問題導讀：
1.zookeeper在kafka的作用是什麼？
2.kafka中幾乎不允許對訊息進行“隨機讀寫”的原因是什麼？
3.kafka叢集consumer和producer狀態資訊是如何儲存的？
4.partitions設計的目的的根本原因是什麼？
一、入門
1、簡介
Kafka is a distributed,partitioned,replicated commit logservice。它提供了類似於JMS的特性，但是在實現上完全不同，此外它並不是JMS規範的實現。kafka對訊息儲存時根據Topic進行歸類，傳送訊息者成為Producer,訊息接受者成為Consumer,此外kafka叢集有多個kafka例項組成，每個例項()成為broker。無論是kafka叢集，還是producer和consumer都依賴於zookeeper來保證系統可用性叢集儲存一些meta資訊。
<ignore_js_op>
2、Topics/logs
一個Topic可以認為是一類訊息，每個topic將被分成多個partition(區),每個partition在儲存層面是append
log檔案。任何釋出到此partition的訊息都會被直接追加到log檔案的尾部，每條訊息在檔案中的位置稱為offset（偏移量），offset為一個long型數字，它是唯一標記一條訊息。它唯一的標記一條訊息。kafka並沒有提供其他額外的索引機制來儲存offset，因為在kafka中幾乎不允許對訊息進行“隨機讀寫”。
<ignore_js_op>
kafka和JMS（Java Message
Service）實現(activeMQ)不同的是:即使訊息被消費,訊息仍然不會被立即刪除.日誌檔案將會根據broker中的配置要求,保留一定的時間之後刪除;比如log檔案保留2天,那麼兩天後,檔案會被清除,無論其中的訊息是否被消費.kafka通過這種簡單的手段,來釋放磁碟空間,以及減少訊息消費之後對檔案內容改動的磁碟IO開支.
Service）實現(activeMQ)不同的是:即使訊息被消費,訊息仍然不會被立即刪除.日誌檔案將會根據broker中的配置要求,保留一定的時間之後刪除;比如log檔案保留2天,那麼兩天後,檔案會被清除,無論其中的訊息是否被消費.kafka通過這種簡單的手段,來釋放磁碟空間,以及減少訊息消費之後對檔案內容改動的磁碟IO開支.
對於consumer而言,它需要儲存消費訊息的offset,對於offset的儲存和使用,有consumer來控制;當consumer正常消費訊息時,offset將會”線性”的向前驅動,即訊息將依次順序被消費.事實上consumer可以使用任意順序消費訊息,它只需要將offset重置為任意值..(offset將會儲存在zookeeper中,參見下文)
kafka叢集幾乎不需要維護任何consumer和producer狀態資訊,這些資訊有zookeeper儲存;因此producer和consumer的實現非常輕量級,它們可以隨意離開,而不會對叢集造成額外的影響.
partitions的目的有多個.最根本原因是kafka基於檔案儲存.通過分割槽,可以將日誌內容分散到多個上,來避免檔案尺寸達到單機磁碟的上限,每個partiton都會被當前server(kafka例項)儲存;可以將一個topic切分多任意多個partitions,來訊息儲存/消費的效率.此外越多的partitions意味著可以容納更多的consumer,有效提升併發消費的能力.(具體原理參見下文).
3、Distribution
一個Topic的多個partitions,被分佈在kafka叢集中的多個server上;每個server(kafka例項)負責partitions中訊息的讀寫操作;此外kafka還可以配置partitions需要備份的個數(replicas),每個partition將會被備份到多臺機器上,以提高可用性.
基於replicated方案,那麼就意味著需要對多個備份進行排程;每個partition都有一個為”leader”;leader負責所有的讀寫操作,如果leader失效,那麼將會有其他follower來接管(成為新的leader);follower只是單調的和leader跟進,同步訊息即可..由此可見作為leader的server承載了全部的請求壓力,因此從叢集的整體考慮,有多少個partitions就意味著有多少個”leader”,kafka會將”leader”均衡的分散在每個例項上,來確保整體的效能穩定.
Producers
Producer將訊息釋出到指定的Topic中,同時Producer也能決定將此訊息歸屬於哪個partition;比如基於”round-robin”方式或者通過其他的一些演算法等.
