Kafka部署、原理和使用介绍

绝地灬酷狼 2023-09-28 12:06 140阅读 0赞

## Kafka简介及Kafka部署、原理和使用介绍 ##

### Kafka简介 ###

#### 定义 ####

Kafka是一种消息队列，是一个分布式的基于发布/订阅模式的，主要用来处理大量数据状态下的消息队列，一般用来做日志的处理。既然是消息队列，那么Kafka也就拥有消息队列的相应的特性了。

#### 消息队列的两种模式 ####

**点对点模式  
一对一，消费者主动拉取数据，消息收到后消息清除**

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。  
![在这里插入图片描述][d4cb4d19268b4a1a9b88278284f596ae.png]  
**发布/订阅模式  
一对多，消费者消费数据之后不会清除消息**

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。  
![在这里插入图片描述][a4d022a2974e408e95beb4686b48c8fd.png]

#### Kafka基础架构 ####

**组件释义**  
（1）Producer ：消息生产者，就是向kafka broker发消息的客户端；  
（2）Consumer ：消息消费者，向kafka broker取消息的客户端；  
（3）Consumer Group （CG）：消费者组，由多个consumer组成。消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个消费者消费；消费者组之间互不影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。  
（4）Broker ：一台kafka服务器就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic。  
（5）Topic ：可以理解为一个队列，生产者和消费者面向的都是一个topic；  
（6）Partition：为了实现扩展性，一个非常大的topic可以分布到多个broker（即服务器）上，一个topic可以分为多个partition，每个partition是一个有序的队列；  
（7）Replica：副本，为保证集群中的某个节点发生故障时，该节点上的partition数据不丢失，且kafka仍然能够继续工作，kafka提供了副本机制，一个topic的每个分区都有若干个副本，一个leader和若干个follower。  
（8）leader：每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对象都是leader。  
（9）follower：每个分区多个副本中的“从”，实时从leader中同步数据，保持和leader数据的同步。leader发生故障时，某个follower会成为新的leader。  
![在这里插入图片描述][ac4c2f3fa48d47129de245ad1bbe63ec.png]

### Kafka安装部署 ###

#### 相关连接 ####

Kafka官网：http://kafka.apache.org

Kafka下载：http://kafka.apache.org/downloads

本次部署2.4.1版本下载：https://archive.apache.org/dist/kafka/2.4.1/kafka\_2.11-2.4.1.tgz

环境提前部署zookeeper：

zookeeper部署方式\[文档连接\]：https://blog.csdn.net/wt334502157/article/details/115213645

#### 集群部署 ####

3台服务器对应在/etc/hosts文件中配置一下解析

ops01 11.8.37.50

ops02 11.8.36.63

ops03 11.8.36.76

# 官网下载安装包，并上传安装包至服务器，或者在服务器上直接wget
    jyc@ops01:/opt/software >ll | grep kafka
    -rw-r--r-- 1 jyc jyc  70159813 Apr 29 10:56 kafka_2.11-2.4.1.tgz
    jyc@ops01:/opt/software >
    # 将包解压至/opt/module目录下
    jyc@ops01:/opt/software >tar -zxf kafka_2.11-2.4.1.tgz -C /opt/module/
    jyc@ops01:/opt/software >ll /opt/module/
    total 36
    drwxrwxr-x  2 jyc jyc 4096 Apr  4 11:01 datas
    drwxr-xr-x 12 jyc jyc 4096 Apr 24 16:37 flume
    -rw-rw-r--  1 jyc jyc   30 Apr 25 11:33 group.log
    drwxr-xr-x 12 jyc jyc 4096 Mar 12 11:38 hadoop-3.1.3
    drwxrwxr-x 11 jyc jyc 4096 Apr  2 15:14 hive
    drwxr-xr-x  6 jyc jyc 4096 Mar  3  2020 kafka_2.11-2.4.1
    drwxrwxr-x  3 jyc jyc 4096 Apr 10 16:25 tez
    drwxrwxr-x  5 jyc jyc 4096 Apr  2 15:03 tez-0.9.2_bak0410
    drwxr-xr-x  8 jyc jyc 4096 Mar 25 11:02 zookeeper-3.5.7
    # 程序目录名更改为kafka，简化后续操作
    jyc@ops01:/opt/software >cd /opt/module/
    jyc@ops01:/opt/module >mv kafka_2.11-2.4.1 kafka
    jyc@ops01:/opt/module >cd kafka/
    jyc@ops01:/opt/module/kafka >ls
    bin  config  libs  LICENSE  NOTICE  site-docs
    # 在/opt/module/kafka目录下创建logs目录，后续用于存储相关文件
    jyc@ops01:/opt/module/kafka >mkdir logs
    jyc@ops01:/opt/module/kafka >cd config/
    # 配置文件server.properties 
    jyc@ops01:/opt/module/kafka/config >vim server.properties 
    jyc@ops01:/opt/module/kafka/config >cat /opt/module/kafka/config/server.properties |grep -vE "^#|^$"
    broker.id=0
    delete.topic.enable=true
    num.network.threads=3
    num.io.threads=8
    socket.send.buffer.bytes=102400
    socket.receive.buffer.bytes=102400
    socket.request.max.bytes=104857600
    log.dirs=/opt/module/kafka/logs
    num.partitions=1
    num.recovery.threads.per.data.dir=1
    offsets.topic.replication.factor=1
    transaction.state.log.replication.factor=1
    transaction.state.log.min.isr=1
    log.retention.hours=168
    log.segment.bytes=1073741824
    log.retention.check.interval.ms=300000
    zookeeper.connect=ops01:2181,ops02:2181,ops03:2181/kafka
    zookeeper.connection.timeout.ms=6000
    group.initial.rebalance.delay.ms=0
    
