公司网站地址,安阳历史,wordpress dokan,什么是个人网站文章目录 Kafka概念消息中间件对比消息中间件对比-选择建议Kafka常用名词介绍Kafka入门1. Kafka安装配置2.Kafka生产者与消费者关系3.Kafka依赖4.生产者发消息5.消费者接受消息6.Kafka高可用性设计6.1集群Kafka备份机制(Reolication) 7.kafka生产者详解7.1 发送类型7.2参数详解… 文章目录 Kafka概念消息中间件对比消息中间件对比-选择建议Kafka常用名词介绍Kafka入门1. Kafka安装配置2.Kafka生产者与消费者关系3.Kafka依赖4.生产者发消息5.消费者接受消息6.Kafka高可用性设计6.1集群Kafka备份机制(Reolication) 7.kafka生产者详解7.1 发送类型7.2参数详解 8.kafka消费者详解8.1消费者组8.1消息有序性7.3 提交和偏移量 Kafka概念
Kafka 是一种高性能、可扩展的分布式流处理平台用于处理实时数据流。它最初由 LinkedIn 公司开发现已成为 Apache 软件基金会的顶级项目。 以下是 Kafka 的一些重要概念
Topic主题Kafka 使用主题来组织和分类消息。每个主题都是一个具有特定名称的消息流。Producer生产者生产者负责将消息发布到 Kafka 集群的指定主题中。它可以是任何发送消息的应用程序。Consumer消费者消费者订阅一个或多个主题并从 Kafka 集群中读取消息流。消费者可以按照自己的需求以不同的速率消费消息。Broker代理Kafka 集群中的每个服务器节点称为代理。它们负责接收来自生产者的消息并将消息存储在磁盘上。代理还处理消费者的请求将消息传递给消费者。Partition分区每个主题可以分成多个分区。分区是消息在 Kafka 集群中的物理单元用于水平扩展和提高并发性能。Offset偏移量偏移量是消息在分区中的唯一标识符。消费者可以跟踪其当前位置以便从指定的偏移量处继续消费消息。Consumer Group消费者组消费者可以组成一个消费者组共同消费一个主题的消息。每个消费者组中的消费者将共享分区以实现负载均衡和故障恢复。Replication副本Kafka 使用副本来提供数据冗余和容错性。每个分区可以有多个副本位于不同的代理上。副本之间通过复制日志保持数据一致性。
Kafka 的设计目标是具有高吞吐量、可持久化、分布式存储和实时处理的能力。它被广泛应用于构建实时数据管道、日志收集和分析、事件驱动架构等场景。
消息中间件对比
特性ActiveMQRocketMQRocketMQKafka开发语言javaerlangjavascala单击吞吐量万级万级10万级100万级时效性msusmsms以内可用性高(主从)高(主从)非常高分布式)非常高分布式功能特性成熟的产品、较全的文档、各种协议支持好并发能力强、性能好、延迟低MQ功能比较完善扩展性佳只支持主要的MQ功能主要应用于大数据领域
消息中间件对比-选择建议
消息中间件建议Kafka追求高吞吐量适合产生大量数据的互联网服务的数据收集业务RocketMQ可靠性要求很高的金融互联网领域,稳定性高经历了多次阿里双11考验RabbitMQ性能较好社区活跃度高数据量没有那么大优先选择功能比较完备的RabbitMQ
Kafka常用名词介绍 producer发布消息的对象称之为主题生产者Kafka topic producertopicKafka将消息分门别类每一类的消息称之为一个主题Topicconsumer订阅消息并处理发布的消息的对象称之为主题消费者consumersbroker已发布的消息保存在一组服务器中称之为Kafka集群。集群中的每一个服务器都是一个代理Broker。 消费者可以订阅一个或多个主题topic并从Broker拉数据从而消费这些已发布的消息。
Kafka入门
1. Kafka安装配置
Kafka对于zookeeper是强依赖保存kafka相关的节点数据所以安装Kafka之前必须先安装zookeeper
Docker安装zookeeper下载镜像 docker pull zookeeper:3.4.14创建容器 docker run -d --name zookeeper -p 2181:2181 zookeeper:3.4.14Docker安装kafka镜像下载: docker pull wurstmeister/kafka:2.12-2.3.1创建容器
docker run -d --name kafka \
--env KAFKA_ADVERTISED_HOST_NAME192.168.200.130 \
--env KAFKA_ZOOKEEPER_CONNECT192.168.200.130:2181 \
--env KAFKA_ADVERTISED_LISTENERSPLAINTEXT://192.168.200.130:9092 \
--env KAFKA_LISTENERSPLAINTEXT://0.0.0.0:9092 \
--env KAFKA_HEAP_OPTS-Xmx256M -Xms256M \
--nethost wurstmeister/kafka:2.12-2.3.12.Kafka生产者与消费者关系 生产者发送消息多个消费者只能有一个消费者接收到消息生产者发送消息多个消费者都可以接收到消息
3.Kafka依赖
dependencygroupIdorg.apache.kafka/groupIdartifactIdkafka-clients/artifactId
/dependency4.生产者发消息
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;import java.util.Properties;/*** 生产者*/
