Kafka技术第一课

1，课程回顾
zk 分布式协调框架
2，本章重点
新闻队列的概念
消息队列的特点和作用
常见的MQ框架有哪些
kafka的简介
基本术语
集群建设、启动和关闭
常用命令

3，具体内容
3.1 消息队列（message queue）的概念
消息是两台计算机之间传输的数据单元。它可以是一个简单的字符串或一个复杂的嵌入对象。消息队列是在消息传输过程中保存消息的容器，在从源头到目标时扮演中间人的角色。
3.2 新闻队列的作用

解耦：
A 向系统发送数据 BCD 三个系统，通过接口调用发送。如果 E 如果系统也想要这个数据呢？
C 现在不需要系统了？A 系统负责人几乎崩溃了…A 系统与各种其他乱七八糟的系统严重耦合，A 系统 许多系统需要生成更关键的数据 A 该系统发送数据。如果使用 MQ，A 系统产生一 条数据，发送到 MQ 在里面，哪个系统需要自己数据 MQ 里面消费。如果新系统需要数据，直接从 MQ 在里面消费；如果系统不需要此数据，则取消正确的数据 MQ 消费新闻。这样下来，A 系统 根本不需要考虑向谁发送数据，不需要维护代码，也不需要考虑人们是否成功呼叫，失败超级 时等情况。 它是一个系统或模块，调用多个系统或模块，相互调用非常复杂，维护非常麻烦。但 事实上，如果使用此调用，则无需直接同步调用接口 MQ 异步解耦。
异步：
A 系统需要在个要求，需要在自己的本地写库，也需要在 BCD 三个系统写图书馆，本地写图书馆
要 3ms，BCD 三个系统分别写库要 300ms、450ms、200ms。总延迟的最终请求是 3 300 450 200 = 953ms，接近 1s，用户觉得自己做了什么，慢死。用户通过浏览器发起请求。如果使用 MQ，那么 A 连续发送系统 3 条消息到 MQ 假如在队列中耗时 5ms，A 系统从接受请求到返回响应 总时间是给用户的 3 5 = 8ms。
削峰：
在高峰时段降低服务器压力。 上游系统性能好，压力突然增加，下游系统性能稍差，无法承受突然增加的压力。此时，新闻中间件起到了削峰的作用。

使用场景：
当系统中的生产和消费速度和稳定性不一致时，使用新闻队列作为中间层来弥合双方的差异。
例如：业务系统中有短信发送业务、处理定时任务等
3.3 两种消息队列模式
3.3.1 点对点模式(一对一，消费者主动拉数据，收到消息后清除消息)
新闻制作人的生产消息发送到Queue然后消息消费者从Queue中取出并且消费消息。
消息消费后，queue没有存储，消费者不可能消费已经消费的消息。Queue支持多个消费者，但对于一个消息，只有一个消费者可以消费。

        3.3.2 发布/订阅模式(一对多，消费者消费数据后不会删除消息)     消息制作人(发布)将消息发布topic同时，消费者(订阅)也有多个消息消费这个消息。不同于点对点，发布到topic所有订阅者都会消费消息。   

