生產經驗 面試重點
Broker面試重點
代碼,開發(fā)重點
67 章了解

如何記錄行為數據

1. Kafka概述

1.產生原因

前端 傳到日志 日志傳到Flume 傳到HADOOP
但是如果數據特比大，HADOOP就承受不住了

2.Kafka解決問題

控流消峰
Flume傳給Kafka
存到Kafka
Hadoop 從Kafka取數據 ，而不是Kafka強行發(fā)
類似 菜鳥驛站， 先存取來，我們主動去取,或者指定他去送

存到HDFS的，一定不是實時數據，因為HDFS太慢了

3.應用場景

1. 緩沖/消峰

消息隊列存儲數據，而不是直接發(fā)給處理系統(tǒng)，處理完一部分，再取，再處理

2.解耦

通過中間件接口，適配不同數據源和目的地

3.異步通信

允許用戶將消息放入隊列，但不立即處理，然后再需要的時候處理。
為什么異步處理快： 同步需要等待
點餐：
同步：服務員過來給我點餐 ,這里需要服務員過來
異步：掃桌子碼自己點餐

4.消息隊列模式

Kafka使用發(fā)布訂閱模式
數據會保存一段時間

5.基礎架構

生產者 - Broker - Group
TopicA是什么？
這里的分區(qū)是什么？
分區(qū)： 物理分割
為什么要分割：結合集群分散存儲

1. 分區(qū)操作

topic 是一整個數據 ，分區(qū)是為了將數據分在不同的Broker上。類似于HDFS，
Broker是物理存儲
Partition 類似于DN

2.消費者組的概念

類似權限管理把，組內并行消費，便于管理

• Producer生產者： 向Kafka broker發(fā)消息的客戶端(自主)
• Consumer消費者： 從Kafka取消息的客戶端（自主）
• Group 組： 消費者組。消費者組內每個消費者負責消費不同分區(qū)的數據，一個分區(qū)只能由一個組內消費者消費；消費者組之間互不影響。所有的消費者都屬于某個消費者組，即消費者組是邏輯上的一個訂閱者。
  這個說明，分區(qū)不支持并行讀取，一個分區(qū)只能同時一個組內消費者消費。
  組內消費者對不同分區(qū)進行讀取，是為了優(yōu)化讀取速率.
• Broker 一臺Kafka服務器就是一個broker。一個集群由多個broker組成。一個broker可以容納多個topic。
• Topic：可以理解為一個隊列，生產者和消費者面向的都是一個topic。
• Partition：為了實現擴展性，一個非常大的topic可以分布到多個broker（即服務器）上，一個topic可以分為多個partition，每個partition是一個有序的隊列。
• Leader：每個分區(qū)多個副本的“主”，生產者發(fā)送數據的對象，以及消費者消費數據的對象都是Leader。
• Follower：每個分區(qū)多個副本中的“從”，實時從Leader中同步數據，保持和Leader數據的同步。Leader發(fā)生故障時，某個Follower會成為新的Leader。
• Replica：副本。一個topic的每個分區(qū)都有若干個副本，一個Leader和若干個Follower。

3.副本

備份功能，備份partition 多個副本， 類似HDFS,類似DN(存入一下子3個)把
多副本時,一個副本叫l(wèi)eader 另一個副本叫follower,
也是選出來的角色 交互時只和leader交互
follower平時只有備份作用,但是當leader倒下時,他直接成為leader

這里是存儲數據的目錄,而不是存Kafka自己日志的目錄

高可用， 配置多個

replicas 是存儲副本的位置
lsr 是目前存活的副本

分區(qū)數只能改大，不能改小
副本數修改，
通過JSON手動修改

消費者按最新的offect進行消費

5.配置

1.解壓

[atguigu@hadoop102 software]$ tar -zxvf kafka_2.12-3.3.1.tgz -C /opt/module/
[atguigu@hadoop102 module]$ mv kafka_2.12-3.3.1/ kafka

2.配置文件

配置文件目前只需要修改三個
broker編號 不同機器只需要編號不同即可
log.dir 數據存放位置
zookeeper.connect 連接集群的地址

[atguigu@hadoop102 kafka]$ cd config/
[atguigu@hadoop102 config]$ vim server.properties

