Kafka快速入门 编译自 官方文档 Apache Kafka 是一个分布式消息发布订阅系统。它最初由LinkedIn公司基于独特的设计实现为一个分布式的提交日志系统( a distributed commit log)，，之后成为Apache项目的一部分。Kafka系统快速、可扩展并且可持久化。它的分区特性，可复制和可容错都是其不错的特性。 Apache Kafka与传统消息系统相比，有以下不同： 它被设计为一个分布式系统，易于向外扩展； 它同时为发布和订阅提供高吞吐量； 它支持多订阅者，当失败时能自动平衡消费者； 它将消息持久化到磁盘，因此可用于批量消费，例如ETL，以及实时应用程序。 First let’s review some basic messaging terminology: 首先来了解一下Kafka所使用的基本术语： Topic Kafka将消息种子(Feed)分门别类， 每一类的消息称之为话题(Topic). Producer 发布消息的对象称之为话题生产者(Kafka topic producer) Consumer 订阅消息并处理发布的消息的种子的对象称之为话题消费者(consumers) Broker 已发布的消息保存在一组服务器中，称之为Kafka集群。集群中的每一个服务器都是一个代理(Broker). 消费者可以订阅一个或多个话题，并从Broker拉数据，从而消费这些已发布的消息。 听起来和JMS消息处理差不多？ 让我们站的高一点，从高的角度来看，Kafka集群的业务处理就像这样子： Kafka集群 Client和Server之间的交流通过一条简单、高性能并且不局限某种开发语言的TCP协议。除了Java Client外，还有非常多的其它编程语言的 Client 。 话题和日志 (Topic和Log) 更深入的了解一下Kafka中的Topic. Topic是发布的消息的类别或者种子Feed名。对于每一个Topic, Kafka集群维护这一个分区的log,就像下图中的示例： Kafka集群 每一个分区都是一个顺序的、不可变的消息队列， 并且可以持续的添加。分区中的消息都被分配了一个序列号，称之为偏移量(offset),在每个分区中此偏移量都是唯一的。 Kafka集群保持所有的消息，直到它们过期， 无论消息是否被消费了。 实际上消费者所持有的仅有的元数据就是这个偏移量，也就是消费者在这个log中的位置。 这个偏移量由消费者控制：正常情况当消费者消费消息的时候，偏移量也线性的的增加。但是实际偏移量由消费者控制，消费者可以将偏移量重置为更老的一个偏移量，重新读取消息。 可以看到这种设计对消费者来说操作自如， 一个消费者的操作不会影响其它消费者对此log的处理。 再说说分区。Kafka中采用分区的设计有几个目的。一是可以处理更多的消息，不受单台服务器的限制。Topic拥有多个分区意味着它可以不受限的处理更多的数据。第二，分区可以作为并行处理的单元，稍后会谈到这一点。 分布式(Distribution) Log的分区被分布到集群中的多个服务器上。每个服务器处理它分到的分区。 根据配置每个分区还可以复制到其它服务器作为备份容错。 每个分区有一个leader，零或多个follower。Leader处理此分区的所有的读写请求而follower被动的复制数据。如果leader当机，其它的一个follower会被推举为新的leader。 一台服务器可能同时是一个分区的leader，另一个分区的follower。 这样可以平衡负载，避免所有的请求都只让一台或者某几台服务器处理。 生产者(Producers) 生产者往某个Topic上发布消息。生产者也负责选择发布到这此Topic上的哪一个分区。最简单的方式从分区列表中轮流选择。也可以根据某种算法依照权重选择分区。开发者负责如何选择分区的算法。 消费者(Consumers) 通常来讲，消息模型可以分为两种， 队列和发布-订阅式。 队列的处理方式是 一组消费者从服务器读取消息，一条消息只有其中的一个消费者来处理。在发布-订阅模型中，消息被广播给所有的消费者，接收到消息的消费者都可以处理此消息。Kafka为这两种模型提供了单一的消费者抽象模型： 消费者组 （consumer group）。 消费者用一个消费者组名标记自己。 一个发布在Topic上消息被分发给此消费者组中的一个消费者。 假如所有的消费者都在一个组中，那么这就变成了queue模型。 假如所有的消费者都在不同的组中，那么就完全变成了发布-订阅模型。 更通用的， 我们可以创建一些消费者组作为逻辑上的订阅者。每个组包含数目不等的消费者， 一个组内多个消费者可以用来扩展性能和容错。正如下图所示： A two server Kafka cluster hosting four partitions (P0-P3) with two consumer groups. Consumer group A has two consumer instances and group B has four 正像传统的消息系统一样，Kafka保证消息的顺序不变。 再详细扯几句。传统的队列模型保持消息，并且保证它们的先后顺序不变。