• 卢经理 151 5399 4549
    扫一扫,加我咨询
扫码关注我们
走近Kafka:大数据领域的不败王者
发布时间:2023-12-15

一、引言

1.背景

和 RabbitMQ 类似,Kafka(全称 Apache Kafka)是一个分布式发布-订阅消息系统。

自 Apache 2010 年开源这个顶级实用项目以来,至今已有十数年,Kafka 仍然是非常热门的一个消息中间件,在互联网应用里占据着举足轻重的地位。

甚至,技术圈一度将 Kafka 评为消息队列大数据领域中的最强王者!

Kafka 以其速度快(ms 级的顺序写入和零拷贝)、性能高(TB级的高吞吐量)、高可靠(有热扩展,副本容错机制能力)和高可用(依赖Zookeeper作分布式协调)等特点闻名于世,它非常适合消息、日志和大数据业务的存储和通信。

本文接下来将会从下载安装,配置修改,收发消息等理论和实践入手,带大家一起探索 kafka 的核心组件,以及业务中常见的数据消费问题。

二、kafka下载与安装

1.前提条件

由于 kafka 需要 JDK 环境来收发消息,并通过 ZooKeeper 协调服务,将 Producer,Consumer,Broker 等结合在一起,建立起生产者和消费者的订阅关系,实现负载均衡。

所以安装 kafka 之前,我们需要先:

  • 安装 JDK
  • 安装 Zookeeper

网上安装教程很多,而本文主要探讨 kafka,所以就不再这里给出 JDK 和 zk 的详细安装步骤了。

2.下载安装

安装 Kafka 时,主要有以下两种方式(更推荐使用 docker 安装):

  • 虚机安装官网下载 kafka 压缩包 [https://kafka.apache.org/downloads],或者使用 docker 下载解压缩至如下路径 /opt/usr/kafka 目录下。
  • docker安装(需先在虚机上安装 docker):
# 拉取镜像,默认最新版本
docker pull bitnami/kafka

# 创建网络环境,保证zk和kafka在同一个网络中
docker network create kafka-network

# 运行zookeper
docker run -d --name zookeeper --network kafka-network bitnami/zookeeper:latest

#运行kafka,其中:环境变量KAFKA_CFG_ZOOKEEPER_CONNECT指定ZooKeeper的连接信息,KAFKA_CFG_ADVERTISED_LISTENERS是Kafka对外的访问地址
docker run -d --name kafka --network kafka-network \
 -e KAFKA_CFG_ZOOKEEPER_CONNECT=zookeeper:2181 \
 -e KAFKA_CFG_ADVERTISED_LISTENERS=PLAINTEXT://localhost:9092 \
 -p 9092:9092 \
bitnami/kafka:latest
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.

3.修改配置文件

进入目录 /opt/usr/kafka/config,如果是 docker 安装方式,需先用命令 docker exec -it containerID bash 进入容器,修改 server.properties 文件:

#broker.id属性在kafka集群中必须要是唯⼀
broker.id=0

#kafka部署的机器ip和提供服务的端⼝号,根据自己服务器的网段修改IP
listeners=PLAINTEXT://192.168.65.60:9092

#kafka的消息存储⽂件
log.dir=/opt/usr/data

#kafka连接zookeeper的地址,根据自己服务器的网段修改IP
zookeeper.connect=192.168.65.60:2181
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.

三、启动Kafka

1.启动 kafka 服务器

进入 /opt/kafka/bin 目录下,使用命令启动:

./kafka-server-start.sh -daemon ../config/server.properties
  • 1.

使用 ps -ef |grep server.properties 命令查看是否启动成功

2.启动 Zookeeper

查看 zookeeper 是否正常添加好节点,首先,进入 zookeeper 的某一个容器内【这里进的是 zookeeper:zoo1 节点】

进入 bin 目录下,使用 zkCli.sh 命令,启动客户端

3.判断是否正常启动

使用 ls /brokers/ids 命令查询对应的 kafka broker:

如果看到有对应的 broker.id,如上图的 1,2,3,就说明已经启动成功了!