Consumers
本質上kafka只支援Topic.每個consumer屬於一個consumer group;反過來說,每個group中可以有多個consumer.傳送到Topic的訊息,只會被訂閱此Topic的每個group中的一個consumer消費.
如果所有的consumer都具有相同的group,這種情況和queue模式很像;訊息將會在consumers之間負載均衡.
如果所有的consumer都具有不同的group,那這就是”釋出-訂閱”;訊息將會廣播給所有的消費者.
在kafka中,一個partition中的訊息只會被group中的一個consumer消費;每個group中consumer訊息消費互相獨立;我們可以認為一個group是一個”訂閱”者,一個Topic中的每個partions,只會被一個”訂閱者”中的一個consumer消費,不過一個consumer可以消費多個partitions中的訊息.kafka只能保證一個partition中的訊息被某個consumer消費時,訊息是順序的.事實上,從Topic角度來說,訊息仍不是有序的.
kafka的原理決定,對於一個topic,同一個group中不能有多於partitions個數的consumer同時消費,否則將意味著某些consumer將無法得到訊息.
Guarantees
1) 傳送到partitions中的訊息將會按照它接收的順序追加到日誌中
2) 對於消費者而言,它們消費訊息的順序和日誌中訊息順序一致.
3) 如果Topic的”replicationfactor”為N,那麼允許N-1個kafka例項失效.
二、使用場景
1、Messaging
對於一些常規的訊息系統,kafka是個不錯的選擇;partitons/replication和容錯,可以使kafka具有良好的擴充套件性和效能優勢.不過到目前為止,我們應該很清楚認識到,kafka並沒有提供JMS中的”事務性””訊息傳輸擔保(訊息確認機制)””訊息分組”等企業級特性;kafka只能使用作為”常規”的訊息系統,在一定程度上,尚未確保訊息的傳送與接收絕對可靠(比如,訊息重發,訊息傳送丟失等)
2、Websit activity tracking
kafka可以作為”網站活性跟蹤”的最佳工具;可以將網頁/使用者操作等資訊傳送到kafka中.並實時監控,或者離線統計分析等
3、Log Aggregation
kafka的特性決定它非常適合作為”日誌收集中心”;application可以將操作日誌”批量””非同步”的傳送到kafka叢集中,而不是儲存在本地或者DB中;kafka可以批量提交訊息/壓縮訊息等,這對producer端而言,幾乎感覺不到效能的開支.此時consumer端可以使hadoop等其他系統化的儲存和分析系統.
三、設計原理
kafka的初衷是希望作為一個統一的資訊收集平臺,能夠實時的收集反饋資訊,並需要能夠支撐較大的資料量,且具備良好的容錯能力.
1、永續性
kafka使用檔案儲存訊息,這就直接決定kafka在效能上嚴重依賴檔案系統的本身特性.且無論任何OS下,對檔案系統本身的優化幾乎沒有可能.檔案快取/直接記憶體對映等是常用的手段.因為kafka是對日誌檔案進行append操作,因此磁碟檢索的開支是較小的;同時為了減少磁碟寫入的次數,broker會將訊息暫時buffer起來,當訊息的個數(或尺寸)達到一定閥值時,再flush到磁碟,這樣減少了磁碟IO呼叫的次數.
2、效能
需要考慮的影響效能點很多,除磁碟IO之外,我們還需要考慮網路IO,這直接關係到kafka的吞吐量問題.kafka並沒有提供太多高超的技巧;對於producer端,可以將訊息buffer起來,當訊息的條數達到一定閥值時,批量傳送給broker;對於consumer端也是一樣,批量fetch多條訊息.不過訊息量的大小可以通過配置檔案來指定.對於kafka
broker端,似乎有個sendfile系統呼叫可以潛在的提升網路IO的效能:將檔案的資料對映到系統記憶體中,socket直接讀取相應的記憶體區域即可,而無需程式再次copy和交換.
其實對於producer/consumer/broker三者而言,CPU的開支應該都不大,因此啟用訊息壓縮機制是一個良好的策略;壓縮需要消耗少量的CPU資源,不過對於kafka而言,網路IO更應該需要考慮.可以將任何在網路上傳輸的訊息都經過壓縮.kafka支援gzip/snappy等多種壓縮方式.