但是， 尽管服务器保证了消息的顺序，消息还是异步的发送给各个消费者，消费者收到消息的先后顺序不能保证了。这也意味着并行消费将不能保证消息的先后顺序。用过传统的消息系统的同学肯定清楚，消息的顺序处理很让人头痛。如果只让一个消费者处理消息，又违背了并行处理的初衷。 在这一点上Kafka做的更好，尽管并没有完全解决上述问题。 Kafka采用了一种分而治之的策略：分区。 因为Topic分区中消息只能由消费者组中的唯一一个消费者处理，所以消息肯定是按照先后顺序进行处理的。但是它也仅仅是保证Topic的一个分区顺序处理，不能保证跨分区的消息先后处理顺序。 所以，如果你想要顺序的处理Topic的所有消息，那就只提供一个分区。 Kafka的保证(Guarantees) 生产者发送到一个特定的Topic的分区上的消息将会按照它们发送的顺序依次加入 消费者收到的消息也是此顺序 如果一个Topic配置了复制因子( replication facto)为N， 那么可以允许N-1服务器当掉而不丢失任何已经增加的消息 用例 (Use CASE) Kafka可以用于： 消息系统， 例如ActiveMQ 和 RabbitMQ. 站点的用户活动追踪。 用来记录用户的页面浏览，搜索，点击等。 操作审计。 用户/管理员的网站操作的监控。 日志聚合。收集数据，集中处理。 流处理。 [Event sourcing] ( http://martinfowler.com/eaaDev/EventSourcing.html ) Commit Log 讲了Kafka的背景知识这么多，我们还是快点开始实践之旅吧。 假定你还没有任何的Kafka和Zookeeper环境。 第一步: 下载代码 下载 0.8.1 版本并解压。 （当前最新的稳定版本是0.8.1.1） 1 2
tar -xzf kafka_2. 9.2 - 0.8 . 1.1 .tgz
cd kafka_2. 9.2 - 0.8 . 1.1 第二步: 启动服务 Kafka使用Zookeeper所以你可能先要安装一个ZooKeeper.你可以使用kafka中打包好的脚本或者一个配置好的Zookeeper. 1 2 3 bin/zookeeper-server-start.sh config/zookeeper.properties [ 2013 - 04 - 22
15 : 01 : 37 , 495 ] INFO Reading configuration from: config/zookeeper.properties (org.apache.zookeeper.server.quorum.QuorumPeerConfig) … 现在可以启动Kafka了: 1 2 3 4
bin/kafka-server-start.sh config/server.properties [ 2013 - 04 - 22
15 : 01 : 47 , 028 ] INFO Verifying properties (kafka.utils.VerifiableProperties) [ 2013 - 04 - 22
15 : 01 : 47 , 051 ] INFO Property socket.send.buffer.bytes is overridden to 1048576 (kafka.utils.VerifiableProperties) … 第三步: 新建一个话题Topic Topic的名字叫”test”,只有一个分区和一个备份。 1
bin/kafka-topics.sh –create –zookeeper localhost: 2181 –replication-factor 1 –partitions 1 –topic test 查看存在的Topic列表: 1 2 bin/kafka-topics.sh –list –zookeeper localhost: 2181 test 除了手工创建Topic，你也可以配置你的broker当发布一个不存在的topic时自动创建topic。 第四步: 发送消息 Kafka提供了一个命令行的工具，可以从输入文件或者命令行中读取消息并发送给Kafka集群。每一行是一条消息。 1 2 3 bin/kafka-console-producer.sh –broker-list localhost: 9092 –topic test This is a message This is another message 第五步: 消费消息 Kafka也提供了一个消费消息的命令行工具。 1 2 3 bin/kafka-console-consumer.sh –zookeeper localhost: 2181 –topic test –from-beginning This is a message This is another message 这些命令行工具有很多的选项，你可以查看他们的文档来了解更多的功能。 第六步: 设置多个broker 目前我们运行在一个broker，不好玩。 让我们来点大的。 首先为每个broker创建一个配置文件。 