专栏首页运维之美Aache Kafka 入门教程

Aache Kafka 入门教程

1、认识 Kafka

1.1 Kafka 简介

Kafka 是一个分布式流媒体平台

kafka 官网:http://kafka.apache.org/

(1)流媒体平台有三个关键功能:

  • 发布和订阅记录流,类似于消息队列或企业消息传递系统。
  • 以容错的持久方式存储记录流。
  • 记录发生时处理流。

(2)Kafka 通常用于两大类应用:

  • 构建可在系统或应用程序之间可靠获取数据的实时流数据管道。
  • 构建转换或响应数据流的实时流应用程序。

要了解 Kafka 如何做这些事情,让我们深入探讨 Kafka 的能力。

(3)首先是几个概念:

  • Kafka 作为一个集群运行在一个或多个可跨多个数据中心的服务器上。
  • Kafka 集群以称为 topics 主题 的类别存储记录流。
  • 每条记录都包含一个键,一个值和一个时间戳。

(4)Kafka 有四个核心 API:

  • Producer API(生产者 API)允许应用程序发布记录流至一个或多个kafka的topics(主题)。
  • Consumer API(消费者 API)允许应用程序订阅一个或多个 topics(主题),并处理所产生的对他们记录的数据流。
  • Streams API(流 API)允许应用程序充当流处理器,从一个或多个topics(主题)消耗的输入流,并产生一个输出流至一个或多个输出的topics(主题),有效地变换所述输入流,以输出流。
  • Connector API(连接器API)允许构建和运行 kafka topics(主题)连接到现有的应用程序或数据系统中重用生产者或消费者。例如,关系数据库的连接器可能捕获对表的每个更改。

  在 Kafka 中,客户端和服务器之间的通信是通过简单,高性能,语言无关的TCP协议完成的。此协议已版本化并保持与旧版本的向后兼容性。Kafka 提供 Java 客户端,但客户端有多种语言版本。

1.2 Topics主题 和 partitions分区

我们首先深入了解 Kafka 为记录流提供的核心抽象 - 主题 topics

  一个 Topic 可以认为是一类消息,每个 topic 将被分成多个 partition (区),每个 partition 在存储层面是 append log 文件

  主题是发布记录的类别或订阅源名称。Kafka 的主题总是多用户; 也就是说,一个主题可以有零个,一个或多个消费者订阅写入它的数据。

  对于每个主题,Kafka 群集都维护一个如下所示的分区日志:

  每个分区都是一个有序的,不可变的记录序列,不断附加到结构化的提交日志中。分区中的记录每个都分配了一个称为偏移的顺序 ID 号,它唯一地标识分区中的每个记录。

  Kafka 集群持久保存所有已发布的记录 - 无论是否已使用 - 使用可配置的保留期。例如,如果保留策略设置为两天,则在发布记录后的两天内,它可供使用,之后将被丢弃以释放空间。Kafka 的性能在数据大小方面实际上是恒定的,因此长时间存储数据不是问题。

  实际上,基于每个消费者保留的唯一元数据是该消费者在日志中的偏移或位置。这种偏移由消费者控制:通常消费者在读取记录时会线性地提高其偏移量,但事实上,由于该位置由消费者控制,因此它可以按照自己喜欢的任何顺序消费记录。例如,消费者可以重置为较旧的偏移量来重新处理过去的数据,或者跳到最近的记录并从“现在”开始消费。

  这些功能组合意味着 Kafka 消费者 consumers 非常 cheap - 他们可以来来往往对集群或其他消费者没有太大影响。例如,您可以使用我们的命令行工具 “tail” 任何主题的内容,而无需更改任何现有使用者所消耗的内容。

  日志中的分区有多种用途。首先,它们允许日志扩展到超出适合单个服务器的大小。每个单独的分区必须适合托管它的服务器,但主题可能有许多分区,因此它可以处理任意数量的数据。其次,它们充当了并行性的单位 - 更多的是它。

1.3 Distribution 分配

  一个 Topic 的多个 partitions ,被分布在 Kafka 集群中的多个 server 上;每个 server ( Kafka 实例)负责 partitions 中消息的读写操作;此外 kafka 还可以配置 partitions 需要备份的个数( replicas ),每个 partition 将会被备份到多台机器上,以提高可用性.

