Kafka 笔记
消息队列消息队列——用于存放消息的组件程序员可以将消息放入到队列中，也可以从消息队列中获取消息很多时候消息队列不是一个永久性的存储，是作为临时存储存在的（设定一个期限：设置消息在MQ中保存10天）消息队列中间件：消息队列的组件，例如：Kafka、Active MQ、RabbitMQ、RocketMQ、ZeroMQ
Kafka的应用场景
异步处理
可以将一些比较耗时的操作放在其他系统中，通过消息队列将需要进行处理的消息进行存储，其他系统可以消费消息队列中的数据比较常见的：发送短信验证码、发送邮件
系统解耦
原先一个微服务是通过接口（HTTP）调用另一个微服务，这时候耦合很严重，只要接口发生变化就会导致系统不可用使用消息队列可以将系统进行解耦合，现在第一个微服务可以将消息放入到消息队列中，另一个微服务可以从消息队列中把消息取出来进行处理。进行系统解耦
流量削峰
因为消息队列是低延迟、高可靠、高吞吐的，可以应对大量并发
日志处理
可以使用消息队列作为临时存储，或者一种通信管道
消息队列的两种模型
[*]生产者、消费者模型
生产者负责将消息生产到MQ中消费者负责从MQ中获取消息生产者和消费者是解耦的，可能是生产者一个程序、消费者是另外一个程序
[*]消息队列的模式
点对点：一个消费者消费一个消息发布订阅：多个消费者可以消费一个消息
Kafka集群搭建
Kafka集群是必须要有ZooKeeper的
注意：
每一个Kafka的节点都需要修改broker.id（每个节点的标识，不能重复）log.dir数据存储目录需要配置
Kafka的生产者/消费者/工具
[*]安装Kafka集群，可以测试以下
创建一个topic主题（消息都是存放在topic中，类似mysql建表的过程）基于kafka的内置测试生产者脚本来读取标准输入（键盘输入）的数据，并放入到topic中基于kafka的内置测试消费者脚本来消费topic中的数据
[*]推荐大家开发的使用Kafka Tool
浏览Kafka集群节点、多少个topic、多少个分区创建topic/删除topic浏览ZooKeeper中的数据
Kafka的基准测试工具
[*]Kafka中提供了内置的性能测试工具
生产者：测试生产每秒传输的数据量（多少条数据、多少M的数据）
5000000 records sent, 11825.446943 records/sec (11.28 MB/sec), 2757.61 ms avg latency
消费者：测试消费每条拉取的数据量对比生产者和消费者：消费者的速度更快
Kafka Java API开发
生产者程序开发
[*]创建连接
bootstrap.servers：Kafka的服务器地址acks：表示当生产者生产数据到Kafka中，Kafka中会以什么样的策略返回key.serializer：Kafka中的消息是以key、value键值对存储的，而且生产者生产的消息是需要在网络上传到的，这里指定的是StringSerializer方式，就是以字符串方式发送（将来还可以使用其他的一些序列化框架：Google ProtoBuf、Avro）value.serializer：同上
创建一个生产者对象KafkaProducer调用send方法发送消息（ProducerRecor，封装是key-value键值对）调用Future.get表示等带服务端的响应关闭生产者
public class KafkaProducerTest { public static void main(String[] args) throws ExecutionException, InterruptedException { // 1. 创建用于连接Kafka的Properties配置 Properties props = new Properties(); props.put("bootstrap.servers", "node1.itcast.cn:9092"); props.put("acks", "all"); props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); // 2. 创建一个生产者对象KafkaProducer KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(props); // 3. 发送1-100的消息到指定的topic中 for(int i = 0; i < 100; ++i) { // 构建一条消息，直接new ProducerRecord ProducerRecord<String, String> producerRecord = new ProducerRecord<>("test", null, i + ""); Future<RecordMetadata> future = kafkaProducer.send(producerRecord); // 调用Future的get方法等待响应 future.get(); System.out.println("第" + i + "条消息写入成功！"); } // 4.关闭生产者 kafkaProducer.close(); }}消费者程序开发
group.id：消费者组的概念，可以在一个消费组中包含多个消费者。如果若干个消费者的group.id是一样的，表示它们就在一个组中，一个组中的消费者是共同消费Kafka中topic的数据。Kafka是一种拉消息模式的消息队列，在消费者中会有一个offset，表示从哪条消息开始拉取数据kafkaConsumer.poll：Kafka的消费者API是一批一批数据的拉取
