kafka實戰

時間 2019-11-26

標籤 kafka 實戰欄目 Kafka 简体版

原文原文鏈接

1. kafka介紹

1.1. 主要功能

根據官網的介紹，ApacheKafka®是一個分佈式流媒體平臺，它主要有3種功能：java

　　1：It lets you publish and subscribe to streams of records.發佈和訂閱消息流，這個功能相似於消息隊列，這也是kafka歸類爲消息隊列框架的緣由react

　　2：It lets you store streams of records in a fault-tolerant way.以容錯的方式記錄消息流，kafka以文件的方式來存儲消息流linux

　　3：It lets you process streams of records as they occur.能夠再消息發佈的時候進行處理spring

1.2. 使用場景

1：Building real-time streaming data pipelines that reliably get data between systems or applications.在系統或應用程序之間構建可靠的用於傳輸實時數據的管道，消息隊列功能apache

2：Building real-time streaming applications that transform or react to the streams of data。構建實時的流數據處理程序來變換或處理數據流，數據處理功能bootstrap

1.3. 詳細介紹

Kafka目前主要做爲一個分佈式的發佈訂閱式的消息系統使用，下面簡單介紹一下kafka的基本機制windows

　　1.3.1 消息傳輸流程服務器

　　　　Producer即生產者，向Kafka集羣發送消息，在發送消息以前，會對消息進行分類，即Topic，上圖展現了兩個producer發送了分類爲topic1的消息，另一個發送了topic2的消息。網絡

　　　　Topic即主題，經過對消息指定主題能夠將消息分類，消費者能夠只關注本身須要的Topic中的消息app

　　　　Consumer即消費者，消費者經過與kafka集羣創建長鏈接的方式，不斷地從集羣中拉取消息，而後能夠對這些消息進行處理。

　　　　從上圖中就能夠看出同一個Topic下的消費者和生產者的數量並非對應的。

　　1.3.2 kafka服務器消息存儲策略

　　　　談到kafka的存儲，就不得不提到分區，即partitions，建立一個topic時，同時能夠指定分區數目，分區數越多，其吞吐量也越大，可是須要的資源也越多，同時也會致使更高的不可用性，kafka在接收到生產者發送的消息以後，會根據均衡策略將消息存儲到不一樣的分區中。

　　在每一個分區中，消息以順序存儲，最晚接收的的消息會最後被消費。

　　1.3.3 與生產者的交互

　　　　生產者在向kafka集羣發送消息的時候，能夠經過指定分區來發送到指定的分區中

　　　　也能夠經過指定均衡策略來將消息發送到不一樣的分區中

　　　　若是不指定，就會採用默認的隨機均衡策略，將消息隨機的存儲到不一樣的分區中

　　1.3.4 與消費者的交互

　　　　在消費者消費消息時，kafka使用offset來記錄當前消費的位置

　　　　在kafka的設計中，能夠有多個不一樣的group來同時消費同一個topic下的消息，如圖，咱們有兩個不一樣的group同時消費，他們的的消費的記錄位置offset各不項目，不互相干擾。

　　　　對於一個group而言，消費者的數量不該該多餘分區的數量，由於在一個group中，每一個分區至多隻能綁定到一個消費者上，即一個消費者能夠消費多個分區，一個分區只能給一個消費者消費

　　　　所以，若一個group中的消費者數量大於分區數量的話，多餘的消費者將不會收到任何消息。

2. Kafka安裝與使用

2.1. 下載

　　你能夠在kafka官網 http://kafka.apache.org/downloads下載到最新的kafka安裝包，選擇下載二進制版本的tgz文件，根據網絡狀態可能須要fq，這裏咱們選擇的版本是0.11.0.1，目前的最新版

2.2. 安裝

　　Kafka是使用scala編寫的運行與jvm虛擬機上的程序，雖然也能夠在windows上使用，可是kafka基本上是運行在linux服務器上，所以咱們這裏也使用linux來開始今天的實戰。

　　首先確保你的機器上安裝了jdk，kafka須要java運行環境，之前的kafka還須要zookeeper，新版的kafka已經內置了一個zookeeper環境，因此咱們能夠直接使用

　　說是安裝，若是隻須要進行最簡單的嘗試的話咱們只須要解壓到任意目錄便可，這裏咱們將kafka壓縮包解壓到/home目錄

2.3. 配置

　　在kafka解壓目錄下下有一個config的文件夾，裏面放置的是咱們的配置文件

　　consumer.properites 消費者配置，這個配置文件用於配置於2.5節中開啓的消費者，此處咱們使用默認的便可

　　producer.properties 生產者配置，這個配置文件用於配置於2.5節中開啓的生產者，此處咱們使用默認的便可

　　server.properties kafka服務器的配置，此配置文件用來配置kafka服務器，目前僅介紹幾個最基礎的配置

1. broker.id 申明當前kafka服務器在集羣中的惟一ID，需配置爲integer,而且集羣中的每個kafka服務器的id都應是惟一的，咱們這裏採用默認配置便可
2. listeners 申明此kafka服務器須要監聽的端口號，若是是在本機上跑虛擬機運行能夠不用配置本項，默認會使用localhost的地址，若是是在遠程服務器上運行則必須配置，例如：

