Kafka是最初由Linkedin公司开发，是一个分布式、支持分区的（partition）、多副本的（replica），基于zookeeper协调的分布式消息系统，它的最大的特性就是可以实时的处理大量数据以满足各种需求场景：比如基于hadoop的批处理系统、低延迟的实时系统、Storm/Spark流式处理引擎，web/nginx日志、访问日志，消息服务等等，用scala语言编写，Linkedin于2010年贡献给了Apache基金会并成为顶级开源 项目。
    Kafka的使用场景

    • 日志收集：一个公司可以用Kafka收集各种服务的log，通过kafka以统一接口服务的方式开放给各种consumer，例如hadoop、Hbase、Solr等。
    • 消息系统：解耦和生产者和消费者、缓存消息等。
    • 用户活动跟踪：Kafka经常被用来记录web用户或者app用户的各种活动，如浏览网页、搜索、点击等活动，这些活动信息被各个服务器发布到kafka的topic中，然后订阅者通过订阅这些topic来做实时的监控分析，或者装载到hadoop、数据仓库中做离线分析和挖掘。
    • 运营指标：Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告。

    image.png
    Kafka基本概念
    kafka是一个分布式的，分区的消息(官方称之为commit log)服务。它提供一个消息系统应该具备的功能，但是确有着独特的设计。可以这样来说，Kafka借鉴了JMS规范的思想，但是确并没有完全遵循JMS规范。
    首先，让我们来看一下基础的消息(Message)相关术语：

    名称 解释
    Broker 消息中间件处理节点，一个Kafka节点就是一个broker，一个或者多个Broker可以组成一个Kafka集群
    Topic Kafka根据topic对消息进行归类，发布到Kafka集群的每条消息都需要指定一个topic
    Producer 消息生产者，向Broker发送消息的客户端
    Consumer 消息消费者，从Broker读取消息的客户端
    ConsumerGroup 每个Consumer属于一个特定的Consumer Group，一条消息可以被多个不同的Consumer Group消费，但是一个Consumer Group中只能有一个Consumer能够消费该消息
    Partition 物理上的概念，一个topic可以分为多个partition，每个partition内部消息是有序的

    因此，从一个较高的层面上来看，producer通过网络发送消息到Kafka集群，然后consumer来进行消费，如下图：
    image.png
    服务端(brokers)和客户端(producer、consumer)之间通信通过TCP协议来完成。
    kafka基本使用

    安装前的环境准备
    由于Kafka是用Scala语言开发的，运行在JVM上，因此在安装Kafka之前需要先安装JDK。

    1. yum install java-1.8.0-openjdk* -y

    kafka依赖zookeeper，所以需要先安装zookeeper

    1. wget https://mirror.bit.edu.cn/apache/zookeeper/zookeeper-3.5.8/apache-zookeeper-3.5.8-bin.tar.gz
    2. tar -zxvf apache-zookeeper-3.5.8-bin.tar.gz
    3. cd  apache-zookeeper-3.5.8-bin
    4. cp conf/zoo_sample.cfg conf/zoo.cfg
    6. # 启动zookeeper
    7. bin/zkServer.sh start
    8. bin/zkCli.sh 
    9. ls /            #查看zk的根目录相关节点

    第一步：下载安装包
    下载2.4.1 release版本，wget慢的话可以自己下载上传再解压：

    1. wget https://mirror.bit.edu.cn/apache/kafka/2.4.1/kafka_2.11-2.4.1.tgz  # 2.11是scala的版本，2.4.1是kafka的版本
    2. tar -xzf kafka_2.11-2.4.1.tgz
    3. cd kafka_2.11-2.4.1

    第二步：修改配置
    修改配置文件config/server.properties:

    1. #broker.id属性在kafka集群中必须要是唯一
    2. broker.id=0
    3. #kafka部署的机器ip和提供服务的端口号
    4. listeners=PLAINTEXT://192.168.0.200:9092   
    5. #kafka的消息存储文件
    6. log.dir=/usr/local/data/kafka-logs
    7. #kafka连接zookeeper的地址
    8. zookeeper.connect=localhost:2181

    第三步：启动服务
    现在来启动kafka服务：
    启动脚本语法：kafka-server-start.sh [-daemon] server.properties
    可以看到，server.properties的配置路径是一个强制的参数，-daemon表示以后台进程运行，否则ssh客户端退出后，就会停止服务。(注意，在启动kafka时会使用linux主机名关联的ip地址，所以需要把主机名和linux的ip映射配置到本地host里，用vim /etc/hosts)