    # 【注意】
    # broker.id=1 这个id每个kafka需要配置不同 (ops01->0 / ops02->1 / ops03->2)
    # delete.topic.enable=true 功能为解锁删除topic功能
    # log.dirs=/opt/module/kafka/logs  配置logs所在目录路径
    # num.network.threads=3 处理网络请求的线程数量
    # num.io.threads=8 用来处理磁盘IO的现成数量
    # socket.send.buffer.bytes=102400 发送套接字的缓冲区大小
    # socket.receive.buffer.bytes=102400 接收套接字的缓冲区大小
    # socket.request.max.bytes=104857600 请求套接字的缓冲区大小
    # num.partitions=1 topic在当前broker上的分区个数
    # num.recovery.threads.per.data.dir=1 用来恢复和清理data下数据的线程数量
    # log.retention.hours=168  segment文件保留的最长时间，超时将被删除
    # zookeeper.connect=ops01:2181,ops02:2181,ops03:2181/kafka 配置连接Zookeeper集群地址
    
    
    # 配置一下/etc/profile 环境变量
    jyc@ops01:/opt/module/kafka/config >tail -4 /etc/profile
    
    #kafka
    export KAFKA_HOME=/opt/module/kafka
    export PATH=$PATH:$KAFKA_HOME/bin
    jyc@ops01:/opt/module/kafka/config >
    
    # 引用配置文件，或者关掉会话窗口重新打开也生效
    jyc@ops01:/opt/module >source /etc/profile
    
    # 将kafka目录直接scp到 ops02 和 ops03 两台服务器
    jyc@ops01:/opt/module >scp -r kafka ops02:/opt/module/
    jyc@ops01:/opt/module >scp -r kafka ops03:/opt/module/
    ==============================================================
    # ops02 上操作增加环境变量
    jyc@ops02:/opt/module >sudo vim /etc/profile
    #kafka
    export KAFKA_HOME=/opt/module/kafka
    export PATH=$PATH:$KAFKA_HOME/bin
    jyc@ops02:/opt/module >source /etc/profile
    
    # 在ops02上把kafka配置文件的broker.id 改为2
    jyc@ops02:/opt/module >sudo vim /opt/module/kafka/config/server.properties
    broker.id=1
    
    
    
    # ops03 上操作增加环境变量
    jyc@ops03:/opt/module >sudo vim /etc/profile
    #kafka
    export KAFKA_HOME=/opt/module/kafka
    export PATH=$PATH:$KAFKA_HOME/bin
    jyc@ops03:/opt/module >source /etc/profile
    
    # 在ops03上把kafka配置文件的broker.id 改为3
    jyc@ops03:/opt/module/kafka >sudo vim /opt/module/kafka/config/server.properties
    broker.id=2
    
