟，broker一接收到还没有写入磁盘就已经返回，当broker故障时有可能丢失数据；
1：producer等待broker的ack，partition的leader落盘成功后返回ack，如果在follower同步成功之前leader故障，那么将会丢失数据；
-1（all）：producer等待broker的ack，partition的leader和follower全部落盘成功后才返回ack。但是如果在follower同步完成后，broker发送ack之前，leader发生故障，那么会造成数据重复。
（1）follower故障
follower发生故障后会被临时踢出ISR，待该follower恢复后，follower会读取本地磁盘记录的上次的HW，并将log文件高于HW的部分截取掉，从HW开始向leader进行同步。等该follower的LEO大于等于该Partition的HW，即follower追上leader之后，就可以重新加入ISR了。
（2）leader故障
leader发生故障之后，会从ISR中选出一个新的leader，之后，为保证多个副本之间的数据一致性，其余的follower会先将各自的log文件高于HW的部分截掉，然后从新的leader同步数据。
注意：这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。
Exactly Once语义
对于某些比较重要的消息，我们需要保证exactly once语义，即保证每条消息被发送且仅被发送一次。
在0.11版本之后，Kafka引入了幂等性机制（idempotent），配合acks = -1时的at least once语义，实现了producer到broker的exactly once语义。
idempotent + at least once = exactly once
使用时，只需将enable.idempotence属性设置为true，kafka自动将acks属性设为-1。
消费方式
consumer采用pull（拉）模式从broker中读取数据。
push（推）模式很难适应消费速率不同的消费者，因为消息发送速率是由broker决定的。它的目标是尽可能以最快速度传递消息，但是这样很容易造成consumer来不及处理消息，典型的表现就是拒绝服务以及网络拥塞。而pull模式则可以根据consumer的消费能力以适当的速率消费消息。
pull模式不足之处是，如果kafka没有数据，消费者可能会陷入循环中，一直返回空数据。针对这一点，Kafka的消费者在消费数据时会传入一个时长参数timeout，如果当前没有数据可供消费，consumer会等待一段时间之后再返回，这段时长即为timeout。
区分配策略
一个consumer group中有多个consumer，一个 topic有多个partition，所以必然会涉及到partition的分配问题，即确定那个partition由哪个consumer来消费。
Kafka有两种分配策略，一是roundrobin，一是range。
1）roundrobin
Kafka 高效读写数据
1）顺序写磁盘
Kafka的producer生产数据，要写入到log文件中，写的过程是一直追加到文件末端，为顺序写。官网有数据表明，同样的磁盘，顺序写能到到600M/s，而随机写只有100k/s。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间。
2）零复制技术:不走用户空间，只走内核空间
Zookeeper在Kafka中的作用
Kafka集群中有一个broker会被选举为Controller，负责管理集群broker的上下线，所有topic的分区副本分配和leader选举等工作。
Controller的管理工作都是依赖于Zookeeper的。
以下为partition的leader选举过程：
Kafka API:
producer API:
消息发送流程
Kafka的Producer发送消息采用的是异步发送的方式。在消息发送的过程中，涉及到了两个线程——main线程和Sender线程，以及一个线程共享变量——RecordAccumulator。main线程将消息发送给RecordAccumulator，Sender线程不断从RecordAccumulator中拉取消息发送到Kafka broker。
相关参数：
batch.size：只有数据积累到batch.size之后，sender才会发送数据。
linger.ms：如果数据迟迟未达到batch.size，sender等待linger.time之后就会发送数据。
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerRecord;
import java.util.Properties;
//不带回调函数的API
public class CustomProducer {
public static void main(String[] args) {
Properties props = new Properties();
props.put("bootstrap.servers","lwbd1:6667,lwbd2:6667,lwbd6:6667");
props.put("retries", 1);//重试次数
props.put("batch.size", 16384);//批次大小
props.put("linger.ms", 1);//等待时间
props.put("buffer.memory", 33554432);//RecordAccumulator缓冲区大小
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<>(props);
for (int i = 0; i < 100; i++) {
producer.send(new ProducerRecord<String, String>("first", "message11"+i));
}
producer.close();
}
}
异步发送API
KafkaProducer：需要创建一个生产者对象，用来发送数据
ProducerConfig：获取所需的一系列配置参数
带回调函数的API
回调函数会在producer收到ack时调用，为异步调用，该方法有两个参数，分别是RecordMetadata和Exception，如果Exception为null，说明消息发送成功，如果Exception不为null，说明消息发送失败。
import org.apache.kafka.clients.producer.*;
import java.util.Properties;
import java.util.concurrent.ExecutionException;
public class NIOCustomProducer {
public static void main(String[] args) throws ExecutionException, InterruptedException {
Properties props = new Properties();
props.put("bootstrap.servers","lwbd1:6667,lwbd2:6667,lwbd6:6667");
props.put("acks", "all");
props.put("retries", 1);//重试次数
props.put("batch.size", 16384);//批次大小
props.put("linger.ms", 1);//等待时间
props.put("buffer.memory", 33554432);//RecordAccumulator缓冲区大小
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<>(props);
for (int i = 0; i < 100; i++) {
producer.send(new ProducerRecord<String, String>("first", "wjj"+Integer.toString(i)), new Callback() {
@Override
public void onCompletion(RecordMetadata recordMetadata, Exception e) {
if(e == null){
