大数据系列kafka学习笔记

10次阅读

共计 6405 个字符，预计需要花费 17 分钟才能阅读完成。

一般批处理(一个文件或者一批文件), 不管文件多大，都是可以度量

mapreduce hive sparkcore sparksql

源源不断的流水一样 (流数据)

Storm SparkStreaming

消息 Message
- 网络中的两台计算机或者两个通讯设备之间传递的数据, 例如说：文本、音乐、视频等内容
队列 Queue
- 一种特殊的线性表（数据元素首尾相接），特殊之处在于只允许在首部移除元素和在尾部追加元素。入队、出队。
消息队列 MQ
- 消息 + 队列
- 保存消息的队列
- 消息的传输过程中的容器
- 主要提供生产、消费接口供外部调用做数据的存储和获取

一个生产者生产的消息只能被一个消费者消费

消息队列(Queue)、主题(Topic)、发布者(Publisher)、订阅者(Subscriber)

消息的发布者
消息的订阅者

每个消息可以有多个消费者，彼此互不影响。比如我发布一个微博：关注我的人都能够看到。

在大数据领域呢，为了满足日益增长的数据量，也有一款可以满足百万级别消息的生成和消费，分布式、持久稳定的产品——Kafka
Kafka 是分布式的发布—订阅消息系统(基于 PS 的一个消息队列)
它最初由 LinkedIn(领英)公司发布, 使用 Scala 语言编写
Kafka 是一个高吞吐量的、持久性的、分布式发布订阅消息系统
它主要用于处理活跃的数据(登录、浏览、点击、分享、喜欢等用户行为产生的数据

高吞吐量
- 可以满足每秒 百万级 别消息的生产和消费(生产消费)
持久性
- 有一套完善的消息存储机制，确保数据的高效安全的持久化 (数据的存储)
分布式
- 基于分布式的扩展和容错机制；Kafka 的数据都会复制到几台服务器上。当某一台故障失效时，生产者和消费者转而使用其它的机器——整体健壮性

一个消息队列需要哪些部分?
- 生产
- 消费
- 消息类别
- 存储等等
Topic(主题)
- Kafka 处理的消息的不同分类
Broker (消息代理)
- Kafka 集群中的一个 kafka 服务节点称为一个 broker，主要存储消息数据, 存在硬盘中。每个 topic 都是有分区的
Partition (物理上的分区)
- 一个 topic 在 broker 中被分为 1 个或者多个 partition，分区在创建 topic 的时候指定
Message (消息)
- 消息，是通信的基本单位，每个消息都属于一个 partition

Producer : 消息和数据的生产者，向 Kafka 的一个 topic 发布消息
Consumer : 消息和数据的消费者，定于 topic 并处理其发布的消息
Zookeeper : 协调 kafka 的正常运行

准备 kafka
- kafka_2.10-0.10.0.1.tgz
解压 kafka
- tar -zxvf kafka_2.10-0.10.0.1.tgz -C /opt/
重命名
- mv kafka_2.10-0.10.0.1.tgz kafka

配置环境变量

export KAFKA_HOME=/opt/kafka
export PATH=$PATH:$KAFKA_HOME/bin

编辑 server.properties

broker.id=1
log.dirs=/opt/kafka/logs
zookeeper.connect=uplooking03:2181,uplooking04:2181,uplooking05:2181
listeners=PLAINTEXT://:9092

启动 kafka-server 服务

kafka-server-start.sh [-daemon] server.properties

停止 kafka 服务
```
 kafka-server-stop.sh
```

只需要在每个机器上修改对应的 ==broker.id=1== 即可

创建 topic

kafka-topics.sh  --create --topic t1 --partitions 3 --replication-factor 1  --zookeeper uplooking03:2181,uplooking04:2181

== 注意: 创建 topic 过程的问题，replication-factor 个数不能超过 brokerserver 的个数 ==

查看 topic

kafka-topics.sh  --list --zookeeper uplooking03

查看具体 topic 的详情

kafka-topics.sh  --describe --topic t1 --zookeeper uplooking04:2181

PartitionCount：topic 对应的 partition 的个数
ReplicationFactor：topic 对应的副本因子，说白就是副本个数
Partition：partition 编号，从 0 开始递增
Leader：当前 partition 起作用的 breaker.id
Replicas: 当前副本数据存在的 breaker.id，是一个列表，排在最前面的其作用
Isr：当前 kakfa 集群中可用的 breaker.id 列表

修改 topic(不能修改 replication-factor，以及只能对 partition 个数进行增加，不能减少)
```
kafka-topics.sh --alter --topic t1 --partitions 4 --zookeeper uplooking03
```
删除 Topic
```
kafka-topics.sh --delete --topic t1 --zookeeper uplooking03
```
ps: 这种删除只是标记删除, 要想彻底删除必须设置一个属性, 在 server.properties 中配置 delete.topic.enable=true，否则只是标记删除

