Kafka框架基础
* Kafka框架基础
官网:kafka.apache.org
框架简介
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。Kafka是一种快速、可扩展的、设计内在就是分布式的,分区的和可复制的提交日志服务。
相关概念
** 生产者
提供数据源生产的地方,对于同一个topic,生产者只能有一个,这样可以确保同一个topic数据来自同一个业务数据,支持多并发
** 消费者
消费数据的客户端,对于同一个topic,可以有多个消费者,比如spark,storm等等
** Broker
消息中间件处理结点,一个Kafka节点就是一个broker,多个broker可以组成一个Kafka集群。
** Topic
同一类消息的统称,Kafka集群能够同时负载多个topic分发。
** 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,同一个topic里面的数据是存放在不同的分区中。
** Replication
每个分区或者topic都是有副本的,副本的数量也是可以在创建topic的时候就指定好,保证数据的安全性,以及提供高并发读取效率。
** Segment
partition物理上由多个segment组成
** Offset
每个partition都由一系列有序的、不可变的消息组成,这些消息被连续的追加到partition中。partition中的每个消息都有一个连续的序列号叫做offset,用于partition唯一标识一条消息
框架特色
** 同时为发布和订阅提供高吞吐量。Kafka每秒可以生产约25万消息(约50 MB),每秒处理55万消息(约110 MB)。
** 可进行持久化操作。将消息持久化到磁盘,因此可用于批量消费,例如ETL,以及实时应用程序。通过将数据持久化到硬盘以及replication防止数据丢失。
** 分布式系统,易于向外扩展。所有的producer、broker和consumer都会有多个,均为分布式的。无需停机即可扩展机器。
** 消息被处理的状态是在consumer端维护,而不是由server端维护。当失败时能自动平衡。
架构图
![](http://upload-images.jianshu.io/upload_images/4951489-5588e2b7d7a8e5d0.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/645)
* 框架部署
** 相关下载
kafka以及scala:链接:http://pan.baidu.com/s/1pLBFJf1 密码:seto
** 解压Kafka以及scala
$ tar -zxf kafka_2.10-0.8.2.1.tgz -C /opt/modules/cdh/
$ tar -zxf scala-2.10.4.tgz -C /opt/modules/cdh/
** 安装JDK并配置环境变量
不再赘述
** 安装并启动zookeeper
在zookeeper的根目录下:
$ bin/zkServer.sh start
** 配置scala环境变量
# vi /etc/profile
$ source /etc/profile
(注意以上两条语句的执行用户)
添加如下:
##SCALA_HOME
SCALA_HOME=/opt/modules/cdh/scala-2.10.4
export PATH=$PATH:$SCALA_HOME/bin
使用命令检查scala配置是否正确:
$ scala -version,如图:
![](http://upload-images.jianshu.io/upload_images/4951489-bd917f3aec751539.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
** 修改Kafka配置文件
server.properties
修改为如下:
![](http://upload-images.jianshu.io/upload_images/4951489-4484feeee22d3aa9.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
producer.properties
变动内容如下:
![](http://upload-images.jianshu.io/upload_images/4951489-ae94d188c3e8b716.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
consumer.properties
变动内容如下:
![](http://upload-images.jianshu.io/upload_images/4951489-5b812c55b5d6ccfe.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/678)
** 启动Kafka
$ bin/kafka-server-start.sh config/server.properties
** 创建Topic
$ bin/kafka-topics.sh --create --zookeeper z01:2181 --replication-factor 1 --partitions 1 --topic testTopic
![](http://upload-images.jianshu.io/upload_images/4951489-71715a9a5810e528.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
** 启动生产者
$ bin/kafka-console-producer.sh --broker-list z01:9092 --topic testTopic
![](http://upload-images.jianshu.io/upload_images/4951489-e6bb73c8cadb5a5a.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
** 启动消费者
$ bin/kafka-console-consumer.sh --zookeeper z01:2181 --topic testTopic --from-beginning
![](http://upload-images.jianshu.io/upload_images/4951489-167270e4837ba4cf.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
在生产者窗口输入数据,在消费者窗口查看数据,测试如图:
消费者:
![](http://upload-images.jianshu.io/upload_images/4951489-f3e3a588ced4dcf6.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
生产者:
![](http://upload-images.jianshu.io/upload_images/4951489-245e99e3dfbaccf2.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
* 整合测试
使用flume+kafka整合测试
** 配置flume
原来我们配置flume,是在tomcat所在机器节点开启了一个flume收集日志,并直接上传到HDFS,如果集群中存在多个机器节点,则势必导致对HDFS集群占用率过高,所以在面临多个flume集群时,一般会采用1~2个单独的flume节点来收集另外flume节点的日志,相当于弄了一个中转站,由中转站收集其他flume,再统一放置到HDFS系统中,此刻我们采用方案2,原理如图:
![](http://upload-images.jianshu.io/upload_images/4951489-22ad884ebc12d69a.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
背景:在一台机器上开两个flume,分别收集tomcat日志和hive日志,这两者的日志信息分别输入到中间层flume(这个中间层flume也模拟在同一个机器节点上),然后中间层flume在将数据写入到HDFS。
首先检查一下hive的conf目录下的hive-log4j.properties配置中,是否已经指定了hive的日志目录,如果没有,请指定,如图:
![](http://upload-images.jianshu.io/upload_images/4951489-dca4fab63622e30a.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
涉及flume文件:以下文件存在于flume的conf目录下,如果不存在,请自行创建即可。
flume-apache-log-kafka.conf
![](http://upload-images.jianshu.io/upload_images/4951489-7e30bbc6ae798a0f.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
flume-hive-log-kafka.conf
![](http://upload-images.jianshu.io/upload_images/4951489-2e04246877ff49b5.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
flume-connector-kafka.conf
![](http://upload-images.jianshu.io/upload_images/4951489-53641be03b0e5401.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
依次启动:
a4:
$ bin/flume-ng agent --conf conf/ --name a4 --conf-file conf/flume-connector-kafka.conf
a3:
$ bin/flume-ng agent --conf conf/ --name a3 --conf-file conf/flume-hive-log-kafka.conf
a2:
$ bin/flume-ng agent --conf conf/ --name a2 --conf-file conf/flume-apache-log-kafka.conf
测试后如图,即可发现,日志在HDFS和kafka中都已经显示出来:
![](http://upload-images.jianshu.io/upload_images/4951489-e8ca0e411ab7c22e.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/700)
个人微博:http://weibo.com/seal13
QQ大数据技术交流群(广告勿入):476966007
作者:Z尽际
链接:https://www.jianshu.com/p/a24af7a86392
來源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。