    # 启动kafka之前，先看一下环境zookeeper运行是否正常，端口是否都在
    jyc@ops01:/opt/module/kafka >ssh ops01 netstat -tnlpu | grep -E "2181|2888|3888"
    (Not all processes could be identified, non-owned process info
     will not be shown, you would have to be root to see it all.)
    tcp6       0      0 11.8.37.50:3888         :::*                    LISTEN      41773/java          
    tcp6       0      0 :::2181                 :::*                    LISTEN      41773/java          
    jyc@ops01:/opt/module/kafka >ssh ops02 netstat -tnlpu | grep -E "2181|2888|3888"
    (Not all processes could be identified, non-owned process info
     will not be shown, you would have to be root to see it all.)
    tcp6       0      0 11.8.36.63:3888         :::*                    LISTEN      33012/java          
    tcp6       0      0 :::2181                 :::*                    LISTEN      33012/java          
    tcp6       0      0 11.8.36.63:2888         :::*                    LISTEN      33012/java          
    jyc@ops01:/opt/module/kafka >
    jyc@ops01:/opt/module/kafka >ssh ops03 netstat -tnlpu | grep -E "2181|2888|3888"
    (Not all processes could be identified, non-owned process info
     will not be shown, you would have to be root to see it all.)
    tcp6       0      0 11.8.36.76:3888         :::*                    LISTEN      102422/java         
    tcp6       0      0 :::2181                 :::*                    LISTEN      102422/java  
    
    # 在3台服务器上启动kafka  -daemon是后台运行 ,开启服务需要指定配置文件
    jyc@ops01:/opt/module >kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties
    jyc@ops02:/opt/module >kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties
    jyc@ops03:/opt/module >kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties
    
    # 查看kafka的9092端口
    jyc@ops01:/opt/module >ssh ops01 "netstat -tnlpu|grep 9092"
    (Not all processes could be identified, non-owned process info
     will not be shown, you would have to be root to see it all.)
    tcp6       0      0 :::9092                 :::*                    LISTEN      69716/java          
    jyc@ops01:/opt/module >ssh ops02 "netstat -tnlpu|grep 9092"
    (Not all processes could be identified, non-owned process info
     will not be shown, you would have to be root to see it all.)
    tcp6       0      0 :::9092                 :::*                    LISTEN      101034/java         
    jyc@ops01:/opt/module >ssh ops03 "netstat -tnlpu|grep 9092"
    (Not all processes could be identified, non-owned process info
     will not be shown, you would have to be root to see it all.)
    tcp6       0      0 :::9092                 :::*                    LISTEN      55645/java        
    # 到此 kafka服务已经健康的运行起来了
    
    # 如果需要关闭kafka时，用stop脚本
    jyc@ops01:/opt/module >kafka-server-stop.sh
    jyc@ops01:/opt/module >kafka-server-stop.sh
    jyc@ops01:/opt/module >kafka-server-stop.sh

【注意1】：

服务正常启动后，会在/opt/module/kafka/logs目录下有一个meta.properties的生成源数据的文件，如果已经配置文件定义了broker.id并且启动了kafka，那后续再启动服务，会先从这个路径下去读取meta.properties

jyc@ops01:/opt/module/kafka/logs >pwd
    /opt/module/kafka/logs
    jyc@ops01:/opt/module/kafka/logs >cat meta.properties
    #
    #Thu Apr 29 16:12:25 CST 2021
    cluster.id=rHb3lTrdQXau9HQrRBJP9w
    version=0
    broker.id=0

【注意2】：

如果报错如下信息，大概率就是修改了broker的id，导致新旧的id值不一样；修改meta.properties文件，把cluster.id=这行注释，重启zookeeper后，再重启kafka，这时kafka读取不到meta.properties中的cluster.id则会重新生成

The broker is trying to join the wrong cluster. Configured zookeeper.connect may be wrong.

【注意3】：

zookeeper.connect=ops01:2181,ops02:2181,ops03:2181/kafka

这个配置文件中最后加了/kafka；不加也能使用，但是会在根节点直接创建很多kafka相关的子节点，不便于管理；所以尽量加上这个/kafka

jyc@ops01:/opt/module/kafka >zkCli.sh 
    Connecting to localhost:2181
    2021-04-30 10:49:02,227 [myid:] - INFO  [main:Environment@109] - Client environment:zookeeper.version=3.5.7-f0fdd52973d373ffd9c86b81d99842dc2c7f660e, built on 02/10/2020 11:30 GMT
    WatchedEvent state:SyncConnected type:None path:null
    [zk: localhost:2181(CONNECTED) 0] ls -w /
    [kafka, jyc, zookeeper]
    [zk: localhost:2181(CONNECTED) 1] ls -w /kafka
    [admin, brokers, cluster, config, consumers, controller, controller_epoch, isr_change_notification, latest_producer_id_block, log_dir_event_notification]
    # 如果不配置/kafka 则上面的这些都会创建在根节点
    [zk: localhost:2181(CONNECTED) 4] ls -w /kafka/brokers
    [ids, seqid, topics]
    # 在/kafka/brokers/ids可以查看到对应几个broker节点的id信息，一定是和配置文件里的对应
    [zk: localhost:2181(CONNECTED) 5] ls -w /kafka/brokers/ids
    [0, 1, 2]