/** * 消费者程序 * * 1.创建Kafka消费者配置 * Properties props = new Properties(); * props.setProperty("bootstrap.servers", "node1.itcast.cn:9092"); * props.setProperty("group.id", "test"); * props.setProperty("enable.auto.commit", "true"); * props.setProperty("auto.commit.interval.ms", "1000"); * props.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); * props.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); * * 2.创建Kafka消费者 * 3.订阅要消费的主题 * 4.使用一个while循环，不断从Kafka的topic中拉取消息 * 5.将将记录（record）的offset、key、value都打印出来 */public class KafkaConsumerTest { public static void main(String[] args) { // 1.创建Kafka消费者配置 Properties props = new Properties(); props.setProperty("bootstrap.servers", "node1.itcast.cn:9092"); // 消费者组（可以使用消费者组将若干个消费者组织到一起），共同消费Kafka中topic的数据 // 每一个消费者需要指定一个消费者组，如果消费者的组名是一样的，表示这几个消费者是一个组中的 props.setProperty("group.id", "test"); // 自动提交offset props.setProperty("enable.auto.commit", "true"); // 自动提交offset的时间间隔 props.setProperty("auto.commit.interval.ms", "1000"); // 拉取的key、value数据的 props.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); props.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); // 2.创建Kafka消费者 KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(props); // 3. 订阅要消费的主题 // 指定消费者从哪个topic中拉取数据 kafkaConsumer.subscribe(Arrays.asList("test")); // 4.使用一个while循环，不断从Kafka的topic中拉取消息 while(true) { // Kafka的消费者一次拉取一批的数据 ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(5)); // 5.将将记录（record）的offset、key、value都打印出来 for (ConsumerRecord<String, String> consumerRecord : consumerRecords) { // 主题 String topic = consumerRecord.topic(); // offset：这条消息处于Kafka分区中的哪个位置 long offset = consumerRecord.offset(); // key\value String key = consumerRecord.key(); String value = consumerRecord.value(); System.out.println("topic: " + topic + " offset:" + offset + " key:" + key + " value:" + value); } } }}生产者使用异步方式生产消息
[*]使用匿名内部类实现Callback接口，该接口中表示Kafka服务器响应给客户端，会自动调用onCompletion方法
metadata：消息的元数据（属于哪个topic、属于哪个partition、对应的offset是什么）exception：这个对象Kafka生产消息封装了出现的异常，如果为null，表示发送成功，如果不为null，表示出现异常。
// 二、使用异步回调的方式发送消息ProducerRecord<String, String> producerRecord = new ProducerRecord<>("test", null, i + "");kafkaProducer.send(producerRecord, new Callback() { @Override public void onCompletion(RecordMetadata metadata, Exception exception) { // 1. 判断发送消息是否成功 if(exception == null) { // 发送成功 // 主题 String topic = metadata.topic(); // 分区id int partition = metadata.partition(); // 偏移量 long offset = metadata.offset(); System.out.println("topic:" + topic + " 分区id：" + partition + " 偏移量：" + offset); } else { // 发送出现错误 System.out.println("生产消息出现异常！"); // 打印异常消息 System.out.println(exception.getMessage()); // 打印调用栈 System.out.println(exception.getStackTrace()); } }});Kafka中的重要概念
[*]broker
Kafka服务器进程，生产者、消费者都要连接broker一个集群由多个broker组成，功能实现Kafka集群的负载均衡、容错
producer：生产者consumer：消费者
[*]topic：主题，一个Kafka集群中，可以包含多个topic。一个topic可以包含多个分区
是一个逻辑结构，生产、消费消息都需要指定topic
partition：Kafka集群的分布式就是由分区来实现的。一个topic中的消息可以分布在topic中的不同partition中replica：副本，实现Kafkaf集群的容错，实现partition的容错。一个topic至少应该包含大于1个的副本consumer group：消费者组，一个消费者组中的消费者可以共同消费topic中的分区数据。每一个消费者组都一个唯一的名字。配置group.id一样的消费者是属于同一个组中offset：偏移量。相对消费者、partition来说，可以通过offset来拉取数据