  基于 replicated 方案,那么就意味着需要对多个备份进行调度;每个 partition 都有一个 server 为 "leader"; leader 负责所有的读写操作,如果 leader 失效,那么将会有其他 follower 来接管(成为新的 leader); follower 只是单调的和 leader 跟进,同步消息即可..由此可见作为 leader 的 server 承载了全部的请求压力,因此从集群的整体考虑,有多少个 partitions 就意味着有多少个 "leader", Kafka 会将 "leader" 均衡的分散在每个实例上,来确保整体的性能稳定。

1.4 Producers 生产者和 Consumers 消费者

1.4.1 Producers 生产者

  Producers 将数据发布到指定的 topics 主题。同时 Producer 也能决定将此消息归属于哪个 partition;比如基于 "round-robin" 方式或者通过其他的一些算法等。

1.4.2 Consumers

  • 本质上 Kafka 只支持 Topic.每个 consumer 属于一个 consumer group;反过来说,每个 group 中可以有多个 consumer.发送到 Topic 的消息,只会被订阅此 Topic 的每个 group 中的一个 consumer 消费。
  • 如果所有使用者实例具有相同的使用者组,则记录将有效地在使用者实例上进行负载平衡。
  • 如果所有消费者实例具有不同的消费者组,则每个记录将广播到所有消费者进程。

  分析:两个服务器 Kafka 群集,托管四个分区(P0-P3),包含两个使用者组。消费者组 A 有两个消费者实例,B 组有四个消费者实例。

  在 Kafka 中实现消费 consumption 的方式是通过在消费者实例上划分日志中的分区,以便每个实例在任何时间点都是分配的“公平份额”的独占消费者。维护组中成员资格的过程由 Kafka 协议动态处理。如果新实例加入该组,他们将从该组的其他成员接管一些分区; 如果实例死亡,其分区将分发给其余实例。

  Kafka 仅提供分区内记录的总订单,而不是主题中不同分区之间的记录。对于大多数应用程序而言,按分区排序与按键分区数据的能力相结合就足够了。但是,如果您需要对记录进行总订单,则可以使用仅包含一个分区的主题来实现,但这将意味着每个使用者组只有一个使用者进程。

1.5 Consumers Kafka 确保

  • 发送到 partitions 中的消息将会按照它接收的顺序追加到日志中。也就是说,如果记录 M1由与记录 M2 相同的生成者发送,并且首先发送 M1,则 M1 将具有比 M2 更低的偏移并且在日志中更早出现。
  • 消费者实例按照它们存储在日志中的顺序查看记录。对于消费者而言,它们消费消息的顺序和日志中消息顺序一致。
  • 如果 Topic 的 "replicationfactor" 为 N,那么允许 N-1 个 kafka 实例失效,我们将容忍最多 N-1 个服务器故障,而不会丢失任何提交到日志的记录。

1.6 Kafka 作为消息系统

Kafka 的流概念与传统的企业邮件系统相比如何?

(1)传统消息系统

  消息传统上有两种模型:queuing 排队 and publish-subscribe 发布 - 订阅。在队列中,消费者池可以从服务器读取并且每个记录转到其中一个; 在发布 - 订阅中,记录被广播给所有消费者。这两种模型中的每一种都有优点和缺点。排队的优势在于它允许您在多个消费者实例上划分数据处理,从而可以扩展您的处理。不幸的是,一旦一个进程读取它已经消失的数据,队列就不是多用户。发布 - 订阅允许您将数据广播到多个进程,但由于每条消息都发送给每个订阅者,因此无法进行扩展处理。