【注意4】：

如果集群没有健康运行起来时，在后续操作添加topics时可能会遇到下方的报错，例如创建3个副本，但是健康的broker节点是0个等，所以后续实验开始前，还是要确认环境是否都搭建完毕，kafka是否都成功健康的运行起来

Error while executing topic command : replication factor: 3 larger than available brokers: 0

### Kafka命令行操作 ###

# 查看当前服务器中的所有topic
    jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
    jyc@ops01:/opt/module/kafka/logs >
    # 创建topic
    jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --create --replication-factor 3 --partitions 2 --topic bigdata
    Created topic bigdata.
    # 选项说明：
    # --topic 后面定义topic定义的主题名
    # --replication-factor  定义副本数，不能大于broker数
    # --partitions  定义分区数(把topic拆分成几个)
    
    jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
    bigdata
    jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --create --replication-factor 3 --partitions 2 --topic bigdata2
    Created topic bigdata2.
    jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
    bigdata
    bigdata2
    
    # 删除topic
    jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --delete --topic bigdata2
    Topic bigdata2 is marked for deletion.
    Note: This will have no impact if delete.topic.enable is not set to true.
    jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
    bigdata
    
    # 模拟生产数据和消费数据
    # ops01 发送消息
    jyc@ops01:/opt/module/kafka >
    jyc@ops01:/opt/module/kafka >kafka-console-producer.sh --broker-list ops01:9092 --topic bigdata
    >wang
    >ting
    >niubiplus
    >
    
    # ops02 消费消息
    jyc@ops02:/opt/module/kafka/logs >kafka-console-consumer.sh --bootstrap-server ops01:9092 --from-beginning --topic bigdata
    ting
    wang
    niubiplus
    
    # --from-beginning 相当于把topic中数据从头都拿到，不加是任务挂起时，开始接收最新的数据
    jyc@ops03:/opt/module/kafka >
    # 查看某个Topic的详情
    jyc@ops03:/opt/module/kafka >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic bigdata
    Topic: bigdata	PartitionCount: 2	ReplicationFactor: 3	Configs: 
    	Topic: bigdata	Partition: 0	Leader: 0	Replicas: 0,1,2	Isr: 0,1,2
    	Topic: bigdata	Partition: 1	Leader: 1	Replicas: 1,2,0	Isr: 1,2,0
    	
    # 修改分区数partition数，2个更新成3个
    jyc@ops03:/opt/module/kafka >kafka-topics.sh --zookeeper ops01:2181/kafka --alter --topic bigdata --partitions 3
    WARNING: If partitions are increased for a topic that has a key, the partition logic or ordering of the messages will be affected
    Adding partitions succeeded!
    # 再次查看
    jyc@ops03:/opt/module/kafka >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic bigdata
    Topic: bigdata	PartitionCount: 3	ReplicationFactor: 3	Configs: 
    	Topic: bigdata	Partition: 0	Leader: 0	Replicas: 0,1,2	Isr: 0,1,2
    	Topic: bigdata	Partition: 1	Leader: 1	Replicas: 1,2,0	Isr: 1,2,0
    	Topic: bigdata	Partition: 2	Leader: 2	Replicas: 2,0,1	Isr: 2,0,1
    jyc@ops03:/opt/module/kafka >

