1. Kafka生產(chǎn)者Java API:

package net.togogo.kafkaproject;

import java.util.Properties;

import org.apache.kafka.clients.producer.KafkaProducer;

import org.apache.kafka.clients.producer.ProducerRecord;

public class KafkaProducerSimple {

   public static void main(String[] args) {

       Properties props = new Properties();

       props.put("bootstrap.servers",

               "hdp08:9092,hdp09:9092,hdp10:9092");//該地址是集群的子集，用來(lái)探測(cè)集群。

       props.put("acks", "all");// 記錄完整提交，最慢的但是較大可能的持久化

       props.put("retries", 3);// 請(qǐng)求失敗重試的次數(shù)

       props.put("batch.size", 16384);// batch的大小

       props.put("linger.ms", 1);// 默認(rèn)情況即使緩沖區(qū)有剩余的空間，也會(huì)立即發(fā)送請(qǐng)求，設(shè)置一段時(shí)間用來(lái)等待從而將緩沖區(qū)填的更多，單位為毫秒，producer發(fā)送數(shù)據(jù)會(huì)延遲1ms，可以減少發(fā)送到kafka服務(wù)器的請(qǐng)求數(shù)據(jù)

       props.put("buffer.memory", 33554432);// 提供給生產(chǎn)者緩沖內(nèi)存總量

       props.put("key.serializer",

               "org.apache.kafka.common.serialization.StringSerializer");// 序列化的方式，

                                                                           // ByteArraySerializer或者StringSerializer

       props.put("value.serializer",

               "org.apache.kafka.common.serialization.StringSerializer");

       KafkaProducer<String, String> producer = new KafkaProducer<>(props);

       for (int i = 0; i < 10000; i++) {

           // 三個(gè)參數(shù)分別為topic, key,value，send()是異步的，添加到緩沖區(qū)立即返回，更高效。

           producer.send(new ProducerRecord<String, String>("mytopic",

                   "key"+i, "value"+i));

       }

       producer.close();

   }

}

package net.togogo.kafkaproject;

import java.util.Arrays;

import java.util.Properties;

import org.apache.kafka.clients.consumer.ConsumerRecord;

import org.apache.kafka.clients.consumer.ConsumerRecords;

import org.apache.kafka.clients.consumer.KafkaConsumer;

public class KafkaConsumerSimple {

public static void main(String[] args) {

       Properties props = new Properties();

       props.put("bootstrap.servers",

               "hdp08:9092,hdp09:9092,hdp10:9092");// 該地址是集群的子集，用來(lái)探測(cè)集群。

       props.put("group.id", "test");// cousumer的分組id

       props.put("enable.auto.commit", "true");// 自動(dòng)提交offsets

       props.put("auto.commit.interval.ms", "1000");// 每隔1s，自動(dòng)提交offsets

       props.put("session.timeout.ms", "30000");// Consumer向集群發(fā)送自己的心跳，超時(shí)則認(rèn)為Consumer已經(jīng)死了，kafka會(huì)把它的分區(qū)分配給其他進(jìn)程

       props.put("key.deserializer",

               "org.apache.kafka.common.serialization.StringDeserializer");// 反序列化器

       props.put("value.deserializer",

               "org.apache.kafka.common.serialization.StringDeserializer");

       KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);

       consumer.subscribe(Arrays.asList("mytopic"));// 訂閱的topic,可以多個(gè)

       while (true) {

           ConsumerRecords<String, String> records = consumer.poll(100);

           for (ConsumerRecord<String, String> record : records) {

               System.out.printf("offset = %d, key = %s, value = %s",

                       record.offset(), record.key(), record.value());

               System.out.println();

           }

       }

   }

}

?

一、 Kafka架構(gòu)

?1. Kafka整體結(jié)構(gòu)圖

?

    Producer ：消息生產(chǎn)者，就是向kafka broker發(fā)消息的客戶(hù)端。

    Consumer ：消息消費(fèi)者，向kafka broker取消息的客戶(hù)端

    Topic ：可以理解為一個(gè)隊(duì)列。

    Consumer Group （CG）：這是kafka用來(lái)實(shí)現(xiàn)一個(gè)topic消息的廣播（發(fā)給所有的consumer）和單播（發(fā)給任意一個(gè)consumer）的手段。一個(gè)topic可以有多個(gè)CG。topic的消息會(huì)復(fù)制（不是真的復(fù)制，是概念上的）到所有的CG，但每個(gè)partion只會(huì)把消息發(fā)給該CG中的一個(gè)consumer。如果需要實(shí)現(xiàn)廣播，只要每個(gè)consumer有一個(gè)獨(dú)立的CG就可以了。要實(shí)現(xiàn)單播只要所有的consumer在同一個(gè)CG。用CG還可以將consumer進(jìn)行自由的分組而不需要多次發(fā)送消息到不同的topic。

