Kafka 入门指南

本文是 Kafka 的入门指南。

kafka(http://kafka.apache.org/) 非常强大,应用场景也很多,性能很好。


基本要求

  1. JDK
  2. zookeeper

单机单点安装测试

第一步:下载解压

下载地址 http://kafka.apache.org/downloads.html

tar -xzf kafka_2.11-0.11.0.1.tgz cd kafka_2.11-0.11.0.1

第二步:启动 zookeeper-server 和 kafka-server

bin/zookeeper-server-start.sh config/zookeeper.properties


bin/kafka-server-start.sh config/server.properties

关于 server.properties 配置文件请参考后文:《server.properties配置文件参数说明

第三步:新建一个 topic 创建一个名为 “test” 的 Topic,只有一个分区和一个备份:

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

创建好之后,可以通过运行以下命令,查看已创建的 topic 信息:

bin/kafka-topics.sh –list –zookeeper localhost:2181 test

第四步:发送消息

Kafka 提供了一个命令行的工具,可以从输入文件或者命令行中读取消息并发送给Kafka集群。每一行是一条消息。运行 producer(生产者),然后在控制台输入几条消息到服务器。

bin/kafka-console-producer.sh –broker-list localhost:9092 –topic test

>This is a message
>This is another message

第五步:消费消息

Kafka 也提供了一个消费消息的命令行工具,将存储的信息输出出来。

bin/kafka-console-consumer.sh –zookeeper localhost:2181 –topic test –from-beginning 或者 bin/kafka-console-consumer.sh –bootstrap-server localhost:9092 –topic test –from-beginning

This is a message This is another message

如果你有2台不同的终端上运行上述命令,那么当你在运行生产者时,消费者就能消费到生产者发送的消息。 所有的命令行工具有很多的选项,你可以查看文档来了解更多的功能。


单机多点安装

第六步:设置有多个broker的集群(单机)

到目前,我们只是单一的运行一个 broker ,没什么意思。对于 Kafka ,一个 broker 仅仅只是一个集群的大小, 所有让我们多设几个 broker 。注意:broker.id 从 0 开始递增,每个 broker 实例必须唯一。

首先为每个 broker 创建一个配置文件:

cp config/server.properties config/server-1.properties cp config/server.properties config/server-2.properties

现在编辑这些新建的文件,设置以下属性:

config/server-1.properties:

broker.id=1
listeners=PLAINTEXT://:9093
log.dir=/tmp/kafka-logs-1

config/server-2.properties:

broker.id=2
listeners=PLAINTEXT://:9094
log.dir=/tmp/kafka-logs-2

broker.id 是集群中每个节点的唯一永久的名称,我们修改端口和日志分区是因为我们现在在同一台机器上运行,我们要防止 broker 改写同一端口上注册的数据。

我们已经运行了 zookeeper 和刚才的一个 kafka 节点(备注: broker.id=0 也要运行启动。),所有我们只需要在启动2个新的kafka节点。

bin/kafka-server-start.sh config/server-1.properties & … bin/kafka-server-start.sh config/server-2.properties & …

现在,我们创建一个新 topic ,把备份设置为:3

bin/kafka-topics.sh –create –zookeeper localhost:2181 –replication-factor 3 –partitions 1 –topic my-replicated-topic

好了,现在我们已经有了一个集群了,我们怎么知道每个 broker 在做什么呢? 运行命令 describe topics

bin/kafka-topics.sh –describe –zookeeper localhost:2181 –topic my-replicated-topic

Topic:my-replicated-topic PartitionCount:1 ReplicationFactor:3 Configs: Topic: my-replicated-topic Partition: 0 Leader: 0 Replicas: 0,1,2 Isr: 1,2,0

这是一个解释输出,第一行是所有分区的摘要,下面的每行提供一个分区信息,因为我们只有一个分区,所有只有一行。

“leader”:该节点负责所有指定的分区读和写,每个节点都可能领导一个随机选择的分区。 “replicas”:备份的节点,无论该节点是否活着,只是显示。 “isr”:备份节点的集合,也就是活着的节点集合。