消费者组
一个消费者组中可以包含多个消费者，共同来消费topic中的数据一个topic中如果只有一个分区，那么这个分区只能被某个组中的一个消费者消费有多少个分区，那么就可以被同一个组内的多少个消费者消费
幂等性
[*]生产者消息重复问题
Kafka生产者生产消息到partition，如果直接发送消息，kafka会将消息保存到分区中，但Kafka会返回一个ack给生产者，表示当前操作是否成功，是否已经保存了这条消息。如果ack响应的过程失败了，此时生产者会重试，继续发送没有发送成功的消息，Kafka又会保存一条一模一样的消息
[*]在Kafka中可以开启幂等性
当Kafka的生产者生产消息时，会增加一个pid（生产者的唯一编号）和sequence number（针对消息的一个递增序列）发送消息，会连着pid和sequence number一块发送kafka接收到消息，会将消息和pid、sequence number一并保存下来如果ack响应失败，生产者重试，再次发送消息时，Kafka会根据pid、sequence number是否需要再保存一条消息判断条件：生产者发送过来的sequence number 是否小于等于 partition中消息对应的sequence
事务编程
[*]开启事务的条件
生产者
// 开启事务必须要配置事务的IDprops.put("transactional.id", "dwd_user");
消费者
// 配置事务的隔离级别props.put("isolation.level","read_committed");// 关闭自动提交，一会我们需要手动来提交offset，通过事务来维护offsetprops.setProperty("enable.auto.commit", "false");
[*]生产者
初始化事务开启事务需要使用producer来将消费者的offset提交到事务中提交事务如果出现异常回滚事务
如果使用了事务，不要使用异步发送
public class TransactionProgram { public static void main(String[] args) { // 1. 调用之前实现的方法，创建消费者、生产者对象 KafkaConsumer<String, String> consumer = createConsumer(); KafkaProducer<String, String> producer = createProducer(); // 2. 生产者调用initTransactions初始化事务 producer.initTransactions(); // 3. 编写一个while死循环，在while循环中不断拉取数据，进行处理后，再写入到指定的topic while(true) { try { // (1)生产者开启事务 producer.beginTransaction(); // 这个Map保存了topic对应的partition的偏移量 Map<TopicPartition, OffsetAndMetadata> offsetMap = new HashMap<>(); // 从topic中拉取一批的数据 // (2)消费者拉取消息 ConsumerRecords<String, String> concumserRecordArray = consumer.poll(Duration.ofSeconds(5)); // (3)遍历拉取到的消息，并进行预处理 for (ConsumerRecord<String, String> cr : concumserRecordArray) { // 将1转换为男，0转换为女 String msg = cr.value(); String[] fieldArray = msg.split(","); // 将消息的偏移量保存 // 消费的是ods_user中的数据 String topic = cr.topic(); int partition = cr.partition(); long offset = cr.offset(); int i = 1 / 0; // offset + 1：offset是当前消费的记录（消息）对应在partition中的offset，而我们希望下一次能继续从下一个消息消息 // 必须要+1，从能消费下一条消息 offsetMap.put(new TopicPartition(topic, partition), new OffsetAndMetadata(offset + 1)); // 将字段进行替换 if(fieldArray != null && fieldArray.length > 2) { String sexField = fieldArray; if(sexField.equals("1")) { fieldArray = "男"; } else if(sexField.equals("0")){ fieldArray = "女"; } } // 重新拼接字段 msg = fieldArray + "," + fieldArray + "," + fieldArray; // (4)生产消息到dwd_user topic中 ProducerRecord<String, String> dwdMsg = new ProducerRecord<>("dwd_user", msg); // 发送消息 Future<RecordMetadata> future = producer.send(dwdMsg); try { future.get(); } catch (Exception e) { e.printStackTrace(); producer.abortTransaction(); }// new Callback()// {// @Override// public void onCompletion(RecordMetadata metadata, Exception exception) {// // 生产消息没有问题// if(exception == null) {// System.out.println("发送成功:" + dwdMsg);// }// else {// System.out.println("生产消息失败:");// System.out.println(exception.getMessage());// System.out.println(exception.getStackTrace());// }// }// }); } producer.sendOffsetsToTransaction(offsetMap, "ods_user"); // (6)提交事务 producer.commitTransaction(); }catch (Exception e) { e.printStackTrace(); // (7)捕获异常，如果出现异常，则取消事务 producer.abortTransaction(); } } } // 一、创建一个消费者来消费ods_user中的数据 private static KafkaConsumer<String, String> createConsumer() { // 1. 配置消费者的属性（添加对事务的支持） Properties props = new Properties(); props.setProperty("bootstrap.servers", "node1.itcast.cn:9092"); props.setProperty("group.id", "ods_user"); // 配置事务的隔离级别 props.put("isolation.level","read_committed"); // 关闭自动提交，一会我们需要手动来提交offset，通过事务来维护offset props.setProperty("enable.auto.commit", "false"); // 反序列化器 props.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); props.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); // 2. 构建消费者对象 KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(props); // 3. 订阅一个topic kafkaConsumer.subscribe(Arrays.asList("ods_user")); return kafkaConsumer; } // 二、编写createProducer方法，用来创建一个带有事务配置的生产者 private static KafkaProducer<String, String> createProducer() { // 1. 配置生产者带有事务配置的属性 Properties props = new Properties(); props.put("bootstrap.servers", "node1.itcast.cn:9092"); // 开启事务必须要配置事务的ID props.put("transactional.id", "dwd_user"); props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); // 2. 构建生产者 KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(props); return kafkaProducer; }}Kafka中的分区副本机制
生产者的分区写入策略
[*]轮询（按照消息尽量保证每个分区的负载）策略，消息会均匀地分布到每个partition
写入消息的时候，key为null的时候，默认使用的是轮询策略
随机策略（不使用）按key写入策略，key.hash() % 分区的数量自定义分区策略（类似于MapReduce指定分区）
乱序问题
在Kafka中生产者是有写入策略，如果topic有多个分区，就会将数据分散在不同的partition中存储当partition数量大于1的时候，数据（消息）会打散分布在不同的partition中如果只有一个分区，消息是有序的
消费组Consumer Group Rebalance机制
再均衡：在某些情况下，消费者组中的消费者消费的分区会产生变化，会导致消费者分配不均匀（例如：有两个消费者消费3个，因为某个partition崩溃了，还有一个消费者当前没有分区要削峰），Kafka Consumer Group就会启用rebalance机制，重新平衡这个Consumer Group内的消费者消费的分区分配。
[*]触发时机
[*]消费者数量发生变化
某个消费者crash新增消费者
[*]topic的数量发生变化
某个topic被删除
[*]partition的数量发生变化
删除partition新增partition
[*]不良影响
发生rebalance，所有的consumer将不再工作，共同来参与再均衡，直到每个消费者都已经被成功分配所需要消费的分区为止（rebalance结束）
消费者的分区分配策略
分区分配策略：保障每个消费者尽量能够均衡地消费分区的数据，不能出现某个消费者消费分区的数量特别多，某个消费者消费的分区特别少
[*]Range分配策略（范围分配策略）：Kafka默认的分配策略
n：分区的数量 / 消费者数量m：分区的数量 % 消费者数量前m个消费者消费n+1个分区剩余的消费者消费n个分区
[*]RoundRobin分配策略（轮询分配策略）
消费者挨个分配消费的分区
[*]Striky粘性分配策略
在没有发生rebalance跟轮询分配策略是一致的发生了rebalance，轮询分配策略，重新走一遍轮询分配的过程。而粘性会保证跟上一次的尽量一致，只是将新的需要分配的分区，均匀的分配到现有可用的消费者中即可减少上下文的切换
副本的ACK机制
producer是不断地往Kafka中写入数据，写入数据会有一个返回结果，表示是否写入成功。这里对应有一个ACKs的配置。
acks = 0：生产者只管写入，不管是否写入成功，可能会数据丢失。性能是最好的acks = 1：生产者会等到leader分区写入成功后，返回成功，接着发送下一条acks = -1/all：确保消息写入到leader分区、还确保消息写入到对应副本都成功后，接着发送下一条，性能是最差的