    1. # 启动kafka，运行日志在logs目录的server.log文件里
    2. bin/kafka-server-start.sh -daemon config/server.properties   #后台启动，不会打印日志到控制台
    3. 或者用
    4. bin/kafka-server-start.sh config/server.properties &
    6. # 我们进入zookeeper目录通过zookeeper客户端查看下zookeeper的目录树
    7. bin/zkCli.sh 
    8. ls /        #查看zk的根目录kafka相关节点
    9. ls /brokers/ids    #查看kafka节点
    11. # 停止kafka
    12. bin/kafka-server-stop.sh

    server.properties核心配置详解：

    Property Default Description
    broker.id 0 每个broker都可以用一个唯一的非负整数id进行标识；这个id可以作为broker的“名字”，你可以选择任意你喜欢的数字作为id，只要id是唯一的即可。
    log.dirs /tmp/kafka-logs kafka存放数据的路径。这个路径并不是唯一的，可以是多个，路径之间只需要使用逗号分隔即可；每当创建新partition时，都会选择在包含最少partitions的路径下进行。
    listeners PLAINTEXT://192.168.65.60:9092 server接受客户端连接的端口，ip配置kafka本机ip即可
    zookeeper.connect localhost:2181 zooKeeper连接字符串的格式为：hostname:port，此处hostname和port分别是ZooKeeper集群中某个节点的host和port；zookeeper如果是集群，连接方式为 hostname1:port1, hostname2:port2, hostname3:port3
    log.retention.hours 168 每个日志文件删除之前保存的时间。默认数据保存时间对所有topic都一样。
    num.partitions 1 创建topic的默认分区数
    default.replication.factor 1 自动创建topic的默认副本数量，建议设置为大于等于2
    min.insync.replicas 1 当producer设置acks为-1时，min.insync.replicas指定replicas的最小数目（必须确认每一个repica的写数据都是成功的），如果这个数目没有达到，producer发送消息会产生异常
    delete.topic.enable false 是否允许删除主题

    第四步：创建主题
    现在我们来创建一个名字为“test”的Topic，这个topic只有一个partition，并且备份因子也设置为

    1. bin/kafka-topics.sh --create --zookeeper 192.168.0.200:2181 --replication-factor 1 --partitions 1 --topic test

    现在我们可以通过以下命令来查看kafka中目前存在的topic

    1. bin/kafka-topics.sh --list --zookeeper 192.168.0.200:2181

    除了我们通过手工的方式创建Topic，当producer发布一个消息到某个指定的Topic，这个Topic如果不存在，就自动创建。
    删除主题

    1. bin/kafka-topics.sh --delete --topic test --zookeeper 192.168.0.200:2181

    第五步：发送消息
    kafka自带了一个producer命令客户端，可以从本地文件中读取内容，或者我们也可以以命令行中直接输入内容，并将这些内容以消息的形式发送到kafka集群中。在默认情况下，每一个行会被当做成一个独立的消息。
    首先我们要运行发布消息的脚本，然后在命令中输入要发送的消息的内容：

    1. bin/kafka-console-producer.sh --broker-list 192.168.0.200:9092 --topic test 
    2. >this is a msg
    3. >this is a another msg

    第六步：消费消息
    对于consumer，kafka同样也携带了一个命令行客户端，会将获取到内容在命令中进行输出，默认是消费最新的消息：

    1. bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.200:9092 --topic test

    如果想要消费之前的消息可以通过—from-beginning参数指定，如下命令：

    1.  bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.200:9092 --from-beginning --topic test

    如果你是通过不同的终端窗口来运行以上的命令，你将会看到在producer终端输入的内容，很快就会在consumer的终端窗口上显示出来。
    以上所有的命令都有一些附加的选项；当我们不携带任何参数运行命令的时候，将会显示出这个命令的详细用法。
    消费多主题

    1. bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.200:9092 --whitelist "test|test-2"

    单播消费
    一条消息只能被某一个消费者消费的模式，类似queue模式，只需让所有消费者在同一个消费组里即可
    分别在两个客户端执行如下消费命令，然后往主题里发送消息，结果只有一个客户端能收到消息

    1. bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.200:9092  --consumer-property group.id=testGroup --topic test

