kafka介绍 & 环境搭建

介绍

Kafka是一个分布式的、可分区的、可复制的消息系统。它提供了普通消息系统的功能,但具有自己独特的设计。这个独特的设计是什么样的呢?

首先让我们看几个基本的消息系统术语:

  • Kafka将消息以topic为单位进行归纳。
  • 将向Kafka topic发布消息的程序称为producers.
  • 将预订topics并消费消息的程序称为consumer.
  • Kafka以集群的方式运行,可以由一个或多个服务组成,每个服务叫做一个broker.

producers通过网络将消息发送到Kafka集群,集群向消费者提供消息,如下图所示:

http://www.linuxidc.com/upload/2014_07/140721072031172.png

客户端和服务端通过TCP协议通信。Kafka提供了Java客户端,并且对多种语言都提供了支持。

Topics和Logs

一个topic是对一组消息的归纳。对每个topic,Kafka 对它的日志进行了分区,如下图所示:

http://www.linuxidc.com/upload/2014_07/140721072031171.png

每个分区都由一系列有序的、不可变的消息组成,这些消息被连续的追加到分区中。分区中的每个消息都有一个连续的序列号叫做offset,用来在分区中唯一的标识这个消息。

在一个可配置的时间段内,Kafka集群保留所有发布的消息,不管这些消息有没有被消费。比如,如果消息的保存策略被设置为2天,那么在一个消息被发布的两天时间内,它都是可以被消费的。之后它将被丢弃以释放空间。Kafka的性能是和数据量无关的常量级的,所以保留太多的数据并不是问题。

实际上每个consumer唯一需要维护的数据是消息在日志中的位置,也就是offset.这个offset有consumer来维护:一般情况下随着consumer不断的读取消息,这offset的值不断增加,但其实consumer可以以任意的顺序读取消息,比如它可以将offset设置成为一个旧的值来重读之前的消息。

以上特点的结合,使Kafka consumers非常的轻量级:它们可以在不对集群和其他consumer造成影响的情况下读取消息。你可以使用命令行来”tail”消息而不会对其他正在消费消息的consumer造成影响。

将日志分区可以达到以下目的:首先这使得每个日志的数量不会太大,可以在单个服务上保存。另外每个分区可以单独发布和消费,为并发操作topic提供了一种可能。

分布式

每个分区在Kafka集群的若干服务中都有副本,这样这些持有副本的服务可以共同处理数据和请求,副本数量是可以配置的。副本使Kafka具备了容错能力。
每个分区都由一个服务器作为“leader”,零或若干服务器作为“followers”,leader负责处理消息的读和写,followers则去复制leader.如果leader down了,followers中的一台则会自动成为leader。集群中的每个服务都会同时扮演两个角色:作为它所持有的一部分分区的leader,同时作为其他分区的followers,这样集群就会据有较好的负载均衡。

Producers

Producer将消息发布到它指定的topic中,并负责决定发布到哪个分区。通常简单的由负载均衡机制随机选择分区,但也可以通过特定的分区函数选择分区。使用的更多的是第二种。

Consumers

发布消息通常有两种模式:队列模式(queuing)和发布-订阅模式(publish-subscribe)。队列模式中,consumers可以同时从服务端读取消息,每个消息只被其中一个consumer读到;发布-订阅模式中消息被广播到所有的consumer中。

Consumers可以加入一个consumer 组,共同竞争一个topic,topic中的消息将被分发到组中的一个成员中。同一组中的consumer可以在不同的程序中,也可以在不同的机器上。如果所有的consumer都在一个组中,这就成为了传统的队列模式,在各consumer中实现负载均衡。

如果所有的consumer都不在不同的组中,这就成为了发布-订阅模式,所有的消息都被分发到所有的consumer中。

更常见的是,每个topic都有若干数量的consumer组,每个组都是一个逻辑上的“订阅者”,为了容错和更好的稳定性,每个组由若干consumer组成。这其实就是一个发布-订阅模式,只不过订阅者是个组而不是单个consumer。

http://www.linuxidc.com/upload/2014_07/140721072031173.png

由两个机器组成的集群拥有4个分区 (P0-P3) 2个consumer组. A组有两个consumerB组有4个

相比传统的消息系统,Kafka可以很好的保证有序性。
传统的队列在服务器上保存有序的消息,如果多个consumers同时从这个服务器消费消息,服务器就会以消息存储的顺序向consumer分发消息。虽然服务器按顺序发布消息,但是消息是被异步的分发到各consumer上,所以当消息到达时可能已经失去了原来的顺序,这意味着并发消费将导致顺序错乱。为了避免故障,这样的消息系统通常使用“专用consumer”的概念,其实就是只允许一个消费者消费消息,当然这就意味着失去了并发性。

在这方面Kafka做的更好,通过分区的概念,Kafka可以在多个consumer组并发的情况下提供较好的有序性和负载均衡。将每个分区分只分发给一个consumer组,这样一个分区就只被这个组的一个consumer消费,就可以顺序的消费这个分区的消息。因为有多个分区,依然可以在多个consumer组之间进行负载均衡。注意consumer组的数量不能多于分区的数量,也就是有多少分区就允许多少并发消费。

Kafka只能保证一个分区之内消息的有序性,在不同的分区之间是不可以的,这已经可以满足大部分应用的需求。如果需要topic中所有消息的有序性,那就只能让这个topic只有一个分区,当然也就只有一个consumer组消费它。

搭建环境

接下来一步一步搭建Kafka运行环境。

  1. 下载Kafka
    下载最新的版本并解压.

      tar -xzf kafka_2.9.2-0.8.1.1.tgz
      cd kafka_2.9.2-0.8.1.1
    
  2. 启动服务
    Kafka用到了Zookeeper,所有首先启动Zookper,下面简单的启用一个单实例的Zookkeeper服务。

      bin/zookeeper-server-start.sh config/zookeeper.properties &
      [2013-04-22 15:01:37,495] INFO Reading configuration from: config/zookeeper.properties (org.apache.zookeeper.server.quorum.QuorumPeerConfig)
      ...
    