public class ProducerQuickStart {public static void main(String[] args) {//1.kafka的配置信息Properties properties new Properties();//kafka的连接地址properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,192.168.200.130:9092);//发送失败失败的重试次数properties.put(ProducerConfig.RETRIES_CONFIG,5);//消息key的序列化器properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,org.apache.kafka.common.serialization.StringSerializer);//消息value的序列化器properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,org.apache.kafka.common.serialization.StringSerializer);//2.生产者对象KafkaProducerString,String producer new KafkaProducerString, String(properties);//封装发送的消息ProducerRecordString,String record new ProducerRecordString, String(itheima-topic,100001,hello kafka);//3.发送消息producer.send(record);//4.关闭消息通道必须关闭否则消息发送不成功producer.close();}}
5.消费者接受消息
import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;import java.time.Duration;
import java.util.Collections;
import java.util.Properties;/*** 消费者*/
public class ConsumerQuickStart {public static void main(String[] args) {//1.添加kafka的配置信息Properties properties new Properties();//kafka的连接地址properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, 192.168.200.130:9092);//消费者组properties.put(ConsumerConfig.GROUP_ID_CONFIG, group2);//消息的反序列化器properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, org.apache.kafka.common.serialization.StringDeserializer);properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, org.apache.kafka.common.serialization.StringDeserializer);//2.消费者对象KafkaConsumerString, String consumer new KafkaConsumerString, String(properties);//3.订阅主题consumer.subscribe(Collections.singletonList(itheima-topic));//当前线程一直处于监听状态while (true) {//4.获取消息ConsumerRecordsString, String consumerRecords consumer.poll(Duration.ofMillis(1000));for (ConsumerRecordString, String consumerRecord : consumerRecords) {System.out.println(consumerRecord.key());System.out.println(consumerRecord.value());}}}}总结
生产者发送消息多个消费者订阅同一个主题只能有一个消费者收到消息一对一生产者发送消息多个消费者订阅同一个主题所有消费者都能收到消息一对多
6.Kafka高可用性设计
6.1集群 Kafka 的服务器端由被称为 Broker 的服务进程构成即一个 Kafka 集群由多个 Broker 组成这样如果集群中某一台机器宕机其他机器上的 Broker 也依然能够对外提供服务。这其实就是 Kafka 提供高可用的手段之一
Kafka备份机制(Reolication) Kafka 中消息的备份又叫做 副本Replica
Kafka 定义了两类副本
领导者副本Leader Replica追随者副本Follower Replica 同步方式 ISRin-sync replica需要同步复制保存的follower 如果leader失效后需要选出新的leader选举的原则如下
第一选举时优先从ISR中选定因为这个列表中follower的数据是与leader同步的
第二如果ISR列表中的follower都不行了就只能从其他follower中选取
极端情况就是所有副本都失效了这时有两种方案
第一等待ISR中的一个活过来选为Leader数据可靠但活过来的时间不确定
第二选择第一个活过来的Replication不一定是ISR中的选为leader以最快速度恢复可用性但数据不一定完整
7.kafka生产者详解
7.1 发送类型
同步发送使用send()方法发送它会返回一个Future对象调用get()方法进行等待就可以知道消息是否发送成功
RecordMetadata recordMetadata producer.send(kvProducerRecord).get();
System.out.println(recordMetadata.offset());异步发送 调用send()方法并指定一个回调函数服务器在返回响应时调用函数 //异步消息发送producer.send(kvProducerRecord, new Callback() {Overridepublic void onCompletion(RecordMetadata recordMetadata, Exception e) {if(e ! null){System.out.println(记录异常信息到日志表中);}System.out.println(recordMetadata.offset());}});7.2参数详解 ack代码配置
/ack配置 消息确认机制
prop.put(ProducerConfig.ACKS_CONFIG,all);参数的选择说明
确认机制说明acks0生产者在成功写入消息之前不会等待任何来自服务器的响应,消息有丢失的风险但是速度最快acks1默认值只要集群首领节点收到消息生产者就会收到一个来自服务器的成功响应acksall只有当所有参与赋值的节点全部收到消息时生产者才会收到一个来自服务器的成功响应