我们运行这个命令,看看一开始我们创建的那个节点。

bin/kafka-topics.sh –describe –zookeeper localhost:2181 –topic test

Topic:test PartitionCount:1 ReplicationFactor:1 Configs: Topic: test Partition: 0 Leader: 0 Replicas: 0 Isr: 0

没有惊喜,原始主题没有 Replicas,所以是 0 。

让我们来发布一些信息在新的 topic 上:

bin/kafka-console-producer.sh –broker-list localhost:9092 –topic my-replicated-topic … my test message 1 my test message 2

现在,消费这些消息。

bin/kafka-console-consumer.sh –zookeeper localhost:2181 –from-beginning –topic my-replicated-topic … my test message 1 my test message 2

我们要测试集群的容错,kill 掉 leader,Leader: 0 表示当前的 leader 是 Broker.id=0 ,也就是 kill 掉 Broker0。

ps | grep server-1.properties 7564 ttys002 0:15.91 /System/Library/Frameworks/JavaVM.framework/Versions/1.6/Home/bin/java… kill -9 xxx

备份节点之一成为新的 leader ,而 broker0 已经不在同步备份集合里了。

bin/kafka-topics.sh –describe –zookeeper localhost:2181 –topic my-replicated-topic Topic:my-replicated-topic PartitionCount:1 ReplicationFactor:3 Configs: Topic: my-replicated-topic Partition: 0 Leader: 2 Replicas: 1,2,0 Isr: 2,0

但是,消息没仍然没丢:

bin/kafka-console-consumer.sh –zookeeper localhost:2181 –from-beginning –topic my-replicated-topic … my test message 1 my test message 2 my test message 3 my test message 4 …

kafka_replication

Kafka Consumer Group

如何在Kafka的命令行创建多个消费者?

./bin/kafka-console-consumer.sh –zookeeper localhost:2181 –topic test –from-beginning –consumer-property group.id=local


server.properties配置文件参数说明

每个kafka broker中配置文件server.properties默认必须配置的属性如下:

broker.id=0
num.network.threads=2
num.io.threads=8
socket.send.buffer.bytes=1048576
socket.receive.buffer.bytes=1048576
socket.request.max.bytes=104857600
log.dirs=/tmp/kafka-logs
num.partitions=2
log.retention.hours=168

log.segment.bytes=536870912
log.retention.check.interval.ms=60000
log.cleaner.enable=false