如果有启动报错,一般是 server.properties 配置文件有误:比如,broker Id 不唯一,IP 端口不正确导致。

四、Kafka常见概念与核心组件

以下是 Kafka 中的一些核心组件:

名称

解释

Broker

Kafka 集群中的消息处理节点,⼀个 Kafka 节点就是⼀个 broker,broker.id 不能重复

Producer

消息生产者,向 broker 发送消息的客户端

Consumer

消费者,从 broker 读取消息的客户端

Topic

主题,Kafka 根据 topic 对消息进⾏归类

Partition

分区,将一个 topic 的消息存放到不同分区

Replication

副本,分区的多个备份,备份分别存放在集群不同的 broker 中

1.主题Topic

(1) 什么是Topic

Topic 在 kafka 中是一个逻辑概念,kafka 通过 topic 将消息进行分类,消费者需通过 topic 来进行消费消息。

注意:发送到 Kafka 集群的每条消息都需要指定⼀个 topic,否则无法进行消费。

(2) 如何创建Topic

我们可以通过以下命令创建一个名为 hello-world  的 topic,在创建 topic 时可以指定分区数量和副本数量。

# 创建 topic
./kafka-topics.sh --create --zookeeper 172.16.30.34:2181 --replication-factor 1 --partitions 1 --topic hello-world

# 通过命令查看 zk 节点下所有的主题
./kafka-topics.sh --list --zookeeper 172.16.30.34:2181
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.

以下是在 docker 容器里创建 topic 的例子:

(3) 查看 topic 的具体信息

我们可以通过以下命令来查看名为 my-replicated-topic 这个主题的详细信息:

./kafka-topics.sh --describe --zookeeper 172.16.30.34:2181 --topic my-replicated-topic
  • 1.

可以看出该 topic 的名称,分区数量,副本数量,以及配置信息等:

并且,我们也可以直接在 zookeeper 客户端查看已创建的主题,通过以下命令查看:

# 进入客户端
./bin/zkCli.sh

# 查看主题
ls /brokers/topics
get /brokers/topics/hello-world
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.

可以看到,hello-world 主题已经被创建成功了:

2.Partition 分区

由于单机的 CPU、内存和磁盘等瓶颈,因此引入分区概念,类似于分布式系统的横向扩展。

通过分区,一个 topic 的消息可以放在不同的分区上,好处是:

  • 分离存储:解决一个分区上日志存储文件过大的问题;
  • 提高性能:读和写可以同时在多个分区上进行,方便扩展和提升并发。

创建多分区的主题

以下命令创建一个名称为 hello-world 的 topic,指定 zookeeper 内网节点地址为:172.16.30.34:2181(注意:如果在自己的内网机器上部署,这个地址需要改成自己的服务器 IP)。

--partitions 3:指定分区数量为 3


# 创建topic,replication-factor副本数为3,partitions分区数为1
./kafka-topics.sh --create --zookeeper 172.16.30.34:2181 --replication-factor 1 --partitions 3 --topic hello-world
  • 1.
  • 2.

3.Replication 副本

副本,就是主题中分区创建的多个备份,多个备份在 kafka 集群的多个 broker 中,会有一个 leader,多个 follower。

副本类似于冗余的意思,是保障系统高可用的有效应对方案。

指定副本数量

当新建主题时,除了可指定分区数,还可以指定副本数。

--replication-factor 3:指定副本数量为 3


# 创建topic,replication-factor副本数为3,partitions分区数为1
./kafka-topics.sh --create --zookeeper 172.16.30.34:2181 --replication-factor 3 --partitions 1 --topic my-replicated-topic
  • 1.
  • 2.

五、在Kafka中收发消息

1.发送消息

当创建完 topic 之后,我们可以通过 kafka 安装后自带的客户端工具 kafka-console-producer.sh,向已创建的主题中发消息:

# 打开hello-world主题的消息发送窗口
./kafka-console-producer.sh --bootstrap-server 172.16.30.34:49092 --topic hello-world
  • 1.
  • 2.

消息发送窗口打开后,向 hello-world 主题中发送消息:

2.消费消息

当消息发送成功后,我们新开一个窗口,通过 kafka 安装后自带的客户端工具 kafka-console-consumer.sh 创建一个消费者,并监听 hello-world 这个 topic,以消费消息:

# 打开hello-world主题的消息消费窗口
./kafka-console-consumer.sh --bootstrap-server 172.16.30.34:49092 --topic hello-world
  • 1.
  • 2.

在 kafka 中,消费者默认从当前主题的最后一条消息的 offset(偏移量位置)+1 位置开始监听,所以当消费者开始监听时,只能收到 topic 之后发送的消息:

从头开始消费

这时,如果 topic 消息已经发送有一会了,但我们想要从头开始消费该怎么办呢?

只需要在开启消费者监听时,加一个 --from-beginning 命令即可:

# 从当前主题的第一条消息开始消费
./kafka-console-consumer.sh --bootstrap-server 172.16.30.34:49092 --from-beginning --topic hello-world
  • 1.
  • 2.