3、生產者
負載均衡: producer將會和Topic下所有partition
leader保持socket連線;訊息由producer直接通過socket傳送到broker,中間不會經過任何”路由層”.事實上,訊息被路由到哪個partition上,有producer決定.比如可以採用”random””key-hash””輪詢”等,如果一個topic中有多個partitions,那麼在producer端實現”訊息均衡分發”是必要的.
leader保持socket連線;訊息由producer直接通過socket傳送到broker,中間不會經過任何”路由層”.事實上,訊息被路由到哪個partition上,有producer決定.比如可以採用”random””key-hash””輪詢”等,如果一個topic中有多個partitions,那麼在producer端實現”訊息均衡分發”是必要的.
其中partition leader的位置(host:port)註冊在zookeeper中,producer作為zookeeper client,已經註冊了watch用來監聽partition leader的變更事件.
非同步傳送：將多條訊息暫且在客戶端buffer起來，並將他們批量的傳送到broker，小資料IO太多，會拖慢整體的網路延遲，批量延遲傳送事實上提升了網路效率。不過這也有一定的隱患，比如說當producer失效時，那些尚未傳送的訊息將會丟失。
4、消費者
consumer端向broker傳送”fetch”請求,並告知其獲取訊息的offset;此後consumer將會獲得一定條數的訊息;consumer端也可以重置offset來重新消費訊息.
在JMS實現中,Topic模型基於push方式,即broker將訊息推送給consumer端.不過在kafka中,採用了pull方式,即consumer在和broker建立連線之後,主動去pull(或者說fetch)訊息;這中模式有些優點,首先consumer端可以根據自己的消費能力適時的去fetch訊息並處理,且可以控制訊息消費的進度(offset);此外,消費者可以良好的控制訊息消費的數量,batch
fetch.
其他JMS實現,訊息消費的位置是有prodiver保留,以便避免重複傳送訊息或者將沒有消費成功的訊息重發等,同時還要控制訊息的狀態.這就要求JMS
broker需要太多額外的工作.在kafka中,partition中的訊息只有一個consumer在消費,且不存在訊息狀態的控制,也沒有複雜的訊息確認機制,可見kafka
broker端是相當輕量級的.當訊息被consumer接收之後,consumer可以在本地儲存最後訊息的offset,並間歇性的向zookeeper註冊offset.由此可見,consumer也很輕量級.
<ignore_js_op>
5、訊息傳送機制
對於JMS實現,訊息傳輸擔保非常直接:有且只有一次(exactly once).在kafka中稍有不同:
1) at most once: 最多一次,這個和JMS中”非持久化”訊息類似.傳送一次,無論成敗,將不會重發.
2) at least once: 訊息至少傳送一次,如果訊息未能接受成功,可能會重發,直到接收成功.
3) exactly once: 訊息只會傳送一次.
at most once:
消費者fetch訊息,然後儲存offset,然後處理訊息;當client儲存offset之後,但是在訊息處理過程中出現了異常,導致部分訊息未能繼續處理.那麼此後”未處理”的訊息將不能被fetch到,這就是”at
most once”.
消費者fetch訊息,然後儲存offset,然後處理訊息;當client儲存offset之後,但是在訊息處理過程中出現了異常,導致部分訊息未能繼續處理.那麼此後”未處理”的訊息將不能被fetch到,這就是”at
most once”.
at least once:
消費者fetch訊息,然後處理訊息,然後儲存offset.如果訊息處理成功之後,但是在儲存offset階段zookeeper異常導致儲存操作未能執行成功,這就導致接下來再次fetch時可能獲得上次已經處理過的訊息,這就是”at
least once”，原因offset沒有及時的提交給zookeeper，zookeeper恢復正常還是之前offset狀態.
消費者fetch訊息,然後處理訊息,然後儲存offset.如果訊息處理成功之後,但是在儲存offset階段zookeeper異常導致儲存操作未能執行成功,這就導致接下來再次fetch時可能獲得上次已經處理過的訊息,這就是”at
least once”，原因offset沒有及時的提交給zookeeper，zookeeper恢復正常還是之前offset狀態.
exactly once: kafka中並沒有嚴格的去實現(基於2階段提交,事務),我們認為這種策略在kafka中是沒有必要的.
