kafka相关应用

一。kafka官网地址

http://kafka.apache.org

下载地址:

http://kafka.apache.org/downloads.html

二。版本

0.9.0.1 is the latest release. The current stable version is 0.9.0.1.

截止到目前为止，kafka最新的版本为0.9.0.1（线上常用的稳定版本为0.8）

三。部署相关

基础依赖环境

• jdk1.7
• zookeeper 3.3.x及以上
• kafka0.8.x 以及以上版本

下载kafka二进制包（需要编译），官方网站下载即可

Download the 0.9.0.0 release and un-tar it.

> tar -xzf kafka_2.11-0.9.0.0.tgz
> cd kafka_2.11-0.9.0.0

kakfa启动之前需要启动zookeeper服务，因此在启动之前需要确保zookeeper服务的正常运行。

因此先配置zookeeper的配置文件（kafka自带zookeeper，也可单独安装zookeeper，kafka0.7版本是不支持外带zookeeper的必须使用自带的，0.8之后可以支持外带zookeeper服务器）
需要配置好数据存储目录和服务端口不要和其他端口冲突即可
Kafka uses ZooKeeper so you need to first start a ZooKeeper server if you don't already have one. You can use the convenience script packaged with 
kafka to get a quick-and-dirty single-node ZooKeeper instance.

> bin/zookeeper-server-start.sh config/zookeeper.properties
[-- ::,] INFO Reading configuration from: config/zookeeper.properties (org.apache.zookeeper.server.quorum.QuorumPeerConfig)
...

• 修改配置文件

config/server.properties

主要需要修改的选项为：

# The id of the broker. This must be set to a unique integer for each broker.
broker.id=

# The port the socket server listens on
port=

# Hostname the broker will bind to. If not set, the server will bind to all interfaces
host.name=10.1.0.18

log.dirs=/usr/local/kafka/logs

zookeeper.connect=10.1.32.18:/kafka08 ##znode的地址

注释：

"broker.id" 为broker的标识主要在集群模式中配置

port 为kafka对外服务的窗口默认为9092，只要不冲突即可

"zookeeper.connect"为kafka的zookeeper地址 /kafka08为zookeeper上的znode

• 启动kafka

执行nohup bin/kafka-server-start.sh config/server.properties &。

• 检查服务的启动状态

[***@127.0.0.1 config]$ jps
 Jps
 QuorumPeerMain    #zookeeper的进程
 Kafka                       #kafka进程

• 验证可用性

　　　　发送数据

执行 bin/kafka-console-producer.sh --broker-list localhost: --topic test
输入两条数据
This is a message
This is another message
按Ctrl-c退出。

　　　　读取数据

执行 bin/kafka-console-consumer.sh --zookeeper localhost: --topic test --from-beginning
如果显示为刚输入的两条数据，则说明kafka服务可用

四.集群模式配置

集群模式下broker.id一定不能重复，其他配置同单机模式

其他配置如下

五.配置文件分析

• 如下配置为kafka08X:

##每一个broker在集群中的唯一标示，要求是正数。在改变IP地址，不改变broker.id的话不会影响consumers
broker.id = 

##kafka数据的存放地址，多个地址的话用逗号分割 /tmp/kafka-logs-，/tmp/kafka-logs-
log.dirs = /tmp/kafka-logs

