分佈式消息隊列kafka

先啓動zookeeper服務器
bin/zookeeper-server-start.sh config/zookeeper.properties &
再啓動kafka服務器
bin/kafka-server-start.sh -daemon config/server.properties &
建立topic
bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 3 --partitions 1 --topic test

replication factor控制有多少個server將會複製各條被寫入Topic的消息。若是該值爲3,那麼能夠有2臺server中止工做的狀況下,消費端以訪問到消息。咱們建議你設置該值爲2或者3,這樣就能夠在重啓服務時而不影響消費端消費數據。html

發送message
bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test 
 
Hello kafka
啓動consumer
bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic test --from-beginning
 
集羣環境須要修改配置文件
# vim config/server.properties
brokerid:這個每一個server(broker)必須惟一的數字
advertised.host.name=這裏寫ip或者域名,默認是讀取hostname,這樣須要全部消費端都配置這個hostname才能訪問  
還有就是zookeeper.connect也要配置
zookeeper.connect=sea2:2181,sea3:2181,sea4:2181,sea5:2181,sea6:2181
 
每一個分區行給出分區信息
bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic
 
下載一個jar包,運行:
java -cp KafkaOffsetMonitor-assembly-0.2.0.jar \
     com.quantifind.kafka.offsetapp.OffsetGetterWeb \
     --zk zk-server1,zk-server2 \
     --port 8080 \
     --refresh 10.seconds \
     --retain 2.days 1>>stdout.log 2>>stderr.log &
裏面引用了googleapi的一個angular.js 被牆了。。。。
 
 
topic:建立時topic名稱
partition:分區編號
offset:表示該parition已經消費了多少條message
logSize:表示該partition已經寫了多少條message
Lag:表示有多少條message沒有被消費。
Owner:表示消費者
Created:該partition建立時間
Last Seen:消費狀態刷新最新時間。
 
下面進行性能測試:
 
建立topic
bin/kafka-topics.sh --zookeeper sea2:2181,sea3:2181,sea4:2181,sea5:2181,sea6:2181  --create --topic test-rep-one --partitions 6 --replication-factor 1
發送消息性能測試:
bin/kafka-producer-perf-test.sh --messages 5000000 --message-size 5000  --batch-size 5000 --topics test-rep-one --threads 8 --broker-list sea4:9092,sea5:9092,sea6:9092
接受消息性能測試:
bin/kafka-consumer-perf-test.sh --zookeeper sea2:2181,sea3:2181,sea4:2181,sea5:2181,sea6:2181  --messages 50000000 --topic test-rep-one --threads 1
 
bin/kafka-producer-perf-test.sh --broker-list sea4:9092,sea5:9092,sea6:9092 --messages 1000000 --topic test-rep-one --threads 3 --message-size 1000 --batch-size 5000 --compression-codec 3 --show-detailed-stats 
bin/kafka-consumer-perf-test.sh --zookeeper sea2:2181,sea3:2181,sea4:2181,sea5:2181,sea6:2181 --messages 1000000 --topic test-rep-one --message-size 1000  --threads 3 --group test --compression-codec 3 --num-fetch-threads 3 --show-detailed-stats   
 
在刪除topic過程發現這個功能只是作了個刪除標記,要手工刪除zk節點數據,跟磁盤上數據,結果從新這個topic 仍是mark deleted 狀態,只好換一個topic用了。
 

主要的設計元素java

Kafka之因此和其它絕大多數信息系統不一樣,是由於下面這幾個爲數很少的比較重要的設計決策:node

  1. Kafka在設計之時爲就將持久化消息做爲一般的使用狀況進行了考慮。
  2. 主要的設計約束是吞吐量而不是功能。
  3. 有關哪些數據已經被使用了的狀態信息保存爲數據使用者(consumer)的一部分,而不是保存在服務器之上。
  4. Kafka是一種顯式的分佈式系統。它假設,數據生產者(producer)、代理(brokers)和數據使用者(consumer)分散於多臺機器之上。
 
配置優化
server.properties中全部配置參數說明(解釋)以下列表:

