Kafka學習筆記_尚硅谷

   

第1章 Kafka概述

 

1.1 定義

　　Kafka是一個分布式的基於開發/訂閱模式的消息隊列（Message Queue）,主要應用於大數據實時處理領域。

1.2 消息隊列

1.2.1傳統消息隊列的應用場景

　　　　

　　處理異步：解耦

 　　處理高峰：削峰

 

 

　　使用消息隊列的好處

 

（1）解耦

　　允許你獨立的擴展或修改兩邊的處理過程，只要確保它們遵守相同的接口約束。

（2）可恢復性

　　系統的一部分組件失效時，不會影響到整個系統。消息隊列降低了進程之間的耦合度，所以即使一個處理消息的進程掛掉，加入隊列中的消息仍然可以在系統恢復后被處理。

（3）緩沖

　　有助於控制和優化數據流經過系統的速度，解決生產消息和消費消息的處理速度不一致的情況。

（4）削峰

　　 靈活性&峰值處理能力，在訪問量劇增的情況下，應用仍然需要繼續發揮作用，但是這樣的突發流量並不常見。如果為以能處理這類峰值訪問為標准來投入資源隨時待命無疑是巨大的浪費。使用消息隊列能偶是關鍵組件頂住突發的訪問壓力，而不會因為突發的超負荷的情況而完全崩潰。

（5）異步通信

　　很多時候，用戶不想也不需要立即處理消息。消息隊列提供了異步處理機制，允許用戶把一個消息放入隊列，但並不立即處理它。想向隊列中放入多少消息就放多少，然后在需要的時候再去處理它們。

 

1.2.2消息隊列的兩種模式

 

（1）點對點模式

　　（一對一，消費者主動拉取數據，消息收到后消息清除）缺點：不可復用

消息生產者生產消息發送到Queue中，然后消息消費者從Queue中取出並且消費消息。消息被消費以后， queue 中不再有存儲，所以消息消費者不可能消費到已經被消費的消息。Queue 支持存在多個消費者，但是對一個消息而言，只會有一個消費者可以消費。

 

 

 

 

 

（2）發布/訂閱模式

　　（一對多，消費者消費數據之后不會清除消息）

消息生產者（發布）將消息發布到 topic 中，同時有多個消息消費者（訂閱）消費該消息。和點對點方式不同，發布到 topic 的消息會被所有訂閱者消費。

2種模式：

費者拉取： 缺點：消費者會一直輪訓查費資源、隊列要保存不同消息

隊列推送： 缺點：消費者速率不一致，某些條件下可能造成消息不是對等

 

 

 

 

1.3 Kafka入門_基礎架構

　　一個topic的分區，只能被同一個消費者組里的一個消費者消費

1. Producer ： 消息生產者，就是向 Kafka ；
2. Consumer ： 消息消費者，向 Kafka broker  取消息的客戶端；
3. Consumer Group （CG）： 消費者組，由多個 consumer 組成。 消費者組內每個消費者負責消費不同分區的數據，一個分區只能由一個組內消費者消費；消費者組之間互不影響。 所有的消費者都屬於某個消費者組，即消費者組是邏輯上的一個訂閱者。
4. Broker ：經紀人 一台 Kafka 服務器就是一個 broker。一個集群由多個 broker 組成。一個 broker可以容納多個 topic。
5. Topic ： 話題，可以理解為一個隊列， 生產者和消費者面向的都是一個 topic；
6. Partition： 為了實現擴展性，一個非常大的 topic 可以分布到多個 broker（即服務器）上，一個 topic 可以分為多個 partition，每個 partition 是一個有序的隊列；
7. Replica： 副本（Replication），為保證集群中的某個節點發生故障時， 該節點上的 partition 數據不丟失，且 Kafka仍然能夠繼續工作， Kafka 提供了副本機制，一個 topic 的每個分區都有若干個副本，一個 leader 和若干個 follower。
8. Leader： 每個分區多個副本的“主”，生產者發送數據的對象，以及消費者消費數據的對象都是 leader。
9. Follower： 每個分區多個副本中的“從”，實時從 leader 中同步數據，保持和 leader 數據的同步。 leader 發生故障時，某個 Follower 會成為新的 leader。

 

 

apache-flume-1.7.0-bin.tar.gz
apache-hive-1.2.1.bin.tar.gz
hadoop-2.7.2.tar.gz
jdk-8u144-linux-x64.tar.gz
mysql-libs
zookeeper-3.4.10.tar.gz

第2章.Kafka入門

2.1安裝部署

 

2.1.1集群規划

 

yyq10　　yyq20　　yyq21

zk　　　　　　zk　　　　　　zk　　

kafka　　　　kafka　　　　kafka

 

2.1.2 安裝zk並啟動

 

https://blog.csdn.net/qq_35663625/article/details/98848947

./zkServer.sh status

Error contacting service. It is probably not running 可以關閉防火牆

安裝kafka:

hostname
mkdir /opt/module
tar -zxvf kafka_2.11-0.11.0.0.tgz -C /opt/module
cd /opt/module/
mv kafka_2.11-0.11.0.0/ kafka
cd kafka/config/
vi server.properties

　　broker.id=0 #唯一的，其他機器+n

　　delete.topic.enable=true

　　log.dirs=/opt/module/kafka/logs

　　zookeeper.connect=yyq10:2181,yyq20:2181,yyq21:2181

　　其他機器做同樣配置，並改broker.id

　　統一啟動：

　　/opt/module/kafka/bin/kafka-server-start.sh -daemon /opt/module/kafka/config/server.properties

　　關閉：

　　/opt/module/kafka/bin/kafka-server-stop.sh

 

2.1.3 Kafka命令行操作

 

查看

查看當前服務器中的所有topic (新版本--zookeeper替換成了--bootstrap-server)

bin/kafka-topics.sh  --zookeeper yyq10:2181 --list

創建topic

bin/kafka-topics.sh --zookeeper yyq10:2181 --create --replication-factor 2 --partitions 2 --topic first

選項說明：

--topic 定義topic名

--replication-factor 定義副本數

--partitions 定義分區數

查看 /opt/module/kafka/logs

yyq10: first-0 first-1

yyq20:            first-1

yyq21: first-0

結果：2個分區(--partitions 0、1后面的數字)、2個副本（--replication-factor）

刪除topic

bin/kafka-topics.sh --zookeeper yyq10:2181 --delete --topic first

提示被標記刪除 

需要server.properties中設置delete.topic.enable=true否則只是標記刪除

等等再看就沒有了，再次創建

查看某個topic的詳情

bin/kafka-topics.sh --zookeeper yyq10:2181 --describe --topic first

 0號分區的leader存在id為1的kafka中，並且副本存在為id為1的kafka中

繼續創建topic

bin/kafka-topics.sh --zookeeper yyq10:2181 --create --replication-factor 3 --partitions 4 --topic second

