kafka实战

本是古典何须时尚 2022-05-16 07:20 186阅读 0赞

## 1.       kafka介绍 ##

### 1.1.       主要功能 ###

根据官网的介绍，ApacheKafka®是*一个分布式流媒体平台*，它主要有3种功能：

1：It lets you publish and subscribe to streams of records.发布和订阅消息流，这个功能类似于消息队列，这也是kafka归类为消息队列框架的原因

2：It lets you store streams of records in a fault-tolerant way.以容错的方式记录消息流，kafka以文件的方式来存储消息流

3：It lets you process streams of records as they occur.可以再消息发布的时候进行处理

### 1.2.       使用场景 ###

1：Building real-time streaming data pipelines that reliably get data between systems or applications.在系统或应用程序之间构建可靠的用于传输实时数据的管道，消息队列功能

2：Building real-time streaming applications that transform or react to the streams of data。构建实时的流数据处理程序来变换或处理数据流，数据处理功能

### 1.3.       详细介绍 ###

Kafka目前主要作为一个分布式的发布订阅式的消息系统使用，下面简单介绍一下kafka的基本机制

**　　1.3.1 消息传输流程**

![760273-20171108181426763-1692750478.png][]

**Producer**即生产者，向Kafka集群发送消息，在发送消息之前，会对消息进行分类，即Topic，上图展示了两个producer发送了分类为topic1的消息，另外一个发送了topic2的消息。

**Topic**即主题，通过对消息指定主题可以将消息分类，消费者可以只关注自己需要的Topic中的消息

**Consumer**即消费者，消费者通过与kafka集群建立长连接的方式，不断地从集群中拉取消息，然后可以对这些消息进行处理。

从上图中就可以看出同一个Topic下的消费者和生产者的数量并不是对应的。

**　　1.3.2 kafka****服务器消息存储策略**

![760273-20171108181503075-2011721824.png][]

谈到kafka的存储，就不得不提到分区，即partitions，创建一个topic时，同时可以指定分区数目，分区数越多，其吞吐量也越大，但是需要的资源也越多，同时也会导致更高的不可用性，kafka在接收到生产者发送的消息之后，会根据均衡策略将消息存储到不同的分区中。

![760273-20171108181534809-1489003398.png][]

在每个分区中，消息以顺序存储，最晚接收的的消息会最后被消费。

**　　1.3.3 与生产者的交互**

![760273-20171108181730059-1009703405.png][]

生产者在向kafka集群发送消息的时候，可以通过指定分区来发送到指定的分区中

也可以通过指定均衡策略来将消息发送到不同的分区中

如果不指定，就会采用默认的随机均衡策略，将消息随机的存储到不同的分区中

**　　1.3.4  与消费者的交互**

![760273-20171108181923325-686894915.png][]

在消费者消费消息时，kafka使用offset来记录当前消费的位置

在kafka的设计中，可以有多个不同的group来同时消费同一个topic下的消息，如图，我们有两个不同的group同时消费，他们的的消费的记录位置offset各不项目，不互相干扰。

对于一个group而言，消费者的数量不应该多余分区的数量，因为在一个group中，每个分区至多只能绑定到一个消费者上，即一个消费者可以消费多个分区，一个分区只能给一个消费者消费

因此，若一个group中的消费者数量大于分区数量的话，多余的消费者将不会收到任何消息。

## 2.       Kafka安装与使用 ##

### 2.1.       下载 ###

你可以在kafka官网 [http://kafka.apache.org/downloads][http_kafka.apache.org_downloads]下载到最新的kafka安装包，选择下载二进制版本的tgz文件，根据网络状态可能需要fq，这里我们选择的版本是0.11.0.1，目前的最新版

### 2.2.       安装 ###

Kafka是使用scala编写的运行与jvm虚拟机上的程序，虽然也可以在windows上使用，但是kafka基本上是运行在linux服务器上，因此我们这里也使用linux来开始今天的实战。

首先确保你的机器上安装了jdk，kafka需要java运行环境，以前的kafka还需要zookeeper，新版的kafka已经内置了一个zookeeper环境，所以我们可以直接使用

说是安装，如果只需要进行最简单的尝试的话我们只需要解压到任意目录即可，这里我们将kafka压缩包解压到/home目录

### 2.3.       配置 ###

在kafka解压目录下下有一个config的文件夹，里面放置的是我们的配置文件

consumer.properites 消费者配置，这个配置文件用于配置于2.5节中开启的消费者，此处我们使用默认的即可

producer.properties 生产者配置，这个配置文件用于配置于2.5节中开启的生产者，此处我们使用默认的即可

server.properties kafka服务器的配置，此配置文件用来配置kafka服务器，目前仅介绍几个最基础的配置

1.  1.  broker.id 申明当前kafka服务器在集群中的唯一ID，需配置为integer,并且集群中的每一个kafka服务器的id都应是唯一的，我们这里采用默认配置即可
    2.  listeners 申明此kafka服务器需要监听的端口号，如果是在本机上跑虚拟机运行可以不用配置本项，默认会使用localhost的地址，如果是在远程服务器上运行则必须配置，例如：

listeners=PLAINTEXT:// 192.168.180.128:9092。并确保服务器的9092端口能够访问

3.zookeeper.connect 申明kafka所连接的zookeeper的地址 ，需配置为zookeeper的地址，由于本次使用的是kafka高版本中自带zookeeper，使用默认配置即可

zookeeper.connect=localhost:2181

### 2.4.       运行 ###

1.  启动zookeeper

cd进入kafka解压目录，输入

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

`启动zookeeper成功后会看到如下的输出`

![760273-20171108182511122-1998907932.png][]

