Kafka消息队列学习笔记1——Kafka入门1
目录
1、消息队列
消息队列(Message Queue,MQ):从字面上来理解,是一种用来存储消息的队列。简单理解,消息队列就是将需要传输的数据存放在队列中。
- 消息队列是用于存放消息的组件;
- 程序员可以将消息放入到队列中,也可以从消息队列中获取消息;
- 很多时候消息队列并不是一个永久性的存储,是作为临时存储存在的(设定一个期限:设置消息在MQ中保存10天);
- 消息队列中间件:消息队列的组件。
消息队列中间件:就是用来存储消息的软件(组件)。举个例子,为了分析网站的用户行为,我们需要记录用户的访问日志,这些一条条的日志,可以看成是一条条的消息,我们可以将它们保存到消息队列中,将来有一些应用程序需要处理这些日志,就可以随时将这些消息取出来处理。
目前企业中比较常见的消息队列产品主要有Kafka、ActiveMQ、RabbitMQ、RocketMQ等。在大数据场景主要采用Kafka作为消息队列。在JavaEE开发中主要采用ActiveMQ、RabbitMQ、RocketMQ。
1.1、传统消息队列的应用场景
传统的消息队列的主要应用场景包括:缓冲/消峰、解耦和异步通信、日志处理等等。
2.1.1、异步处理
异步处理:允许用户把一个消息放入队列,但并不立即处理它,然后在需要的时候再去处理它们。
可以将一些比较耗时的操作放在其它系统中,通过消息队列将需要进行处理的消息进行存储,其它系统可以消费消息队列中的数据。
例如:电商网站中,新的用户注册时,需要将用户的信息保存到数据库中,同时还要额外发送注册的邮件通知,以及短信注册码给用户,但因为发送邮件、发送注册短信需要连接外部的服务器,需要额外等待一段时间,此时,就可以使用消息队列来进行异步处理,从而实现快速响应。
1.1.2、系统解耦
解耦:允许你独立地扩展或修改两边的处理过程,只要确保它们遵守同样的接口约束。
原先一个微服务是通过接口(HTTP)调用另一个微服务,这时候耦合很严重,只要接口发生变化就会导致系统不可用。使用消息队列可以将系统进行解耦合,现在第一个微服务可以将消息放入到消息队列中,另一个微服务可以从消息队列中取出来进行处理。从而进行系统解耦。
1.1.3、流量削峰
缓冲/削峰:有助于控制和优化数据流经过系统的速度,解决生产消息和消费消息的处理速度不一致的情况。
因为消息队列是低延迟、高可靠、高吞吐的,因此可以应对大量并发。
1.1.4、日志处理
可以使用消息队列作为临时存储,或者一种通信管理。
大型电商网站(淘宝、京东、国美、苏宁...)、App(抖音、美团、滴滴...)等需要分析用户行为,要根据用户的访问行为来发现用户的喜好以及活跃情况,需要在页面上收集大量的用户访问信息。
1.2、生产者-消费者模型
Java服务器端开发的交互模型是这样的:
使用Java JDBC来访问操作MySQL数据库的交互模型是这样的:
它也是一种请求响应模型,只不过它不再是基于HTTP协议,而是基于MySQL数据库的通信协议。
而如果我们基于消息队列来编程,此时的交互模式称为:生产者-消费者模型:
1.3、消息队列的两种模式
1.3.1、点对点模式
消费者主动拉取数据并消费数据,向消息队列发回确认收到,然后消息队列收到确认后清除消息。
消息发送者生产消息发送到消息队列中,然后消息接受者从消息队列中取出并且消费消息,消息被消费以后,消息队列中不再有存储,所以消息接受者不可能消费到已经被消费的消息。
点对点模式的特点;
- 每个消息只有一个接收者(Consumer)(即一旦被消费,消息就不在消息队列中);
- 发送者和接收者间没有依赖性,发送者发送消息之后,不管有没有接收者在运行,都不会影响到发送者下次发送消息;
- 接收者在成功接收消息之后需向队列应答成功,一遍消息队列删除当前接收的消息。
1.3.2、发布/订阅模式
发布/订阅模式的特点:
- 每个消息可以有多个消费者;
- 发布者和订阅制之间有时间上的依赖性,针对某个主题(Topic)的订阅者,它必须创建一个订阅者之后,才能消费发布者的消息;
- 为了消费消息,订阅者需要提前订阅该角色主题,并保持在线运行;
- 可以有多个topic主题(浏览、点赞、收藏、评论等);
- 消费者消费数据之后,不删除数据;
- 每个消费者相互独立,都可以消费到数据。
2、Kafka简介
2.1、Kafka定义
Kafka是由Apache软件基金会开发的一个开源流平台,由Scala和Java编写。Kafka的Apache官网是这样介绍Kafka的:
Apache Kafka是一个分布式流平台,一个分布式的流平台应该包含3点关键的能力:
- 发布和订阅数据流,类似于消息队列或者是企业消息传递系统;
- 以容错的持久化方式存储数据流;
- 处理数据流。
Kafka传统定义:Kafka是一个分布式的基于发布/订阅模式的消息队列,主要应用于大数据实时处理领域。