    现在启动Kafka:

      bin/kafka-server-start.sh config/server.properties
      [2013-04-22 15:01:47,028] INFO Verifying properties (kafka.utils.VerifiableProperties)
      [2013-04-22 15:01:47,051] INFO Property socket.send.buffer.bytes is overridden to 1048576 (kafka.utils.VerifiableProperties)
      ...
    
  3. 创建 topic
    创建一个叫做“test”的topic,它只有一个分区,一个副本。

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

    可以通过list命令查看创建的topic:

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

    除了手动创建topic,还可以配置broker让它自动创建topic.

  4. 发送消息.
    Kafka 使用一个简单的命令行producer,从文件中或者从标准输入中读取消息并发送到服务端。默认的每条命令将发送一条消息。

    运行producer并在控制台中输一些消息,这些消息将被发送到服务端:

     bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test 
     This is a messageThis is another message
     ctrl+c可以退出发送。
    
  5. 启动consumer
    Kafka also has a command line consumer that will dump out messages to standard output.

    Kafka也有一个命令行consumer可以读取消息并输出到标准输出:

      bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic test --from-beginning
      This is a message
      This is another message
    

    你在一个终端中运行consumer命令行,另一个终端中运行producer命令行,就可以在一个终端输入消息,另一个终端读取消息。
    这两个命令都有自己的可选参数,可以在运行的时候不加任何参数可以看到帮助信息。

  6. 搭建一个多个broker的集群
    刚才只是启动了单个broker,现在启动有3个broker组成的集群,这些broker节点也都是在本机上的:
    首先为每个节点编写配置文件:

     cp config/server.properties config/server-1.properties
     cp config/server.properties config/server-2.properties
    

    在拷贝出的新文件中添加以下参数:

      config/server-1.properties:
          broker.id=1
          port=9093
          log.dir=/tmp/kafka-logs-1
    
      config/server-2.properties:
          broker.id=2
          port=9094
          log.dir=/tmp/kafka-logs-2
    

    broker.id在集群中唯一的标注一个节点,因为在同一个机器上,所以必须制定不同的端口和日志文件,避免数据被覆盖。

    刚才已经启动可Zookeeper和一个节点,现在启动另外两个节点:

      bin/kafka-server-start.sh config/server-1.properties &
      bin/kafka-server-start.sh config/server-2.properties &
    

    创建一个拥有3个副本的topic:

      bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 3 --partitions 1 --topic my-replicated-topic
    

    现在我们搭建了一个集群,怎么知道每个节点的信息呢?运行“”describe topics”命令就可以了:

      bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic
      Topic:my-replicated-topic       PartitionCount:1        ReplicationFactor:3     Configs:
      Topic: my-replicated-topic      Partition: 0    Leader: 1       Replicas: 1,2,0 Isr: 1,2,0
    

    下面解释一下这些输出。第一行是对所有分区的一个描述,然后每个分区都会对应一行,因为我们只有一个分区所以下面就只加了一行。

      leader:负责处理消息的读和写,leader是从所有节点中随机选择的.
      replicas:列出了所有的副本节点,不管节点是否在服务中.
      isr:是正在服务中的节点.
    

    在我们的例子中,节点1是作为leader运行。
    向topic发送消息:

      bin/kafka-console-producer.sh --broker-list localhost:9092 --topic my-replicated-topic
      ...
      my test message 1my test message 2^C 
    

    消费这些消息:

      bin/kafka-console-consumer.sh --zookeeper localhost:2181 --from-beginning --topic my-replicated-topic
      ...
      my test message 1
      my test message 2
      ^C
    

    测试一下容错能力.Broker 1作为leader运行,现在我们kill掉它:

      ps | grep server-1.properties7564 ttys002    0:15.91 /System/Library/Frameworks/JavaVM.framework/Versions/1.6/Home/bin/java...
      kill -9 7564
    

    另外一个节点被选做了leader,node 1 不再出现在 in-sync 副本列表中:

      bin/kafka-topics.sh --describe --zookeeper localhost:218192 --topic my-replicated-topic
      Topic:my-replicated-topic       PartitionCount:1        ReplicationFactor:3     Configs:
      Topic: my-replicated-topic      Partition: 0    Leader: 2       Replicas: 1,2,0 Isr: 2,0
    

    虽然最初负责续写消息的leader down掉了,但之前的消息还是可以消费的:

      bin/kafka-console-consumer.sh --zookeeper localhost:2181 --from-beginning --topic my-replicated-topic
      ...
      my test message 1
      my test message 2
      ^C
    

发表评论

电子邮件地址不会被公开。 必填项已用*标注

(Spamcheck Enabled)