通常情況下”at-least-once”是我們搜選.(相比at most once而言,重複接收資料總比丟失資料要好).
6、複製備份
kafka將每個partition資料複製到多個server上,任何一個partition有一個leader和多個follower(可以沒有);備份的個數可以通過broker配置檔案來設定.leader處理所有的read-write請求,follower需要和leader保持同步.Follower和consumer一樣,消費訊息並儲存在本地日誌中;leader負責跟蹤所有的follower狀態,如果follower”落後”太多或者失效,leader將會把它從replicas同步列表中刪除.當所有的follower都將一條訊息儲存成功,此訊息才被認為是”committed”,那麼此時consumer才能消費它.即使只有一個replicas例項存活,仍然可以保證訊息的正常傳送和接收,只要zookeeper叢集存活即可.(不同於其他分散式儲存,比如hbase需要”多數派”存活才行)
當leader失效時,需在followers中選取出新的leader,可能此時follower落後於leader,因此需要選擇一個”up-to-date”的follower.選擇follower時需要兼顧一個問題,就是新leader上所已經承載的partition leader的個數,如果一個server上有過多的partition leader,意味著此server將承受著更多的IO壓力.在選舉新leader,需要考慮到”負載均衡”.
7.日誌
如果一個topic的名稱為”my_topic”,它有2個partitions,那麼日誌將會儲存在my_topic_0和my_topic_1兩個目錄中;日誌檔案中儲存了一序列”log
entries”(日誌條目),每個log entry格式為”4個位元組的數字N表示訊息的長度” +
“N個位元組的訊息內容”;每個日誌都有一個offset來唯一的標記一條訊息,offset的值為8個位元組的數字,表示此訊息在此partition中所處的起始位置..每個partition在物理儲存層面,有多個log
file組成(稱為segment).segmentfile的命名為”最小offset”.kafka.例如”00000000000.kafka”;其中”最小offset”表示此segment中起始訊息的offset.
<ignore_js_op>
其中每個partiton中所持有的segments列表資訊會儲存在zookeeper中.
當segment檔案尺寸達到一定閥值時(可以通過配置檔案設定,預設1G),將會建立一個新的檔案;當buffer中訊息的條數達到閥值時將會觸發日誌資訊flush到日誌檔案中,同時如果”距離最近一次flush的時間差”達到閥值時,也會觸發flush到日誌檔案.如果broker失效,極有可能會丟失那些尚未flush到檔案的訊息.因為意外實現,仍然會導致log檔案格式的破壞(檔案尾部),那麼就要求當server啟東是需要檢測最後一個segment的檔案結構是否合法並進行必要的修復.
獲取訊息時,需要指定offset和最大chunk尺寸,offset用來表示訊息的起始位置,chunk
size用來表示最大獲取訊息的總長度(間接的表示訊息的條數).根據offset,可以找到此訊息所在segment檔案,然後根據segment的最小offset取差值,得到它在file中的相對位置,直接讀取輸出即可.
日誌檔案的刪除策略非常簡單:啟動一個後臺執行緒定期掃描log file列表,把儲存時間超過閥值的檔案直接刪除(根據檔案的建立時間).為了避免刪除檔案時仍然有read操作(consumer消費),採取copy-on-write方式.
8、分配
kafka使用zookeeper來儲存一些meta資訊,並使用了zookeeper watch機制來發現meta資訊的變更並作出相應的動作(比如consumer失效,觸發負載均衡等)
1) Broker node registry: 當一個kafkabroker啟動後,首先會向zookeeper註冊自己的節點資訊(臨時znode),同時當broker和zookeeper斷開連線時,此znode也會被刪除.
格式: /broker/ids/[0…N]
–>host:port;其中[0..N]表示broker
id,每個broker的配置檔案中都需要指定一個數字型別的id(全域性不可重複),znode的值為此broker的host:port資訊.