3.4 常见的MQ框架有哪些
kafka activeMQ rabbitMQ zeroMQ metaMQ rocketMQ等等。。。

3.5 kafka简介
https://kafka.apachecn.org/
http://kafka.apache.org/
kafka是由apache由软件基金会开发的开源流处理框架JAVA和scala语言编写。是一个高吞吐量的分布式的发布和订阅消息的一个系统。Kafka? 构建实时数据管和流式app.在数千家公司的生产环境速度快，已在数千家公司的生产环境中运行。
3.6 基本术语
topic（话题）：kafka将新闻分类，每种新闻称为主题，是一个逻辑概念，如果它真的在磁盘上，映射是一个partition目录。
生产者（producer）: 发布消息的对象称为生产者，只负责数据的生产和生产来源kafka来自其他业务系统的集群。
消费者(consumer):订阅和处理发布消息的对象称为消费者。
消费者组（consumerGroup）:多个消费者可以构成消费群体，同一消费群体的消费者只能消费一个topic数据，不能重复消费。
broker : kafka它本身可以是一个集群，集群中的每个服务器都是一个代理，这个代理被称为broker。无论生产者和消费者如何，只负责新闻的存储与他们无关。集群中的每个人broker有唯一个ID，不能重复。
3.7 kafka集群建设、启动和关闭
3.7.1 搭建单机的zookeeper(集群最好)
使用现有的zookeeper集群
3.7.2 搭建kafka集群
在现有cluster1,2,3上搭建
上传kafka压缩包，到linux系统上
解压缩：
tar -xzvf /root/software/kafka_2.12-2.7.0.tgz -C /usr/
修改名称：
mv /usr/kafka_2.12-2.7.0/ /usr/kafka
环境变量的配置：
vim /etc/profile
复制以下内容：
export KAFKA_HOME=/usr/kafka
export PATH=$PATH:$JAVA_HOME/bin:$Z{K}_{H}OME/bin:/usr/apache-tomcat-9.0.52/bin:$KAFKA_HOME/bin
让配置文件生效：
source /etc/profile
测试：
echo $KAFKA_HOME
进入kafka目录：
cd /usr/kafka
创建目录（存放消息），为后面配置做准备
mkdir logs
修改配置server.properties文件：
vim /usr/kafka/config/server.properties
修改下面内容：
#broker的全局唯一编号，不能重复 21行
broker.id=0
#是否允许删除topic 22行
delete.topic.enable=true
#处理网络请求和响应的线程数量 42行
num.network.threads=3
#用来处理磁盘IO的线程数量 45
num.io.threads=8
#发送套接字的缓冲区大小 48
socket.send.buffer.bytes=102400
#接收套接字的缓冲区大小 51
socket.receive.buffer.bytes=102400
#请求套接字的最大缓冲区大小 54
socket.request.max.bytes=104857600
#kafka运行日志存放的路径 60
log.dirs=/usr/kafka/logs
#topic在当前broker上的分区个数 65
num.partitions=1
#用来恢复和清理data下数据的线程数量 69
num.recovery.threads.per.data.dir=1
#以下配置控制日志段的处理。可以将策略设置为在一段时间后或在给定大小累积后删除段。只要满足这些条件中的任一项，就会删除段。删除总是从日志的末尾开始。
#segment文件保留的最长时间，超时将被删除，单位小时，默认是168小时，也就是7天 103
log.retention.hours=168
#基于大小的日志保留策略。除非剩余的段低于log.retention.bytes，否则将从日志中删除段。独立于log.retention.hours的功能
#log.retention.bytes=1073741824
#日志段文件的最大大小。当达到此大小时，将创建一个新的日志段。
log.segment.bytes=1073741824
#检查日志段以查看是否可以根据保留策略删除日志段的间隔
log.retention.check.interval.ms=300000
#配置连接Zookeeper集群地址 123
zookeeper.connect=hdcluster1:2181,hdcluster2:2181,hdcluster3:2181
因为配置文件中使用的zk主机名称链接，所以配置本地域名：
vim /etc/hosts
完整的hosts：
192.168.170.41 cluster1
192.168.170.42 cluster2
192.168.170.43 cluster3

