Kafka高可用环境搭建

我会带着你远行 2022-01-28 14:05 296阅读 0赞

# [Kafka高可用环境搭建][Kafka] #

Apache Kafka是分布式发布-订阅消息系统，在 kafka官网上对 kafka 的定义：一个分布式发布-订阅消息传递系统。 它最初由LinkedIn公司开发，Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。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。

**注意:Kafka并没有遵循JMS规范，它只提供了发布和订阅通讯方式！！！！！**  
kafka中文官网:http://kafka.apachecn.org/quickstart.html

**Kafka用在日志里面比较多 大数据里面的**

**MQ的思想： 解耦合  流量削峰  异步通信**

kafka优点：

\- 高吞吐量、低延迟：kafka每秒可以处理几十万条消息，它的延迟最低只有几毫秒，每个topic可以分多个partition, consumer group 对partition进行consume操作，我之前在课题里用到Spark Streaming 作为消费者过滤数据。  
\- 可扩展性：kafka集群支持热扩展  
\- 持久性、可靠性：消息被持久化到本地磁盘，并且支持数据备份防止数据丢失  
\- 容错性：允许集群中节点失败（若副本数量为n,则允许n-1个节点失败）  
\- 高并发：支持数千个客户端同时读写

Kafka依赖Zookeeper，kafka把集群的节点信息 全部存放在Zookeeper节点！！！！！

应用场景：

\- 日志收集：一个公司可以用Kafka可以收集各种服务的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或者Spark Streaming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。  
\- 流式处理：比如spark streaming和storm  
\- 事件源

关键名词解释：

** **

Broker：Kafka节点，一个Kafka节点就是一个broker，多个broker可以组成一个Kafka集群。  broker就是节点，单机的kafka服务器  
Topic：一类消息，消息存放的**目录**即主题，例如page view日志、click日志等都可以以topic的形式存在，Kafka集群能够同时负责多个topic的分发，kafka服务器存放 主题。kafka集群，**相当于把topic进行拆分，拆分到不同的分区进行存放。类似于数据库存放数据量比较大的情况下，表进行拆分。查询时候进行分表查询。**

massage： Kafka中最基本的传递对象。  
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，**就是分区的概念，相当于把topic存放到不同的物理机器上存储起来。topic消息进行拆分，均摊存放到不同的**

集群中的kafka服务器上。 每个partition其实是有顺序的。  
Segment：partition物理上由多个segment组成，每个Segment存着message信息  
Producer : 生产者，生产message发送到topic  
Consumer : 消费者，订阅topic并消费message, consumer作为一个线程来消费  
Consumer Group：消费者组，一个Consumer Group包含多个consumer。在同一个组可以收到消息  
Offset：偏移量，理解为消息partition中的索引即可。  消息在partition的索引的位置

**需要理解存储策略：**

**  **

1）kafka以topic来进行消息管理，每个topic包含多个partition，每个partition对应一个逻辑log，有多个segment组成。  
2）每个segment中存储多条消息（见下图），消息id由其逻辑位置决定，即从消息id可直接定位到消息的存储位置，避免id到位置的额外映射。  
3）每个part在内存中对应一个index，记录每个segment中的第一条消息偏移。  
4）发布者发到某个topic的消息会被均匀的分布到多个partition上（或根据用户指定的路由规则进行分布），broker收到发布消息往对应partition的最后一个segment上添加该消息，当某个segment上的消息条数达到配置值或消息发布时间超过阈值时，segment上的消息会被flush到磁盘，只有flush到磁盘上的消息订阅者才能订阅到，segment达到一定的大小后将不会再往该segment写数据，broker会创建新的segment。

**生产者发送消息原理：**

** ![1179709-20190120021624693-733052752.png][]**

** Kafka高可用集群原理：**

kafka 是topic为主的，kafka必须集群，核心就是集群，才能体现分区的优势！

集群环境下 生产者投递消息 到哪个Broker？

（Tomcat 通过Nginx 集合起来的思想深入人心）

集群的目的就是分担单台的压力，kafaka采用了 负载轮训的机制

数据库里面 单表 有1亿条数据  查询很慢的 。所以分表，**比如按照月份进行分**，或者根据其他的业务来进行分。

下图三个Broke  topic进行分区存放，在创建topic时候，轮训去指定分区。BrokerId区分之

0,1,2,34,5,6为offset 每个分区中的offset是独立的，互不影响的

三个broker，有三个消费者是比较合理的~

Zookeeper 节点专门存放topic 信息。   kafka 的broker的信息存放在zk节点

![1179709-20190120145100842-574523636.png][]

[Kafka]: https://www.cnblogs.com/toov5/p/10293909.html
[1179709-20190120021624693-733052752.png]: /images/20220128/3a89a0f89fb94f7a9487e4b71957b687.png
[1179709-20190120145100842-574523636.png]: /images/20220128/3fd96289237d4d1f9a2962a16af94b04.png