卡夫卡的消费者群体概念概括了这两个概念。与队列一样,使用者组允许您将处理划分为一组进程(使用者组的成员)。与发布 - 订阅一样,Kafka 允许您向多个消费者组广播消息。

(2)Kafka 的优势

  Kafka 模型的优势在于每个主题都具有这些属性 - 它可以扩展处理并且也是多用户 - 不需要选择其中一个。

  与传统的消息系统相比,Kafka 具有更强的订购保证。

  传统队列在服务器上按顺序保留记录,如果多个消费者从队列中消耗,则服务器按照存储顺序分发记录。但是,虽然服务器按顺序分发记录,但是记录是异步传递给消费者的,因此它们可能会在不同的消费者处出现故障。这实际上意味着在存在并行消耗的情况下丢失记录的顺序。消息传递系统通常通过具有“独占消费者”概念来解决这个问题,该概念只允许一个进程从队列中消耗,但当然这意味着处理中没有并行性。

  Kafka 做得更好。通过在主题中具有并行性概念 - 分区 - ,Kafka 能够在消费者流程池中提供订购保证和负载平衡。这是通过将主题中的分区分配给使用者组中的使用者来实现的,以便每个分区仅由该组中的一个使用者使用。通过这样做,我们确保使用者是该分区的唯一读者并按顺序使用数据。由于有许多分区,这仍然可以平衡许多消费者实例的负载。但请注意,消费者组中的消费者实例不能超过分区。

1.7 Kafka 作为存储系统

  • 任何允许发布与消费消息分离的消息的消息队列实际上充当了正在进行的消息的存储系统。Kafka 的不同之处在于它是一个非常好的存储系统。
  • 写入 Kafka 的数据将写入磁盘并进行复制以实现容错。Kafka 允许生产者等待确认,以便在完全复制之前写入不被认为是完整的,并且即使写入的服务器失败也保证写入仍然存在。
  • 磁盘结构 Kafka 很好地使用了规模 - 无论服务器上有 50 KB 还是 50 TB 的持久数据,Kafka 都会执行相同的操作。
  • 由于认真对待存储并允许客户端控制其读取位置,您可以将 Kafka 视为一种专用于高性能,低延迟提交日志存储,复制和传播的专用分布式文件系统。
  • 有关 Kafka 的提交日志存储和复制设计的详细信息,请阅读此页面。

1.8 Kafka 用于流处理

  • 仅仅读取,写入和存储数据流是不够的,目的是实现流的实时处理。
  • 在 Kafka 中,流处理器是指从输入主题获取连续数据流,对此输入执行某些处理以及生成连续数据流以输出主题的任何内容。
  • 例如,零售应用程序可能会接收销售和发货的输入流,并输出重新排序流和根据此数据计算的价格调整。
  • 可以使用生产者和消费者 API 直接进行简单处理。但是,对于更复杂的转换,Kafka 提供了完全集成的 Streams API。这允许构建执行非平凡处理的应用程序,这些应用程序可以计算流的聚合或将流连接在一起。
  • 此工具有助于解决此类应用程序面临的难题:处理无序数据,在代码更改时重新处理输入,执行有状态计算等。
  • 流 API 构建在 Kafka 提供的核心原语上:它使用生产者和消费者 API 进行输入,使用 Kafka 进行有状态存储,并在流处理器实例之间使用相同的组机制来实现容错。

2、Kafka 使用场景

2.1 消息 Messaging

  Kafka 可以替代更传统的消息代理。消息代理的使用有多种原因(将处理与数据生成器分离,缓冲未处理的消息等)。与大多数消息传递系统相比, Kafka具有更好的吞吐量,内置分区,复制和容错功能,这使其成为大规模消息处理应用程序的理想解决方案。