zookeeper.connect=localhost:2181
zookeeper.connection.timeout.ms=1000000

参数说明

参数 说明        
broker.id =0 每一个broker在集群中的唯一表示,要求是正数。当该服务器的IP地址发生改变时,broker.id没有变化,则不会影响consumers的消息情况        
log.dirs=/data/kafka-logs kafka数据的存放地址,多个地址的话用逗号分割,多个目录分布在不同磁盘上可以提高读写性能 /data/kafka-logs-1,/data/kafka-logs-2        
port =9092 broker server服务端口        
message.max.bytes =6525000 表示消息体的最大大小,单位是字节        
num.network.threads =4 broker处理消息的最大线程数,一般情况下数量为cpu核数        
num.io.threads =8 broker处理磁盘IO的线程数,数值为cpu核数2倍        
background.threads =4 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        
queued.max.requests =500 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,应该是一种自我保护机制。        
host.name 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        
socket.send.buffer.bytes=100*1024 socket的发送缓冲区,socket的调优参数SO_SNDBUFF        
socket.receive.buffer.bytes =100*1024 socket的接受缓冲区,socket的调优参数SO_RCVBUFF        
socket.request.max.bytes =10010241024 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        
log.segment.bytes =102410241024 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.roll.hours =24*7 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.cleanup.policy = delete 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.retention.minutes=300 或 log.retention.hours=24 数据文件保留多长时间, 存储的最大时间超过这个时间会根据log.cleanup.policy设置数据清除策略log.retention.bytes和log.retention.minutes或log.retention.hours任意一个达到要求,都会执行删除有2删除数据文件方式:按照文件大小删除:log.retention.bytes,按照2中不同时间粒度删除:分别为分钟,小时        
log.retention.bytes=-1 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。-1没有大小限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.check.interval.ms=5minutes 文件大小检查的周期时间,是否处罚log.cleanup.policy中设置的策略        
log.cleaner.enable=false 是否开启日志清理        
log.cleaner.threads = 2 日志清理运行的线程数        
log.cleaner.io.max.bytes.per.second=None 日志清理时候处理的最大大小        
log.cleaner.dedupe.buffer.size=50010241024 日志清理去重时候的缓存空间,在空间允许的情况下,越大越好        
log.cleaner.io.buffer.size=512*1024 日志清理时候用到的IO块大小一般不需要修改        
log.cleaner.io.buffer.load.factor =0.9 日志清理中hash表的扩大因子一般不需要修改        
log.cleaner.backoff.ms =15000 检查是否处罚日志清理的间隔        
log.cleaner.min.cleanable.ratio=0.5 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.delete.retention.ms =1day 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to pic创建时的指定参数覆盖    
log.index.size.max.bytes =1010241024 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.interval.bytes=4096 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.flush.interval.messages=None 例如log.flush.interval.messages=1000表示每当消息 记录数达到1000时flush一次数据到磁盘,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.scheduler.interval.ms =3000 检查是否需要固化到硬盘的时间间隔        
log.flush.interval.ms = None 例如:log.flush.interval.ms=1000,表示每间隔1000毫秒fl ush一次数据到磁盘仅仅通过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.delete.delay.ms =60000 文件在索引中清除后保留的时间一般不需要去修改        
log.flush.offset.checkpoint.interval.ms =60000 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        
auto.create.topics.enable =true 是否允许自动创建topic,若是false,就需要通过命令创建topic        
default.replication.factor =1 是否允许自动创建topic,若是false,就需要通过命令创建topic        
num.partitions =1 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        

kafka中Leader,replicas配置参数

参数 说明
controller.socket.timeout.ms =30000 partition leader与replicas之间通讯时,socket的超时时间
controller.message.queue.size=10 partition leader与replicas数据同步时,消息的队列尺寸
replica.lag.time.max.ms =10000 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.max.messages =4000 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.socket.timeout.ms=30*1000 follower与leader之间的socket超时时间
replica.socket.receive.buffer.bytes=64*1024 leader复制时候的socket缓存大小
replica.fetch.max.bytes =1024*1024 replicas每次获取数据的最大大小
replica.fetch.wait.max.ms =500 replicas同leader之间通信的最大等待时间,失败了会重试
replica.fetch.min.bytes =1 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
num.replica.fetchers=1 leader进行复制的线程数,增大这个数值会增加follower的IO
replica.high.watermark.checkpoint.interval.ms =5000 每个replica检查是否将最高水位进行固化的频率
controlled.shutdown.enable =false 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.max.retries =3 控制器关闭的尝试次数
controlled.shutdown.retry.backoff.ms =5000 每次关闭尝试的时间间隔
leader.imbalance.per.broker.percentage =10 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.check.interval.seconds =300 检查leader是否不平衡的时间间隔
offset.metadata.max.bytes 客户端保留offset信息的最大空间大小

kafka中zookeeper参数配置

参数 说明
zookeeper.connect = localhost:2181 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.session.timeout.ms=6000 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.connection.timeout.ms =6000 ZooKeeper的连接超时时间
zookeeper.sync.time.ms =2000 ZooKeeper集群中leader和follower之间的同步时间

参考资料

  1. Kafka
  2. Kafka quickstart
  3. kafka quickstart 的中文翻译
  4. 如何为Kafka集群选择合适的Topics/Partitions数量?
  5. create-multiple-consumers-in-kafka-in-command-line
  6. Kafka 指南

茶歇驿站

一个让你可以在茶歇之余,停下来看一看,里面的内容或许对你有一些帮助。

这里的内容主要是团队管理,个人管理,后台技术相关,其他个人杂想。

茶歇驿站二维码