System.out.println("successufl->"+recordMetadata.offset());
}else{
e.printStackTrace();
}
}
});
}
producer.close();
}
}
ProducerRecord：每条数据都要封装成一个ProducerRecord对象
同步
import org.apache.kafka.clients.producer.*;
import java.util.Properties;
import java.util.concurrent.ExecutionException;
public class NIOCustomProducer {
public static void main(String[] args) throws ExecutionException, InterruptedException {
Properties props = new Properties();
props.put("bootstrap.servers","lwbd1:6667,lwbd2:6667,lwbd6:6667");
props.put("acks", "all");
props.put("retries", 1);//重试次数
props.put("batch.size", 16384);//批次大小
props.put("linger.ms", 1);//等待时间
props.put("buffer.memory", 33554432);//RecordAccumulator缓冲区大小
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<>(props);
for (int i = 0; i < 100; i++) {
producer.send(new ProducerRecord<String, String>("first", "wjj"+Integer.toString(i)), new Callback() {
@Override
public void onCompletion(RecordMetadata recordMetadata, Exception e) {
if(e == null){
System.out.println("successufl->"+recordMetadata.offset());
}else{
e.printStackTrace();
}
}
}).get();
}
producer.close();
}
}
同步发送的意思就是，一条消息发送之后，会阻塞当前线程，直至返回ack。
由于send方法返回的是一个Future对象，根据Futrue对象的特点，我们也可以实现同步发送的效果，只需在调用Future对象的get方发即可。
consumer API
Consumer消费数据时的可靠性是很容易保证的，因为数据在Kafka中是持久化的，故不用担心数据丢失问题。
由于consumer在消费过程中可能会出现断电宕机等故障，consumer恢复后，需要从故障前的位置的继续消费，所以consumer需要实时记录自己消费到了哪个offset，以便故障恢复后继续消费。
所以offset的维护是Consumer消费数据是必须考虑的问题。
需要用到的类
KafkaConsumer：需要创建一个消费者对象，用来消费数据
ConsumerConfig：获取所需的一系列配置参数
ConsuemrRecord：每条数据都要封装成一个ConsumerRecord对象
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import java.util.Arrays;
import java.util.Properties;
public class ConsumerAutoofferset {
public static void main(String[] args) {
Properties properties = new Properties();
properties.put("bootstrap.servers","lwbd1:6667,lwbd2:6667,lwbd6:6667");
properties.put("group.id","wjj");
//消费者组，只要group.id相同，就属于同一个消费者组
properties.put("enable.auto.commit", "false");
//自动提交offset
properties.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
properties.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);
kafkaConsumer.subscribe(Arrays.asList("first"));
while (true){
ConsumerRecords<String, String> records = kafkaConsumer.poll(100);
for (ConsumerRecord<String, String> record : records) {
System.out.println(record.offset() + ":" + record.key() + ":" + record.value());
}
kafkaConsumer.commitAsync(); //异步同步
//同步消费
//kafkaConsumer.commitSync();
}
}
}为了使我们能够专注于自己的业务逻辑，Kafka提供了自动提交offset的功能。
自动提交offset的相关参数：
enable.auto.commit：是否开启自动提交offset功能
auto.commit.interval.ms：自动提交offset的时间间隔
以下为自动提交offset的代码：
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import java.util.Arrays;
import java.util.Properties;
public class ConsumerAutoofferset {
public static void main(String[] args) {
Properties properties = new Properties();
properties.put("bootstrap.servers","lwbd1:6667,lwbd2:6667,lwbd6:6667");
properties.put("group.id","wjj");
//消费者组，只要group.id相同，就属于同一个消费者组
properties.put("enable.auto.commit", "true");
//自动提交offset
properties.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
properties.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);
kafkaConsumer.subscribe(Arrays.asList("first"));
while (true){
ConsumerRecords<String, String> records = kafkaConsumer.poll(100);
for (ConsumerRecord<String, String> record : records) {
System.out.println("111111111111111111111111111111111111"+record.offset() + ":" + record.key() + ":" + record.value());
}
//kafkaConsumer.commitAsync(); //异步同步
//同步消费
//kafkaConsumer.commitSync();
}
}
}拦截器原理
producer拦截器是在kafka 0.10版本被引入的，主要用于实现clients端的定制化控制逻辑
对于producer而言，interceptor使用用户