繼續創建topic 

bin/kafka-topics.sh --zookeeper yyq10:2181 --create --replication-factor 4 --partitions 2 --topic third

報錯，因為副本數超出集群brokers數量3 

目前已經有了主題，還缺消費者和生產者

生產者命令:/opt/module/kafka/bin/kafka-console-producer.sh

消費者命令:/opt/module/kafka/bin/kafka-console-consumer.sh

進入生產者，發送消息

yyq10進入生產者

bin/kafka-console-producer.sh --topic first --broker-list yyq10:9092

 進入生產者准備發消息

進入消費者，消費消息

yyq20進入消費者

bin/kafka-console-consumer.sh --zookeeper yyq10:2181 --topic first

提示：不推薦將控制台與過時的消費者一起使用，以后可能會刪除，考慮使用新的用戶通過[bootstrap-server]而不是[zookeeper]。但是目前還能用。

在yyq10生產者生產消息

消費者收到了 

如果yyq21消費者並且想要沖頭消費，需要添加參數  --from-beginning，否則獲取不到之前生產的消息

　　 --from-beginning:會把主題中以往所有的數據讀取出來

使用新命令 bootstrap-server替代zookeeper

在yyq20上使用 bootstrap-server

bin/kafka-console-consumer.sh --bootstrap-server yyq10:9092 --topic first

在生產者生產后，可以消費，加--from-beginning同樣也可以從頭消費（注意最大保存時間設置的是7天，7天后加--from-beginning也獲取不到了）

再查看 logs

 

使用 bootstrap-server 消費者數據存儲在kafka本地的機制變了，為了做負載，消費者數據的偏移量默認50個分區，輪詢分配在集群中。

 

修改分區數

bin/kafka-topics.sh --zookeeper yyq10:2181 --alter --topic first --partitions 6

 

server.properties
#broker 的全局唯一編號，不能重復
broker.id=0
#刪除 topic 功能使能
delete.topic.enable=true
#處理網絡請求的線程數量
num.network.threads=3
#用來處理磁盤 IO 的現成數量
num.io.threads=8
#發送套接字的緩沖區大小
socket.send.buffer.bytes=102400
#接收套接字的緩沖區大小
socket.receive.buffer.bytes=102400
#請求套接字的緩沖區大小
socket.request.max.bytes=104857600
#kafka 運行日志存放的路徑
log.dirs=/opt/module/kafka/logs
#topic 在當前 broker 上的分區個數
num.partitions=1
#用來恢復和清理 data 下數據的線程數量
num.recovery.threads.per.data.dir=1
#segment 文件保留的最長時間，超時將被刪除
log.retention.hours=168
#配置連接 Zookeeper 集群地址
zookeeper.connect=hadoop102:2181,hadoop103:2181,hadoop104:2181

 

 

2.2 Kafka 數據日志分離

事前准備，刪除之前的信息，然后重新配置數據日志分離。

 

先關閉kafka、 清理之前的數據

集群執行：

/opt/module/kafka/bin/kafka-server-stop.sh

rm -rf /opt/module/kafka/logs/

查看zookeeper信息

sh /data/service/zookeeper/bin/zkCli.sh

ls /

 

這里除了zookeeper其他都是kafka的信息（用id區分集群中各注冊信息等） 

關閉zookeeper、清理之前的數據(這里采用的暴力刪除數據的方法,刪除前需確認，或者其他方法刪除)

集群執行：

sh /data/service/zookeeper/bin/zkServer.sh stop

rm -rf /data/service/zookeeper/data/version-2/

 

啟zk：

集群執行

sh /data/service/zookeeper/bin/zkServer.sh start

如果提示Starting zookeeper ... FAILED TO START

考慮刪除logs下的歷史文件

 

 

查看zk信息

sh /data/service/zookeeper/bin/zkCli.sh

ls /

 

數據已清空 

 

集群執行

修改kafka配置

vi /opt/module/kafka/config/server.properties

log.dirs=/opt/module/kafka/logs

改成

log.dirs=/opt/module/kafka/data

啟動kafka

sh /opt/module/kafka/bin/kafka-server-start.sh -daemon /opt/module/kafka/config/server.properties

創建topic並查看

 

 數據和日志已分離(多此一舉，第一次配置可以直接把log.dirs配置改成data..)

ll data/first-1/00000000000000000000.log

實際數據存放地

寫測試

查看數據

輪詢存放 

 

 

 

第三章 Kafka架構深入

 

3.1 Kafka 工作流程及文件存儲機制

 

3.1.1 kafka工作流程

Kafka 中消息是以 topic 進行分類的， producer生產消息，consumer消費消息，都是面向 topic的。
topic 是邏輯上的概念，而 partition 是物理上的概念，每個 partition 對應於一個 log 文件，該 log 文件中存儲的就是 producer 生產的數據。（topic = N partition，partition = log） Producer 生產的數據會被不斷追加到該log 文件末端，且每條數據都有自己的 offset。 consumer組中的每個consumer， 都會實時記錄自己消費到了哪個 offset，以便出錯恢復時，從上次的位置繼續消費。（producer -> log with offset -> consumer(s)）

3.1.2 kafka文件存儲機制

 

在kafka的server.properties配置文件中，設置了aegment單個文件的最大大小

log.segment.bytes=1073741824

2^30B=1GB

 

由於生產者生產的消息會不斷追加到 log 文件末尾， 為防止 log 文件過大導致數據定位效率低下， Kafka 采取了分片和索引機制，將每個 partition 分為多個 segment。 每個 segment對應兩個文件——“.index”文件和“.log”文件。 這些文件位於一個文件夾下， 該文件夾的命名規則為： topic 名稱+分區序號。例如， first 這個 topic 有三個分區，則其對應的文件夾為 first-0,first-1,first-2。

00000000000000000000.index
00000000000000000000.log
00000000000000170410.index
00000000000000170410.log
00000000000000239430.index
00000000000000239430.log

 

 

index 和 log 文件以當前 segment 的第一條消息的 offset 命名。下圖為 index 文件和 log文件的結構示意圖。

 

“.index”文件存儲大量的索引信息，“.log”文件存儲大量的數據，索引文件中的元數據指向對應數據文件中 message 的物理偏移地址。

 