发布/订阅:消息的发布者不会将消息直接发送给特定的订阅者,而是将发布的消息分为不同的类别,订阅者只接收感兴趣的消息。
Kafka最新定义:Kafka是一个开源的分布式事件流平台(Event Stream Platform),被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用。
我们重点关注三个部分的关键词:
- Publish and subscribe:发布与订阅;
- Store:存储;
- Process:处理。
Kafka的结构:
- 为方便扩展,并提高吞吐量,一个topic分为多个partition;
- 配合分区的设计,提出消费者组的概念,组内每个消费者并行消费;
- 为提高可用性,为每个partition增加若干副本,类似NameNode HA;
- ZK中记录谁是leader,Kafka2.8.0以后也可以配置不采用ZK。
2.2、Kafka的应用场景
我们通常将Apache Kafka用在两类程序:
- 建立实时数据管道,以可靠地在系统或应用程序之间获取数据;
- 构建实时流应用程序,以转换或响应数据流。
上图,我们可以看到:
- Producers:可以有很多的应用程序,将消息数据放入到Kafka集群中;
- Consumers:可以有很多的应用程序,将消息数据从Kafka集群中拉取出来;
- Connectors:Kafka的连接器可以将数据库中的数据导入到Kafka,也可以将Kafka的数据导出到数据库中;
- Stream Processors:流处理器可以从Kafka中拉取数据,也可以将数据写入到Kafka中。
2.3、Kafka的诞生背景
Kafka 的诞生,是为了解决linkedin的数据管道问题,起初linkedin采用了ActiveMQ来进行数据交换,大约是在2010年前后,那时的ActiveMQ还远远无法满足linkedin对数据传递系统的要求,经常由于各种缺陷而导致消息阻塞或者服务无法正常访问,为了能够解决这个问题,linkedin决定研发自己的消息传递系统,当时linkedin的首席架构师jay kreps便开始组织团队进行消息传递系统的研发。
2.4、Kafka版本
可以注意到Kafka的版本号如:kafka_2.12-2.4.1,因为kafka主要是使用scala语言开发的,2.12为scala的版本号,http://kafka.apache.org/downloads可以查看到每个版本的发布时间。
3、环境搭建
3.1、搭建Kafka集群
- Kafka集群是必须要有Zookeeper的;
- 每一个Kafka的节点都需要修改broker.id(每个节点的标识,不能重复);
- log.dirs数据存储目录需要配置。
1、将Kafka的安装包上传到虚拟机,并解压
cd /export/software/
tar -xvzf kafka_2.12-2.4.1.tgz -C ../server/
cd /export/server/kafka_2.12-2.4.1
2、修改 server.properties
cd /export/server/kafka_2.12-2.4.1/config
vim server.properties
# 指定broker的id
broker.id = 0
# 指定kafka数据的位置
log.dirs = /export/server/kafka_2.12-2.4.1/data
3、将安装好的Kafka复制到另外两台服务器
scp -r kafka_2.12-2.4.1/ node2.itcast.cn:$PWD
scp -r kafka_2.12-2.4.1/ node3.itcast.cn:$PWD
- 修改另外两个结点的broker.id分别为1和2
4、配置KAFKA_HOME环境变量
vim /etc/profile
export KAFKA_HOME=/export/server/kafka_2.12-2.4.1
export PATH=$PATH:${KAFKA_HOME}
- 分发到各个结点:
scp /etc/profile node2.itcast.cn:$PWD
scp /etc/profile node3.itcast.cn:$PWD
- 每个结点加载环境变量
source /etc/profile
5、启动服务器
# 启动Zookeeper
nohup bin/zookeeper-server-start.sh config/zookeeper.properties &
# 启动Kafka
cd /export/server/kafka_2.12-2.4.1
nohup bin/kafka-server-start.sh config/server.properties &