从第一条消息开始消费:

六、消息收发相关

1.消息的存储和顺序性

生产者将消息发给 broker,broker 会将消息保存在本地的日志文件中。

在 config 文件中,日志目录为 /opt/usr/data,文件名为 主题-分区/00000000.log。

在存储和消费消息时,kafka 会用 offset 来记录当前消息的顺序:

  • 消息存储有序:通过 offset 偏移量来描述消息的有序性;
  • 消费有序:消费者消费消息时也是通过 offset 来描述当前要消费的消息位置。

2. 消费组

(1) 创建消费组

当创建消费者时,我们可以为消费者指定一个组别(group)。

--consuemr-property group.id=testGroup:指定 group 名称为 testGroup

./kafka-console-consumer.sh --bootstrap-server 172.16.30.34:49092 --consuemr-property group.id=testGroup --topic hello-world
  • 1.

指定组别后,在消费消息时,同一个消费组 group 只有一个消费者可以收到订阅的 topic 消息。

(2) 查看消费组信息

我们可以通过 describe 命令查看消费组信息,命令如下:

# 消费组testGroup的详细信息
./kafka-consumer-groups.sh --bootstrap-server 172.16.30.34:49094 --describe --group testGroup
  • 1.
  • 2.

消费者信息如下:

我们需要关注的重点字段如下:

  • CURRENT-OFFSET:最后被消费的消息偏移量(offset);
  • LOG-END-OFFSET:消息总量(最后一条消息的偏移量);
  • LAG:积压了多少条消息。

在同一个消费组里面,任何一个消费者拿到了消息,都会改变上述的字段值。

3.单播/多播消息

当创建消费组后,我们根据消费组的个数来判断消息是单播还是多播。这俩名词源于网络中的请求转发,单播就是一对一发送消息,多播就是多个消费组同时消费消息。

# 注意,当两个消费者都不指定消费组时,可以同时消费
./kafka-console-consumer.sh --bootstrap-server 172.16.30.34:49092 --topic hello-world
  • 1.
  • 2.

每次创建消费者时,如果没有指定消费组,则相当于创建了一个默认消费组,kafka  会为这些默认消费组生成一个随机的 group id。

所以多次创建默认消费组时,就是多播。

./kafka-console-consumer.sh --bootstrap-server 172.16.30.34:49092 --consuemr-property group.id=testGroup --topic hello-world
  • 1.

而单播消费时,只有一个消费组,所以 group_id 相同。

多播消费时,分别指定不同的消费组名称或者不指定消费组名称即可。

4.kafka消息日志文件

在 kafka 中,为了持久化数据,服务器创建了多个主题分区文件来保存消息,其中:

(1) 主题-分区/00000000.log 日志文件里保存了某个主题下的消息;

(2) Kafka 内部创建了 50 个分区 consumer-offsets-0 ~ 49,用来存放消费者消费某个 topic 的偏移量,这些偏移量由消费者消费 topic 的时候主动上报给 kafka。

  • 提交到哪个分区由 hash 后取模得出:hash(consumerGroupId)% 50;
  • 提交的内容为:key = consumerGroupId + topic + 分区号,value 为当前 offset 的值,为正整数。

在 Kafka 中,消费者的偏移量(consumer offset)是指消费者在分区中已经读取到的位置。消费者偏移量是由 Kafka 自动管理的,以确保消费者可以在故障恢复后继续从上次中断的位置开始消费。

如果大家在日常业务时想要跳过某些不消费的消息,或者重复消费,可以使用 Kafka 提供的 kafka-consumer-groups.sh 脚本,来查看和修改消费者组的偏移量。

七、尾声

1.小结

本文介绍了 Kafka 以其高速、高性能、高可靠性和高可用性在大数据领域中占据重要地位。

并且从下载安装 Kafka 开始,到修改配置、服务启动,通过命令行验证其是否启动成功。

接着,我们详细介绍了 Kafka 的核心组件,包括 Broker、Producer、Consumer、Topic、Partition 和Replication。

然后特别强调了 Topic 的创建和管理,展示了如何创建 Topic、指定分区和副本数量,以及如何查看 Topic 的详细信息。我们还讲述了 Partition 分区的优势,如分离存储和提高性能,并解释了 Replication 副本的概念和重要性。

接着,我们展示了在 Kafka 中发送和消费消息的过程,然后讨论了消息存储、顺序性、消费组的创建和查看消费组信息,以及单播和多播消息的概念。

最后,文章提到了 Kafka 中消息日志文件保存的内容,包括消息本身和消息偏移量,以及如何修改消息偏移量的位置。

相信看了这部分内容,大家已经学会如何搭建自己的 kafka 消息队列了~

2.后续

Kafka 系列文章分为上下篇,上篇主要是核心组件的介绍和实践上手等内容,包含对 Kafka 做了一个全面介绍,包括安装、配置、核心组件和消息收发机制,本文是上篇内容。

下篇内容主要讨论集群高可用、消息重复消费、延时队列等常见的高级用法,敬请期待。