–>host:port;其中[0..N]表示broker
id,每個broker的配置檔案中都需要指定一個數字型別的id(全域性不可重複),znode的值為此broker的host:port資訊.
2) Broker Topic Registry: 當一個broker啟動時,會向zookeeper註冊自己持有的topic和partitions資訊,仍然是一個臨時znode.
格式: /broker/topics/[topic]/[0…N] 其中[0..N]表示partition索引號.
3) Consumer and Consumer group: 每個consumer被建立時,會向zookeeper註冊自己的資訊;此作用主要是為了”負載均衡”.
一個group中的多個consumer可以交錯的消費一個topic的所有partitions;簡而言之,保證此topic的所有partitions都能被此group所消費,且消費時為了效能考慮,讓partition相對均衡的分散到每個consumer上.
4) Consumer id Registry: 每個consumer都有一個唯一的ID(host:uuid,可以通過配置檔案指定,也可以由系統生成),此id用來標記消費者資訊.
格式:/consumers/[group_id]/ids/[consumer_id]
仍然是一個臨時的znode,此節點的值為{“topic_name”:#streams…},即表示此consumer目前所消費的topic + partitions列表.
5) Consumer offset Tracking: 用來跟蹤每個consumer目前所消費的partition中最大的offset.
格式:/consumers/[group_id]/offsets/[topic]/[broker_id-partition_id]–>offset_value
此znode為持久節點,可以看出offset跟group_id有關,以表明當group中一個消費者失效,其他consumer可以繼續消費.
6) Partition Owner registry: 用來標記partition被哪個consumer消費.臨時znode
格式:/consumers/[group_id]/owners/[topic]/[broker_id-partition_id]–>consumer_node_id當consumer啟動時,所觸發的操作:
A) 首先進行”Consumer id Registry”;
B) 然後在”Consumer id
Registry”節點下注冊一個watch用來監聽當前group中其他consumer的”leave”和”join”;只要此znode
path下節點列表變更,都會觸發此group下consumer的負載均衡.(比如一個consumer失效,那麼其他consumer接管partitions).
Registry”節點下注冊一個watch用來監聽當前group中其他consumer的”leave”和”join”;只要此znode
path下節點列表變更,都會觸發此group下consumer的負載均衡.(比如一個consumer失效,那麼其他consumer接管partitions).
C) 在”Broker id registry”節點下,註冊一個watch用來監聽broker的存活情況;如果broker列表變更,將會觸發所有的groups下的consumer重新balance.
<ignore_js_op>
1) Producer端使用zookeeper用來”發現”broker列表,以及和Topic下每個partition leader建立socket連線併傳送訊息.
2) Broker端使用zookeeper用來註冊broker資訊,已經監測partitionleader存活性.
3) Consumer端使用zookeeper用來註冊consumer資訊,其中包括consumer消費的partition列表等,同時也用來發現broker列表,並和partition leader建立socket連線,並獲取訊息.
四、主要配置
1、Broker配置
<ignore_js_op>
2.Consumer主要配置
<ignore_js_op>
3.Producer主要配置
<ignore_js_op>
以上是關於kafka一些基礎說明，在其中我們知道如果要kafka正常執行，必須配置zookeeper，否則無論是kafka叢集還是的生存者和消費者都無法正常的工作的，以下是對zookeeper進行一些簡單的介紹：
五、zookeeper叢集
zookeeper是一個為分散式應用提供一致性服務的軟體，它是開源的Hadoop專案的一個子專案，並根據google發表的一篇論文來實現的。zookeeper為分散式系統提供了高笑且易於使用的協同服務，它可以為分散式應用提供相當多的服務，諸如統一命名服務，配置管理，狀態同步和組服務等。zookeeper介面簡單，我們不必過多地糾結在分散式系統難於處理的同步和一致性問題上，你可以使用zookeeper提供的現成(off-the-shelf)服務來實現來實現分散式系統額配置管理，組管理，Leader選舉等功能。
zookeeper叢集的安裝,準備三臺伺服器server1:192.168.0.1,server2:192.168.0.2,
server3:192.168.0.3.