# 测试Kafka集群是否启动成功
bin/kafka-topics.sh --bootstrap-server node1.itcast.cn:9092 --list
3.2、Kafka目录结构分析
目录名称 | 说明 |
---|---|
bin | Kafka的所有执行脚本都在这里。例如:启动Kafka服务器,创建Topic、生产者、消费者程序等 |
config | Kafka的所有配置文件 |
libs | 运行Kafka所需要的所有JAR包 |
logs | Kafka的所有日志文件,如果Kafka出现一些问题,需要到该目录中去查看异常信息 |
site-docs | Kafka的网站帮助文件 |
3.3、Kafka一键启动/关闭脚本
为了方便将来进行一键启动、关闭Kafka,我们可以编写一个shell脚本来操作。将来只要执行一次该脚本就可以快速启动/关闭Kafka.
1、在节点1中创建/export/onekey目录
cd /export/onekey
2、准备slave配置文件,用于保存要启动哪几个节点上的Kafka
node1.itcast.cn
node2.itcast.cn
node3.itcast.cn
3、编写start-kafka.sh脚本
vim start-kafka.sh
cat /export/onekey/slave | while read line
do
{
echo $line
ssh $line "source /etc/profile;export JMX_PORT=9988;nohup${KAFKA_HOME}/bin/kafka-server-start.sh ${KAFKA_HOME}/config/server.properties >/dev/nul*2>&1 & " &
}&
wait
done
4、编写stop-kafka.sh脚本
vim stop-kafka.sh
cat /export/onekey/slave | while read line
do
{
echo $line
ssh $line "source /etc/profile;jps |grep Kafka |cut -d' ' -f1 |xargs kill -s 9"
}&
wait
done
5、启动服务器
# 启动zookeeper
nuhup bin/zookeeper-server-start.sh config/zookeeper.properties &
# 启动kafka
cd /export/server/kafka_2.12-2.4.1
nohup bin/kafka-server-start.sh config/server.properties &
# 测试Kafka集群是否启动成功
bin/kafka-topics.sh --bootstrap-server node1.itcast.cn:9092 --list
3.4、Windows环境下启动Kafka
需遵循以下几步, 依次打开新的命令行启动, 也不要关闭之前的命令行窗口
cmd 至 D:\kafka_2.12-3.1.0。
- 启动 Zookeeper 服务, 默认端口 2181
bin\windows\zookeeper-server-start.bat config\zookeeper.properties
- 启动 Kafka 服务,默认端口 9092
bin\windows\kafka-server-start.bat config\server.properties
4、基础操作
4.1、Kafka的生产者/消费者/工具
安装Kafka集群,可以测试以下:
- 创建一个topic主题(消息都是存放在topic中,类似mysql建表的过程);
- 基于kafka的内置测试生产者脚本来读取标准输入(键盘输入)的数据,并放入到topic中;
- 基于kafka的内置测试消费者脚本来消费topic中的数据。
推荐开发的时候使用Kafka Tool,它可以:
- 浏览Kafka集群节点,topic数量,分区数量;
- 创建topic/删除topic;
- 浏览Zookeeper中的数据;
4.2、创建topic
创建一个topic(主题)。Kafka中所有的消息都是保存在主题中,要生产消息到Kafka,首先必须要有一个确定的主题。
- linux下创建主题
# 创建名为test的主题
bin/kafka.topics.sh --create --bootstrap-server node1.itcast.cn:9092 --topic test
# 查看目前kafka中的主题
bin/kafka.sh --list --bootstrap-server node1.itcast.cn:9092
