分布式消息队列Kafka

基本概念

主题：好比数据库表，或者系统中文件夹

分区：一个主题可以分若干分区，同一个分区内可以保证有序

偏移量：一个不断递增的整数值，每个分区的偏移量是唯一的

broker：一个独立的kafka服务器

MirrorMaker工具：多集群间消息复制

Zookeeper：保存集群元数据和消费者信息，broker和主题元数据、消费者元数据分区偏移量

硬件选择

磁盘吞吐量、磁盘容量、内存、网络、CPU

生产者（KafkaProducer）

序列化：自定义序列化、Avro

分区：ProducerRecord对象包含了目标主题、键和值，

键有两个作用：可以作为消息的附加信息，也可以用来决定消息改写到主题的那个分区，拥有相当键的消息会被写到同一个分区。

消费者（KafkaConsumer）

消费者和消费者群组

kafka构建数据管道：数据段之间的大型缓存区

kafka是一个强大的消息总线，可以传递事件流，但是没有处理和转换事件的能力，kafka的可靠的传递能力让它成为流式处理系统的完美数据来源

flume是分布式的日志收集系统，它将各个服务器中的数据收集起来并送到指定的地方去

日志输出到flume，log4j里加上日志

业界比较典型的一中用法是：

线上数据 -> flume -> kafka -> hdfs -> MR离线计算 或者：

线上数据 -> flume -> kafka -> storm

简单点概括 flume类似于管道，kafka类似于消息队列。之所以题主觉得类似大概是因为都能用于数据传输

Flume和Kafka应该结合来使用，Flume作为日志收集端，Kafka作为日志消费端。

Flume的Source-Channel-Sink模型，非常适合作为日志收集的模型

kafka常用命令：

创建topic

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

展示topic

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

描述topic

bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic

生产者：

bin/kafka-console-producer.sh --broker-list 130.51.23.95:9092 --topic my-replicated-topic

消费者：

bin/kafka-console-consumer.sh --zookeeper 130.51.23.95:2181 --topic test --from-beginnin