  根据经验,消息传递的使用通常相对较低,但可能需要较低的端到端延迟,并且通常取决于 Kafka 提供的强大的耐用性保证。

  在这个领域,Kafka 可与传统的消息传递系统(如 ActiveMQ 或 RabbitMQ)相媲美。

2.2 网站活动跟踪

  Kafka 的原始用例是能够将用户活动跟踪管道重建为一组实时发布 - 订阅源。这意味着站点活动(页面查看,搜索或用户可能采取的其他操作)将发布到中心主题,每个活动类型包含一个主题。这些源可用于订购一系列用例,包括实时处理,实时监控以及加载到 Hadoop 或离线数据仓库系统以进行脱机处理和报告。

  活动跟踪通常非常高,因为为每个用户页面视图生成了许多活动消息。

2.3 度量 Metrics

  Kafka 通常用于运营监控数据。这涉及从分布式应用程序聚合统计信息以生成操作数据的集中式提要。

2.4 日志聚合

  许多人使用 Kafka 作为日志聚合解决方案的替代品。日志聚合通常从服务器收集物理日志文件,并将它们放在中央位置(可能是文件服务器或 HDFS)进行处理。Kafka 抽象出文件的细节,并将日志或事件数据作为消息流更清晰地抽象出来。这允许更低延迟的处理并更容易支持多个数据源和分布式数据消耗。与 Scribe 或 Flume 等以日志为中心的系统相比,Kafka 提供了同样出色的性能,由于复制而具有更强的耐用性保证,以及更低的端到端延迟。

2.5 流处理

  许多 Kafka 用户在处理由多个阶段组成的管道时处理数据,其中原始输入数据从 Kafka 主题中消费,然后聚合,丰富或以其他方式转换为新主题以供进一步消费或后续处理。

  例如,用于推荐新闻文章的处理管道可以从 RSS 订阅源抓取文章内容并将其发布到“文章”主题; 进一步处理可能会对此内容进行规范化或重复数据删除,并将已清理的文章内容发布到新主题; 最终处理阶段可能会尝试向用户推荐此内容。此类处理管道基于各个主题创建实时数据流的图形。从 0.10.0.0 开始,这是一个轻量级但功能强大的流处理库,名为 Kafka Streams 在 Apache Kafka中可用于执行如上所述的此类数据处理。除了 Kafka Streams 之外,其他开源流处理工具包括 Apache Storm 和 Apache Samza。

2.6 Event Sourcing

  Event Sourcing 是一种应用程序设计风格,其中状态更改记录为按时间排序的记录序列。Kafka 对非常大的存储日志数据的支持使其成为以这种风格构建的应用程序的出色后端。

2.7 提交日志

  Kafka 可以作为分布式系统的一种外部提交日志。该日志有助于在节点之间复制数据,并充当故障节点恢复其数据的重新同步机制。Kafka 中的日志压缩功能有助于支持此用法。在这种用法中,Kafka 类似于 Apache BookKeeper 项目。

3、Kafka 安装

3.1 下载安装

到官网 http://kafka.apache.org/downloads.html 下载想要的版本;我这里下载的最新稳定版 2.1.0

注:由于 Kafka 控制台脚本对于基于 Unix 和 Windows 的平台是不同的,因此在 Windows 平台上使用 bin\windows\ 而不是 bin/ 将脚本扩展名更改为 .bat。

[root@along ~]# wget http://mirrors.shu.edu.cn/apache/kafka/2.1.0/kafka_2.11-2.1.0.tgz[root@along ~]# tar -C /data/ -xvf kafka_2.11-2.1.0.tgz[root@along ~]# cd /data/kafka_2.11-2.1.0/

3.2 配置启动 Zookeeper

  Kafka 正常运行,必须配置 Zookeeper,否则无论是 Kafka 集群还是客户端的生存者和消费者都无法正常的工作的;所以需要配置启动 Zookeeper 服务。

(1)Zookeeper 需要 JAVA 环境

[root@along ~]# yum -y install java-1.8.0

(2)这里 Kafka 下载包已经包括 Zookeeper 服务,所以只需修改配置文件,启动即可。

如果需要下载指定 Zookeeper 版本;可以单独去 Zookeeper 官网下载指定版本。

[root@along ~]# cd /data/kafka_2.11-2.1.0/[root@along kafka_2.11-2.1.0]# grep "^[^#]" config/zookeeper.propertiesdataDir=/tmp/zookeeper   #数据存储目录clientPort=2181   #zookeeper端口maxClientCnxns=0