補充：

　　*index*文件存儲大量的索引信息

　　.log文件存儲大量的數據

　　通過增加索引，縮短了查閱的時間。空間和時間上的互換。

　　首先Kafka的索引是稀疏索引，避免索引文件占用過多的內存。對應的就是Broker 端參數log.index.interval.bytes 值，默認4KB，即4KB的消息建一條索引。

　　Kafka中有三大類索引：位移索引、時間戳索引和已中止事務索引。分別對應了.index、.timeindex、.txnindex文件。

　　　　1、AbstractIndex.scala：抽象類，封裝了所有索引的公共操作

　　　　2、OffsetIndex.scala：位移索引，保存了位移值和對應磁盤物理位置的關系

　　　　3、TimeIndex.scala：時間戳索引，保存了時間戳和對應位移值的關系

　　　　4、TransactionIndex.scala：事務索引，啟用Kafka事務之后才會出現這個索引（本文暫不涉及事務相關內容）

　　　　 　　　　

　　　　先來看看AbstractIndex的定義

　　　　

　　　　AbstractIndex的定義在代碼里已經注釋了，成員變量里面還有個entrySize。這個變量其實是每個索引項的大小，每個索引項的大小是固定的。

　　entrySize

　　　　在OffsetIndex中是override def entrySize = 8，8個字節。
　　　　在TimeIndex中是override def entrySize = 12,12個字節。

　　　為何是8 和12？

　　　　在OffsetIndex中，每個索引項存儲了位移值和對應的磁盤物理位置，因此4+4=8，但是不對啊，磁盤物理位置是整型沒問題，但是AbstractIndex的定義baseOffset來看，位移值是長整型，不是因為8個字節么？

　　　　因此存儲的位移值實際上是相對位移值，即真實位移值-baseOffset的值。

　　　　相對位移用整型存儲夠么？夠，因為一個日志段文件大小的參數log.segment.bytes是整型，因此同一個日志段對應的index文件上的位移值-baseOffset的值的差值肯定在整型的范圍內。

　　　　為什么要這么麻煩，還要存個差值？ 

　　　　1、一個索引項節省了4字節，省空間資源。

　　　　2、同樣的內存資源，索引項越短，能夠存儲的就越多，直接命中的概率就越高了。

 

　　　　互相轉化的源碼如下，就這么個簡單的操作：　　

　　　　

　　　　上述解釋了位移值是4字節，因此TimeIndex中時間戳8個字節 + 位移值4字節 = 12字節。

　_warmEntries

　　　　這個是干什么用的？

　　　　首先思考下我們能通過索引項快速找到日志段中的消息，但是我們如何快速找到我們想要的索引項呢？一個索引文件默認10MB，一個索引項8Byte，因此一個文件可能包含100多W條索引項。

　　　　不論是消息還是索引，其實都是單調遞增，並且都是追加寫入的，因此數據都是有序的。在有序的集合中快速查詢，腦海中突現的就是二分查找了！

　　　　那就來個二分！

　　　　

　　　　這和_warmEntries有什么關系？首先想想二分有什么問題？

　　　　就Kafka而言，索引是在文件末尾追加的寫入的，並且一般寫入的數據立馬就會被讀取。所以數據的熱點集中在尾部。並且操作系統基本上都是用頁為單位緩存和管理內存的，內存又是有限的，因此會通過類LRU機制淘汰內存。

　　　　看起來LRU非常適合Kafka的場景，但是使用標准的二分查找會有缺頁中斷的情況，畢竟二分是跳着訪問的。

　　　　這里要說一下kafka的注釋寫的是真的清晰，咱們來看看注釋怎么說的

when looking up index, the standard binary search algorithm is not cache friendly, and can cause unnecessary

page faults (the thread is blocked to wait for reading some index entries from hard disk, as those entries are not

cached in the page cache)

　　　　翻譯下：當我們查找索引的時候，標准的二分查找對緩存不友好，可能會造成不必要的缺頁中斷(線程被阻塞等待從磁盤加載沒有被緩存到page cache 的數據)

注釋還友好的給出了例子

　　　　

　　　　簡單的來講，假設某索引占page cache 13頁，此時數據已經寫到了12頁。按照kafka訪問的特性，此時訪問的數據都在第12頁，因此二分查找的特性，此時緩存頁的訪問順序依次是0，6，9，11，12。因為頻繁被訪問，所以這幾頁一定存在page cache中。

當第12頁不斷被填充，滿了之后會申請新頁第13頁保存索引項，而按照二分查找的特性，此時緩存頁的訪問順序依次是：0，7，10，12。這7和10很久沒被訪問到了，很可能已經不在緩存中了，然后需要從磁盤上讀取數據。注釋說：在他們的測試中，這會導致至少會產生從幾毫秒跳到1秒的延遲。

　　　　基於以上問題，Kafka使用了改進版的二分查找，改的不是二分查找的內部，而且把所有索引項分為熱區和冷區

　　　　這個改進可以讓查詢熱數據部分時，遍歷的Page永遠是固定的，這樣能避免缺頁中斷。

　　　　看到這里其實我想到了一致性hash，一致性hash相對於普通的hash不就是在node新增的時候緩存的訪問固定，或者只需要遷移少部分數據。

　　　　好了，讓我們先看看源碼是如何做的

　　　　

　　　　實現並不難，但是為何是把尾部的8192作為熱區？

　　　　這里就要再提一下源碼了，講的很詳細。

 

This number is small enough to guarantee all the pages of the "warm" section is touched in every warm-section lookup. So that, the entire warm section is really "warm".

 

When doing warm-section lookup, following 3 entries are always touched:

indexEntry(end),

indexEntry(end-N), and

indexEntry((end*2 -N)/2).

 

If page size >= 4096, all the warm-section pages (3 or fewer) are touched, when wetouch those 3 entries.

As of 2018, 4096 is the smallest page size for all the processors (x86-32, x86-64, MIPS, SPARC, Power, ARM etc.).

大致內容就是現在處理器一般緩存頁大小是4096，那么8192可以保證頁數小於等3，用於二分查找的頁面都能命中 （）

 

This number is large enough to guarantee most of the in-sync lookups are in the warm-section. With default Kafka settings, 8KB index corresponds to about 4MB (offset index) or 2.7MB (time index) log messages.

