|
1.1 消息队列
1.1.1 基本特性
可扩展
在不需要下线的情况下进行扩容
数据流分区(partition)存储在多个机器上
高性能
单个broker就能服务上千客户端
单个broker每秒种读/写可达每秒几百兆字节
多个brokers组成的集群将达到非常强的吞吐能力
性能稳定，无论数据多大
持久存储
存储在磁盘上
冗余备份到其他服务器上以防止丢失
1.1.2 消息格式
一个topic对应一种消息格式，因此消息用topic分类
一个topic代表的消息有1个或者多个patition(s)组成
一个partition应该存放在一到多个server上
如果只有一个server，就没有冗余备份，是单机而不是集群
如果有多个server，一个server为leader，其他servers为followers，leader需要接受读写请求，followers仅作冗余备份。
leader出现故障，会自动选举一个follower作为leader，保证服务不中断。每个server都可能扮演一些partitions的leader和其它partitions的follower角色，这样整个集群就会达到负载均衡的效果。
消息按顺序存放
消息顺序不可变
只能追加消息，不能插入
每个消息都有一个offset，用作消息ID, 在一个partition中唯一offset有consumer保存和管理，因此读取顺序实际上是完全有consumer决定的，不一定时线性的。
消息有超时日期，过期则删除。
1.1.3 生产者 producer
producer将消息写入kafka，写入要指定topic和partition，消息如何分到不同的partition，算法由producer指定。
1.1.4 消费者 consumer
consumer读取消息并作处理
consumer group 这个概念的引入为了支持两种场景：每条消息分发一个消费者，每条消息广播给所有消费者。多个consumer group订阅一个topic，该topci的消息广播给所有consumer group；一条消息发送到一个consumer group后，只能由该group的一个consumer接收和使用。一个group中的每个consumer对应一个partition可以带来如下好处，可以按照partition的数目进行并发处理，每个partition都只有一个consumer读取，因而保证了消息被处理的顺序是按照partition的存放顺序进行，注意这个顺序受到producer存放消息的算法影响。
1.2 卡夫卡安装教程
1.2.1安装前期准备
1，准备三个节点（根据自己需求决定）
2，三个节点上安装好zookeeper（也可以使用kafka自带的zookeeper）
3，关闭防火墙 chkconfig iptables off
1.2.2下载安装包
Kafka官网下载安装包 http://kafka.apache.org/downloads.html，将安装包存在在 /software/ 下。
1.2.3解压安装包
我选择将kafka安装在 /usr/local/ 这个目录下。tar -zxvf /software/ kafka_2.11-0.9.0.1.tar.gz –C /usr/local/
1.2.4修改配置文件
配置文件在 /usr/local/kafka_2.11-0.9.0.1/config 。
1、 修改server.properties
#broker的全局唯一编号，不能重复
broker.id=0
#用来监听链接的端口，producer或consumer将在此端口建立连接
port=9092
#处理网络请求的线程数量
num.network.threads=3
#用来处理磁盘IO的线程数量
num.io.threads=8
#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400
#接受套接字的缓冲区大小
socket.receive.buffer.bytes=102400
#请求套接字的缓冲区大小
socket.request.max.bytes=104857600
#kafka消息存放的路径
log.dirs=/home/servers-kafka/logs/kafka
#topic在当前broker上的分片个数
num.partitions=2
#用来恢复和清理data下数据的线程数量
num.recovery.threads.per.data.dir=1
#segment文件保留的最长时间，超时将被删除
log.retention.hours=168
#滚动生成新的segment文件的最大时间
log.roll.hours=168
#日志文件中每个segment的大小，默认为1G
log.segment.bytes=1073741824
#周期性检查文件大小的时间
log.retention.check.interval.ms=300000
#日志清理是否打开
log.cleaner.enable=true
#broker需要使用zookeeper保存meta数据
zookeeper.connect=hadoop02:2181,hadoop03:2181,hadoop04:2181
#zookeeper链接超时时间
zookeeper.connection.timeout.ms=6000
#partion buffer中，消息的条数达到阈值，将触发flush到磁盘
log.flush.interval.messages=10000
#消息buffer的时间，达到阈值，将触发flush到磁盘
log.flush.interval.ms=3000
#删除topic需要server.properties中设置delete.topic.enable=true否则只是标记删除
delete.topic.enable=true
#此处的host.name为本机IP(重要),如果不改,则客户端会抛出:Producerconnection to localhost:9092 unsuccessful 错误!