根据业务情况来选择ack机制，是要求性能最高，一部分数据丢失影响不大，可以选择0/1。如果要求数据一定不能丢失，就得配置为-1/all。
分区中是有leader和follower的概念，为了确保消费者消费的数据是一致的，只能从分区leader去读写消息，follower做的事情就是同步数据，Backup。
高级API（High-Level API）、低级API（Low-Level API）
[*]高级API就是直接让Kafka帮助管理、处理分配、数据
offset存储在ZK中由kafka的rebalance来控制消费者分配的分区开发起来比较简单，无需开发者关注底层细节无法做到细粒度的控制
[*]低级API：由编写的程序自己控制逻辑
自己来管理Offset，可以将offset存储在ZK、MySQL、Redis、HBase、Flink的状态存储指定消费者拉取某个分区的数据可以做到细粒度的控制原有的Kafka的策略会失效，需要我们自己来实现消费机制
Kafka原理
leader和follower
Kafka中的leader和follower是相对分区有意义，不是相对brokerKafka在创建topic的时候，会尽量分配分区的leader在不同的broker中，其实就是负载均衡leader职责：读写数据follower职责：同步数据、参与选举（leader crash之后，会选举一个follower重新成为分区的leader
[*]注意和ZooKeeper区分
ZK的leader负责读、写，follower可以读取Kafka的leader负责读写、follower不能读写数据（确保每个消费者消费的数据是一致的），Kafka一个topic有多个分区leader，一样可以实现数据操作的负载均衡
AR\ISR\OSR
AR表示一个topic下的所有副本ISR：In Sync Replicas，正在同步的副本（可以理解为当前有几个follower是存活的）OSR：Out of Sync Replicas，不再同步的副本AR = ISR + OSR
leader选举
[*]Controller：controller是kafka集群的老大，是针对Broker的一个角色
Controller是高可用的，是用过ZK来进行选举
[*]Leader：是针对partition的一个角色
Leader是通过ISR来进行快速选举
如果Kafka是基于ZK来进行选举，ZK的压力可能会比较大。例如：某个节点崩溃，这个节点上不仅仅只有一个leader，是有不少的leader需要选举。通过ISR快速进行选举。
[*]leader的负载均衡
如果某个broker crash之后，就可能会导致partition的leader分布不均匀，就是一个broker上存在一个topic下不同partition的leader通过以下指令，可以将leader分配到优先的leader对应的broker，确保leader是均匀分配的
bin/kafka-leader-election.sh --bootstrap-server node1.itcast.cn:9092 --topic test --partition=2 --election-type preferredKafka读写流程
[*]写流程
通过ZooKeeper找partition对应的leader，leader是负责写的producer开始写入数据ISR里面的follower开始同步数据，并返回给leader ACK返回给producer ACK
[*]读流程
通过ZooKeeper找partition对应的leader，leader是负责读的通过ZooKeeper找到消费者对应的offset然后开始从offset往后顺序拉取数据提交offset（自动提交——每隔多少秒提交一次offset、手动提交——放入到事务中提交）
Kafka的物理存储
[*]Kafka的数据组织结构
topicpartition
[*]segment
.log数据文件.index（稀疏索引）.timeindex（根据时间做的索引）
[*]深入了解读数据的流程
消费者的offset是一个针对partition全局offset可以根据这个offset找到segment段接着需要将全局的offset转换成segment的局部offset根据局部的offset，就可以从（.index稀疏索引）找到对应的数据位置开始顺序读取
消息传递的语义性
Flink里面有对应的每种不同机制的保证，提供Exactly-Once保障（二阶段事务提交方式）
At-most once：最多一次（只管把数据消费到，不管有没有成功，可能会有数据丢失）At-least once：最少一次（有可能会出现重复消费）Exactly-Once：仅有一次（事务性性的保障，保证消息有且仅被处理一次）
Kafka的消息不丢失
broker消息不丢失：因为有副本relicas的存在，会不断地从leader中同步副本，所以，一个broker crash，不会导致数据丢失，除非是只有一个副本。生产者消息不丢失：ACK机制（配置成ALL/-1）、配置0或者1有可能会存在丢失
[*]消费者消费不丢失：重点控制offset
At-least once：一种数据可能会重复消费Exactly-Once：仅被一次消费
数据积压
数据积压指的是消费者因为有一些外部的IO、一些比较耗时的操作（Full GC——Stop the world），就会造成消息在partition中一直存在得不到消费，就会产生数据积压在企业中，我们要有监控系统，如果出现这种情况，需要尽快处理。虽然后续的Spark Streaming/Flink可以实现背压机制，但是数据累积太多一定对实时系统它的实时性是有说影响的
数据清理&配额限速
[*]数据清理
[*]Log Deletion（日志删除）：如果消息达到一定的条件（时间、日志大小、offset大小），Kafka就会自动将日志设置为待删除（segment端的后缀名会以 .delete结尾），日志管理程序会定期清理这些日志
默认是7天过期
[*]Log Compaction（日志合并）
如果在一些key-value数据中，一个key可以对应多个不同版本的value经过日志合并，就会只保留最新的一个版本
[*]配额限速
可以限制Producer、Consumer的速率防止Kafka的速度过快，占用整个服务器（broker）的所有IO资源
页:
[1]