1)下載zookeeper
到http://zookeeper.apache.org/releases.html去下載最新版本Zookeeper-3.4.5的安裝包zookeeper-3.4.5.tar.gz.將檔案儲存server1的~目錄下
2)安裝zookeeper
先在伺服器分別執行a-c步驟
a)解壓
tar -zxvf zookeeper-3.4.5.tar.gz
解壓完成後在目錄~下會發現多出一個目錄zookeeper-3.4.5,重新命令為zookeeper
b）配置
將conf/zoo_sample.cfg拷貝一份命名為zoo.cfg，也放在conf目錄下。然後按照如下值修改其中的配置：
# The number of milliseconds of each tick
tickTime=2000
# The number of ticks that the initial
# synchronization phase can take
initLimit=10
# The number of ticks that can pass between
# sending a request and getting an acknowledgement
syncLimit=5
# the directory where the snapshot is stored.
# do not use /tmp for storage, /tmp here is just
# example sakes.
dataDir=/home/wwb/zookeeper /data
dataLogDir=/home/wwb/zookeeper/logs
# the port at which the clients will connect
clientPort=2181
#
# Be sure to read the maintenance section of the
# administrator guide before turning on autopurge.
#
# The number of snapshots to retain in dataDir
#autopurge.snapRetainCount=3
# Purge task interval in hours
# Set to “0” to disable auto purge feature
#autopurge.purgeInterval=1
server.1=192.168.0.1:3888:4888
server.2=192.168.0.2:3888:4888
.3=192.168.0.3:3888:4888
tickTime：這個時間是作為 Zookeeper 伺服器之間或客戶端與伺服器之間維持心跳的時間間隔，也就是每個 tickTime 時間就會傳送一個心跳。
dataDir：顧名思義就是 Zookeeper 儲存資料的目錄，預設情況下，Zookeeper 將寫資料的日誌檔案也儲存在這個目錄裡。
clientPort：這個埠就是客戶端連線 Zookeeper 伺服器的埠，Zookeeper 會監聽這個埠，接受客戶端的訪問請求。
initLimit：這個配置項是用來配置 Zookeeper 接受（這裡所說的客戶端不是使用者連線
Zookeeper 伺服器的客戶端，而是 Zookeeper 伺服器叢集中連線到 Leader 的 Follower
伺服器）初始化連線時最長能忍受多少個心跳時間間隔數。當已經超過 5個心跳的時間（也就是 tickTime）長度後 Zookeeper
伺服器還沒有收到客戶端的返回資訊，那麼表明這個客戶端連線失敗。總的時間長度就是 5*2000=10 秒
Zookeeper 伺服器的客戶端，而是 Zookeeper 伺服器叢集中連線到 Leader 的 Follower
伺服器）初始化連線時最長能忍受多少個心跳時間間隔數。當已經超過 5個心跳的時間（也就是 tickTime）長度後 Zookeeper
伺服器還沒有收到客戶端的返回資訊，那麼表明這個客戶端連線失敗。總的時間長度就是 5*2000=10 秒
syncLimit：這個配置項標識 Leader 與Follower 之間傳送訊息，請求和應答時間長度，最長不能超過多少個 tickTime 的時間長度，總的時間長度就是2*2000=4 秒
server.A=B：C：D：其中 A 是一個數字，表示這個是第幾號伺服器；B 是這個伺服器的 ip
地址；C 表示的是這個伺服器與叢集中的 Leader 伺服器交換資訊的埠；D 表示的是萬一叢集中的 Leader
伺服器掛了，需要一個埠來重新進行選舉，選出一個新的
Leader，而這個埠就是用來執行選舉時伺服器相互通訊的埠。如果是偽叢集的配置方式，由於 B 都是一樣，所以不同的 Zookeeper
例項通訊埠號不能一樣，所以要給它們分配不同的埠號
地址；C 表示的是這個伺服器與叢集中的 Leader 伺服器交換資訊的埠；D 表示的是萬一叢集中的 Leader
伺服器掛了，需要一個埠來重新進行選舉，選出一個新的
Leader，而這個埠就是用來執行選舉時伺服器相互通訊的埠。如果是偽叢集的配置方式，由於 B 都是一樣，所以不同的 Zookeeper
例項通訊埠號不能一樣，所以要給它們分配不同的埠號
注意:dataDir,dataLogDir中的wwb是當前登入使用者名稱，data，logs目錄開始是不存在，需要使用mkdir命令建立相應的目錄。並且在該目錄下建立檔案myid,serve1,server2,server3該檔案內容分別為1,2,3。
針對伺服器server2,server3可以將server1複製到相應的目錄，不過需要注意dataDir,dataLogDir目錄,並且檔案myid內容分別為2,3
3)依次啟動1，server2,server3的zookeeper.