    Broker ：一臺(tái)kafka服務(wù)器就是一個(gè)broker。一個(gè)集群由多個(gè)broker組成。一個(gè)broker可以容納多個(gè)topic。

    Partition：為了實(shí)現(xiàn)擴(kuò)展性，一個(gè)非常大的topic可以分布到多個(gè)broker（即服務(wù)器）上，一個(gè)topic可以分為多個(gè)partition，每個(gè) partition是一個(gè)有序的隊(duì)列。partition中的每條消息都會(huì)被分配一個(gè)有序的id（offset）。kafka只保證按一個(gè)partition中的順序?qū)⑾l(fā)給consumer，不保證一個(gè)topic的整體（多個(gè)partition間）的順序。

    Offset：kafka的存儲(chǔ)文件都是按照offset.kafka來(lái)命名，用offset做名字的好處是方便查找。例如你想找位于2049的位置，只要找到2048.kafka的文件即可。當(dāng)然the first offset就是00000000000.kafka

2.Consumer與topic關(guān)系?

本質(zhì)上kafka只支持Topic；

    每個(gè)group中可以有多個(gè)consumer，每個(gè)consumer屬于一個(gè)consumer group；

通常情況下，一個(gè)group中會(huì)包含多個(gè)consumer，這樣不僅可以提高topic中消息的并發(fā)消費(fèi)能力，而且還能提高"故障容錯(cuò)"性，如果group中的某個(gè)consumer失效那么其消費(fèi)的partitions將會(huì)有其他consumer自動(dòng)接管。

    對(duì)于Topic中的一條特定的消息，只會(huì)被訂閱此Topic的每個(gè)group中的其中一個(gè)consumer消費(fèi)，此消息不會(huì)發(fā)送給一個(gè)group的多個(gè)consumer；

那么一個(gè)group中所有的consumer將會(huì)交錯(cuò)的消費(fèi)整個(gè)Topic，每個(gè)group中consumer消息消費(fèi)互相獨(dú)立，我們可以認(rèn)為一個(gè)group是一個(gè)"訂閱"者。

    在kafka中,一個(gè)partition中的消息只會(huì)被group中的一個(gè)consumer消費(fèi)(同一時(shí)刻)；

一個(gè)Topic中的每個(gè)partions，只會(huì)被一個(gè)"訂閱者"中的一個(gè)consumer消費(fèi)，不過(guò)一個(gè)consumer可以同時(shí)消費(fèi)多個(gè)partitions中的消息。

    kafka的設(shè)計(jì)原理決定,對(duì)于一個(gè)topic，同一個(gè)group中不能有多于partitions個(gè)數(shù)的consumer同時(shí)消費(fèi)，否則將意味著某些consumer將無(wú)法得到消息。

kafka只能保證一個(gè)partition中的消息被某個(gè)consumer消費(fèi)時(shí)是順序的；事實(shí)上，從Topic角度來(lái)說(shuō),當(dāng)有多個(gè)partitions時(shí),消息仍不是全局有序的。

3. Kafka消息的分發(fā) Producer客戶(hù)端負(fù)責(zé)消息的分發(fā)

l kafka集群中的任何一個(gè)broker都可以向producer提供metadata信息,這些metadata中包含"集群中存活的servers列表"/"partitions leader列表"等信息；

l 當(dāng)producer獲取到metadata信息之后, producer將會(huì)和Topic下所有partition leader保持socket連接；

l 消息由producer直接通過(guò)socket發(fā)送到broker，中間不會(huì)經(jīng)過(guò)任何"路由層"，事實(shí)上，消息被路由到哪個(gè)partition上由producer客戶(hù)端決定；

比如可以采用"random""key-hash""輪詢(xún)"等,如果一個(gè)topic中有多個(gè)partitions,那么在producer端實(shí)現(xiàn)"消息均衡分發(fā)"是必要的。

l 在producer端的配置文件中,開(kāi)發(fā)者可以指定partition路由的方式。

Producer消息發(fā)送的應(yīng)答機(jī)制

設(shè)置發(fā)送數(shù)據(jù)是否需要服務(wù)端的反饋,有三個(gè)值0,1,-1

0: producer不會(huì)等待broker發(fā)送ack

1: 當(dāng)leader接收到消息之后發(fā)送ack

-1: 當(dāng)所有的follower都同步消息成功后發(fā)送ack

request.required.acks=0

?