8KB的索引可以覆蓋 4MB (offset index) or 2.7MB (time index)的消息數據，足夠讓大部分在in-sync內的節點在熱區查詢

 

　　　　以上就解釋了什么是_warmEntries，並且為什么需要_warmEntries。

　　　　可以看到朴素的算法在真正工程上的應用還是需要看具體的業務場景的，不可生搬硬套。並且徹底的理解算法也是很重要的，例如死記硬背二分，怕是看不出來以上的問題。還有底層知識的重要性。不然也是看不出來對緩存不友好的。

　從Kafka的索引冷熱分區到MySQL InnoDB的緩沖池管理

　　　　從上面這波冷熱分區我又想到了MySQL的buffer pool管理。MySQL的將緩沖池分為了新生代和老年代。默認是37分，即老年代占3，新生代占7。即看作一個鏈表的尾部30%為老年代，前面的70%為新生代。替換了標准的LRU淘汰機制。

　　　　

　　　　MySQL的緩沖池分區是為了解決預讀失效和緩存污染問題。

　　　　1、預讀失效：因為會預讀頁，假設預讀的頁不會用到，那么就白白預讀了，因此讓預讀的頁插入的是老年代頭部，淘汰也是從老年代尾部淘汰。不會影響新生代數據。

　　　　2、緩存污染：在類似like全表掃描的時候，會讀取很多冷數據。並且有些查詢頻率其實很少，因此讓這些數據僅僅存在老年代，然后快速淘汰才是正確的選擇，MySQL為了解決這種問題，僅僅分代是不夠的，還設置了一個時間窗口，默認是1s，即在老年代被再次訪問並且存在超過1s，才會晉升到新生代，這樣就不會污染新生代的熱數據。

 

 

　　Kafka中的offset類比成InnoDB中的主鍵

 

　　　　

 

　　　　參考資料：https://zhuanlan.zhihu.com/p/154577113

　　　　　　　　　https://www.jianshu.com/p/abe1af87a889

　　　　　　　　　https://www.cnblogs.com/kyoner/p/11080078.html

　　　　　　　　　https://blog.csdn.net/zhuwentaolove/article/details/103417050

 

segment 英 [ˈseɡmənt , seɡˈment] 美 [ˈseɡmənt , seɡˈment]
n.部分;份;片;段;(柑橘、檸檬等的)瓣;弓形;圓缺 v.分割;划分

 

3.2 Kafka 生產者

 

3.2.1 生產者的分區策略

 

1）分區的原因

1. 方便在集群中擴展，每個 Partition 可以通過調整以適應它所在的機器，而一個 topic又可以有多個 Partition 組成，因此整個集群就可以適應適合的數據了；
2. 可以提高並發，因為可以以 Partition 為單位讀寫了。（聯想到ConcurrentHashMap在高並發環境下讀寫效率比HashTable的高效）

 

 

2）分區的原則

我們需要將 producer 發送的數據封裝成一個 ProducerRecord 對象。

（1）指明 partition 的情況下，直接將指明的值直接作為 partiton 值；

（2）沒有指明 partition 值但有 key 的情況下，將 key 的 hash 值與 topic 的 partition 數進行取余得到 partition 值；

（3）既沒有 partition 值又沒有 key 值的情況下，第一次調用時隨機生成一個整數（之后在基礎上輪訓），將這個值與 topic 可用的 partition 總數取余得到 partition值，也就是常說的 round-robin 算法（輪詢調度）。

 

3.2.2數據可靠性保證

 

為保證 producer 發送的數據，能可靠的發送到指定的 topic， topic 的每個 partition 收到producer 發送的數據后，都需要向 producer 發送 ack（acknowledgement 確認收到），如果producer 收到 ack， 就會進行下一輪的發送，否則重發數據。

acknowledgement 英 [əkˈnɒlɪdʒmənt] 美 [əkˈnɑːlɪdʒmənt]
n.(對事實、現實、存在的)承認;感謝;謝禮;收件復函

 

 

1）副本數據同步策略

序號	方案	優點	缺點
1	半數以上完成同步， 就發送 ack	延遲低	選舉新的 leader 時，容忍 n 台節點的故障，需要 2n+1 個副本。（如果集群有2n+1台機器，選舉leader的時候至少需要半數以上即n+1台機器投票，那么能容忍的故障，最多就是n台機器發生故障）容錯率：1/2
2	全部完成同步，才發送ack	選舉新的 leader 時， 容忍 n 台節點的故障，需要 n+1 個副本（如果集群有n+1台機器，選舉leader的時候只要有一個副本就可以了）容錯率：1	延遲高

 

Kafka 選擇了第二種方案，原因如下：

1. 同樣為了容忍 n 台節點的故障，第一種方案需要 2n+1 個副本，而第二種方案只需要 n+1 個副本，而 Kafka 的每個分區都有大量的數據， 第一種方案會造成大量數據的冗余。
2. 雖然第二種方案的網絡延遲會比較高，但網絡延遲對 Kafka 的影響較小。

2）生產者ISR

采用第二種方案之后，設想以下情景： leader 收到數據，所有 follower 都開始同步數據，但有一個 follower，因為某種故障，遲遲不能與 leader 進行同步，那 leader 就要一直等下去，直到它完成同步，才能發送 ack。這個問題怎么解決呢？

 

Leader 維護了一個動態的 in-sync replica set (ISR)，意為和 leader 保持同步的 follower 集合。當 ISR 中的 follower 完成數據的同步之后，就會給 leader 發送 ack。如果 follower長時間未向leader同步數據，則該follower將被踢出ISR，該時間閾值由replica.lag.time.max.ms參數設定。 Leader 發生故障之后，就會從 ISR 中選舉新的 leader。

replica.lag.time.max.ms DESCRIPTION: If a follower hasn't sent any fetch requests or hasn't consumed up to the leaders log end offset for at least this time, the leader will remove the follower from isr TYPE: long DEFAULT: 10000 Source

 

 

3）生產者ACk應答機制

對於某些不太重要的數據，對數據的可靠性要求不是很高，能夠容忍數據的少量丟失，所以沒必要等 ISR 中的 follower 全部接收成功。 所以 Kafka 為用戶提供了三種可靠性級別，用戶根據對可靠性和延遲的要求進行權衡，選擇以下的配置。

 

　　acks 參數配置：

• 0： producer 不等待 broker 的 ack，這一操作提供了一個最低的延遲， broker 一接收到還沒有寫入磁盤就已經返回，當 broker 故障時有可能丟失數據；
• 1： producer 等待 broker 的 ack， partition 的 leader 落盤成功后返回 ack，如果在 follower同步成功之前 leader 故障，那么將會丟失數據；