參數nginx

說明(解釋)git

broker.id =0github

每個broker在集羣中的惟一表示,要求是正數。當該服務器的IP地址發生改變時,broker.id沒有變化,則不會影響consumers的消息狀況apache

log.dirs=/data/kafka-logsjson

kafka數據的存放地址,多個地址的話用逗號分割,多個目錄分佈在不一樣磁盤上能夠提升讀寫性能  /data/kafka-logs-1,/data/kafka-logs-2vim

port =9092api

broker server服務端口

message.max.bytes =6525000

表示消息體的最大大小,單位是字節

num.network.threads =4

broker處理消息的最大線程數,通常狀況下數量爲cpu核數

num.io.threads =8

broker處理磁盤IO的線程數,數值爲cpu核數2倍

background.threads =4

一些後臺任務處理的線程數,例如過時消息文件的刪除等,通常狀況下不須要去作修改

queued.max.requests =500

等待IO線程處理的請求隊列最大數,如果等待IO的請求超過這個數值,那麼會中止接受外部消息,應該是一種自我保護機制。

host.name

broker的主機地址,如果設置了,那麼會綁定到這個地址上,如果沒有,會綁定到全部的接口上,並將其中之一發送到ZK,通常不設置

socket.send.buffer.bytes=100*1024

socket的發送緩衝區,socket的調優參數SO_SNDBUFF

socket.receive.buffer.bytes =100*1024

socket的接受緩衝區,socket的調優參數SO_RCVBUFF

socket.request.max.bytes =100*1024*1024

socket請求的最大數值,防止serverOOM,message.max.bytes必然要小於socket.request.max.bytes,會被topic建立時的指定參數覆蓋

log.segment.bytes =1024*1024*1024

topic的分區是以一堆segment文件存儲的,這個控制每一個segment的大小,會被topic建立時的指定參數覆蓋

log.roll.hours =24*7

這個參數會在日誌segment沒有達到log.segment.bytes設置的大小,也會強制新建一個segment會被 topic建立時的指定參數覆蓋

log.cleanup.policy = delete

日誌清理策略選擇有:delete和compact主要針對過時數據的處理,或是日誌文件達到限制的額度,會被 topic建立時的指定參數覆蓋

log.retention.minutes=300

log.retention.hours=24

數據文件保留多長時間, 存儲的最大時間超過這個時間會根據log.cleanup.policy設置數據清除策略

log.retention.bytes和log.retention.minutes或log.retention.hours任意一個達到要求,都會執行刪除

 

有2刪除數據文件方式:

      按照文件大小刪除:log.retention.bytes

  按照2中不一樣時間粒度刪除:分別爲分鐘,小時

log.retention.bytes=-1

topic每一個分區的最大文件大小,一個topic的大小限制 =分區數*log.retention.bytes。-1沒有大小限log.retention.bytes和log.retention.minutes任意一個達到要求,都會執行刪除,會被topic建立時的指定參數覆蓋

log.retention.check.interval.ms=5minutes

文件大小檢查的週期時間,是否處罰 log.cleanup.policy中設置的策略

log.cleaner.enable=false

是否開啓日誌清理

log.cleaner.threads = 2

日誌清理運行的線程數

log.cleaner.io.max.bytes.per.second=None

日誌清理時候處理的最大大小

log.cleaner.dedupe.buffer.size=500*1024*1024

日誌清理去重時候的緩存空間,在空間容許的狀況下,越大越好

log.cleaner.io.buffer.size=512*1024

日誌清理時候用到的IO塊大小通常不須要修改

log.cleaner.io.buffer.load.factor =0.9

日誌清理中hash表的擴大因子通常不須要修改

log.cleaner.backoff.ms =15000

檢查是否處罰日誌清理的間隔

log.cleaner.min.cleanable.ratio=0.5

日誌清理的頻率控制,越大意味着更高效的清理,同時會存在一些空間上的浪費,會被topic建立時的指定參數覆蓋

log.cleaner.delete.retention.ms =1day

對於壓縮的日誌保留的最長時間,也是客戶端消費消息的最長時間,同log.retention.minutes的區別在於一個控制未壓縮數據,一個控制壓縮後的數據。會被topic建立時的指定參數覆蓋

log.index.size.max.bytes =10*1024*1024

對於segment日誌的索引文件大小限制,會被topic建立時的指定參數覆蓋

log.index.interval.bytes =4096

當執行一個fetch操做後,須要必定的空間來掃描最近的offset大小,設置越大,表明掃描速度越快,可是也更好內存,通常狀況下不須要搭理這個參數

log.flush.interval.messages=None

例如log.flush.interval.messages=1000

表示每當消息記錄數達到1000時flush一次數據到磁盤

log文件」sync」到磁盤以前累積的消息條數,由於磁盤IO操做是一個慢操做,但又是一個」數據可靠性"的必要手段,因此此參數的設置,須要在"數據可靠性"與"性能"之間作必要的權衡.若是此值過大,將會致使每次"fsync"的時間較長(IO阻塞),若是此值太小,將會致使"fsync"的次數較多,這也意味着總體的client請求有必定的延遲.物理server故障,將會致使沒有fsync的消息丟失.