4. Consumer的負(fù)載均衡當(dāng)一個(gè)group中,有consumer加入或者離開(kāi)時(shí),會(huì)觸發(fā)partitions均衡.均衡的最終目的,是提升topic的并發(fā)消費(fèi)能力，步驟如下：

1、 假如topic1,具有如下partitions: P0,P1,P2,P3

2、 加入group中,有如下consumer: C1,C2

3、 首先根據(jù)partition索引號(hào)對(duì)partitions排序: P0,P1,P2,P3

4、 根據(jù)consumer.id排序: C0,C1

5、 計(jì)算倍數(shù): M = [P0,P1,P2,P3].size / [C0,C1].size,本例值M=2(向上取整)

6、 然后依次分配partitions: C0 = [P0,P1],C1=[P2,P3],即Ci = [P(i * M),P((i + 1) * M -1)]

5. kafka文件存儲(chǔ)機(jī)制

1) Kafka文件存儲(chǔ)基本結(jié)構(gòu)l 在Kafka文件存儲(chǔ)中，同一個(gè)topic下有多個(gè)不同partition，每個(gè)partition為一個(gè)目錄，partiton命名規(guī)則為topic名稱(chēng)+有序序號(hào)，第一個(gè)partiton序號(hào)從0開(kāi)始，序號(hào)較大值為partitions數(shù)量減1。

每個(gè)partion(目錄)相當(dāng)于一個(gè)巨型文件被平均分配到多個(gè)大小相等segment(段)數(shù)據(jù)文件中。但每個(gè)段segment file消息數(shù)量不一定相等，這種特性方便old segment file快速被刪除。默認(rèn)保留7天的數(shù)據(jù)。

每個(gè)partiton只需要支持順序讀寫(xiě)就行了，segment文件生命周期由服務(wù)端配置參數(shù)決定。（什么時(shí)候創(chuàng)建，什么時(shí)候刪除）

?

數(shù)據(jù)有序的討論？

一個(gè)partition的數(shù)據(jù)是否是有序的？ 間隔性有序，不連續(xù)

針對(duì)一個(gè)topic里面的數(shù)據(jù)，只能做到partition內(nèi)部有序，不能做到全局有序。

特別加入消費(fèi)者的場(chǎng)景后，如何保證消費(fèi)者消費(fèi)的數(shù)據(jù)全局有序的？偽命題。

只有一種情況下才能保證全局有序？就是只有一個(gè)partition。

Segment file組成：由2大部分組成，分別為index file和data file，此2個(gè)文件一一對(duì)應(yīng)，成對(duì)出現(xiàn)，后綴".index"和“.log”分別表示為segment索引文件、數(shù)據(jù)文件。

?

Segment文件命名規(guī)則：partion全局的第一個(gè)segment從0開(kāi)始，后續(xù)每個(gè)segment文件名為上一個(gè)segment文件最后一條消息的offset值。數(shù)值較大為64位long大小，19位數(shù)字字符長(zhǎng)度，沒(méi)有數(shù)字用0填充。

索引文件存儲(chǔ)大量元數(shù)據(jù)，數(shù)據(jù)文件存儲(chǔ)大量消息，索引文件中元數(shù)據(jù)指向?qū)?yīng)數(shù)據(jù)文件中message的物理偏移地址。

3，497：當(dāng)前l(fā)og文件中的第幾條信息，存放在磁盤(pán)上的那個(gè)地方

上述圖中索引文件存儲(chǔ)大量元數(shù)據(jù)，數(shù)據(jù)文件存儲(chǔ)大量消息，索引文件中元數(shù)據(jù)指向?qū)?yīng)數(shù)據(jù)文件中message的物理偏移地址。

其中以索引文件中元數(shù)據(jù)3,497為例，依次在數(shù)據(jù)文件中表示第3個(gè)message(在全局partiton表示第368772個(gè)message)、以及該消息的物理偏移地址為497。

?

3) Kafka 查找message?

讀取offset=368776的message，需要通過(guò)下面2個(gè)步驟查找。

?

A. 查找segment file

00000000000000000000.index表示最開(kāi)始的文件，起始偏移量(offset)為0

00000000000000368769.index的消息量起始偏移量為368770 = 368769 + 1

00000000000000737337.index的起始偏移量為737338=737337 + 1

其他后續(xù)文件依次類(lèi)推。

以起始偏移量命名并排序這些文件，只要根據(jù)offset **二分查找**文件列表，就可以快速定位到具體文件。當(dāng)offset=368776時(shí)定位到00000000000000368769.index和對(duì)應(yīng)log文件。

B. 通過(guò)segment file查找message

當(dāng)offset=368776時(shí)，依次定位到00000000000000368769.index的元數(shù)據(jù)物理位置和00000000000000368769.log的物理偏移地址

然后再通過(guò)00000000000000368769.log順序查找直到offset=368776為止。

6. Kafka自定義Partition