host.name=hadoop02
2、修改producer.properties
#指定kafka节点列表，用于获取metadata，不必全部指定
metadata.broker.list=hadoop02:9092,hadoop03:9092
#指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到对应分区
partitioner.class=kafka.producer.DefaultPartitioner
#是否压缩，默认0表示不压缩，1表示用gzip压缩，2表示用snappy压缩。压缩后消息中会有头来指明消息压缩类型，故在消费者端消息解压是透明的无需指定
compression.codec=none
#指定序列化处理类
serializer.class=kafka.serializer.DefaultEncoder
#如果要压缩消息，这里指定哪些topic要压缩消息，默认empty，表示不压缩。
#compressed.topics=
#设置发送数据是否需要服务端的反馈,有三个值0,1,-1
#0: producer不会等待broker发送ack
#1: 当leader接收到消息之后发送ack
#-1: 当所有的follower都同步消息成功后发送ack.
request.required.acks=0
#在向producer发送ack之前,broker允许等待的最大时间 ，如果超时,broker将会向producer发送一个error ACK.意味着上一次消息因为某种原因未能成功(比如follower未能同步成功)
request.timeout.ms=10000
#同步还是异步发送消息，默认“sync”表同步，"async"表异步。异步可以提高发送吞吐量,也意味着消息将会在本地buffer中,并适时批量发送，但是也可能导致丢失未发送过去的消息
producer.type=sync
#在async模式下,当message被缓存的时间超过此值后,将会批量发送给broker,默认为5000ms
#此值和batch.num.messages协同工作.
queue.buffering.max.ms = 5000
#在async模式下,producer端允许buffer的最大消息量
#无论如何,producer都无法尽快的将消息发送给broker,从而导致消息在producer端大量沉积
#此时,如果消息的条数达到阀值,将会导致producer端阻塞或者消息被抛弃，默认为10000
queue.buffering.max.messages=20000
#如果是异步，指定每次批量发送数据量，默认为200
batch.num.messages=500
#当消息在producer端沉积的条数达到"queue.buffering.max.meesages"后
#阻塞一定时间后,队列仍然没有enqueue(producer仍然没有发送出任何消息)
#此时producer可以继续阻塞或者将消息抛弃,此timeout值用于控制"阻塞"的时间
#-1: 无阻塞超时限制,消息不会被抛弃
#0:立即清空队列,消息被抛弃
queue.enqueue.timeout.ms=-1
#当producer接收到error ACK,或者没有接收到ACK时,允许消息重发的次数
#因为broker并没有完整的机制来避免消息重复,所以当网络异常时(比如ACK丢失)
#有可能导致broker接收到重复的消息,默认值为3.
message.send.max.retries=3
#producer刷新topicmetada的时间间隔,producer需要知道partitionleader的位置,以及当前topic的情况
#因此producer需要一个机制来获取最新的metadata,当producer遇到特定错误时,将会立即刷新
#(比如topic失效,partition丢失,leader失效等),此外也可以通过此参数来配置额外的刷新机制，默认值600000
topic.metadata.refresh.interval.ms=60000
3、修改consumer.properties
#zookeeper连接服务器地址
zookeeper.connect=hadoop02:2181,hadoop03:2181,hadoop04:2181
#zookeeper的session过期时间，默认5000ms，用于检测消费者是否挂掉
zookeeper.session.timeout.ms=5000
#当消费者挂掉，其他消费者要等该指定时间才能检查到并且触发重新负载均衡
zookeeper.connection.timeout.ms=10000
#指定多久消费者更新offset到zookeeper中。注意offset更新时基于time而不是每次获得的消息。一旦在更新zookeeper发生异常并重启，将可能拿到已拿到过的消息
zookeeper.sync.time.ms=2000
#指定消费组
group.id=xxx
#当consumer消费一定量的消息之后,将会自动向zookeeper提交offset信息
#注意offset信息并不是每消费一次消息就向zk提交一次,而是现在本地保存(内存),并定期提交,默认为true
auto.commit.enable=true
#自动更新时间。默认60 * 1000
auto.commit.interval.ms=1000
#当前consumer的标识,可以设定,也可以有系统生成,主要用来跟踪消息消费情况,便于观察
conusmer.id=xxx
#消费者客户端编号，用于区分不同客户端，默认客户端程序自动产生
client.id=xxxx
#最大取多少块缓存到消费者(默认10)
queued.max.message.chunks=50
#当有新的consumer加入到group时,将会reblance,此后将会有partitions的消费端迁移到新 的consumer上,如果一个consumer获得了某个partition的消费权限,那么它将会向zk注册"Partition Owner registry"节点信息,但是有可能此时旧的consumer尚没有释放此节点, 此值用于控制,注册节点的重试次数.
