最新公告
  • 欢迎来到UU学院,我们坚信学习是最好的投资,在这里您可以边学习边赚钱!立即加入我们
  • kafka教程

    正文概述 UU校长   2020-11-14   8

    转自:https://blog.csdn.net/yuan_xw/article/details/51210954

    1 Kafka入门教程

    1.1 消息队列(Message Queue)

    Message Queue消息传送系统提供传送服务。消息传送依赖于大量支持组件,这些组件负责处理连接服务、消息的路由和传送、持久性、安全性以及日志记录。消息服务器可以使用一个或多个代理实例。

    JMS(Java Messaging Service)是Java平台上有关面向消息中间件(MOM)的技术规范,它便于消息系统中的Java应用程序进行消息交换,并且通过提供标准的产生、发送、接收消息的接口简化企业应用的开发,翻译为Java消息服务。

    1.2 MQ消息模型

    KafkaMQ消息模型图1-1

    1.3 MQ消息队列分类

    消息队列分类:点对点和发布/订阅两种:

    1、点对点:

    消息生产者生产消息发送到queue中,然后消息消费者从queue中取出并且消费消息。

    消息被消费以后,queue中不再有存储,所以消息消费者不可能消费到已经被消费的消息。Queue支持存在多个消费者,但是对一个消息而言,只会有一个消费者可以消费。

    2、发布/订阅:

    消息生产者(发布)将消息发布到topic中,同时有多个消息消费者(订阅)消费该消息。和点对点方式不同,发布到topic的消息会被所有订阅者消费。

    1.4 MQ消息队列对比

    1、RabbitMQ:支持的协议多,非常重量级消息队列,对路由(Routing),负载均衡(Loadbalance)或者数据持久化都有很好的支持。

    2、ZeroMQ:号称最快的消息队列系统,尤其针对大吞吐量的需求场景,擅长的高级/复杂的队列,但是技术也复杂,并且只提供非持久性的队列。

    3、ActiveMQ:Apache下的一个子项,类似ZeroMQ,能够以代理人和点对点的技术实现队列。

    4、Redis:是一个key-Value的NOSql数据库,但也支持MQ功能,数据量较小,性能优于RabbitMQ,数据超过10K就慢的无法忍受。

    1.5 Kafka简介

    Kafka是分布式发布-订阅消息系统,它最初由 LinkedIn 公司开发,使用 Scala语言编写,之后成为 Apache 项目的一部分。在Kafka集群中,没有“中心主节点”的概念,集群中所有的服务器都是对等的,因此,可以在不做任何配置的更改的情况下实现服务器的的添加与删除,同样的消息的生产者和消费者也能够做到随意重启和机器的上下线。

    Kafka消息系统生产者和消费者部署关系图1-2

    Kafka消息系统架构图1-3

     

    1.6 Kafka术语介绍

    1、消息生产者:即:Producer,是消息的产生的源头,负责生成消息并发送到Kafka

    服务器上。

    2、消息消费者:即:Consumer,是消息的使用方,负责消费Kafka服务器上的消息。

    3、主题:即:Topic,由用户定义并配置在Kafka服务器,用于建立生产者和消息者之间的订阅关系:生产者发送消息到指定的Topic下,消息者从这个Topic下消费消息。

    4、消息分区:即:Partition,一个Topic下面会分为很多分区,例如:“kafka-test”这个Topic下可以分为6个分区,分别由两台服务器提供,那么通常可以配置为让每台服务器提供3个分区,假如服务器ID分别为0、1,则所有的分区为0-0、0-1、0-2和1-0、1-1、1-2。Topic物理上的分组,一个 topic可以分为多个 partition,每个 partition 是一个有序的队列。partition中的每条消息都会被分配一个有序的id(offset)。

    5、Broker:即Kafka的服务器,用户存储消息,Kafa集群中的一台或多台服务器统称为 broker。

    6、消费者分组:Group,用于归组同类消费者,在Kafka中,多个消费者可以共同消息一个Topic下的消息,每个消费者消费其中的部分消息,这些消费者就组成了一个分组,拥有同一个分组名称,通常也被称为消费者集群。