注:可自行添加修改 Zookeeper 配置

3.3 配置 Kafka

(1)修改配置文件

[root@along kafka_2.11-2.1.0]# grep "^[^#]" config/server.propertiesbroker.id=0listeners=PLAINTEXT://localhost:9092num.network.threads=3num.io.threads=8socket.send.buffer.bytes=102400socket.receive.buffer.bytes=102400socket.request.max.bytes=104857600log.dirs=/tmp/kafka-logsnum.partitions=1num.recovery.threads.per.data.dir=1offsets.topic.replication.factor=1transaction.state.log.replication.factor=1transaction.state.log.min.isr=1log.retention.hours=168log.segment.bytes=1073741824log.retention.check.interval.ms=300000zookeeper.connect=localhost:2181zookeeper.connection.timeout.ms=6000group.initial.rebalance.delay.ms=0

注:可根据自己需求修改配置文件

  • broker.id:唯一标识 ID
  • listeners=PLAINTEXT://localhost:9092:Kafka 服务监听地址和端口
  • log.dirs:日志存储目录
  • zookeeper.connect:指定 Zookeeper 服务

(2)配置环境变量

[root@along ~]# vim /etc/profile.d/kafka.shexport KAFKA_HOME="/data/kafka_2.11-2.1.0"export PATH="${KAFKA_HOME}/bin:$PATH"[root@along ~]# source /etc/profile.d/kafka.sh

(3)配置服务启动脚本

[root@along ~]# vim /etc/init.d/kafka#!/bin/sh## chkconfig: 345 99 01# description: Kafka## File : Kafka## Description: Starts and stops the Kafka server# source /etc/rc.d/init.d/functions KAFKA_HOME=/data/kafka_2.11-2.1.0KAFKA_USER=rootexport LOG_DIR=/tmp/kafka-logs [ -e /etc/sysconfig/kafka ] && . /etc/sysconfig/kafka # See how we were called.case "$1" in   start)    echo -n "Starting Kafka:"    /sbin/runuser -s /bin/sh $KAFKA_USER -c "nohup $KAFKA_HOME/bin/kafka-server-start.sh $KAFKA_HOME/config/server.properties > $LOG_DIR/server.out 2> $LOG_DIR/server.err &"    echo " done."    exit 0    ;;   stop)    echo -n "Stopping Kafka: "    /sbin/runuser -s /bin/sh $KAFKA_USER  -c "ps -ef | grep kafka.Kafka | grep -v grep | awk '{print \$2}' | xargs kill \-9"    echo " done."    exit 0    ;;  hardstop)    echo -n "Stopping (hard) Kafka: "    /sbin/runuser -s /bin/sh $KAFKA_USER  -c "ps -ef | grep kafka.Kafka | grep -v grep | awk '{print \$2}' | xargs kill -9"    echo " done."    exit 0    ;;   status)    c_pid=`ps -ef | grep kafka.Kafka | grep -v grep | awk '{print $2}'`    if [ "$c_pid" = "" ] ; then      echo "Stopped"      exit 3    else      echo "Running $c_pid"      exit 0    fi    ;;   restart)    stop    start    ;;   *)    echo "Usage: kafka {start|stop|hardstop|status|restart}"    exit 1    ;; esac

3.4 启动 Kafka 服务

(1)后台启动 Zookeeper 服务

[root@along ~]# nohup zookeeper-server-start.sh /data/kafka_2.11-2.1.0/config/zookeeper.properties &

(2)启动 Kafka 服务

[root@along ~]# service kafka startStarting kafka (via systemctl):                            [  OK  ][root@along ~]# service kafka statusRunning 86018[root@along ~]# ss -nutlNetid State      Recv-Q Send-Q     Local Address:Port                    Peer Address:Port                              tcp   LISTEN     0      50                    :::9092                              :::*                 tcp   LISTEN     0      50                    :::2181                              :::*

4、Kafka 使用简单入门

4.1 创建主题 topics

创建一个名为 “along” 的主题,它只包含一个分区,只有一个副本:

[root@along ~]# kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic alongCreated topic "along".