2.启动kafka

cd进入kafka解压目录，输入

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

`启动kafka成功后会看到如下的输出`

![760273-20171108182550794-999428192.png][]

### 2.5.       第一个消息 ###

2.5.1   创建一个topic

Kafka通过topic对同一类的数据进行管理，同一类的数据使用同一个topic可以在处理数据时更加的便捷

在kafka解压目录打开终端，输入

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

`　　　　创建一个名为test的topic`

![760273-20171108182719091-1211225701.png][]

在创建topic后可以通过输入

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

`   ``来查看已经创建的topic`

`　　2.4.2   ``创建一个消息消费者`

`　　　在kafka解压目录打开终端，输入`

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

`　　　可以创建一个用于消费topic为test的消费者`

![760273-20171108182821481-1641650194.png][]

消费者创建完成之后，因为还没有发送任何数据，因此这里在执行后没有打印出任何数据

不过别着急，不要关闭这个终端，打开一个新的终端，接下来我们创建第一个消息生产者

2.4.3         创建一个消息生产者

在kafka解压目录打开一个新的终端，输入

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

`　　　　在执行完毕后会进入的编辑器页面`

在发送完消息之后，可以回到我们的消息消费者终端中，可以看到，终端中已经打印出了我们刚才发送的消息

![760273-20171108182938653-179427239.png][]

## 3.       使用java程序 ##

跟上节中一样，我们现在在java程序中尝试使用kafka

**3.1  创建Topic**

public static void main(String\[\] args) \{  
    //创建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可以来控制对kafka服务器进行配置，我们这里使用NewTopic(String name, int numPartitions, short 　　replicationFactor)的构造方法来创建了一个名为“topic-test”，分区数为1，复制因子为1的Topic.

**3.2  Producer生产者发送消息**

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发送完消息可以通过2.5中提到的服务器端消费者监听到消息。也可以使用接下来介绍的java消费者程序来消费消息

**3.3 Consumer消费者消费消息**

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) \{  
            //将偏移设置到最开始  
            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());  
    \}  
\}

这里我们使用Consume API 来创建了一个普通的java消费者程序来监听名为“topic-test”的Topic，每当有生产者向kafka服务器发送消息，我们的消费者就能收到发送的消息。

## 4.       使用spring-kafka ##

Spring-kafka是正处于孵化阶段的一个spring子项目，能够使用spring的特性来让我们更方便的使用kafka

**4.1   基本配置信息**

与其他spring的项目一样，总是离不开配置，这里我们使用java配置来配置我们的kafka消费者和生产者。

1.  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>

1.  创建配置类

我们在主目录下新建名为KafkaConfig的类

@Configuration  
@EnableKafka  
public class KafkaConfig \{  
  
\}

1.  配置Topic

在kafkaConfig类中添加配置

//topic config Topic的配置开始  
    @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的配置结束

1.  配置生产者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  创建消息生产者**

//使用spring-kafka的template发送一条消息 发送多条消息只需要循环多次即可  
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    创建消息消费者**

我们首先创建一个一个用于消息监听的类，当名为”topic-test”的topic接收到消息之后，我们的这个listen方法就会调用。

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();  
    \}  
\}

我们同时也需要将这个类作为一个Bean配置到KafkaConfig中

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

默认spring-kafka会为每一个监听方法创建一个线程来向kafka服务器拉取消息

[760273-20171108181426763-1692750478.png]: /images/20220516/979a2ccc2db745669ccedd614a42cb04.png
[760273-20171108181503075-2011721824.png]: /images/20220516/6b654b80b361445e8470e3b0a324f7be.png
[760273-20171108181534809-1489003398.png]: /images/20220516/a4dce8c8f298461c830a92645b781cb3.png
[760273-20171108181730059-1009703405.png]: /images/20220516/80924756df904139b3f3621005dc9e0d.png
[760273-20171108181923325-686894915.png]: /images/20220516/bc7d283079c347dd822b5ab25d4cf956.png
[http_kafka.apache.org_downloads]: http://kafka.apache.org/downloads
[760273-20171108182511122-1998907932.png]: /images/20220516/5a03e618adb2426fa68ae1f9daf19d3b.png
[760273-20171108182550794-999428192.png]: /images/20220516/9d8feda06ba84e438e40dd5376860571.png
[760273-20171108182719091-1211225701.png]: /images/20220516/702b746c312a4cb6847a75d4be3bdc96.png
[760273-20171108182821481-1641650194.png]: /images/20220516/791954ff37b34a3bb74949d9a392baa2.png
[760273-20171108182938653-179427239.png]: /images/20220516/62f4c1d28b014caa9b2bcbf4af4013c3.png