### Kafka架构进阶 ###

#### Kafka工作流程及文件存储机制 ####

Kafka中消息是以topic进行分类的，生产者生产消息，消费者消费消息，都是面向topic的。topic把消息分门别类，相同的topic消息被放在了一个消息队列。

topic是逻辑上的概念，而partition是物理上的概念，每个partition对应于一个log文件，该log文件中存储的就是producer生产的数据。Producer生产的数据会被不断追加到该log文件末端，且每条数据都有自己的offset。消费者组中的每个消费者，都会实时记录自己消费到了哪个offset，以便出错恢复时，从上次的位置继续消费。  
![在这里插入图片描述][1b144195d258434daa8219c425246a74.png]  
由于生产者生产的消息会不断追加到log文件末尾，为防止log文件过大导致数据定位效率低下，Kafka采取了分片和索引机制，将每个partition分为多个segment。每个segment对应三个文件——“.index”, ".timeindex"文件和“.log”文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic名称+分区序号。例如，bigdata这个topic有三个分区，则其对应的文件夹为bigdata-0,bigdata-1,bigdata-2。

jyc@ops01:/opt/module/kafka/logs >
    jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic bigdata
    Topic: bigdata	PartitionCount: 3	ReplicationFactor: 3	Configs: 
    	Topic: bigdata	Partition: 0	Leader: 0	Replicas: 0,1,2	Isr: 0,1,2
    	Topic: bigdata	Partition: 1	Leader: 1	Replicas: 1,2,0	Isr: 1,2,0
    	Topic: bigdata	Partition: 2	Leader: 2	Replicas: 2,0,1	Isr: 2,0,1
    jyc@ops01:/opt/module/kafka/logs >ls bigdata-*
    bigdata-0:
    00000000000000000000.index  00000000000000000000.log  00000000000000000000.timeindex  leader-epoch-checkpoint
    
    bigdata-1:
    00000000000000000000.index  00000000000000000000.log  00000000000000000000.timeindex  leader-epoch-checkpoint
    
    bigdata-2:
    00000000000000000000.index  00000000000000000000.log  00000000000000000000.timeindex  leader-epoch-checkpoint

![在这里插入图片描述][35b2f8ea097c4cbab3d48f5d79cdcc2a.png]  
“.index”文件存储大量的索引信息，“.log”文件存储大量的数据，索引文件中的元数据指向对应数据文件中message的物理偏移地址。  
![在这里插入图片描述][4c06a579429d47e1ad80c61f256aba3c.png]

##### Kafka生产者 #####

###### 分区策略 ######

###### 分区原因 ######

（1）方便在集群中扩展，每个Partition可以通过调整以适应它所在的机器，而一个topic又可以有多个Partition组成，因此整个集群就可以适应任意大小的数据了；  
（2）可以提高并发，因为相对topic可以对Partition级别更小的单位进行读写了。

###### 分区原则 ######

（1）指明 partition 的情况下，直接将指明的值直接作为 partiton 值；  
（2）没有指明 partition 值但有 key 的情况下，将 key 的 hash 值与 topic 的 partition 数进行取余得到 partition 值；  
（3）既没有 partition 值又没有 key 值的情况下，第一次调用时随机生成一个整数（后面每次调用在这个整数上自增），将这个值与 topic 可用的 partition 总数取余得到 partition 值，也就是常说的 round-robin 算法。

我们需要将producer发送的数据封装成一个ProducerRecord对象。

###### 数据可靠性保证 ######

为保证producer发送的数据，能可靠的发送到指定的topic，topic的每个partition收到producer发送的数据后，都需要向producer发送ack（acknowledgement确认收到），如果producer收到ack，就会进行下一轮的发送，否则重新发送数据。

ACK (Acknowledge character）即是确认字符，在数据通信中，接收方发给发送方的一种传输类控制字符。表示发来的数据已确认接收无误。

【注意】：

partition确保有follower与leader同步完成，leader再发送ack，这样才能保证leader挂掉之后，能在follower中选举出新的leader，并不是收到后直接返回确认。  
![在这里插入图片描述][137058d86fe24b32990a9d1312cad58c.png]  
**副本数据同步策略可行方案**

<table> 
 <thead> 
  <tr> 
   <th align="left">方案</th> 
   <th align="left">优点</th> 
   <th align="left">缺点</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="left">1.半数以上完成同步，就发送ack</td> 
   <td align="left">延迟低</td> 
   <td align="left">选举新的leader时，容忍n台节点的故障，需要2n+1个副本</td> 
  </tr> 
  <tr> 
   <td align="left">2.全部完成同步，才发送ack</td> 
   <td align="left">选举新的leader时，容忍n台节点的故障，需要n+1个副本</td> 
   <td align="left">延迟高</td> 
  </tr> 
 </tbody> 
</table>

Kafka选择了第二种方案，原因如下：

（1）同样为了容忍n台节点的故障，第一种方案需要2n+1个副本，而第二种方案只需要n+1个副本，而Kafka的每个分区都有大量的数据，第一种方案会造成大量数据的冗余。