• -1（all） ： producer 等待 broker 的 ack， partition 的 leader 和 ISR 的follower 全部落盤成功后才返回 ack。但是如果在 follower 同步完成后， broker 發送 ack 之前， leader 發生故障，那么會造成數據重復。本質上還是kafka不支持acid，kafka引入事物即可解決,Kafka從0.11版本開始支持冪等性與事務性：
  • 　　https://www.cnblogs.com/smartloli/p/11922639.html 
  • 　　https://blog.csdn.net/nazeniwaresakini/article/details/104220063

助記：返ACK前，0無落盤，1一落盤，-1全落盤，（落盤：消息存到本地）

　　　　

 

 

acks DESCRIPTION: The number of acknowledgments the producer requires the leader to have received before considering a request complete. This controls the durability of records that are sent. The following settings are allowed:

• acks=0 If set to zero then the producer will not wait for any acknowledgment from the server at all. The record will be immediately added to the socket buffer and considered sent. No guarantee can be made that the server has received the record in this case, and the retries configuration will not take effect (as the client won't generally know of any failures). The offset given back for each record will always be set to -1.
• acks=1 This will mean the leader will write the record to its local log but will respond without awaiting full acknowledgement from all followers. In this case should the leader fail immediately after acknowledging the record but before the followers have replicated it then the record will be lost.
• acks=all This means the leader will wait for the full set of in-sync replicas to acknowledge the record. This guarantees that the record will not be lost as long as at least one in-sync replica remains alive. This is the strongest available guarantee. This is equivalent to the acks=-1 setting.

TYPE:string DEFAULT:1 VALID VALUES:[all, -1, 0, 1] Source

 

4）故障處理細節

　　LOG文件中的HW和LEO

• LEO：（Log End Offset）每個副本的最后一個offset （最大的）
• HW：（High Watermark）高水位，指的是消費者能見到的最大的 offset， ISR 隊列中最小的 LEO

follower 故障和 leader 故障

• follower 故障：follower 發生故障后會被臨時踢出 ISR，待該 follower 恢復后， follower 會讀取本地磁盤記錄的上次的 HW，並將 log 文件高於 HW 的部分截取掉，從 HW 開始向 leader 進行同步。等該 follower 的 LEO 大於等於該 Partition 的 HW，即 follower 追上 leader 之后，就可以重新加入 ISR 了。
• leader 故障：leader 發生故障之后，會從 ISR 中選出一個新的 leader，之后，為保證多個副本之間的數據一致性， 其余的 follower 會先將各自的 log 文件高於 HW 的部分截掉，然后從新的 leader同步數據。

注意： HW只能保證副本之間的數據一致性(消費和存儲)，並不能保證數據不丟失或者不重復。（ACK可以解決丟失或重復的問題）

 

3.2.3 ExactlyOnce語義

將服務器的 ACK 級別設置為-1（all），可以保證 Producer 到 Server 之間不會丟失數據，即 At Least Once 語義。 相對的，將服務器 ACK 級別設置為 0，可以保證生產者每條消息只會被發送一次，即 At Most Once 語義。

 

At Least Once 可以保證數據不丟失，但是不能保證數據不重復；相對的，

At Most Once可以保證數據不重復，但是不能保證數據不丟失。

但是，對於一些非常重要的信息，比如說交易數據，下游數據消費者要求數據既不重復也不丟失，即 Exactly Once 語義。

• At least once—Messages are never lost but may be redelivered.
• At most once—Messages may be lost but are never redelivered.
• Exactly once—this is what people actually want, each message is delivered once and only once.

Source

在 0.11 版本以前的 Kafka，對此是無能為力的，只能保證數據不丟失，再在下游消費者對數據做全局去重。對於多個下游應用的情況，每個都需要單獨做全局去重，這就對性能造成了很大影響。

0.11 版本的 Kafka，引入了一項重大特性：冪等性。所謂的冪等性就是指 Producer 不論向 Server 發送多少次重復數據， Server 端都只會持久化一條。冪等性結合 At Least Once 語義，就構成了 Kafka 的 Exactly Once 語義。即：

 

At Least Once + 冪等性 = Exactly Once #至少一次可以確保數據不丟失 + 冪等性確保數據不重復，最后效果是既不重復也不丟失。

要啟用冪等性，只需要將 Producer 的參數中 enable.idempotence 設置為 true 即可。 Kafka的冪等性實現其實就是將原來下游需要做的去重放在了數據上游。開啟冪等性的 Producer 在初始化的時候會被分配一個 PID，發往同一 Partition 的消息會附帶 Sequence Number。而Broker 端會對<PID, Partition, SeqNumber>做緩存，當具有相同主鍵的消息提交時， Broker 只會持久化一條。 但是 PID 重啟就會變化，同時不同的 Partition 也具有不同主鍵，所以冪等性無法保證跨分區跨會話的 Exactly Once。

enable.idempotence DESCRIPTION:When set to 'true', the producer will ensure that exactly one copy of each message is written in the stream. If 'false', producer retries due to broker failures, etc., may write duplicates of the retried message in the stream. This is set to 'false' by default. Note that enabling idempotence requires max.in.flight.requests.per.connection to be set to 1 and retries cannot be zero. Additionally acks must be set to 'all'. If these values are left at their defaults, we will override the default to be suitable. If the values are set to something incompatible with the idempotent producer, a ConfigException will be thrown. TYPE:boolean DEFAULT:false Source

生產者總結

略

 

3.3 Kafka消費者

3.3.1 消費方式

 

consumer 采用 pull（拉） 模式從 broker 中讀取數據。

 

push（推）模式很難適應消費速率不同的消費者，因為消息發送速率是由 broker 決定的。它的目標是盡可能以最快速度傳遞消息，但是這樣很容易造成 consumer 來不及處理消息，典型的表現就是拒絕服務以及網絡擁塞。而 pull 模式則可以根據 consumer 的消費能力以適當的速率消費消息。

 

pull 模式不足之處是，如果 kafka 沒有數據，消費者可能會陷入循環中， 一直返回空數據。 針對這一點， Kafka 的消費者在消費數據時會傳入一個時長參數 timeout，如果當前沒有數據可供消費， consumer 會等待一段時間之后再返回，這段時長即為 timeout。

 

3.3.2 分區分配策略

　　一個 consumer group 中有多個 consumer，一個 topic 有多個 partition，所以必然會涉及到 partition 的分配問題，即確定那個 partition 由哪個 consumer 來消費。、

　　Kafka 有兩種分配策略：

• round-robin循環
• range

partition.assignment.strategy Select between the "range" or "roundrobin" strategy for assigning分配 partitions to consumer streams. The round-robin partition assignor lays out規划 all the available partitions and all the available consumer threads. It then proceeds to do接着做 a round-robin assignment from partition to consumer thread. If the subscriptions訂閱 of all consumer instances are identical完全同樣的, then the partitions will be uniformly 均勻地distributed. (i.e.也就是說, the partition ownership counts will be within a delta of exactly one across all consumer threads.) Round-robin assignment is permitted only if:

1. Every topic has the same number of streams within a consumer instance
2. The set of subscribed topics is identical for every consumer instance within the group.