log.flush.scheduler.interval.ms =3000

檢查是否須要固化到硬盤的時間間隔

log.flush.interval.ms = None

例如:log.flush.interval.ms=1000

表示每間隔1000毫秒flush一次數據到磁盤

僅僅經過interval來控制消息的磁盤寫入時機,是不足的.此參數用於控制"fsync"的時間間隔,若是消息量始終沒有達到閥值,可是離上一次磁盤同步的時間間隔達到閥值,也將觸發.

log.delete.delay.ms =60000

文件在索引中清除後保留的時間通常不須要去修改

log.flush.offset.checkpoint.interval.ms =60000

控制上次固化硬盤的時間點,以便於數據恢復通常不須要去修改

auto.create.topics.enable =true

是否容許自動建立topic,如果false,就須要經過命令建立topic

default.replication.factor =1

是否容許自動建立topic,如果false,就須要經過命令建立topic

num.partitions =1

每一個topic的分區個數,如果在topic建立時候沒有指定的話會被topic建立時的指定參數覆蓋

 

 

如下是kafka中Leader,replicas配置參數

 

controller.socket.timeout.ms =30000

partition leader與replicas之間通信時,socket的超時時間

controller.message.queue.size=10

partition leader與replicas數據同步時,消息的隊列尺寸

replica.lag.time.max.ms =10000

replicas響應partition leader的最長等待時間,如果超過這個時間,就將replicas列入ISR(in-sync replicas),並認爲它是死的,不會再加入管理中

replica.lag.max.messages =4000

若是follower落後與leader太多,將會認爲此follower[或者說partition relicas]已經失效

##一般,在follower與leader通信時,由於網絡延遲或者連接斷開,總會致使replicas中消息同步滯後

##若是消息以後太多,leader將認爲此follower網絡延遲較大或者消息吞吐能力有限,將會把此replicas遷移

##到其餘follower中.

##在broker數量較少,或者網絡不足的環境中,建議提升此值.

replica.socket.timeout.ms=30*1000

follower與leader之間的socket超時時間

replica.socket.receive.buffer.bytes=64*1024

leader複製時候的socket緩存大小

replica.fetch.max.bytes =1024*1024

replicas每次獲取數據的最大大小

replica.fetch.wait.max.ms =500

replicas同leader之間通訊的最大等待時間,失敗了會重試

replica.fetch.min.bytes =1

fetch的最小數據尺寸,若是leader中還沒有同步的數據不足此值,將會阻塞,直到知足條件

num.replica.fetchers=1

leader進行復制的線程數,增大這個數值會增長follower的IO

replica.high.watermark.checkpoint.interval.ms =5000

每一個replica檢查是否將最高水位進行固化的頻率

controlled.shutdown.enable =false

是否容許控制器關閉broker ,如果設置爲true,會關閉全部在這個broker上的leader,並轉移到其餘broker

controlled.shutdown.max.retries =3

控制器關閉的嘗試次數

controlled.shutdown.retry.backoff.ms =5000

每次關閉嘗試的時間間隔

leader.imbalance.per.broker.percentage =10

leader的不平衡比例,如果超過這個數值,會對分區進行從新的平衡

leader.imbalance.check.interval.seconds =300

檢查leader是否不平衡的時間間隔

offset.metadata.max.bytes

客戶端保留offset信息的最大空間大小

kafka中zookeeper參數配置

 

zookeeper.connect = localhost:2181

zookeeper集羣的地址,能夠是多個,多個之間用逗號分割hostname1:port1,hostname2:port2,hostname3:port3

zookeeper.session.timeout.ms=6000

ZooKeeper的最大超時時間,就是心跳的間隔,如果沒有反映,那麼認爲已經死了,不易過大

zookeeper.connection.timeout.ms =6000

ZooKeeper的鏈接超時時間

zookeeper.sync.time.ms =2000

ZooKeeper集羣中leader和follower之間的同步實際那

配置優化都是修改server.properties文件中參數值
1.網絡和io操做線程配置優化
# broker處理消息的最大線程數
num.network.threads=xxx
# broker處理磁盤IO的線程數
num.io.threads=xxx
建議配置:
通常num.network.threads主要處理網絡io,讀寫緩衝區數據,基本沒有io等待,配置線程數量爲cpu核數加1.
num.io.threads主要進行磁盤io操做,高峯期可能有些io等待,所以配置須要大些。配置線程數量爲cpu核數2倍,最大不超過3倍.