如果我们运行 list topic 命令,我们现在可以看到该主题:

[root@along ~]# kafka-topics.sh --list --zookeeper localhost:2181along

4.2 发送一些消息

Kafka 附带一个命令行客户端,它将从文件或标准输入中获取输入,并将其作为消息发送到 Kafka 集群。默认情况下,每行将作为单独的消息发送。

运行生产者,然后在控制台中键入一些消息以发送到服务器。

[root@along ~]# kafka-console-producer.sh --broker-list localhost:9092 --topic along>This is a message>This is another message

4.3 启动消费者

Kafka 还有一个命令行使用者,它会将消息转储到标准输出。

[root@along ~]# kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic along --from-beginningThis is a messageThis is another message

所有命令行工具都有其他选项; 运行不带参数的命令将显示更详细地记录它们的使用信息。

5、设置多代理 Kafka 群集

  到目前为止,我们一直在与一个 broker 运行,但这并不好玩。对于 Kafka,单个代理只是一个大小为 1 的集群,因此除了启动一些代理实例之外没有太多变化。但是为了感受它,让我们将我们的集群扩展到三个节点(仍然在我们的本地机器上)。

5.1 准备配置文件

[root@along kafka_2.11-2.1.0]# cd /data/kafka_2.11-2.1.0/[root@along kafka_2.11-2.1.0]# cp config/server.properties config/server-1.properties[root@along kafka_2.11-2.1.0]# cp config/server.properties config/server-2.properties[root@along kafka_2.11-2.1.0]# vim config/server-1.properties    broker.id=1    listeners=PLAINTEXT://:9093    log.dirs=/tmp/kafka-logs-1[root@along kafka_2.11-2.1.0]# vim config/server-2.properties    broker.id=2    listeners=PLAINTEXT://:9094    log.dirs=/tmp/kafka-logs-2

注:该 broker.id 属性是群集中每个节点的唯一且永久的名称。我们必须覆盖端口和日志目录,因为我们在同一台机器上运行这些,并且我们希望让所有代理尝试在同一端口上注册或覆盖彼此的数据。

5.2 开启集群另 2 个 Kafka 服务

[root@along ~]# nohup kafka-server-start.sh /data/kafka_2.11-2.1.0/config/server-1.properties &[root@along ~]# nohup kafka-server-start.sh /data/kafka_2.11-2.1.0/config/server-2.properties &[root@along ~]# ss -nutlNetid State      Recv-Q Send-Q     Local Address:Port                    Peer Address:Port                          tcp   LISTEN     0      50      ::ffff:127.0.0.1:9092                              :::*                 tcp   LISTEN     0      50      ::ffff:127.0.0.1:9093                              :::*                                tcp   LISTEN     0      50      ::ffff:127.0.0.1:9094                              :::*

5.3 在集群中进行操作

(1)现在创建一个复制因子为 3 的新主题 my-replicated-topic

[root@along ~]# kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 3 --partitions 1 --topic my-replicated-topicCreated topic "my-replicated-topic".

(2)在一个集群中,运行 “describe topics” 命令查看哪个 broker 正在做什么

[root@along ~]# kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topicTopic:my-replicated-topic   PartitionCount:1    ReplicationFactor:3 Configs:    Topic: my-replicated-topic  Partition: 0    Leader: 2   Replicas: 2,0,1 Isr: 2,0,1

注释:第一行给出了所有分区的摘要,每个附加行提供有关一个分区的信息。由于我们只有一个分区用于此主题,因此只有一行。

  • “leader” 是负责给定分区的所有读取和写入的节点。每个节点将成为随机选择的分区部分的领导者。
  • “replicas” 是复制此分区日志的节点列表,无论它们是否为领导者,或者即使它们当前处于活动状态。
  • “isr” 是“同步”复制品的集合。这是副本列表的子集,该列表当前处于活跃状态并且已经被领导者捕获。