rebalance.max.retries=5
#获取消息的最大尺寸,broker不会像consumer输出大于此值的消息chunk 每次feth将得到多条消息,此值为总大小,提升此值,将会消耗更多的consumer端内存
fetch.min.bytes=6553600
#当消息的尺寸不足时,server阻塞的时间,如果超时,消息将立即发送给consumer
fetch.wait.max.ms=5000
socket.receive.buffer.bytes=655360
#如果zookeeper没有offset值或offset值超出范围。那么就给个初始的offset。有smallest、largest、anything可选，分别表示给当前最小的offset、当前最大的offset、抛异常。默认largest
auto.offset.reset=smallest
#指定序列化处理类
derializer.class=kafka.serializer.DefaultDecoder
1.2.5分发安装包到其他节点
以上的步骤我们操作了一个节点，还有两个节点，我们可以直接将刚刚配置好的直接分发到其它两个节点。因为配置文件都是一样的，唯一不同的是 borker.id不同就行。（以下的命令中，hadoop03和hadoop04是我另外两个节点的别名，如果你们没起别名，可以用节点的ip代替。）
scp –r /usr/local/ kafka_2.11-0.9.0.1 hadoop03:/usr/local
scp –r /usr/local/ kafka_2.11-0.9.0.1 hadoop04:/usr/local
修改其他两个节点中的server.properties中的 broker.id,分别设置为 0,1,2
1.2.6启动集群
先启动zookeeper，再依次在各自节点上启动kafka。
1.3命令
启动kfk服务端，指定配置文件，后台启动
kafka-server-start.sh config/server.properties &
查看当前服务器中的所有topic
kafka-topics.sh --zookeeper 192.168.119.10:2181 --list
创建topic
kafka-topics.sh --zookeeper 192.168.119.10:2181 --create --replication-factor 1 --partitions 1 --topic first
选项说明：
–topic 定义topic名
–replication-factor 定义副本数
–partitions 定义分区数
删除topic
kafka-topics.sh --zookeeper 192.168.119.10:2181 --delete --topic first
需要server.properties中设置delete.topic.enable=true否则只是标记删除或者直接重启。
发送消息，9092是kafka的服务端口
kafka-console-producer.sh --broker-list 192.168.119.10:9092 --topic first
消费消息，注意kafka的版本，以及新参数特性
kafka-console-consumer.sh --bootstrap-server 192.168.119.10:9092 --from-beginning --topic first
–from-beginning：会把first主题中以往所有的数据都读取出来。根据业务场景选择是否增加该配置。
2 消息队列
消息队列的优点/常见使用场景比较核心的有3个：解耦、异步、削峰。
解耦：你需要去考虑是否有类似的场景，就是一个系统或者一个模块，调用了多个系统或者模块，互相之间的调用很复杂，维护起来很麻烦。如果这个调用是不需要直接同步调用接口的，可以用MQ解耦，也就是系统A不需要关注其他系统,只需要自己发消息到MQ让其他系统去消费。
异步：异步提升并发量；提升效率，不必要考虑对方是否接收消息成功与否；
削峰：积压到mq，慢慢消费不至于系统崩溃；
消息队列缺点：
系统可用性降低（MQ崩溃）；系统复杂性提高（重复消费、消息丢失、消息传递的顺序性）；一致性问题；
3 MQ比较
RabbitMQ：单机吞吐量为万级；时效性微秒级；基于主从架构实现高可用性；
Kafka：单机吞吐量为10万级别；topic数量对吞吐量的影响，topic从几十个到几百个的时候，吞吐量会大幅度下降；时效性毫秒级；基于分布式架构实现高可用性；
|