# 修改1 broker的全局唯一編號，不能重復，只能是數字。 
broker.id=0#處理網絡請求的線程數量
num.network.threads=3
#用來處理磁盤IO的線程數量
num.io.threads=8
#發(fā)送套接字的緩沖區(qū)大小
socket.send.buffer.bytes=102400
#接收套接字的緩沖區(qū)大小
socket.receive.buffer.bytes=102400
#請求套接字的緩沖區(qū)大小
socket.request.max.bytes=104857600
#修改2 這里其實是是存放到Kafka的數據的地方 kafka運行日志(數據)存放的路徑，路徑不需要提前創(chuàng)建，kafka自動幫你創(chuàng)建，可以配置多個磁盤路徑，路徑與路徑之間可以用"，"分隔
log.dirs=/opt/module/kafka/datas
#topic在當前broker上的分區(qū)個數
num.partitions=1
#用來恢復和清理data下數據的線程數量
num.recovery.threads.per.data.dir=1
# 每個topic創(chuàng)建時的副本數，默認時1個副本
offsets.topic.replication.factor=1
#segment文件保留的最長時間，超時將被刪除
log.retention.hours=168
#每個segment文件的大小，默認最大1G
log.segment.bytes=1073741824
# 檢查過期數據的時間，默認5分鐘檢查一次是否數據過期
log.retention.check.interval.ms=300000
#修改3  連接集群的位置 配置連接Zookeeper集群地址（在zk根目錄下創(chuàng)建/kafka，方便管理）
zookeeper.connect=hadoop102:2181,hadoop103:2181,hadoop104:2181/kafka

3. 環(huán)境變量

sudo vim /etc/profile.d/my_env.sh

#KAFKA_HOME
export KAFKA_HOME=/opt/module/kafka
export PATH=$PATH:$KAFKA_HOME/bin

這個是為了啟動的時候不需要輸入一長串地址
比如：bin/kafka-server-start.sh -daemon config/server.properties
這里的config是kafka的路徑 啟動需要輸入全路徑

bin/kafka-server-start.sh -daemon /opt/module/kafka/config/server.properties

修改后

kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties

4.集群腳本

#! /bin/bash
if [ $# -lt 1 ]
then echo "參數錯誤，請輸入start或者stop"exit
fi
case $1 in
"start"){for i in hadoop102 hadoop103 hadoop104 do echo "---------------啟動 $i Kafka ----------------------"ssh  $i  "$KAFKA_HOME/bin/kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties"done
};;
"stop"){for i in hadoop102 hadoop103 hadoop104do echo "---------------停止 $i Kafka ---------------------"ssh $i  "$KAFKA_HOME/bin/kafka-server-stop.sh -daemon $KAFKA_HOME/config/server.properties"done
};;
esac

2.命令

1.主題命令

1. --bootstrap-server <String: server toconnect to>

連接Broker 操作Kafka必須有這個命令
既可以輸入一個，也可以輸入多個

kafka-topics.sh --bootstrap-server hadoop102:9092,hadoop103:9092,hadoop104:9092 

2.主題的創(chuàng)建和刪除

– create +空格 ±-topic+空格+主題名
– delete +空格 ±-topic+空格+主題名
主題 主題名 一般放最后

[atguigu@hadoop102 kafka]$ bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --create --partitions 1 --replication-factor 3 --topic first

–topic 定義topic名
–replication-factor 定義副本數
–partitions 定義分區(qū)數

3.查看所有主題

–list

4.查看主題詳細描述

可以看單個主題，可以看全部主題
不加后綴默認查看全部
查看單個需要+空格 ±-topic+空格+主題名

5.修改–alter

設置分區(qū)數
–partitions <Integer: # of partitions>

分區(qū)只能調大，不能調小

設置分區(qū)副本
–replication-factor<Integer: replication factor>

// 手動調整kafka topic分區(qū)的副本數 {// 1. 版本號 這個是自定義的版本號"version":1,// 2. 分區(qū)是重點，因為副本改變分區(qū)也要改變。//   其實就是將分區(qū)的副本重新進行布局"partitions":[{"topic":"first","partition":0,"replicas":[1,2,0]},{"topic":"first","partition":1,"replicas":[2,0,1]},{"topic":"first","partition":2,"replicas":[2,0,1]}] 
}
// 運行命令
//kafka-reassign-partitions.sh --bootstrap-server hadoop102:9092 --reassignment-json-file ./rep.json --execute

更新系統(tǒng)默認的配置。
–config <String: name=value>
臨時調配參數

2.生產者命令

1.操作

--topic <String: topic>
[atguigu@hadoop102 kafka]$ bin/kafka-console-producer.sh
bin/kafka-console-producer.sh --bootstrap-server hadoop102:9092 --topic first

3.消費者

kafka-console-consumer.sh --bootstrap-server +集群+ 主題

• –bootstrap-server <String: server toconnect to> 連接的Kafka Broker主機名稱和端口號。
• –topic <String: topic> 操作的topic名稱。
• –from-beginning 從頭開始消費。
• –group <String: consumer group id> 指定消費者組名稱。

kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic first

為什么消費者未開啟時,生產者發(fā)送的消息,等消費者起來了收不到?
沒有指定消費者組時,每次開啟,消費者屬于的消費者組就是隨機的,那么就無法進行斷點續(xù)傳
當主動指定組后,再次登錄,在指定組后,會自動開啟斷點續(xù)傳功能


想要提前的順序,就需要,–from-beginning
但是不能和用戶組一起跑