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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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。