1 2 cp config/server.properties config/server- 1 .properties cp config/server.properties config/server- 2 .properties 修改文件如下: 1 2 3 4 5 6 7 8 9 config/server- 1 .properties: broker. id= 1 port= 9093 log. dir= /tmp/kafka-logs- 1 config/server- 2 .properties: broker. id= 2 port= 9094 log. dir= /tmp/kafka-logs- 2 broker.id属性别重样。为了在一台机器上启动两个broker，改了一下它们的port的。 Zookeeper还在，上面用的broker还活着。 来启动这两个broker. 1 2 3 4 bin/kafka-server-start.sh config/server- 1 .properties & … bin/kafka-server-start.sh config/server- 2 .properties & … 创建一个topic试试， 奢侈一把，把备份设置为3: 1 bin/kafka-topics.sh –create –zookeeper localhost: 2181 –replication-factor 3 –partitions 1 –topic my-replicated-topic 成了。运行 “describe topics” 命令瞧瞧: 1 2 3 bin/kafka-topics.sh –describe –zookeeper localhost: 2181 –topic my-replicated-topic Topic:my-replicated-topic PartitionCount: 1 ReplicationFactor: 3 Configs: Topic: my-replicated-topic Partition: 0 Leader: 1 Replicas: 1 , 2 , 0 Isr: 1 , 2 , 0 第一行给出了分区的汇总信息。每个分区行给出分区信息。 “leader” 节点是1. “replicas” 信息，在节点1,2,0上，不管node死活，只是列出信息而已. “isr” 工作中的复制节点的集合. 也就是活的节点的集合. 来看看一开始创建的节点: 1 2 3 bin/kafka-topics.sh –describe –zookeeper localhost: 2181 –topic test Topic:test PartitionCount: 1 ReplicationFactor: 1 Configs: Topic: test Partition: 0 Leader: 0 Replicas: 0 Isr: 0 毫无新意，想必你已经明了了。 发布个消息: 1 2 3 4 5 bin/kafka-console-producer.sh –broker-list localhost: 9092 –topic my-replicated-topic … my test message 1 my test message 2 ^C 消费它: 1 2 3 4 5 bin/kafka-console-consumer.sh –zookeeper localhost: 2181 –from-beginning –topic my-replicated-topic … my test message 1 my test message 2 ^C 测试一下容错. 干掉leader,也就是Broker 1: 1 2 3 ps | grep server- 1 .properties 7564 ttys002 0 : 15.91 /System/Library/Frameworks/JavaVM.framework/Versions/ 1.6 /Home/bin/java… kill - 9
7564 Leader被切换到一个follower上节, 点 1 不会被列在isr中了，因为它死了: 1 2 3
bin/kafka-topics.sh –describe –zookeeper localhost: 2181 –topic my-replicated-topic Topic:my-replicated-topic PartitionCount: 1 ReplicationFactor: 3 Configs: Topic: my-replicated-topic Partition: 0 Leader: 2 Replicas: 1 , 2 , 0 Isr: 2 , 0 但是，消息没丢啊，不信你试试: 1 2 3 4 5 bin/kafka-console-consumer.sh –zookeeper localhost: 2181 –from-beginning –topic my-replicated-topic … my test message 1 my test message 2 ^C 生产者的例子 查看这里 消费者的例子 查看这里