Range partitioning works on a per-topic basis. For each topic, we lay out the available partitions in numeric order and the consumer threads in lexicographic詞典式的 order. We then divide the number of partitions by the total number of consumer streams (threads) to determine the number of partitions to assign to each consumer. If it does not evenly divide, then the first few consumers will have one extra partition. DEFAULT:range Source

---

Kafka再平衡機制詳解

1）Round Robin

關於Roudn Robin重分配策略，其主要采用的是一種輪詢的方式分配所有的分區，該策略主要實現的步驟如下。這里我們首先假設有三個topic：t0、t1和t2，這三個topic擁有的分區數分別為1、2和3，那么總共有六個分區，這六個分區分別為：t0-0、t1-0、t1-1、t2-0、t2-1和t2-2。這里假設我們有三個consumer：C0、C1和C2，它們訂閱情況為：C0訂閱t0，C1訂閱t0和t1，C2訂閱t0、t1和t2。那么這些分區的分配步驟如下：

• 首先將所有的partition和consumer按照字典序進行排序，所謂的字典序，就是按照其名稱的字符串順序，那么上面的六個分區和三個consumer排序之后分別為：

• 然后依次以按順序輪詢的方式將這六個分區分配給三個consumer，如果當前consumer沒有訂閱當前分區所在的topic，則輪詢的判斷下一個consumer：
• 嘗試將t0-0分配給C0，由於C0訂閱了t0，因而可以分配成功；
• 嘗試將t1-0分配給C1，由於C1訂閱了t1，因而可以分配成功；
• 嘗試將t1-1分配給C2，由於C2訂閱了t1，因而可以分配成功；
• 嘗試將t2-0分配給C0，由於C0沒有訂閱t2，因而會輪詢下一個consumer；
• 嘗試將t2-0分配給C1，由於C1沒有訂閱t2，因而會輪詢下一個consumer；
• 嘗試將t2-0分配給C2，由於C2訂閱了t2，因而可以分配成功；
• 同理由於t2-1和t2-2所在的topic都沒有被C0和C1所訂閱，因而都不會分配成功，最終都會分配給C2。
• 按照上述的步驟將所有的分區都分配完畢之后，最終分區的訂閱情況如下：

從上面的步驟分析可以看出，輪詢的策略就是簡單的將所有的partition和consumer按照字典序進行排序之后，然后依次將partition分配給各個consumer，如果當前的consumer沒有訂閱當前的partition，那么就會輪詢下一個consumer，直至最終將所有的分區都分配完畢。但是從上面的分配結果可以看出，輪詢的方式會導致每個consumer所承載的分區數量不一致，從而導致各個consumer壓力不均一。

2）Range

所謂的Range重分配策略，就是首先會計算各個consumer將會承載的分區數量，然后將指定數量的分區分配給該consumer。這里我們假設有兩個consumer：C0和C1，兩個topic：t0和t1，這兩個topic分別都有三個分區，那么總共的分區有六個：t0-0、t0-1、t0-2、t1-0、t1-1和t1-2。那么Range分配策略將會按照如下步驟進行分區的分配：

• 需要注意的是，Range策略是按照topic依次進行分配的，比如我們以t0進行講解，其首先會獲取t0的所有分區：t0-0、t0-1和t0-2，以及所有訂閱了該topic的consumer：C0和C1，並且會將這些分區和consumer按照字典序進行排序；
• 然后按照平均分配的方式計算每個consumer會得到多少個分區，如果沒有除盡，則會將多出來的分區依次計算到前面幾個consumer。比如這里是三個分區和兩個consumer，那么每個consumer至少會得到1個分區，而3除以2后還余1，那么就會將多余的部分依次算到前面幾個consumer，也就是這里的1會分配給第一個consumer，總結來說，那么C0將會從第0個分區開始，分配2個分區，而C1將會從第2個分區開始，分配1個分區；
• 同理，按照上面的步驟依次進行后面的topic的分配。
• 最終上面六個分區的分配情況如下：

可以看到，如果按照Range分區方式進行分配，其本質上是依次遍歷每個topic，然后將這些topic的分區按照其所訂閱的consumer數量進行平均的范圍分配。這種方式從計算原理上就會導致排序在前面的consumer分配到更多的分區，從而導致各個consumer的壓力不均衡。 TODO:我的問題：topic分多個partition，有些custom根據上述策略，分到topic的部分partition，難道不是要全部partition嗎？是不是還要按照相同策略多分配多一次？

 

3.3.3 消費者offset的存儲

　　由於 consumer 在消費過程中可能會出現斷電宕機等故障， consumer 恢復后，需要從故障前的位置的繼續消費，所以 consumer 需要實時記錄自己消費到了哪個 offset，以便故障恢復后繼續消費。

 

 

 

 

　　

　　主題+主題分區+消費者組決定offset的量

 

　　

　　3.3.3.1 在zookeeper里：

 

創建top，進入生產者和消費者

消費一條數據，應該有一個分區有變化，驗證：

當前有一個消費者組(ID沒有指定就分配一個號)

進入第二個消費者，再驗證

多了一個消費者組

查看消費者offset

由於當前消費了一個（hello） 

所以在0分區上  是1    ， 1分區是0 （因為hello在0分區上，1分區還沒有數據）

再消費一次，再驗證

客戶端重試幾遍，按照輪詢到了1分區，已經發生變化

繼續測試消費

 

 

驗證成功輪詢到了0分區 

 

　　3.3.3.2 在本地里：

 

 

 

　　Kafka 0.9 版本之前， consumer 默認將 offset 保存在 Zookeeper 中，從 0.9 版本開始，consumer 默認將 offset 保存在 Kafka 一個內置的 topic 中，該 topic 為__consumer_offsets。

　　但是系統topic默認不允許控制台消費者查看，為了測試，需要修改配置

 

1）修改配置文件

consumer.properties,exclude.internal.topics=false

vi consumer.properties

 