/home/wwb/zookeeper/bin/zkServer.sh start,出現類似以下內容
JMX enabled by default
Using config: /home/wwb/zookeeper/bin/../conf/zoo.cfg
Starting zookeeper … STARTED
4) 測試zookeeper是否正常工作，在server1上執行以下命令
/home/wwb/zookeeper/bin/zkCli.sh -server192.168.0.2:2181,出現類似以下內容
JLine support is enabled
2013-11-27 19:59:40,560 – INFO
[main-SendThread(localhost.localdomain:2181):ClientCnxn$SendThread@736]-
Session establishmentcomplete on localhost.localdomain/127.0.0.1:2181, sessionid = 0x1429cdb49220000, negotiatedtimeout = 30000
[main-SendThread(localhost.localdomain:2181):ClientCnxn$SendThread@736]-
Session establishmentcomplete on localhost.localdomain/127.0.0.1:2181, sessionid = 0x1429cdb49220000, negotiatedtimeout = 30000
WATCHER::
WatchedEvent state:SyncConnected type:None path:null
[zk: 127.0.0.1:2181(CONNECTED) 0] [root@localhostzookeeper2]#
即代表叢集構建成功了,如果出現錯誤那應該是第三部時沒有啟動好叢集，
執行，先利用
ps aux | grep zookeeper檢視是否有相應的程式的，沒有話，說明叢集啟動出現問題，可以在每個伺服器上使用
./home/wwb/zookeeper/bin/zkServer.sh
stop。再依次使用./home/wwb/zookeeper/binzkServer.sh
start，這時在執行4一般是沒有問題，如果還是有問題，那麼先stop再到bin的上級目錄執行./bin/zkServer.shstart試試。
stop。再依次使用./home/wwb/zookeeper/binzkServer.sh
start，這時在執行4一般是沒有問題，如果還是有問題，那麼先stop再到bin的上級目錄執行./bin/zkServer.shstart試試。
注意：zookeeper叢集時，zookeeper要求半數以上的機器可用，zookeeper才能提供服務。
六、kafka叢集
(利用上面server1,server2,server3,下面以server1為例項)
1)下載kafka0.8(http://kafka.apache.org/downloads.html),儲存到伺服器/home/wwb目錄下kafka-0.8.0-beta1-src.tgz(kafka_2.8.0-0.8.0-beta1.tgz)
2)解壓 tar -zxvf kafka-0.8.0-beta1-src.tgz,產生資料夾kafka-0.8.0-beta1-src更改為kafka01
3)配置
修改kafka01/config/.properties,其中broker.id,log.dirs,zookeeper.connect必須根據實際情況進行修改，其他項根據需要自行斟酌。大致如下：
broker.id=1
port=9091
num.network.threads=2
num.io.threads=2
socket.send.buffer.bytes=1048576
socket.receive.buffer.bytes=1048576
socket.request.max.bytes=104857600
log.dir=./logs
num.partitions=2
log.flush.interval.messages=10000
log.flush.interval.ms=1000
log.retention.hours=168
#log.retention.bytes=1073741824
log.segment.bytes=536870912
num.replica.fetchers=2
log.cleanup.interval.mins=10
zookeeper.connect=192.168.0.1:2181,192.168.0.2:2182,192.168.0.3:2183
zookeeper.connection.timeout.ms=1000000
kafka.metrics.polling.interval.secs=5
kafka.metrics.reporters=kafka.metrics.KafkaCSVMetricsReporter
kafka.csv.metrics.dir=/tmp/kafka_metrics
kafka.csv.metrics.reporter.enabled=false
4）初始化因為kafka用scala語言編寫，因此執行kafka需要首先準備scala相關環境。
> cd kafka01
> ./sbt update
> ./sbt package
> ./sbt assembly-package-dependency