　　　　　　　　　　listeners=PLAINTEXT:// 192.168.180.128:9092。並確保服務器的9092端口可以訪問

　　　　　　3.zookeeper.connect 申明kafka所鏈接的zookeeper的地址，需配置爲zookeeper的地址，因爲本次使用的是kafka高版本中自帶zookeeper，使用默認配置便可

　　　　　　　　　　zookeeper.connect=localhost:2181

2.4. 運行

啓動zookeeper

cd進入kafka解壓目錄，輸入

bin/zookeeper-server-start.sh config/zookeeper.properties

啓動zookeeper成功後會看到以下的輸出

　　　　2.啓動kafka

cd進入kafka解壓目錄，輸入

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

啓動kafka成功後會看到以下的輸出

2.5. 第一個消息

　　　2.5.1 建立一個topic

　　　　Kafka經過topic對同一類的數據進行管理，同一類的數據使用同一個topic能夠在處理數據時更加的便捷

　　　　在kafka解壓目錄打開終端，輸入

　　　　bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test

　　　　建立一個名爲test的topic

　在建立topic後能夠經過輸入

bin/kafka-topics.sh --list --zookeeper localhost:2181

來查看已經建立的topic

　　2.4.2 建立一個消息消費者

　　　在kafka解壓目錄打開終端，輸入

　　　　bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test --from-beginning

　　　能夠建立一個用於消費topic爲test的消費者

消費者建立完成以後，由於尚未發送任何數據，所以這裏在執行後沒有打印出任何數據

不過彆着急，不要關閉這個終端，打開一個新的終端，接下來咱們建立第一個消息生產者

　　2.4.3 建立一個消息生產者

　　　　在kafka解壓目錄打開一個新的終端，輸入

　　　　bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test

　　　　在執行完畢後會進入的編輯器頁面

在發送完消息以後，能夠回到咱們的消息消費者終端中，能夠看到，終端中已經打印出了咱們剛纔發送的消息

3. 使用java程序

　　　　跟上節中同樣，咱們如今在java程序中嘗試使用kafka

　　　　3.1 建立Topic

public static void main(String[] args) {
    //建立topic
    Properties props = new Properties();
    props.put("bootstrap.servers", "192.168.180.128:9092");
    AdminClient adminClient = AdminClient.create(props);
    ArrayList<NewTopic> topics = new ArrayList<NewTopic>();
    NewTopic newTopic = new NewTopic("topic-test", 1, (short) 1);
    topics.add(newTopic);
    CreateTopicsResult result = adminClient.createTopics(topics);
    try {
        result.all().get();
    } catch (InterruptedException e) {
        e.printStackTrace();
    } catch (ExecutionException e) {
        e.printStackTrace();
    }
}

　　使用AdminClient API能夠來控制對kafka服務器進行配置，咱們這裏使用NewTopic(String name, int numPartitions, short 　　replicationFactor)的構造方法來建立了一個名爲「topic-test」，分區數爲1，複製因子爲1的Topic.

3.2 Producer生產者發送消息

public static void main(String[] args){
    Properties props = new Properties();
    props.put("bootstrap.servers", "192.168.180.128:9092");
    props.put("acks", "all");
    props.put("retries", 0);
    props.put("batch.size", 16384);
    props.put("linger.ms", 1);
    props.put("buffer.memory", 33554432);
    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<String, String>(props);
    for (int i = 0; i < 100; i++)
        producer.send(new ProducerRecord<String, String>("topic-test", Integer.toString(i), Integer.toString(i)));

    producer.close();

}

使用producer發送完消息能夠經過2.5中提到的服務器端消費者監聽到消息。也可使用接下來介紹的java消費者程序來消費消息

3.3 Consumer消費者消費消息

public static void main(String[] args){
    Properties props = new Properties();
    props.put("bootstrap.servers", "192.168.12.65:9092");
    props.put("group.id", "test");
    props.put("enable.auto.commit", "true");
    props.put("auto.commit.interval.ms", "1000");
    props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
    props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
    final KafkaConsumer<String, String> consumer = new KafkaConsumer<String,String>(props);
    consumer.subscribe(Arrays.asList("topic-test"),new ConsumerRebalanceListener() {
        public void onPartitionsRevoked(Collection<TopicPartition> collection) {
        }
        public void onPartitionsAssigned(Collection<TopicPartition> collection) {
            //將偏移設置到最開始
            consumer.seekToBeginning(collection);
        }
    });
    while (true) {
        ConsumerRecords<String, String> records = consumer.poll(100);
        for (ConsumerRecord<String, String> record : records)
            System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
    }
}