2）讀取 offset

　　0.11.0.0 之前版本 - bin/kafka-console-consumer.sh --topic __consumer_offsets --zookeeper hadoop102:2181 --formatter "kafka.coordinator.GroupMetadataManager\$OffsetsMessageFormatter" --consumer.config config/consumer.properties --from-beginning

　　0.11.0.0 及之后版本 - bin/kafka-console-consumer.sh --topic __consumer_offsets --zookeeper hadoop102:2181 --formatter "kafka.coordinator.group.GroupMetadataManager\$OffsetsMessageFormatter" --consumer.config config/consumer.properties --from-beginning

 

啟個消費者

bin/kafka-console-consumer.sh --bootstrap-server yyq10:2181 --topic bigdata

可以正常消費到

 

進入系統topic 並從頭消費

bin/kafka-console-consumer.sh --topic __consumer_offsets --zookeeper yyq10:2181 --formatter "kafka.coordinator.group.GroupMetadataManager\$OffsetsMessageFormatter" --consumer.config config/consumer.properties --from-beginning

[消費者組][topic 分區(GTP)][offset]

當前有消費者一直在提交 

進行消費，然后查看offset值

 

消費了一條數據分區0 offset +1 

 消費3條數據

 

之前的0分區4， 1分區3變成了0分區6，1分區4

消費3條

 

 6、4變7、6

消費多次

71、70

驗證完成，KV(key value)模式，消費者組、主題、分區都不變，保留的offset也不會變，保留在哪個分區根據hash計算。

然后退出消費者，消費者就不會再往里面寫東西，也就不會刷新了。

總結：生產者>消費者>寫入offset

生產者(產生數據並且放入到對應的topic、partition)>消費者(產生了ID)>往系統寫入offset(產生了offset)，消費者組ID（以消費者組產生offset，所以不影響其他消費者組和他產生的offset） ，此時對於topic、partition，原本的消費者(本次的消費者組)變成了生產者(生產了消費者組ID和offset)。

 

如果退出消費者，無法再次進入（group組名已經消費過了，請使用命令刪除 --delete-consumer-offsets to delete previous offsets metadata，這里使用的辦法是修改組名）

修改消費者配置文件組名

vi config/consumer.properties

 

 

 

3.3.4 消費者組案例

1）需求

測試同一個消費者組中的消費者， 同一時刻只能有一個消費者消費。

2）案例操作 （生產者保持2分區）

1.修改config\consumer.properties文件中的group.id屬性。

vi config/consumer.properties
group.id=yyq

 

2.打開兩個cmd，分別啟動兩個消費者。（以%KAFKA_HOME\config\consumer.properties%作配置參數）

bin/kafka-console-consumer.sh --zookeeper yyq10:2181 --topic bigdata --consumer.config config/consumer.properties

  

3.打開zookeeper

  ls /consumers

不再是分配的ID了，而是配置文件中制定的消費者組

 

4.消費測試

 

生產者消費

 第一個消費者收到

打開第二個消費者

 生產者多次消費

第一個消費者和第二個消費者輪訓獲取到

 開啟第三個消費者

3個消費者窗口提示 

bigdata主題（kafka.consumer.RangeAssignor）的使用者線程yyq_yyq10-1638096617113-89de0278-0未使用任何代理分區

當前的消費者：

 進行多次消費

 發現還是只有消費者1、2可以收到 

 退出第三個消費者，再次進入

新產生的消費者分組還是沒有分配到分區，多次嘗試還無法分配  

經驗證：
多台機器連接yyq10，優先滿足yyq10本機自己的消費者連接，T出非yyq10主機的消費者

進入生產者和消費者：

[root@yyq10 kafka]# bin/kafka-console-producer.sh --topic bigdata --broker-list yyq10:9092

[root@yyq10 kafka]# bin/kafka-console-consumer.sh --zookeeper yyq10:2181 --topic bigdata --consumer.config config/consumer.properties

 [root@yyq20 kafka]# bin/kafka-console-consumer.sh --zookeeper yyq10:2181 --topic bigdata --consumer.config config/consumer.properties

查看zookeeper消費者組ids

消費、查看

加入第三個消費者

[root@yyq10 kafka]# bin/kafka-console-consumer.sh --zookeeper yyq10:2181 --topic bigdata --consumer.config config/consumer.properties

提示已經存在的yyq_yyq20-1638109080439-7a41f3c0-0 被T出去了

消費

 

驗證成功 

 

3.4 高效讀寫數據

 

1）順序寫磁盤

Kafka 的 producer 生產數據，要寫入到 log 文件中，寫的過程是一直追加到文件末端，為順序寫。 官網有數據表明，同樣的磁盤，順序寫能到 600M/s，而隨機寫只有 100K/s。這與磁盤的機械機構有關，順序寫之所以快，是因為其省去了大量磁頭尋址的時間。

2）零復制技術

• NIC network interface controller 網絡接口控制器

 

3.5 Zookeeper 在 Kafka 中的作用

 

Kafka 集群中有一個 broker 會被選舉為 Controller，負責管理集群 broker 的上下線，所有 topic 的分區副本分配和 leader 選舉等工作。Reference Controller 的管理工作都是依賴於 Zookeeper 的。 以下為 partition 的 leader 選舉過程：

Kafka高級_Ranger分區再分析

略

 

3.6 Kafka事務

　　Kafka 從 0.11 版本開始引入了事務支持。事務可以保證 Kafka 在 Exactly Once 語義的基礎上，生產和消費可以跨分區和會話，要么全部成功，要么全部失敗。

3.6.1 Producer 事務

　　為了實現跨分區跨會話的事務，需要引入一個全局唯一的 Transaction ID，並將 Producer 獲得的PID 和Transaction ID 綁定。這樣當Producer 重啟后就可以通過正在進行的 TransactionID 獲得原來的 PID。 為了管理 Transaction， Kafka 引入了一個新的組件 Transaction Coordinator。 Producer 就是通過和 Transaction Coordinator 交互獲得 Transaction ID 對應的任務狀態。 Transaction Coordinator 還負責將事務所有寫入 Kafka 的一個內部 Topic，這樣即使整個服務重啟，由於事務狀態得到保存，進行中的事務狀態可以得到恢復，從而繼續進行。

3.6.2 Consumer 事務

上述事務機制主要是從 Producer 方面考慮，對於 Consumer 而言，事務的保證就會相對較弱，尤其時無法保證 Commit 的信息被精確消費。這是由於 Consumer 可以通過 offset 訪問任意信息，而且不同的 Segment File 生命周期不同，同一事務的消息可能會出現重啟后被刪除的情況。

 

第四章 Kafka API

略

 