（2）虽然第二种方案的网络延迟会比较高，但网络延迟对Kafka的影响较小。

**ISR**  
采用第二种方案之后，设想以下情景：leader收到数据，所有follower都开始同步数据，但有一个follower，因为某种故障，迟迟不能与leader进行同步，那leader就要一直等下去，直到它完成同步，才能发送ack。这个问题怎么解决呢？

Kafka提供了数据复制算法保证，如果leader发生故障或挂掉，一个新leader被选举并被接受客户端的消息成功写入。Kafka确保从同步副本列表中选举一个副本为leader，或者说follower追赶leader数据。leader负责维护和跟踪ISR(In-Sync Replicas的缩写，表示副本同步队列，具体可参考下节)中所有follower滞后的状态。当producer发送一条消息到broker后，leader写入消息并复制到所有follower。消息提交之后才被成功复制到所有的同步副本。消息复制延迟受最慢的follower限制，重要的是快速检测慢副本，如果follower“落后”太多或者失效，leader将会把它从ISR中删除。Leader发生故障之后，就会从ISR中选举新的leader

**ack应答机制**  
对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失，所以没必要等ISR中的follower全部接收成功。所以Kafka为用户提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡，选择以下的配置。

acks参数配置：acks

0：producer不等待broker的ack，这一操作提供了一个最低的延迟，broker一接收到还没有写入磁盘就已经返回，当broker故障时有可能**丢失数据**；

1：producer等待broker的ack，partition的leader落盘成功后返回ack，如果在follower同步成功之前leader故障，那么将会丢失数据；  
![在这里插入图片描述][17c19c3e6a694f36b45e95f4d362d179.png]  
\-1（all）：producer等待broker的ack，partition的leader和follower全部落盘成功后才返回ack。但是如果在follower同步完成后，broker发送ack之前，leader发生故障，那么会造成数据重复。  
![在这里插入图片描述][159923c926df493794c1e750d4a03ec5.png]  
**故障处理细节**  
![在这里插入图片描述][c901796599b446089480ba04dafee18f.png]  
**（1）follower故障**  
follower发生故障后会被临时踢出ISR，待该follower恢复后，follower会读取本地磁盘记录的上次的HW，并将log文件高于HW的部分截取掉，从HW开始向leader进行同步。等该follower的LEO大于等于该Partition的HW，即follower追上leader之后，就可以重新加入ISR了。  
**（2）leader故障**  
leader发生故障之后，会从ISR中选出一个新的leader，之后，为保证多个副本之间的数据一致性，其余的follower会先将各自的log文件高于HW的部分截掉，然后从新的leader同步数据。

【注意】：

这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。

**Exactly Once语义**  
将服务器的ACK级别设置为-1，可以保证Producer到Server之间不会丢失数据，即At Least Once语义。相对的，将服务器ACK级别设置为0，可以保证生产者每条消息只会被发送一次，即At Most Once语义。  
At Least Once可以保证数据不丢失，但是不能保证数据不重复；相对的，At Least Once可以保证数据不重复，但是不能保证数据不丢失。但是，对于一些非常重要的信息，比如说交易数据，下游数据消费者要求数据既不重复也不丢失，即Exactly Once语义。在0.11版本以前的Kafka，对此是无能为力的，只能保证数据不丢失，再在下游消费者对数据做全局去重。对于多个下游应用的情况，每个都需要单独做全局去重，这就对性能造成了很大影响。  
0.11版本的Kafka，引入了一项重大特性：幂等性。所谓的幂等性就是指Producer不论向Server发送多少次重复数据，Server端都只会持久化一条。幂等性结合At Least Once语义，就构成了Kafka的Exactly Once语义。即：  
At Least Once + 幂等性 = Exactly Once  
要启用幂等性，只需要将Producer的参数中enable.idompotence设置为true即可。Kafka的幂等性实现其实就是将原来下游需要做的去重放在了数据上游。开启幂等性的Producer在初始化的时候会被分配一个PID，发往同一Partition的消息会附带Sequence Number。而Broker端会对<PID, Partition, SeqNumber>做缓存，当具有相同主键的消息提交时，Broker只会持久化一条。但是PID重启就会变化，同时不同的Partition也具有不同主键，所以幂等性无法保证跨分区跨会话的Exactly Once。