    7、Offset:消息存储在Kafka的Broker上,消费者拉取消息数据的过程中需要知道消息在文件中的偏移量,这个偏移量就是所谓的Offset。

    1.7 Kafka中Broker

    1、Broker:即Kafka的服务器,用户存储消息,Kafa集群中的一台或多台服务器统称为 broker。

    2、Message在Broker中通Log追加的方式进行持久化存储。并进行分区(patitions)。

    3、为了减少磁盘写入的次数,broker会将消息暂时buffer起来,当消息的个数(或尺寸)达到一定阀值时,再flush到磁盘,这样减少了磁盘IO调用的次数。

    4、Broker没有副本机制,一旦broker宕机,该broker的消息将都不可用。Message消息是有多份的。

    5、Broker不保存订阅者的状态,由订阅者自己保存。

    6、无状态导致消息的删除成为难题(可能删除的消息正在被订阅),kafka采用基于时间的SLA(服务水平保证),消息保存一定时间(通常为7天)后会被删除。

    7、消息订阅者可以rewind back到任意位置重新进行消费,当订阅者故障时,可以选择最小的offset(id)进行重新读取消费消息。

    1.8 Kafka的Message组成

    1、Message消息:是通信的基本单位,每个 producer 可以向一个 topic(主题)发布一些消息。

    2、Kafka中的Message是以topic为基本单位组织的,不同的topic之间是相互独立的。每个topic又可以分成几个不同的partition(每个topic有几个partition是在创建topic时指定的),每个partition存储一部分Message。

    3、partition中的每条Message包含了以下三个属性:

    offset      即:消息唯一标识:对应类型:long

    MessageSize 对应类型:int32

    data        是message的具体内容。

    1.9 Kafka的Partitions分区

    1、Kafka基于文件存储.通过分区,可以将日志内容分散到多个server上,来避免文件尺寸达到单机磁盘的上限,每个partiton都会被当前server(kafka实例)保存。

    2、可以将一个topic切分多任意多个partitions,来消息保存/消费的效率。

    3、越多的partitions意味着可以容纳更多的consumer,有效提升并发消费的能力。

    1.10 Kafka的Consumers

    1、消息和数据消费者,订阅 topics并处理其发布的消息的过程叫做 consumers。

    2、在 kafka中,我们可以认为一个group是一个“订阅者”,一个Topic中的每个partions,只会被一个“订阅者”中的一个consumer消费,不过一个 consumer可以消费多个partitions中的消息(消费者数据小于Partions的数量时)。注意:kafka的设计原理决定,对于一个topic,同一个group中不能有多于partitions个数的consumer同时消费,否则将意味着某些consumer将无法得到消息。

    3、一个partition中的消息只会被group中的一个consumer消息。每个group中consumer消息消费互相独立。

    1.11 Kafka的持久化

    1、一个Topic可以认为是一类消息,每个topic将被分成多partition(区),每个partition在存储层面是append log文件。任何发布到此partition的消息都会被直接追加到log文件的尾部,每条消息在文件中的位置称为offset(偏移量),partition是以文件的形式存储在文件系统中。

    2、Logs文件根据broker中的配置要求,保留一定时间后删除来释放磁盘空间。

    Kafka消息分区Partition图1-4

    Partition:

       Topic物理上的分组,一个 topic可以分为多个 partition,每个 partition 是一个有序的队列。partition中的每条消息都会被分配一个有序的id(offset)。

    3、为数据文件建索引:稀疏存储,每隔一定字节的数据建立一条索引。下图为一个partition的索引示意图:

    Kafka消息分区Partition索引图1-5

    1.12 Kafka的分布式实现:

    Kafka分布式关系图1-6

    Kafka生产环境关系图1-7

    1.13 Kafka的通讯协议:

    1、Kafka的Producer、Broker和Consumer之间采用的是一套自行设计基于TCP层的协议,根据业务需求定制,而非实现一套类似ProtocolBuffer的通用协议。

    2、基本数据类型:(Kafka是基于Scala语言实现的,类型也是Scala中的数据类型)

    定长数据类型:int8,int16,int32和int64,对应到Java中就是byte, short, int和long。

    变长数据类型:bytes和string。变长的数据类型由两部分组成,分别是一个有符号整数N(表示内容的长度)和N个字节的内容。其中,N为-1表示内容为null。bytes的长度由int32表示,string的长度由int16表示。

    数组:数组由两部分组成,分别是一个由int32类型的数字表示的数组长度N和N个元素。

    3、Kafka通讯的基本单位是Request/Response。

    4、基本结构:

    RequestOrResponse => MessageSize(RequestMessage | ResponseMessage)

    名称

    类型

    描术

    MessageSize

    int32

    表示RequestMessage或者ResponseMessage的长度

    RequestMessage

    ResponseMessage

    5、通讯过程:

    客户端打开与服务器端的Socket

    往Socket写入一个int32的数字(数字表示这次发送的Request有多少字节)

    服务器端先读出一个int32的整数从而获取这次Request的大小

    然后读取对应字节数的数据从而得到Request的具体内容

    服务器端处理了请求后,也用同样的方式来发送响应。

    6、RequestMessage结构:

    RequestMessage => ApiKey ApiVersionCorrelationId ClientId Request

    名称

    类型

    描术

    ApiKey

    int16

    表示这次请求的API编号

    ApiVersion

    int16

    表示请求的API的版本,有了版本后就可以做到后向兼容

    CorrelationId

    int32

    由客户端指定的一个数字唯一标示这次请求的id,服务器端在处理完请求后也会把同样的CorrelationId写到Response中,这样客户端就能把某个请求和响应对应起来了。

    ClientId

    string

    客户端指定的用来描述客户端的字符串,会被用来记录日志和监控,它唯一标示一个客户端。

    Request

    Request的具体内容。

    7、ResponseMessage结构:

    ResponseMessage => CorrelationId Response

    名称

    类型

    描术

    CorrelationId

    int32

    对应Request的CorrelationId。

    Response

    对应Request的Response,不同的Request的Response的字段是不一样的。

    Kafka采用是经典的Reactor(同步IO)模式,也就是1个Acceptor响应客户端的连接请求,N个Processor来读取数据,这种模式可以构建出高性能的服务器。

    8、Message结构:

    Message:Producer生产的消息,键-值对

    Message => Crc MagicByte Attributes KeyValue

    名称

    类型

    描术

    CRC

    int32

    表示这条消息(不包括CRC字段本身)的校验码。

    MagicByte

    int8

    表示消息格式的版本,用来做后向兼容,目前值为0。

    Attributes

    int8

    表示这条消息的元数据,目前最低两位用来表示压缩格式。

    Key

    bytes

    表示这条消息的Key,可以为null。

    Value

    bytes

    表示这条消息的Value。Kafka支持消息嵌套,也就是把一条消息作为Value放到另外一条消息里面。

    9、MessageSet结构:

    MessageSet:用来组合多条Message,它在每条Message的基础上加上了Offset和MessageSize

    MessageSet => [Offset MessageSize Message]

    名称

    类型

    描术

    Offset

    int64

    它用来作为log中的序列号,Producer在生产消息的时候还不知道具体的值是什么,可以随便填个数字进去。

    MessageSize

    int32

    表示这条Message的大小。

    Message

    -

    表示这条Message的具体内容,其格式见上一小节。

    10、     Request/Respone和Message/MessageSet的关系:

    Request/Response是通讯层的结构,和网络的7层模型对比的话,它类似于TCP层。

    Message/MessageSet定义的是业务层的结构,类似于网络7层模型中的HTTP层。Message/MessageSet只是Request/Response的payload中的一种数据结构

    备注:Kafka的通讯协议中不含Schema,格式也比较简单,这样设计的好处是协议自身的Overhead小,再加上把多条Message放在一起做压缩,提高压缩比率,从而在网络上传输的数据量会少一些。

    1.14 数据传输的事务定义:

    1、at most once:最多一次,这个和JMS中”非持久化”消息类似.发送一次,无论成败,将不会重发。

    at most once:消费者fetch消息,然后保存offset,然后处理消息;当client保存offset之后,但是在消息处理过程中出现了异常,导致部分消息未能继续处理.那么此后”未处理”的消息将不能被fetch到,这就是“atmost once”。

    2、at least once:消息至少发送一次,如果消息未能接受成功,可能会重发,直到接收成功。

    at least once:消费者fetch消息,然后处理消息,然后保存offset.如果消息处理成功之后,但是在保存offset阶段zookeeper异常导致保存操作未能执行成功,这就导致接下来再次fetch时可能获得上次已经处理过的消息,这就是“atleast once”,原因offset没有及时的提交给zookeeper,zookeeper恢复正常还是之前offset状态。

    3、exactly once:消息只会发送一次。

    exactly once: kafka中并没有严格的去实现(基于2阶段提交,事务),我们认为这种策略在kafka中是没有必要的。

    注:通常情况下“at-least-once”是我们首选。(相比at most once而言,重复接收数据总比丢失数据要好)。

    1.15 学习Kafka推荐书籍:

    1. 《Apache Kafka》
    2. 《从Paxos到Zookeeper分布式一致性原理与实践》

                    –以上为《Kafka教程(一)Kafka入门教程》,如有不当之处请指出,我后续逐步完善更正,大家共同提高。谢谢大家对我的关注。

                                                                                                                                                                                          ——厚积薄发


    UU学院 » kafka教程

    常见问题FAQ

    UU学院资源教程能否直接商用?
    本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。
    提示下载完但解压或打开不了?
    最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。若排除这种情况,可在对应资源底部留言,或 联络我们.。
    找不到我想要的内容怎么办?
    请第一时间联系UU校长帮忙寻找
    链接地址失效怎么办?
    请带上资源链接地址联系客服,工作时间内我们看到后将第一时间回复。

    发表评论

    发表评论