第五章 Kafka監控 

 

5.1.Kafka Eagle

 

Kafka Eagle是開源可視化和管理軟件。它允許您查詢、可視化、提醒和探索您的指標，無論它們存儲在哪里。簡單地說，它為您提供了將kafka集群數據轉換為漂亮的圖形和可視化的工具。

 

 

修改 kafka 啟動命令

 

kafka啟動命令的配置需要在所有節點修改，並且重啟kafka

修改 kafka-server-start.sh 命令中
if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
fi
改為
if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
export KAFKA_HEAP_OPTS="-server -Xms2G -Xmx2G -XX:PermSize=128m
-XX:+UseG1GC -XX:MaxGCPauseMillis=200 -XX:ParallelGCThreads=8 -
XX:ConcGCThreads=5 -XX:InitiatingHeapOccupancyPercent=70"
export JMX_PORT="9999"
#export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
fi

 

vi bin/kafka-server-start.sh

改為 

集群所有節點都調整后重啟kafka

后續安裝無需在所有節點上操作，根據需求來。

 

添加變量

vi /etc/profile

export KE_HOME=/opt/module/eagle

export PATH=$PATH:$KE_HOME/bin

source /etc/profile

 

解包並授權

 

把包kafka-eagle-bin-1.3.7.tar.gz 放到 yyq10:/

tar zxvf /kafka-eagle-bin-1.3.7.tar.gz

tar zxvf  /kafka-eagle-bin-1.3.7/kafka-eagle-web-1.3.7-bin.tar.gz -C /opt/module/

mv /opt/module/kafka-eagle-web-1.3.7 /opt/module/eagle

chmod /opt/module/eagle/bin//eagle/bin/777 ke.sh

 

修改配置文件

 

[root@yyq10 eagle]# cat /opt/module/eagle/conf/system-config.properties
######################################
# multi zookeeper&kafka cluster list
######################################
kafka.eagle.zk.cluster.alias=cluster1
cluster1.zk.list=yyq10:2181,yyq20:2181,yyq21:2181

######################################
# zk client thread limit
######################################
kafka.zk.limit.size=25

######################################
# kafka eagle webui port
######################################
kafka.eagle.webui.port=8048

######################################
# kafka offset storage
######################################
cluster1.kafka.eagle.offset.storage=kafka

######################################
# enable kafka metrics
######################################
kafka.eagle.metrics.charts=true
kafka.eagle.sql.fix.error=false

######################################
# kafka sql topic records max
######################################
kafka.eagle.sql.topic.records.max=5000

######################################
# alarm email configure
######################################
kafka.eagle.mail.enable=false
kafka.eagle.mail.sa=[e-mail]
kafka.eagle.mail.username=[e-mail]
kafka.eagle.mail.password=mqslimczkdqabbbh
kafka.eagle.mail.server.host=smtp.163.com
kafka.eagle.mail.server.port=25

######################################
# alarm im configure
######################################
#kafka.eagle.im.dingding.enable=true
#kafka.eagle.im.dingding.url=https://oapi.dingtalk.com/robot/send?access_token=

#kafka.eagle.im.wechat.enable=true
#kafka.eagle.im.wechat.token=https://qyapi.weixin.qq.com/cgi-bin/gettoken?corpid=xxx&corpsecret=xxx
#kafka.eagle.im.wechat.url=https://qyapi.weixin.qq.com/cgi-bin/message/send?access_token=
#kafka.eagle.im.wechat.touser=
#kafka.eagle.im.wechat.toparty=
#kafka.eagle.im.wechat.totag=
#kafka.eagle.im.wechat.agentid=

######################################
# delete kafka topic token
######################################
kafka.eagle.topic.token=keadmin

######################################
# kafka sasl authenticate
######################################
cluster1.kafka.eagle.sasl.enable=false
cluster1.kafka.eagle.sasl.protocol=SASL_PLAINTEXT
cluster1.kafka.eagle.sasl.mechanism=PLAIN
cluster1.kafka.eagle.sasl.jaas.config=org.apache.kafka.common.security.plain.PlainLoginModule required username="admin" password="kafka-eagle";

cluster2.kafka.eagle.sasl.enable=false
cluster2.kafka.eagle.sasl.protocol=SASL_PLAINTEXT
cluster2.kafka.eagle.sasl.mechanism=PLAIN
cluster2.kafka.eagle.sasl.jaas.config=org.apache.kafka.common.security.plain.PlainLoginModule required username="admin" password="kafka-eagle";

######################################
# kafka jdbc driver address
######################################
kafka.eagle.driver=com.mysql.jdbc.Driver
kafka.eagle.url=jdbc:mysql://yyq10:3306/ke?useUnicode=true&ch
aracterEncoding=UTF-8&zeroDateTimeBehavior=convertToNull
kafka.eagle.username=root
kafka.eagle.password=password

 

 

安裝mysql

 

yum install mariadb-server

service mysql start

mysql_secure_installation

設置密碼

mysql -u root -p

GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'youpassword' WITH GRANT OPTION

LUSH PRIVILEGES;

 

安裝eagle

 

cd chmod /opt/module/eagle/

bin/ke.sh start

 

登錄頁面查看監控數據

http://192.168.66.10:8048/ke/

 

 

第 6 章 Flume 對接 Kafka

 

下載 flume

wget https://downloads.apache.org/flume/1.7.0/apache-flume-1.7.0-bin.tar.gz /opt/module

tar zxvf /opt/module/apache-flume-1.7.0-bin.tar.gz

mv /opt/module/apache-flume-1.7.0-bin /opt/module/flume

 

配置 flume

mkdir /opt/module/flume/job

[root@yyq10 job]# cat kafka.conf
# Name
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Source
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444

a1.sources.r1.command = tail -F -c +0 /opt/module/data/flume.log
a1.sources.r1.shell = /bin/bash -c

# Sink
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.kafka.bootstrap.servers = yyq10:9092,yyq20:9092,yyq21:9092
a1.sinks.k1.kafka.topic = first
a1.sinks.k1.kafka.flumeBatchSize = 20
a1.sinks.k1.kafka.producer.acks = 1
a1.sinks.k1.kafka.producer.linger.ms = 1

# channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# bind
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

 

啟動 flume

bin/flume-ng agent -c conf/ -f job/kafka.conf -n a1

 

進入消費者

bin/kafka-console-consumer.sh --zookeeper yyq10:2181 --topic first

 

連接端口生產

 

消費消息

 

 

 

 

視頻地址：

https://www.bilibili.com/video/BV1a4411B7V9?p=1