对于producer而言，interceptor使得用户在消息发送前以及producer回调逻辑前有机会对消息做一些定制化需求，比如修改消息等。同时，producer允许用户指定多个interceptor按序作用于同一条消息从而形成一个拦截链(interceptor chain)。Intercetpor的实现接口是org.apache.kafka.clients.producer.ProducerInterceptor，其定义的方法包括：
（1）configure(configs)
获取配置信息和初始化数据时调用。
（2）onSend(ProducerRecord)：
该方法封装进KafkaProducer.send方法中，即它运行在用户主线程中。Producer确保在消息被序列化以及计算分区前调用该方法。用户可以在该方法中对消息做任何操作，但最好保证不要修改消息所属的topic和分区，否则会影响目标分区的计算。
（3）onAcknowledgement(RecordMetadata, Exception)：
该方法会在消息从RecordAccumulator成功发送到Kafka Broker之后，或者在发送过程中失败时调用。并且通常都是在producer回调逻辑触发之前。onAcknowledgement运行在producer的IO线程中，因此不要在该方法中放入很重的逻辑，否则会拖慢producer的消息发送效率。
（4）close：
关闭interceptor，主要用于执行一些资源清理工作
如前所述，interceptor可能被运行在多个线程中，因此在具体实现时用户需要自行确保线程安全。另外倘若指定了多个interceptor，则producer将按照指定顺序调用它们，并仅仅是捕获每个interceptor可能抛出的异常记录到错误日志中而非在向上传递。这在使用过程中要特别留意。
拦截器案例
1）需求：
实现一个简单的双interceptor组成的拦截链。第一个interceptor会在消息发送前将时间戳信息加到消息value的最前部；第二个interceptor会在消息发送后更新成功发送消息数或失败发送消息数。
import org.apache.kafka.clients.producer.ProducerInterceptor;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;
import java.util.Map;
public class CounterInterceptor implements ProducerInterceptor<String, String>{
private int errorCounter = 0;
private int successCounter = 0;
@Override
public void configure(Map<String, ?> configs) {
}
@Override
public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
return record;
}
@Override
public void onAcknowledgement(RecordMetadata metadata, Exception exception) {
// 统计成功和失败的次数
if (exception == null) {
successCounter++;
} else {
errorCounter++;
}
}
@Override
public void close() {
// 保存结果
System.out.println("Successful sent: " + successCounter);
System.out.println("Failed sent: " + errorCounter);
}
}
package com.wangjunji.interceptor;
import org.apache.kafka.clients.producer.ProducerInterceptor;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;
import java.util.Map;
public class TimeInterceptor implements ProducerInterceptor<String, String> {
@Override
public void configure(Map<String, ?> configs) {
}
@Override
public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
// 创建一个新的record，把时间戳写入消息体的最前部
return new ProducerRecord(record.topic(), record.partition(), record.timestamp(), record.key(),
System.currentTimeMillis() + "," + record.value().toString());
}
@Override
public void onAcknowledgement(RecordMetadata metadata, Exception exception) {
}
@Override
public void close() {
}
}
import org.apache.kafka.clients.producer.*;
import java.util.ArrayList;
import java.util.List;
import java.util.Properties;
import java.util.concurrent.ExecutionException;
public class IOCustomProducer {
public static void main(String[] args) throws ExecutionException, InterruptedException {
Properties props = new Properties();
props.put("bootstrap.servers","lwbd1:6667,lwbd2:6667,lwbd6:6667");
props.put("acks", "all");
props.put("retries", 1);//重试次数
props.put("batch.size", 16384);//批次大小
props.put("linger.ms", 1);//等待时间
props.put("buffer.memory", 33554432);//RecordAccumulator缓冲区大小
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<>(props);
ArrayList<String> interceptorArrayList = new ArrayList<>();
interceptorArrayList.add("com.wangjunji.interceptor.CounterInterceptor");
interceptorArrayList.add("com.wangjunji.interceptor.TimeInterceptor");
props.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG,interceptorArrayList);
for (int i = 0; i < 100; i++) {
producer.send(new ProducerRecord<String, String>("first", "wjj111111111111111111111111111"+Integer.toString(i)), new Callback() {
@Override
public void onCompletion(RecordMetadata recordMetadata, Exception e) {
if(e == null){
System.out.println("successufl->"+recordMetadata.offset());
}else{
e.printStackTrace();
}
}
}) ;
}
producer.close();
}
}
