Kafka学习记录

1 Kafka的基本介绍

Apache Kafka是分布式发布-订阅消息系统。它最初由LinkedIn公司开发，之后成为Apache项目的一部分。具有快速、可扩展、分布式、可复制等特点。Kafka与传统消息系统相比，有以下不同：
它被设计为一个分布式系统，易于向外扩展；
它同时为发布和订阅提供高吞吐量；
它支持多订阅者，当失败时能自动平衡消费者；
它将消息持久化到磁盘，因此可用于批量消费。

1.1 相关概念

topic

每条发布到Kafka集群的消息都有一个类别，这个类别被称为topic。（物理上不同topic的消息分开存储，逻辑上一个topic的消息虽然保存于一个或多个broker上但用户只需指定消息的topic即可生产或消费数据而不必关心数据存于何处）

partition

parition是物理上的概念，每个topic包含一个或多个partition，创建topic时可指定parition数量。每个partition对应于一个文件夹，该文件夹下存储该partition的数据和索引文件

broker

Kafka集群包含一个或多个服务器，这种服务器被称为broker

生产者

负责发布消息到Kafka broker

消费者

消费消息。每个consumer属于一个特定的consumer group（可为每个consumer指定group name，若不指定group name则属于默认的group）。使用consumer high level API时，同一topic的一条消息只能被同一个consumer group内的一个consumer消费，但多个consumer group可同时消费这一消息。

1.2 架构

如上图所示，一个典型的kafka集群中包含若干producer（可以是web前端产生的page view，或者是服务器日志，系统CPU、memory等），若干broker（Kafka支持水平扩展，一般broker数量越多，集群吞吐率越高），若干consumer group，以及一个Zookeeper集群。Kafka通过Zookeeper管理集群配置，选举leader，以及在consumer group发生变化时进行rebalance。producer使用push模式将消息发布到broker，consumer使用pull模式从broker订阅并消费消息。

2 Kafka的配置参数

可在$KAFKA_HOME/config/server.properties文件中指定如下参数：

#当前broker的ID
broker.id=0

#broker服务监控的端口
port=9092

#当前broker的主机名，可以是IP地址
host.name=192.168.1.7

#创建topic时，默认的分区数量
num.partitions=1

#基于时间删除消息，与基于分区容量删除消息，为两种删除策略，哪种先达到，哪种就触发
log.retention.hours=168

#基于分区容量删除消息
log.retention.bytes=1073741824

#partition级别的复制数量
default.replication.factor = 1

#zookeeper的连接IP及端口
zookeeper.connect=localhost:2181

3 Kafka的常用命令

#启动zookeeper服务器
bin/zookeeper-server-start.sh config/zookeeper.properties

#启动kafka server
bin/kafka-server-start.sh config/server.properties

#创建topic
bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test

#list topic
bin/kafka-topics.sh --list --zookeeper localhost:2181

#向broker发送数据
bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test

#从broker拉取数据
bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic test --from-beginning