##### Kafka消费者 #####

###### 消费方式 ######

consumer采用pull（拉取）模式从broker中读取数据。

push（推送）模式很难适应消费速率不同的消费者，因为消息发送速率是由broker决定的。它的目标是尽可能以最快速度传递消息，但是这样很容易造成consumer来不及处理消息，典型的表现就是拒绝服务以及网络拥塞。而pull模式则可以根据consumer的消费能力以适当的速率消费消息。

pull模式不足之处是，如果kafka没有数据，消费者可能会陷入循环中，一直返回空数据。针对这一点，Kafka的消费者在消费数据时会传入一个时长参数timeout，如果当前没有数据可供消费，consumer会等待一段时间之后再返回，这段时长即为timeout。

###### 分区分配策略 ######

一个consumer group中有多个consumer，一个 topic有多个partition，所以必然会涉及到partition的分配问题，即确定那个partition由哪个consumer来消费。

Kafka有两种分配策略，一是roundrobin，一是range。

1）roundrobin  
![在这里插入图片描述][a952885342ee412e9633d37637da3ea1.png]  
2）range  
![在这里插入图片描述][5b09cb3cf27a4d23a5a56dc2a2228f91.png]  
**offset的维护**  
由于consumer在消费过程中可能会出现断电宕机等故障，consumer恢复后，需要从故障前的位置的继续消费，所以consumer需要实时记录自己消费到了哪个offset，以便故障恢复后继续消费。

Kafka 0.9版本之前，consumer默认将offset保存在Zookeeper中，从0.9版本开始，consumer默认将offset保存在Kafka一个内置的topic中，该topic为\_\_consumer\_offsets。

jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --list
    __consumer_offsets
    bigdata
    jyc@ops01:/opt/module/kafka/logs >kafka-topics.sh --zookeeper ops01:2181/kafka --describe --topic __consumer_offsets
    Topic: __consumer_offsets	PartitionCount: 50	ReplicationFactor: 1	Configs: compression.type=producer,cleanup.policy=compact,segment.bytes=104857600
    	Topic: __consumer_offsets	Partition: 0	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 1	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 2	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 3	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 4	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 5	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 6	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 7	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 8	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 9	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 10	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 11	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 12	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 13	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 14	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 15	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 16	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 17	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 18	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 19	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 20	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 21	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 22	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 23	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 24	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 25	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 26	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 27	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 28	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 29	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 30	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 31	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 32	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 33	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 34	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 35	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 36	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 37	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 38	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 39	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 40	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 41	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 42	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 43	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 44	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 45	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 46	Leader: 2	Replicas: 2	Isr: 2
    	Topic: __consumer_offsets	Partition: 47	Leader: 0	Replicas: 0	Isr: 0
    	Topic: __consumer_offsets	Partition: 48	Leader: 1	Replicas: 1	Isr: 1
    	Topic: __consumer_offsets	Partition: 49	Leader: 2	Replicas: 2	Isr: 2
    jyc@ops01:/opt/module/kafka/logs >

###### Kafka高效读写数据 ######

###### 顺序写磁盘 ######

Kafka的producer生产数据，要写入到log文件中，写的过程是一直追加到文件末端，为顺序写。官网有数据表明，同样的磁盘，顺序写能到到600M/s，而随机写只有100k/s。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间。

###### 应用Pagecache ######

**Kafka数据持久化是直接持久化到Pagecache中，这样会产生以下几个好处**

*  I/O Scheduler 会将连续的小块写组装成大块的物理写从而提高性能
 *  I/O Scheduler 会尝试将一些写操作重新按顺序排好，从而减少磁盘头的移动时间
 *  充分利用所有空闲内存（非 JVM 内存）。如果使用应用层 Cache（即 JVM 堆内存），会增加 GC 负担
 *  读操作可直接在 Page Cache 内进行。如果消费和生产速度相当，甚至不需要通过物理磁盘（直接通过 Page Cache）交换数据
 *  如果进程重启，JVM 内的 Cache 会失效，但 Page Cache 仍然可用

尽管持久化到Pagecache上可能会造成宕机丢失数据的情况，但这可以被Kafka的Replication机制解决。如果为了保证这种情况下数据不丢失而强制将 Page Cache 中的数据 Flush 到磁盘，反而会降低性能。

###### 零复制技术 ######

![在这里插入图片描述][a1be37ae1aeb427bad6491ef8ec2eac1.png]

