消息队列中间件（三）Kafka 入门指南

Kafka 来源

的前身是由开源的一款产品，2011年初开始开源，加入了 Apache 基金会，2012年从 Apache Incubator 毕业变成了 Apache 顶级开源项目。同时LinkedIn还有许多著名的开源产品。如：

分布式数据同步系统

高性能计算引擎

Java异步处理框架

流处理平台

Kafka 介绍

Kafka 用于构建实时数据管道和流应用程序。它具有水平可扩展性，容错性，快速性，并在数千家公司的生产环境中运行。

从官方我们可以知道是一个分布式流媒体平台。这到底是什么意思呢？

流媒体平台有三个关键功能：

发布和订阅记录数据流，类似于消息队列或企业消息传递系统。

有容错能力的可以持久化的存储数据流。

记录发生时可以进行流处理。

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处理

Kafka 基本概念

Producer- 消息和数据的生产者，向 Kafka 的一个 Topic 发布消息的进程/代码/服务。

Consumer- 消息和数据的消费者，订阅数据（Topic）并且处理其发布的消息的进程/代码/服务。

Consumer Group- 逻辑概念，对于同一个 Topic，会广播不同的 Group，一个Group中，只有一个consumer 可以消费该消息。

Broker- 物理概念，Kafka 集群中的每个 Kafka 节点。

Topic- 逻辑概念，Kafka消息的类别，对数据进行区分，隔离。

Partition- 物理概念，分片，Kafka 下数据存储的基本单元，一个 Topic 数据，会被分散存储到多个Partition，每一个Partition是有序的。

Replication- 副本，同一个 Partition 可能会有多个 Replica ，多个 Replica 之间数据是一样的。

Replication Leader- 一个 Partition 的多个 Replica 上，需要一个 Leade r负责该 Partition 上与 Produce 和 Consumer 交互

ReplicaManager- 负责管理当前的 broker 所有分区和副本的信息，处理 KafkaController 发起的一些请求，副本状态的切换，添加/读取消息等。

概念的延伸

Partition

每一个Topic被切分为多个Partitions

消费者数据要小于等于Partition的数量

Broker Group中的每一个Broker保存Topic的一个或多个Partitions

Consumer Group中的仅有一个Consumer读取Topic的一个或多个Partions，并且是唯一的Consumer。

Replication

当集群中有Broker挂掉的时候，系统可以主动的使用Replicas提供服务。

系统默认设置每一个Topic的Replication的系数为1，可以在创建Topic的时候单独设置。

Replication特点

Replication的基本单位是Topic的Partition。

所有的读和写都从Leader进，Followers只是作为备份。

Follower必须能够及时的复制Leader的数据

增加容错性与可扩展性。

Kafka 消息结构

在 Kafka2.0 中的消息结构如下（整理自官网）。

baseOffset: int64 - 用于记录Kafka这个消息所处的偏移位置

batchLength: int32 - 用于记录整个消息的长度

partitionLeaderEpoch: int32

magic: int8 (current magic value is 2) - 一个固定值，用于快速判断是否是Kafka消息

crc: int32 - 用于校验信息的完整性

attributes: int16 - 当前消息的一些属性

bit 0~2:

0: no compression

1: gzip

2: snappy

3: lz4

bit 3: timestampType

bit 4: isTransactional (0 means not transactional)

bit 5: isControlBatch (0 means not a control batch)

bit 6~15: unused

lastOffsetDelta: int32

firstTimestamp : int64

maxTimestamp: int64

producerId: int64

producerEpoch: int16

baseSequence: int32

records:

length: varint

attributes: int8

bit 0~7: unused

timestampDelta: varint

offsetDelta: varint

keyLength: varint

key: byte[]

valueLen: varint

value: byte[]

Headers => [Header]

headerKeyLength: varint

headerKey: String

headerValueLength: varint

Value: byte[]

关于消息结构的一些释义。

Offset -用于记录Kafka这个消息所处的偏移位置

Length - 用于记录整个消息的长度

CRC32 - 用于校验信息的完整性

Magic - 一个固定值，用于快速判断是否是Kafka消息

Attributes - 当前消息的一些属性

Timestamp - 消息的时间戳

Key Length - key的长度

Key - Key的具体值

Value Length - 值的长度

Value - 具体的消息值

Kafka 优点

分布式 - Kafka是分布式的，多分区，多副本的和多订阅者的，基于Zookeeper调度。

持久性和扩展性 - Kafka使用分布式提交日志，这意味着消息会尽可能快地保留在磁盘上，因此它是持久的。同时具有一定的容错性，Kafka支持在线的水平扩展，消息的自平衡。

高性能 - Kafka对于发布和订阅消息都具有高吞吐量。 即使存储了许多TB的消息，它也保持稳定的性能。且延迟低，适用高并发。时间复杂的为o(1)。

Kafka 应用

用于聚合分布式应用程序中的消息。进行操作监控。

用于跨组织的从多个服务收集日志，然后提供给多个服务器，解决日志聚合问题。

用于流处理，如Storm和Spark Streaming，从kafka中读取数据，然后处理在写入kafka供应用使用。

Kafka 安装

安装 Jdk

具体步骤此处不说。

安装 Kafka

直接官方网站下载对应系统的版本解压即可。

由于Kafka对于windows和Unix平台的控制脚本是不同的，因此如果是windows平台，要使用而不是，并将脚本扩展名更改为。以下命令是基于Unix平台的使用。

让我们创建一个名为“test”的主题，它只包含一个分区，只有一个副本：

如果我们运行list topic命令，我们现在可以看到该主题：

或者，您也可以将代理配置为在发布不存在的主题时自动创建主题，而不是手动创建主题。

查看Topic的信息

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。

运行消费者，查看收到的消息

Kafka 工程实例

POM 依赖

生产者

消费者

编写消费者 Java 代码。

可以在控制台看到成功运行后的输出，由 offset 可以看到已经消费了10条消息。

问题

如果 取到的是主机名。需要修改 Kafka 的配置文件。