##提供给客户端响应的端口
port = 

##消息体的最大大小，单位是字节
message.max.bytes = 

## broker 处理消息的最大线程数，一般情况下不需要去修改
num.network.threads = 

## broker处理磁盘IO 的线程数 ，数值应该大于你的硬盘数
num.io.threads = 

## 一些后台任务处理的线程数，例如过期消息文件的删除等，一般情况下不需要去做修改
background.threads = 

## 等待IO线程处理的请求队列最大数，若是等待IO的请求超过这个数值，那么会停止接受外部消息，算是一种自我保护机制
queued.max.requests = 

##broker的主机地址，若是设置了，那么会绑定到这个地址上，若是没有，会绑定到所有的接口上，并将其中之一发送到ZK，一般不设置
host.name

## ??? 具体没有使用。。。
advertised.host.name

## ??
advertised.port

## socket的发送缓冲区，socket的调优参数SO_SNDBUFF
socket.send.buffer.bytes =  * 

## socket的接受缓冲区，socket的调优参数SO_RCVBUFF
socket.receive.buffer.bytes =  * 

## socket请求的最大数值，防止serverOOM，message.max.bytes必然要小于socket.request.max.bytes，会被topic创建时的指定参数覆盖
socket.request.max.bytes =  *  * 

• log文件相关

## topic的分区是以一堆segment文件存储的，这个控制每个segment的大小，会被topic创建时的指定参数覆盖
log.segment.bytes =  *  * 

## 这个参数会在日志segment没有达到log.segment.bytes设置的大小，也会强制新建一个segment 会被 topic创建时的指定参数覆盖
log.roll.hours = *

## 日志清理策略 选择有：delete和compact 主要针对过期数据的处理，或是日志文件达到限制的额度，会被 topic创建时的指定参数覆盖
log.cleanup.policy = delete

## 数据存储的最大时间 超过这个时间 会根据log.cleanup.policy设置的策略处理数据，也就是消费端能够多久去消费数据
## log.retention.bytes和log.retention.minutes任意一个达到要求，都会执行删除，会被topic创建时的指定参数覆盖
log.retention.minutes= days

## topic每个分区的最大文件大小，一个topic的大小限制 = 分区数*log.retention.bytes 。- 没有大小限制
## log.retention.bytes和log.retention.minutes任意一个达到要求，都会执行删除，会被topic创建时的指定参数覆盖
log.retention.bytes=-

## 文件大小检查的周期时间，是否触发 log.cleanup.policy中设置的策略
log.retention.check.interval.ms= minutes

## 是否开启日志压缩
log.cleaner.enable=false

## 日志压缩运行的线程数
log.cleaner.threads =

## 日志压缩时候处理的最大大小
log.cleaner.io.max.bytes.per.second=None

## 日志压缩去重时候的缓存空间 ，在空间允许的情况下，越大越好
log.cleaner.dedupe.buffer.size=**

## 日志清理时候用到的IO块大小 一般不需要修改
log.cleaner.io.buffer.size=*

## 日志清理中hash表的扩大因子 一般不需要修改
log.cleaner.io.buffer.load.factor = 0.9

## 检查是否触发日志清理的间隔
log.cleaner.backoff.ms =

## 日志清理的频率控制，越大意味着更高效的清理，同时会存在一些空间上的浪费，会被topic创建时的指定参数覆盖
log.cleaner.min.cleanable.ratio=0.5

## 对于压缩的日志保留的最长时间，也是客户端消费消息的最长时间，同log.retention.minutes的区别在于一个控制未压缩数据，一个控制压缩后的数据。会被topic创建时的指定参数覆盖
log.cleaner.delete.retention.ms =  day

## 对于segment日志的索引文件大小限制，会被topic创建时的指定参数覆盖
log.index.size.max.bytes =  *  * 

## 当执行一个fetch操作后，需要一定的空间来扫描最近的offset大小，设置越大，代表扫描速度越快，但是也更好内存，一般情况下不需要搭理这个参数
log.index.interval.bytes = 

## log文件"sync"到磁盘之前累积的消息条数
## 因为磁盘IO操作是一个慢操作,但又是一个"数据可靠性"的必要手段
## 所以此参数的设置,需要在"数据可靠性"与"性能"之间做必要的权衡.
## 如果此值过大,将会导致每次"fsync"的时间较长(IO阻塞)
## 如果此值过小,将会导致"fsync"的次数较多,这也意味着整体的client请求有一定的延迟.
## 物理server故障,将会导致没有fsync的消息丢失.
log.flush.interval.messages=None