在第二個命令時可能需要一定時間，由於要下載更新一些依賴包。所以請大家 耐心點。
5) 啟動kafka01
>JMX_PORT=9997 bin/kafka--start.sh config/server.properties &
a)kafka02操作步驟與kafka01雷同，不同的地方如下
修改kafka02/config/server.properties
broker.id=2
port=9092
##其他配置和kafka-0保持一致
啟動kafka02
JMX_PORT=9998 bin/kafka-server-start.shconfig/server.properties &
b)kafka03操作步驟與kafka01雷同，不同的地方如下
修改kafka03/config/server.properties
broker.id=3
port=9093
##其他配置和kafka-0保持一致
啟動kafka02
JMX_PORT=9999 bin/kafka--start.shconfig/server.properties &
6)建立Topic(包含一個分割槽，三個副本)
>bin/kafka-create-topic.sh–zookeeper 192.168.0.1:2181 –replica 3 –partition 1 –topicmy-replicated-topic
7)檢視topic情況
>bin/kafka-list-top.sh –zookeeper 192.168.0.1:2181
topic: my-replicated-topic partition: 0 leader: 1 replicas: 1,2,0 isr: 1,2,0
8)建立傳送者
>bin/kafka-console-producer.sh–broker-list 192.168.0.1:9091 –topic my-replicated-topic
my test message1
my test message2
^C
9)建立消費者
>bin/kafka-console-consumer.sh –zookeeper127.0.0.1:2181 –from-beginning –topic my-replicated-topic
…
my test message1
my test message2
^C
10)殺掉server1上的broker
>pkill -9 -f config/.properties
11)檢視topic
>bin/kafka-list-top.sh –zookeeper192.168.0.1:2181
topic: my-replicated-topic partition: 0 leader: 1 replicas: 1,2,0 isr: 1,2,0
發現topic還正常的存在
11）建立消費者，看是否能查詢到訊息
>bin/kafka-console-consumer.sh –zookeeper192.168.0.1:2181 –from-beginning –topic my-replicated-topic
…
my test message 1
my test message 2
^C
說明一切都是正常的。
OK,以上就是對Kafka個人的理解，不對之處請大家及時指出。
補充說明：
1、public Map<String, List<KafkaStream<byte[],
byte[]>>> createMessageStreams(Map<String, Integer>
topicCountMap)，其中該方法的引數Map的key為topic名稱，value為topic對應的分割槽數，譬如說如果在kafka中不存在相應的topic時，則會建立一個topic，分割槽數為value，如果存在的話，該處的value則不起什麼作用
byte[]>>> createMessageStreams(Map<String, Integer>
topicCountMap)，其中該方法的引數Map的key為topic名稱，value為topic對應的分割槽數，譬如說如果在kafka中不存在相應的topic時，則會建立一個topic，分割槽數為value，如果存在的話，該處的value則不起什麼作用
2、關於生產者向指定的分割槽傳送資料，通過設定partitioner.class的屬性來指定向那個分割槽傳送資料，如果自己指定必須編寫相應的程式，預設是kafka.producer.DefaultPartitioner,分割槽程式是基於雜湊的鍵。
3、在多個消費者讀取同一個topic的資料，為了保證每個消費者讀取資料的唯一性，必須將這些消費者group_id定義為同一個值，這樣就構建了一個類似佇列的資料結構，如果定義不同，則類似一種廣播結構的。
4、在consumerapi中，引數到數字部分，類似Map<String,Integer>,
numStream,指的都是在topic不存在的時，會建立一個topic，並且分割槽個數為Integer,numStream,注意如果數字大於broker的配置中num.partitions屬性，會以num.partitions為依據建立分割槽個數的。
5、producerapi，呼叫send時，如果不存在topic，也會建立topic，在該方法中沒有提供分割槽個數的引數，在這裡分割槽個數是由服務端broker的配置中num.partitions屬性決定的
關於kafka說明可以參考：http://kafka.apache.org/documentation.html
文章轉自：http://www.aboutyun.com/thread-9341-1-1.html