请注意,Leader: 2,在我的示例中,节点 2 是该主题的唯一分区的Leader。

(3)可以在我们创建的原始主题上运行相同的命令,以查看它的位置

[root@along ~]# kafka-topics.sh --describe --zookeeper localhost:2181 --topic alongTopic:along PartitionCount:1    ReplicationFactor:1 Configs:    Topic: along    Partition: 0    Leader: 0   Replicas: 0 Isr: 0

(4)向我们的新主题发布一些消息

[root@along ~]# kafka-console-producer.sh --broker-list localhost:9092 --topic my-replicated-topic>my test message 1>my test message 2>^C

(5)现在让我们使用这些消息

[root@along ~]# kafka-console-consumer.sh --bootstrap-server localhost:9092 --from-beginning --topic my-replicated-topicmy test message 1my test message 2

5.4 测试集群的容错性

(1)现在让我们测试一下容错性。Broker 2 充当 leader 所以让我们杀了它:

[root@along ~]# ps aux | grep server-2.properties |awk '{print $2}'106737[root@along ~]# kill -9 106737[root@along ~]# ss -nutltcp   LISTEN     0      50      ::ffff:127.0.0.1:9092                              :::*                       tcp   LISTEN     0      50      ::ffff:127.0.0.1:9093                              :::*

(2)leader 已切换到其中一个从属节点,节点 2 不再位于同步副本集中:

[root@along ~]# kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topicTopic:my-replicated-topic   PartitionCount:1    ReplicationFactor:3 Configs:    Topic: my-replicated-topic  Partition: 0    Leader: 0   Replicas: 2,0,1 Isr: 0,1

(3)即使最初接受写入的 leader 已经失败,这些消息仍可供消费:

[root@along ~]# kafka-console-consumer.sh --bootstrap-server localhost:9092 --from-beginning --topic my-replicated-topicmy test message 1my test message 2

6、使用 Kafka Connect 导入/导出数据

  从控制台写入数据并将其写回控制台是一个方便的起点,但有时候可能希望使用其他来源的数据或将数据从 Kafka 导出到其他系统。对于许多系统,您可以使用 Kafka Connect 导入或导出数据,而不是编写自定义集成代码。

  Kafka Connect 是 Kafka 附带的工具,用于向 Kafka 导入和导出数据。它是一个可扩展的工具,运行连接器,实现与外部系统交互的自定义逻辑。在本快速入门中,我们将了解如何使用简单的连接器运行 Kafka Connect,这些连接器将数据从文件导入 Kafka 主题并将数据从 Kafka 主题导出到文件。

(1)首先创建一些种子数据进行测试:

[root@along ~]# echo -e "foo\nbar" > test.txt

或者在 Windows上:

> echo foo> test.txt> echo bar>> test.txt

(2)接下来,启动两个以独立模式运行的连接器,这意味着它们在单个本地专用进程中运行。提供三个配置文件作为参数。

第一个始终是 Kafka Connect 流程的配置,包含常见配置,例如要连接的 Kafka 代理和数据的序列化格式。

其余配置文件均指定要创建的连接器。这些文件包括唯一的连接器名称,要实例化的连接器类以及连接器所需的任何其他配置。

[root@along ~]# connect-standalone.sh config/connect-standalone.properties config/connect-file-source.properties config/connect-file-sink.properties[2019-01-16 16:16:31,884] INFO Kafka Connect standalone worker initializing ... (org.apache.kafka.connect.cli.ConnectStandalone:67)[2019-01-16 16:16:31,903] INFO WorkerInfo values:... ...