修改producer.properties:
vim /usr/kafka/config/producer.properties
修改21行为：
bootstrap.servers=cluster1:9092,cluster2:9092,cluster3:9092
修改consumer.properties:
vim /usr/kafka/config/consumer.properties
修改19行为：
bootstrap.servers=cluster1:9092,cluster2:9092,cluster3:9092
发送配置好的kafka到另外两台机子（先做免密登录）：
ssh-keygen -t rsa
ssh-copy-id cluster2
ssh-copy-id cluster3
scp -r /usr/kafka/ cluster2:/usr/
scp -r /usr/kafka/ cluster3:/usr/
检查发送是否成功,在all session执行：
ls /usr
修改broker.id（切记）
在cluster2和cluster3上修改broker.id
vim /usr/kafka/config/server.properties
修改21行为
broker.id=1
broker.id=2
发送环境变量配置文件：
scp -r /etc/profile cluster2:/etc/
scp -r /etc/profile cluster3:/etc/
在all session执行：
source /etc/profile
echo $KAFKA_HOME
发送hosts配置文件：
scp -r /etc/hosts cluster2:/etc/
scp -r /etc/hosts cluster3:/etc/
测试是否成功：
在all session执行：
cat /etc/hosts
3.7.3 集群的启动和关闭
启动kafka之前一定要保证zk在启动，并且可用：
启动zk:
/root/shelldir/zk-start-stop.sh
测试是否启动:
jps //在all session执行：
启动kafka:
//在all session执行
kafka-server-start.sh -daemon /usr/kafka/config/server.properties
jps
停止kafka:
kafka-server-stop.sh
jps
3.8 常用命令
查看当前服务器中的所有topic主题：
kafka-topics.sh --zookeeper cluster1:2181 --list
如果是zk集群可以使用这样的命令：
kafka-topics.sh --zookeeper cluster1:2181,cluster2:2181,cluster3:2181 --list
创建topic: list
kafka-topics.sh --zookeeper cluster2:2181 --create --replication-factor 3 --partitions 5 --topic ordertopic
kafka-topics.sh --zookeeper cluster2:2181 --create --replication-factor 2 --partitions 2 --topic goodstopic
参数说明：
–zookeeper 链接zk
–replication-factor 指定副本数目（副本数目不能大于总的brokers数目）
–partitions 指定分区数
–topic 指定topic名称
删除topic:
kafka-topics.sh --zookeeper cluster1:2181 --delete --topic tp3
This will have no impact if delete.topic.enable is not set to true
生产消息：
kafka-console-producer.sh --broker-list cluster2:9092 --topic goodstopic
消费消息：
kafka-console-consumer.sh --bootstrap-server cluster2:9092 --from-beginning --topic goodstopic
同组消费者消费消息（多个窗口）：
kafka-console-consumer.sh --bootstrap-server kafka1:9092 --consumer-property group.id=gtest --from-beginning --topic tp1
查看一个topic详情：
kafka-topics.sh --zookeeper cluster2:2181,cluster1:2181 --describe --topic tp1

图片: https://uploader.shimo.im/f/qxOF7yGzME5lSY0F.png

      partitioncount   分区总数量
      replicationfactor    副本数量
      partition 分区
      leader  每个分区有3个副本，每个副本都有leader
      replicas   所有副本节点，不管leader follower
      isr: 正在服务中的节点

4，知识点总结
5，本章面试题
https://www.cnblogs.com/kx33389/p/11182082.html
https://blog.csdn.net/qq_28900249/article/details/90346599

kafka的分区中，有leader和follower如何同步数据，ISR（In Sync Replica）是什么意思？
5 个broker为例
leader follower
2 3 4 0 1
kafka不是完全同步，也不是完全异步，是一种特殊的ISR（In Sync Replica）
1.leader会维持一个与其保持同步的replica集合，该集合就是ISR，每一个partition都有一个ISR，它是由leader动态维护。
2.我们要保证kafka不丢失message，就要保证ISR这组集合存活（至少有一个存活），并且消息commit成功。
所以我们判定存活的概念是什么呢？分布式消息系统对一个节点是否存活有这样两个条件判断：
第一个，节点必须维护和zookeeper的连接，zookeeper通过心跳机制检查每个节点的连接；
第二个，如果节点时follower，它必要能及时同步与leader的写操作，不是延时太久。
如果满足上面2个条件，就可以说节点时“in-sync“（同步中的）。leader会追踪”同步中的“节点，如果有节点挂了，卡了，或延时太久，那么leader会它移除，延时的时间由参数replica.log.max.messages决定，判断是不是卡住了，由参数replica.log.time.max.ms决定。