- windows下创建主题
# 创建名为test的主题
D:\kafka_2.13-3.1.0\bin\windows>kafka-topics.bat --create --bootstrap-server localhost:9092 1 --partitions 1 --topic test
4.3、生产消息到Kafka
使用Kafka内置的测试程序,生产一些消息到Kafka的test主题中。
bin/kafka-console-producer.sh --broker-list node1.itcast.cn:9092 --topic test
- windows下创建生产者
D:\kafka_2.13-3.1.0\bin\windows>kafka-console-producer.bat --broker-list localhost:9092 --topic test
4.4、从Kafka消费消息
使用下面的命令来消费test主题中的消息。
bin/kafka-console-consumer.sh --bootstrap-server node1.itcast.cn:9092 --topic test --from-beginning
-windows下创建消费者
D:\kafka_2.13-3.1.0\bin\windows>kafka-console-consumer --bootstrap-server localhost:9092 --topic test
4.5、使用Kafka Tools操作Kafka
4.5.1、连接Kafka集群
安装Kafka后启动Kafka。
4.5.2、创建topic
5、Kafka基准测试
5.1、Kafka的基准测试工具
Kafka中提供了内置的性能测试工具:
- 生产者:测试出来每秒传输的数据量(多少条数据、多少M的数据);
- 消费者:测试消费每秒拉取的数据量。
对比生产者和消费者,消费者的速度更快。
5.2、基准测试
基准测试(benchmark testing)是一种测量和评估软件性能指标的活动。我们可以通过基准测试,了解到软件、硬件的性能水平。主要测试负载的执行时间、传输速度、吞吐量、资源占用率等。
5.2.1、基于1个分区1个副本的基准测试
测试步骤:
- 启动Kafka集群;
- 创建一个1个分区1个副本的topic: benchmark;
- 同时运行生产者、消费者基准测试程序;
- 观察结果。
1、创建topic
bin/kafka-topics.sh --zookeeper node1.itcast.cn:2181 --create --topic benchmark --partition 1 --replication-factor 1
2、生产消息基准测试
在生产环境中,推荐使用生产5000W消息,这样性能数据会更准确些。
bin/kafka-producer-pref-test.sh --topic benchmark --num-records 5000000 --throughput -1
--record-size 1000 --producer-props
bootstrap.servers=node1.itcast.cn:9092,node2.itcast.cn:9092,node3.itcast.cn:9092 acks=1
bin/kafka-producer-pref-test.sh
--topic topic的名字
--num-records 总共指定生产数据量
--throughput 指定吞吐量——限流(-1不指定)
--record-size record数据大小(字节)
--producer-props bootstrap.server=192.168.1.20:9092,192.168.1.20:9092,192.168.1.22:9092
acks=1 指定Kafka集群地址,ACK模式
在虚拟机上,因为都是共享笔记本上的CPU、内存、网络,所以分区越多,反而效率越低。但是如果是真实的服务器,分区多效率是会有明显提升的。
3、消费消息基准测试
bin/kafka-consumer-pref-test.sh --broker-list
node1.itcast.cn:9092,node2.itcast.cn:9092,node3.itcast.cn:9092 --topic benchmark
--fetch-size 1048576 --messages 5000000
bin/kafka-consumer-pref-test.sh
--broker-list 指定kafka集群地址
--topic 指定topic的名称
--fetch-size 每次拉取的数据大小
--message 总共要消费的消息个数