    多播消费
    一条消息能被多个消费者消费的模式，类似publish-subscribe模式费，针对Kafka同一条消息只能被同一个消费组下的某一个消费者消费的特性，要实现多播只要保证这些消费者属于不同的消费组即可。我们再增加一个消费者，该消费者属于testGroup-2消费组，结果两个客户端都能收到消息

    1. bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.200:9092 --consumer-property group.id=testGroup-2 --topic test

    查看所有消费组名

    1. bin/kafka-consumer-groups.sh --bootstrap-server 192.168.0.200:9092 --list

    image.png
    查看消费组的消费偏移量

    1. bin/kafka-consumer-groups.sh --bootstrap-server 192.168.0.200:9092 --describe --group testGroup

    image.png
    current-offset：当前消费组的已消费偏移量
    log-end-offset：主题对应分区消息的结束偏移量(HW)
    lag：当前消费组未消费的消息数
    主题Topic和消息日志Log

    可以理解Topic是一个类别的名称，同类消息发送到同一个Topic下面。对于每一个Topic，下面可以有多个分区(Partition)日志文件:
    image.png
    Partition是一个有序的message序列，这些message按顺序添加到一个叫做commit log的文件中。每个partition中的消息都有一个唯一的编号，称之为offset，用来唯一标示某个分区中的message。
    每个partition，都对应一个commit log文件。一个partition中的message的offset都是唯一的，但是不同的partition中的message的offset可能是相同的。
    kafka一般不会删除消息，不管这些消息有没有被消费。只会根据配置的日志保留时间(log.retention.hours)确认消息多久被删除，默认保留最近一周的日志消息。kafka的性能与保留的消息数据量大小没有关系，因此保存大量的数据消息日志信息不会有什么影响。
    每个consumer是基于自己在commit log中的消费进度(offset)来进行工作的。在kafka中，消费offset由consumer自己来维护；一般情况下我们按照顺序逐条消费commit log中的消息，当然我可以通过指定offset来重复消费某些消息，或者跳过某些消息。
    这意味kafka中的consumer对集群的影响是非常小的，添加一个或者减少一个consumer，对于集群或者其他consumer来说，都是没有影响的，因为每个consumer维护各自的消费offset。
    创建多个分区的主题：

    1. bin/kafka-topics.sh --create --zookeeper 192.168.0.200:2181 --replication-factor 1 --partitions 2 --topic test1

    查看下topic的情况

    1. bin/kafka-topics.sh --describe --zookeeper 192.168.0.200:2181 --topic test1

    image.png
    以下是输出内容的解释，第一行是所有分区的概要信息，之后的每一行表示每一个partition的信息。

    • leader节点负责给定partition的所有读写请求。
    • replicas 表示某个partition在哪几个broker上存在备份。不管这个几点是不是”leader“，甚至这个节点挂了，也会列出。
    • isr 是replicas的一个子集，它只列出当前还存活着的，并且已同步备份了该partition的节点。

    我们可以运行相同的命令查看之前创建的名称为”test“的topic

    1. bin/kafka-topics.sh --describe --zookeeper 192.168.0.200:2181 --topic test

    image.png
    之前设置了topic的partition数量为1，备份因子为1，因此显示就如上所示了。
    可以进入kafka的数据文件存储目录查看test和test1主题的消息日志文件：
    image.png
    消息日志文件主要存放在分区文件夹里的以log结尾的日志文件里，如下是test1主题对应的分区0的消息日志：
    image.png
    当然我们也可以通过如下命令增加topic的分区数量(目前kafka不支持减少分区)：

    1.  bin/kafka-topics.sh -alter --partitions 3 --zookeeper 192.168.0.200:2181 --topic test

    可以这么来理解Topic，Partition和Broker
    一个topic，代表逻辑上的一个业务数据集，比如按数据库里不同表的数据操作消息区分放入不同topic，订单相关操作消息放入订单topic，用户相关操作消息放入用户topic，对于大型网站来说，后端数据都是海量的，订单消息很可能是非常巨量的，比如有几百个G甚至达到TB级别，如果把这么多数据都放在一台机器上可定会有容量限制问题，那么就可以在topic内部划分多个partition来分片存储数据，不同的partition可以位于不同的机器上，每台机器上都运行一个Kafka的进程Broker。
    为什么要对Topic下数据进行分区存储？
    1、commit log文件会受到所在机器的文件系统大小的限制，分区之后可以将不同的分区放在不同的机器上，相当于对数据做了分布式存储，理论上一个topic可以处理任意数量的数据。
    2、为了提高并行度。