2.log數據文件刷新策略
爲了大幅度提升producer寫入吞吐量,須要按期批量寫文件。
建議配置:
# 每當producer寫入10000條消息時,刷數據到磁盤
log.flush.interval.messages=10000
# 每間隔1秒鐘時間,刷數據到磁盤
log.flush.interval.ms=1000

3.日誌保留策略配置
當kafka server的被寫入海量消息後,會生成不少數據文件,且佔用大量磁盤空間,若是不及時清理,可能磁盤空間不夠用,kafka默認是保留7天。
建議配置:
# 保留三天,也能夠更短 
log.retention.hours=72
# 段文件配置1GB,有利於快速回收磁盤空間,重啓kafka加載也會加快(若是文件太小,則文件數量比較多,
# kafka啓動時是單線程掃描目錄(log.dir)下全部數據文件)
log.segment.bytes=1073741824

4.配置jmx服務
kafka server中默認是不啓動jmx端口的,須要用戶本身配置
vim bin/kafka-run-class.sh
#最前面添加一行
JMX_PORT=8060
 
  kafka讀寫的單位是partition,所以,將一個topic拆分爲多個partition能夠提升吞吐量。可是,這裏有個前提,就是不一樣partition需       要位於不一樣的磁盤(能夠在同一個機器)。若是多個partition位於同一個磁盤,那麼意味着有多個進程同時對一個磁盤的多個文         件進行讀寫,使得操做系統會對磁盤讀寫進行頻繁調度,也就是破壞了磁盤讀寫的連續性。
      在linkedlin的測試中,每臺機器就加載了6個磁盤,而且不作raid,就是爲了充分利用多磁盤併發讀寫,又保證每一個磁盤連續讀寫       的特性。
       
      具體配置上,是將不一樣磁盤的多個目錄配置到broker的log.dirs,例如
      log.dirs=/disk1/kafka-logs,/disk2/kafka-logs,/disk3/kafka-logs
      kafka會在新建partition的時候,將新partition分佈在partition最少的目錄上,所以,通常不能將同一個磁盤的多個目錄設置到log.dirs
 
  1. kafka直接推送日誌文件:tail -n 0 -f /www/nh-nginx02/access.log | bin/kafka-console-producer.sh --broker-list 192.168.1.1:9092 --topic sb-nginx03
 
 一旦你消費過返些數據,那你就沒法再次用同一個groupid消費同一組數據了。我已經把結論說出來了,要消費同一組數據,你能夠採用丌同的group
 
kafka分區管理:
 
增長分區:add_partition.sh 
cd `dirname $0`
TOPIC=$1
PARTITIONS=$2
bin/kafka-topics.sh --zookeeper zk2.sea:2181  --alter --partitions ${PARTITIONS} --topic ${TOPIC}
 
增長節點:get_add_node_json.sh 
cd `dirname $0`
TOPIC=$1
#TOPIC=soa_logs
BROKER_LIST=$2
#BROKER_LIST="173,154,155"
ZK=zk1.sea:2181
JSON=migration-${TOPIC}.json
echo "{\"topics\": [ { \"topic\": \"${TOPIC}\" } ], \"version\":1}" > ${JSON}
bin/kafka-reassign-partitions.sh --zookeeper $ZK --topics-to-move-json-file ${JSON} --broker-list ${BROKER_LIST} --generate
 
執行get_add_node_json.sh生成json字符串 ,寫到migration-log173_v1_new.json
 
從新分配節點:set_add_node_json.sh 
cd `dirname $0`
TOPIC=$1
NEW_JSON=migration-${TOPIC}_new.json
bin/kafka-reassign-partitions.sh --zookeeper zk2.sea:2181 --reassignment-json-file ${NEW_JSON} --execute
 
增長replication factor ,修改副本數量,kafka HA 
partition 0的replica數從1增加到3,當前replica存在broker5,在broker6,7上增長replica
cat increase-replication-factor.json
{"version":1, "partitions":[{"topic":"foo","partition":0,"replicas":[5,6,7]}]}
bin/kafka-reassign-partitions.sh --zookeeper localhost:2181 --reassignment-json-file increase-replication-factor.json --execute
 
kafka容量規劃:
對於普通量級數據,一天幾百萬~幾千萬的數據量,只須要0個分區,2個副本作高可用,爲保證磁盤連續讀寫特性,最好單獨提供磁盤只作kafka數據存儲,一個分區一個磁盤
bin/kafka-topics.sh --zookeeper zk1:2181 --create --topic test0 --partitions 0 --replication-factor 2
保證消息的順序,那就用一個 partition 。 kafka 的每一個 partition 只能同時被同一個 group 中的一個 consumer 消費
相關文章
相關標籤/搜索