  注:Kafka 附带的这些示例配置文件使用您之前启动的默认本地群集配置并创建两个连接器:第一个是源连接器,它从输入文件读取行并生成每个 Kafka 主题,第二个是宿连接器从 Kafka 主题读取消息并将每个消息生成为输出文件中的一行。

(3)验证是否导入成功(另起终端)

在启动过程中,您将看到许多日志消息,包括一些指示正在实例化连接器的日志消息。

① 一旦 Kafka Connect 进程启动,源连接器应该开始从 test.txt 主题读取行并将其生成到主题 connect-test,并且接收器连接器应该开始从主题读取消息 connect-test 并将它们写入文件 test.sink.txt。我们可以通过检查输出文件的内容来验证数据是否已通过整个管道传递:

[root@along ~]# cat test.sink.txtfoobar

② 请注意,数据存储在 Kafka 主题中 connect-test,因此我们还可以运行控制台使用者来查看主题中的数据(或使用自定义使用者代码来处理它):

[root@along ~]# kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic connect-test --from-beginning{"schema":{"type":"string","optional":false},"payload":"foo"}{"schema":{"type":"string","optional":false},"payload":"bar"}

(4)继续追加数据,验证

[root@along ~]# echo Another line>> test.txt     [root@along ~]# cat test.sink.txtfoobarAnother line[root@along ~]# kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic connect-test --from-beginning{"schema":{"type":"string","optional":false},"payload":"foo"}{"schema":{"type":"string","optional":false},"payload":"bar"}{"schema":{"type":"string","optional":false},"payload":"Another line"}

本文分享自微信公众号 - 运维之美(Hi-Linux),作者:along阿龙

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-05-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Linux 正在吞噬 Windows 和 Chrome OS!

    Windows 10 和 Chrome OS 都采用 Linux 内核及其上运行的软件。

    iMike
  • 微信群拉人很累?学会这 6 种自动化方案后,轻松乐无忧!

    微信是世界上体量最大的超级 APP 之一,拥有数以十亿计的用户,每天都有许许多多的人在微信上进行聊天、沟通、推广、卖货……覆盖了社交辐射的方方面面。

    iMike
  • 谈谈 Kubernetes 架构

    这个架构图看起来会比较复杂,很难看懂,我把这个官方的架构图重新简化了一下,就会非常容易理解了:

    iMike
  • 面试问:Kafka 为什么如此的快?

    很多使用过 Kafka 的网友都在鼓吹,Kafka 可以吊打一切其它 MQ。也造成了很多网友都觉得 Kafka 才是牛逼哄哄的存在,给很多在技术选型方面的人造成...

    业余草
  • Kafka 概述

    比较常见的概念:建立在计算机网络之上的软件系统,若干独立计算机的集合,这计算机对用户来说就像是单个相关系统。

    邹志全
  • 如何在CDH集群中部署Kafka Manager

    为了能够方便的查看及管理Kafka集群,yahoo提供了一个基于Web的管理工具(Kafka-Manager)。这个工具可以方便的查看集群中Kafka的Topi...

    Fayson
  • 专为实时而构建:使用Apache Kafka进行大数据消息传递,第1部分

    当大数据运动开始时,它主要集中在批处理上。分布式数据存储和查询工具(如MapReduce,Hive和Pig)都旨在分批处理数据而不是连续处理数据。企业每晚都会运...

    银河1号
  • 你必须要知道的kafka

    Apache Kafka最早是由LinkedIn开源出来的分布式消息系统,现在是Apache旗下的一个子项目,并且已经成为开源领域应用最广泛的消息系统之一。Ka...

    用户5397975
  • 浅析Python3中的bytes和str

    Python 3最重要的新特性之一是对字符串和二进制数据流做了明确的区分。文本总是Unicode,由str类型表示,二进制数据则由bytes类型表示。Pytho...

    py3study
  • Flink源码走读(二):Flink+Kafka实现端到端Exactly Once语义

    Flink通过Checkpoint机制实现了消息对状态影响的Exactly Once语义,即每条消息只会影响Flink内部状态有且只有一次。但无法保证输出到Si...

    2011aad

扫码关注云+社区

领取腾讯云代金券