## 检查是否需要固化到硬盘的时间间隔
log.flush.scheduler.interval.ms = 

## 仅仅通过interval来控制消息的磁盘写入时机,是不足的.
## 此参数用于控制"fsync"的时间间隔,如果消息量始终没有达到阀值,但是离上一次磁盘同步的时间间隔
## 达到阀值,也将触发.
log.flush.interval.ms = None

## 文件在索引中清除后保留的时间 一般不需要去修改
log.delete.delay.ms = 

## 控制上次固化硬盘的时间点，以便于数据恢复 一般不需要去修改
log.flush.offset.checkpoint.interval.ms =

• topic相关

## 是否允许自动创建topic ，若是false，就需要通过命令创建topic
auto.create.topics.enable =true

## 一个topic ，默认分区的replication个数 ，不得大于集群中broker的个数
default.replication.factor =

## 每个topic的分区个数，若是在topic创建时候没有指定的话 会被topic创建时的指定参数覆盖
num.partitions = 

• 复制相关

## partition leader与replicas之间通讯时,socket的超时时间
controller.socket.timeout.ms = 

## partition leader与replicas数据同步时,消息的队列尺寸
controller.message.queue.size=

## replicas响应partition leader的最长等待时间，若是超过这个时间，就将replicas列入ISR(in-sync replicas)，并认为它是死的，不会再加入管理中
replica.lag.time.max.ms = 

## 如果follower落后与leader太多,将会认为此follower[或者说partition relicas]已经失效
## 通常,在follower与leader通讯时,因为网络延迟或者链接断开,总会导致replicas中消息同步滞后
## 如果消息之后太多,leader将认为此follower网络延迟较大或者消息吞吐能力有限,将会把此replicas迁移
## 到其他follower中.
## 在broker数量较少,或者网络不足的环境中,建议提高此值.
replica.lag.max.messages = 

##follower与leader之间的socket超时时间
replica.socket.timeout.ms=  * 

## leader复制时候的socket缓存大小
replica.socket.receive.buffer.bytes= * 

## replicas每次获取数据的最大大小
replica.fetch.max.bytes =  * 

## replicas同leader之间通信的最大等待时间，失败了会重试
replica.fetch.wait.max.ms = 

## fetch的最小数据尺寸,如果leader中尚未同步的数据不足此值,将会阻塞,直到满足条件
replica.fetch.min.bytes =

## leader 进行复制的线程数，增大这个数值会增加follower的IO
num.replica.fetchers=

## 每个replica检查是否将最高水位进行固化的频率
replica.high.watermark.checkpoint.interval.ms = 

## 是否允许控制器关闭broker ,若是设置为true,会关闭所有在这个broker上的leader，并转移到其他broker
controlled.shutdown.enable = false

## 控制器关闭的尝试次数
controlled.shutdown.max.retries = 

## 每次关闭尝试的时间间隔
controlled.shutdown.retry.backoff.ms = 

## 是否自动平衡broker之间的分配策略
auto.leader.rebalance.enable = false

## leader的不平衡比例，若是超过这个数值，会对分区进行重新的平衡
leader.imbalance.per.broker.percentage = 

## 检查leader是否不平衡的时间间隔
leader.imbalance.check.interval.seconds = 

## 客户端保留offset信息的最大空间大小
offset.metadata.max.bytes

• zookeeper连接相关

##zookeeper集群的地址，可以是多个，多个之间用逗号分割 hostname1:port1,hostname2:port2,hostname3:port3
zookeeper.connect = localhost:

## ZooKeeper的最大超时时间，就是心跳的间隔，若是没有反映，那么认为已经死了，不易过大
zookeeper.session.timeout.ms=

## ZooKeeper的连接超时时间
zookeeper.connection.timeout.ms = 

## ZooKeeper集群中leader和follower之间的同步实际那
zookeeper.sync.time.ms =