配置完成之后，需要重启 kafka 服务

自己写代码实现 kafka 提供的消息生产和消费的接口
kafka 自身也实现了自身的生产和消费的接口, 给出了两个工具(kafka-console-producer.sh , kafka-console-consumer.sh)

kafka-console-producer.sh --topic t1  --broker-list uplooking03:9092,uploo
king04:9092,uplooking05:9092

kafka-console-consumer.sh  --zookeeper uplooking03 --topic t1

--from-beginning: 从头开始消费
--blacklist: 黑名单过滤(kafka-console-consumer.sh  --zookeeper uplooking03   --blacklist t1,t3)
--whitelist: 白名单过滤(kafka-console-consumer.sh  --zookeeper uplooking03   --whitelist t2)    

ps:--topic|--blacklist|--whitelist 只能出现其中一个

配置 flume 的 agent 配置文件

touch flume-kafka.properties

# 对各个组件的描述说明
# 其中 a1 为 agent 的名字
# r1 是 a1 的 source 的代号名字
# c1 是 a1 的 channel 的代号名字
# k1 是 a1 的 sink 的代号名字
############################################
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# 用于描述 source 的，类型是 netcat 网络
a1.sources.r1.type = netcat
# source 监听的网络 ip 地址和端口号
a1.sources.r1.bind = uplooking01
a1.sources.r1.port = 44444



# 用于描述 sink，类型是 kafka

a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.topic = hadoop
a1.sinks.k1.brokerList = uplooking03:9092,uplooking04:9092,uplooking05:9092
a1.sinks.k1.requiredAcks = 1
a1.sinks.k1.batchSize = 2


# 用于描述 channel，在内存中做数据的临时的存储
a1.channels.c1.type = memory
# 该内存中最大的存储容量，1000 个 events 事件
a1.channels.c1.capacity = 1000
# 能够同时对 100 个 events 事件监管事务
a1.channels.c1.transactionCapacity = 100


# 将 a1 中的各个组件建立关联关系，将 source 和 sink 都指向了同一个 channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

启动 flume 开始采集数据

[root@uplooking01:/opt/flume/conf]
    flume-ng agent --name a1 --conf-file flume-kafka.properties

开启 Kafka 消息消费工具

[root@uplooking03:/opt/flume/conf]
    kafka-console-consumer.sh  --zookeeper uplooking03 --topic hadoop

给 flume 监听的 Source 发送数据

[root@uplooking03:/]
    nc uplooking01 44444

现在就可以到 kafka 的消费工具 (kafka-console-consumer.sh) 中区查看 nc 发送的数据

<dependency>
  <groupId>org.apache.kafka</groupId>
  <artifactId>kafka_2.10</artifactId>
  <version>0.10.0.1</version>
</dependency>

创建生产者的配置文件 producer.properties

bootstrap.servers=uplooking03:9092,uplooking04:9092,uplooking05:9092
key.serializer=org.apache.kafka.common.serialization.StringSerializer
value.serializer=org.apache.kafka.common.serialization.StringSerializer

创建生产者并且发送数据到 topic 中

public class MyKafkaProducer {public static void main(String[] args) throws IOException {Properties prop = new Properties();
        prop.load(MyKafkaProducer.class.getClassLoader().getResourceAsStream("producer.properties"));
        KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(prop);
        kafkaProducer.send(new ProducerRecord<String, String>("hadoop", "name", "admin123"));
        kafkaProducer.close();}
}

创建消费者的配置文件 consumer.properties

zookeeper.connect=uplooking03:2181,uplooking04:2181,uplooking05:2181
group.id=test-consumer-group
bootstrap.servers=uplooking03:9092,uplooking04:9092,uplooking05:9092
key.deserializer=org.apache.kafka.common.serialization.StringDeserializer
value.deserializer=org.apache.kafka.common.serialization.StringDeserializer

创建消息消费者消费 topic 中的数据

public static void main(String[] args) throws Exception {Properties prop = new Properties();
    prop.load(MyKafkaConsumer.class.getClassLoader().getResourceAsStream("consumer.properties"));
    KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<String, String>(prop);
    Collection topics = new ArrayList();
    topics.add("hadoop");
    kafkaConsumer.subscribe(topics);
    while (true) {ConsumerRecords<String, String> records = kafkaConsumer.poll(1000);
        for (ConsumerRecord<String, String> record : records) {System.out.println(record.value());
        }
    }
}

自定义分区(MyCustomPartition)

package com.uplooking.bigdata.kafka.partition;
public class MyCustomPartition implements Partitioner {public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster)  {
// 获取分区数,    分区编号一般都是从 0 开始
int partitionSize = cluster.partitionCountForTopic(topic);
int keyHash = Math.abs(key.hashCode());
int valueHash = Math.abs(value.hashCode());
return keyHash % partitionSize;
}
public void close() {}
public void configure(Map<String, ?> configs) {}}

配置自定义分区(producer.properties)

partitioner.class=com.uplooking.bigdata.kafka.partition.MyCustomPartition

正文完

发表至： Kafka

2019-06-14

0

消息队列二三事

Kafka内核高水位与Leader-Epoch

关于kafka:关于kafka的一点使用

关于kafka:使用Rainbond部署Logikm轻松管理Kafka集群

laravel前后端分离获取微信授权结合laravelwechat

大数据系列kafka学习笔记

1. 大数据领域数据类型

1.1 有界数据

1.2 无界数据

2. 消息队列(Message Queue)

3. 消息队列的分类

3.1 点对点(P2P)

3.2 发布订阅(Pub/Sub)

4. Kafka 的简介

5. Kafka 的特点

6. Kafka 的组件

7. Kafka 的服务

8. Kafka 的安装

8.1 单机版的安装

8.2 集群的安装

9. Kafka 中 Topic 的操作

10. Kafka 中的生产者和消费者接口

11. Kafka 自带的生产和消费消息的工具

11.1 kafka-console-producer.sh(生产工具)

11.2 kafka-console-consumer.sh(消费工具)

12. ==Flume 与 Kafka 的整合 ==

13. Kafka 的 API 操作(生产者和消费者)

13.1 Kafka 的生产者

13.2 Kafka 的消费者

站内搜索