##### Zookeeper在Kafka中的作用 #####

Kafka集群中有一个broker会被选举为Controller，负责管理集群broker的上下线，所有topic的分区副本分配和leader选举等工作。

Controller的管理工作都是依赖于Zookeeper的。

broker0->id 0 broker1->id 1 broker2->id 2

**监听zookeeper中的/kafka/brokers/ids节点信息**  
![在这里插入图片描述][2d66e82476cf473c8133a98e8eff8805.png]  
**当前leader异常**  
![在这里插入图片描述][b8db24241ec94229af9126333f4546d1.png]  
**选举新leader**  
![在这里插入图片描述][2882adb30f1249c7af5c605732c13570.png]

##### Kafka事务 #####

Kafka从0.11版本开始引入了事务支持。事务可以保证Kafka在Exactly Once语义的基础上，生产和消费可以跨分区和会话，要么全部成功，要么全部失败。

**Producer事务**  
为了实现跨分区跨会话的事务，需要引入一个全局唯一的Transaction ID，并将Producer获得的PID和Transaction ID绑定。这样当Producer重启后就可以通过正在进行的Transaction ID获得原来的PID。

为了管理Transaction，Kafka引入了一个新的组件Transaction Coordinator。Producer就是通过和Transaction Coordinator交互获得Transaction ID对应的任务状态。Transaction Coordinator还负责将事务所有写入Kafka的一个内部Topic，这样即使整个服务重启，由于事务状态得到保存，进行中的事务状态可以得到恢复，从而继续进行。

**Consumer事务**  
上述事务机制主要是从Producer方面考虑，对于Consumer而言，事务的保证就会相对较弱，尤其时无法保证Commit的信息被精确消费。这是由于Consumer可以通过offset访问任意信息，而且不同的Segment File生命周期不同，同一事务的消息可能会出现重启后被删除的情况。

如果想完成Consumer端的精准一次性消费，那么需要kafka消费端将消费过程和提交offset过程做原子绑定。此时我们需要将kafka的offset保存到支持事务的自定义介质中（比如mysql）。

[d4cb4d19268b4a1a9b88278284f596ae.png]: https://img-blog.csdnimg.cn/d4cb4d19268b4a1a9b88278284f596ae.png
[a4d022a2974e408e95beb4686b48c8fd.png]: https://img-blog.csdnimg.cn/a4d022a2974e408e95beb4686b48c8fd.png
[ac4c2f3fa48d47129de245ad1bbe63ec.png]: https://img-blog.csdnimg.cn/ac4c2f3fa48d47129de245ad1bbe63ec.png
[1b144195d258434daa8219c425246a74.png]: https://img-blog.csdnimg.cn/1b144195d258434daa8219c425246a74.png
[35b2f8ea097c4cbab3d48f5d79cdcc2a.png]: https://img-blog.csdnimg.cn/35b2f8ea097c4cbab3d48f5d79cdcc2a.png
[4c06a579429d47e1ad80c61f256aba3c.png]: https://img-blog.csdnimg.cn/4c06a579429d47e1ad80c61f256aba3c.png
[137058d86fe24b32990a9d1312cad58c.png]: https://img-blog.csdnimg.cn/137058d86fe24b32990a9d1312cad58c.png
[17c19c3e6a694f36b45e95f4d362d179.png]: https://img-blog.csdnimg.cn/17c19c3e6a694f36b45e95f4d362d179.png
[159923c926df493794c1e750d4a03ec5.png]: https://img-blog.csdnimg.cn/159923c926df493794c1e750d4a03ec5.png
[c901796599b446089480ba04dafee18f.png]: https://img-blog.csdnimg.cn/c901796599b446089480ba04dafee18f.png
[a952885342ee412e9633d37637da3ea1.png]: https://img-blog.csdnimg.cn/a952885342ee412e9633d37637da3ea1.png
[5b09cb3cf27a4d23a5a56dc2a2228f91.png]: https://img-blog.csdnimg.cn/5b09cb3cf27a4d23a5a56dc2a2228f91.png
[a1be37ae1aeb427bad6491ef8ec2eac1.png]: https://img-blog.csdnimg.cn/a1be37ae1aeb427bad6491ef8ec2eac1.png
[2d66e82476cf473c8133a98e8eff8805.png]: https://img-blog.csdnimg.cn/2d66e82476cf473c8133a98e8eff8805.png
[b8db24241ec94229af9126333f4546d1.png]: https://img-blog.csdnimg.cn/b8db24241ec94229af9126333f4546d1.png
[2882adb30f1249c7af5c605732c13570.png]: https://img-blog.csdnimg.cn/2882adb30f1249c7af5c605732c13570.png