retries在这里插入图片描述 生产者从服务器收到的错误有可能是临时性错误在这种情况下retries参数的值决定了生产者可以重发消息的次数如果达到这个次数生产者会放弃重试返回错误默认情况下生产者会在每次重试之间等待100ms
代码中配置方式
//重试次数
prop.put(ProducerConfig.RETRIES_CONFIG,10);消息压缩 默认情况下,消息发送时不会被压缩 代码配置
//数据压缩
prop.put(ProducerConfig.COMPRESSION_TYPE_CONFIG,lz4);压缩算法说明snappy占用较少的 CPU 却能提供较好的性能和相当可观的压缩比 如果看重性能和网络带宽建议采用lz4占用较少的 CPU 压缩和解压缩速度较快压缩比也很客观gzip占用较多的 CPU但会提供更高的压缩比网络带宽有限可以使用这种算法使用压缩可以降低网络传输开销和存储开销而这往往是向 Kafka 发送消息的瓶颈所在。
8.kafka消费者详解
8.1消费者组
消费者组Consumer Group 指的就是由一个或多个消费者组成的群体一个发布在Topic上消息被分发给此消费者组中的一个消费者 所有的消费者都在一个组中那么这就变成了queue模型所有的消费者都在不同的组中那么就完全变成了发布-订阅模型
8.1消息有序性
即时消息中的单对单聊天和群聊保证发送方消息发送顺序与接收方的顺序一致充值转账两个渠道在同一个时间进行余额变更短信通知必须要有顺序 topic分区中消息只能由消费者组中的唯一一个消费者处理所以消息肯定是按照先后顺序进行处理的。但是它也仅仅是保证Topic的一个分区顺序处理不能保证跨分区的消息先后处理顺序。 所以如果你想要顺序的处理Topic的所有消息那就只提供一个分区。
7.3 提交和偏移量
kafka不会像其他JMS队列那样需要得到消费者的确认消费者可以使用kafka来追踪消息在分区的位置偏移量
消费者会往一个叫做_consumer_offset的特殊主题发送消息消息里包含了每个分区的偏移量。如果消费者发生崩溃或有新的消费者加入群组就会触发再均衡 正常的情况 如果消费者2挂掉以后会发生再均衡消费者2负责的分区会被其他消费者进行消费
再均衡后不可避免会出现一些问题
问题一 如果提交偏移量小于客户端处理的最后一个消息的偏移量那么处于两个偏移量之间的消息就会被重复处理。
问题二 如果提交的偏移量大于客户端的最后一个消息的偏移量那么处于两个偏移量之间的消息将会丢失。
自动提交偏移量
当enable.auto.commit被设置为true提交方式就是让消费者自动提交偏移量每隔5秒消费者会自动把从poll()方法接收的最大偏移量提交上去
手动提交 当enable.auto.commit被设置为false可以有以下三种提交方式 提交当前偏移量同步提交异步提交同步和异步组合提交
1.提交当前偏移量同步提交
把enable.auto.commit设置为false,让应用程序决定何时提交偏移量。使用commitSync()提交偏移量commitSync()将会提交poll返回的最新的偏移量所以在处理完所有记录后要确保调用了commitSync()方法。否则还是会有消息丢失的风险。
只要没有发生不可恢复的错误commitSync()方法会一直尝试直至提交成功如果提交失败也可以记录到错误日志里。 while (true){ConsumerRecordsString, String records consumer.poll(Duration.ofMillis(1000));for (ConsumerRecordString, String record : records) {System.out.println(record.value());System.out.println(record.key());try {consumer.commitSync();//同步提交当前最新的偏移量}catch (CommitFailedException e){System.out.println(记录提交失败的异常e);}}
}2.异步提交
手动提交有一个缺点那就是当发起提交调用时应用会阻塞。当然我们可以减少手动提交的频率但这个会增加消息重复的概率和自动提交一样。另外一个解决办法是使用异步提交的API。
while (true){ConsumerRecordsString, String records consumer.poll(Duration.ofMillis(1000));for (ConsumerRecordString, String record : records) {System.out.println(record.value());System.out.println(record.key());}consumer.commitAsync(new OffsetCommitCallback() {Overridepublic void onComplete(MapTopicPartition, OffsetAndMetadata map, Exception e) {if(e!null){System.out.println(记录错误的提交偏移量 map,异常信息e);}}});
}3.同步和异步组合提交 异步提交也有个缺点那就是如果服务器返回提交失败异步提交不会进行重试。相比较起来同步提交会进行重试直到成功或者最后抛出异常给应用。异步提交没有实现重试是因为如果同时存在多个异步提交进行重试可能会导致位移覆盖。
举个例子假如我们发起了一个异步提交commitA此时的提交位移为2000随后又发起了一个异步提交commitB且位移为3000commitA提交失败但commitB提交成功此时commitA进行重试并成功的话会将实际上将已经提交的位移从3000回滚到2000导致消息重复消费。
try {while (true){ConsumerRecordsString, String records consumer.poll(Duration.ofMillis(1000));for (ConsumerRecordString, String record : records) {System.out.println(record.value());System.out.println(record.key());}consumer.commitAsync();}
}catch (Exception e){e.printStackTrace();System.out.println(记录错误信息e);
}finally {try {consumer.commitSync();}finally {consumer.close();}
}