這裏咱們使用Consume API 來建立了一個普通的java消費者程序來監聽名爲「topic-test」的Topic，每當有生產者向kafka服務器發送消息，咱們的消費者就能收到發送的消息。

4. 使用spring-kafka

Spring-kafka是正處於孵化階段的一個spring子項目，可以使用spring的特性來讓咱們更方便的使用kafka

4.1 基本配置信息

與其餘spring的項目同樣，老是離不開配置，這裏咱們使用java配置來配置咱們的kafka消費者和生產者。

引入pom文件

<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-clients</artifactId>
    <version>0.11.0.1</version>
</dependency>
<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-streams</artifactId>
    <version>0.11.0.1</version>
</dependency>
<dependency>
    <groupId>org.springframework.kafka</groupId>
    <artifactId>spring-kafka</artifactId>
   <version>1.3.0.RELEASE</version>
</dependency>

建立配置類

咱們在主目錄下新建名爲KafkaConfig的類

@Configuration
@EnableKafka
public class KafkaConfig {

}

配置Topic

在kafkaConfig類中添加配置

//topic config Topic的配置開始
    @Bean
    public KafkaAdmin admin() {
        Map<String, Object> configs = new HashMap<String, Object>();
        configs.put(AdminClientConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.180.128:9092");
        return new KafkaAdmin(configs);
    }

    @Bean
    public NewTopic topic1() {
        return new NewTopic("foo", 10, (short) 2);
    }
//topic的配置結束

配置生產者Factort及Template

//producer config start
    @Bean
    public ProducerFactory<Integer, String> producerFactory() {
        return new DefaultKafkaProducerFactory<Integer,String>(producerConfigs());
    }
    @Bean
    public Map<String, Object> producerConfigs() {
        Map<String, Object> props = new HashMap<String,Object>();
        props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.180.128:9092");
        props.put("acks", "all");
        props.put("retries", 0);
        props.put("batch.size", 16384);
        props.put("linger.ms", 1);
        props.put("buffer.memory", 33554432);
        props.put("key.serializer", "org.apache.kafka.common.serialization.IntegerSerializer");
        props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        return props;
    }
    @Bean
    public KafkaTemplate<Integer, String> kafkaTemplate() {
        return new KafkaTemplate<Integer, String>(producerFactory());
    }
//producer config end

5.配置ConsumerFactory

//consumer config start
    @Bean
    public ConcurrentKafkaListenerContainerFactory<Integer,String> kafkaListenerContainerFactory(){
        ConcurrentKafkaListenerContainerFactory<Integer, String> factory = new ConcurrentKafkaListenerContainerFactory<Integer, String>();
        factory.setConsumerFactory(consumerFactory());
        return factory;
    }

    @Bean
    public ConsumerFactory<Integer,String> consumerFactory(){
        return new DefaultKafkaConsumerFactory<Integer, String>(consumerConfigs());
    }

    @Bean
    public Map<String,Object> consumerConfigs(){
        HashMap<String, Object> props = new HashMap<String, Object>();
        props.put("bootstrap.servers", "192.168.180.128:9092");
        props.put("group.id", "test");
        props.put("enable.auto.commit", "true");
        props.put("auto.commit.interval.ms", "1000");
        props.put("key.deserializer", "org.apache.kafka.common.serialization.IntegerDeserializer");
        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        return props;
    }
//consumer config end

4.2 建立消息生產者

//使用spring-kafka的template發送一條消息發送多條消息只須要循環屢次便可
public static void main(String[] args) throws ExecutionException, InterruptedException {
    AnnotationConfigApplicationContext ctx = new AnnotationConfigApplicationContext(KafkaConfig.class);
    KafkaTemplate<Integer, String> kafkaTemplate = (KafkaTemplate<Integer, String>) ctx.getBean("kafkaTemplate");
        String data="this is a test message";
        ListenableFuture<SendResult<Integer, String>> send = kafkaTemplate.send("topic-test", 1, data);
        send.addCallback(new ListenableFutureCallback<SendResult<Integer, String>>() {
            public void onFailure(Throwable throwable) {

            }

            public void onSuccess(SendResult<Integer, String> integerStringSendResult) {

            }
        });
}

4.3 建立消息消費者

咱們首先建立一個一個用於消息監聽的類，當名爲」topic-test」的topic接收到消息以後，咱們的這個listen方法就會調用。

public class SimpleConsumerListener {
    private final static Logger logger = LoggerFactory.getLogger(SimpleConsumerListener.class);
    private final CountDownLatch latch1 = new CountDownLatch(1);

    @KafkaListener(id = "foo", topics = "topic-test")
    public void listen(byte[] records) {
        //do something here
        this.latch1.countDown();
    }
}

咱們同時也須要將這個類做爲一個Bean配置到KafkaConfig中

@Bean
public SimpleConsumerListener simpleConsumerListener(){
return new SimpleConsumerListener();
}

默認spring-kafka會爲每個監聽方法建立一個線程來向kafka服務器拉取消息