Kafka必备基础和集群架构知识.docx
一、Kafka基础消息系统的作用应该大部份小伙伴都清楚，用机油袋箱举个例子可以看出，就是在中恒12程屯加入f燎；中区域，之后灌好油的插跄亘接送往仓库,然后1.ft这个ift程亘蛭从仓尾荻取油桶上虺，上完前的送往仓库.打包装的也是TtTtM仓库获取所以消息系统就是如上图我们所说的仓库，能在中间过程作为缓存，并且实现解烟台的作用*引入一个场景，我们知道中国移动，中国联通，中国电信的口志处理，是交给外包去做大数据分析的,假设现在它们的日志都交给了你做的系统去做用户画像分析Mma.*5RJRW.B三8三a.ICHDFswxae按照刚刚前而提到的消息系统的作用，我们知道了消息系统其实就是一个模拟缓存，且仅仅是起到J'缓存的作用而并不是真正的缓存，数据仍然是存储在磁盘上面而不是内存。l.Topic主通kafka学习了数据摩里面的设计，在里面设计了IoPiC（主题），这个东西类似于关系型数据库的表。M*a：三MJS,K.KXDFSWff此时我能要获取中国移动的数据，那就直接监听TopicA即可2 .Partition分区kafka还有一个概念叫PartiIion（分区），分区具体在服务器上面去现起初就是一个目录，一个主胞卜面有多个分区，这些分区会存储到不同的服务器上面或者说，其实就是在不同的主机上建了不同的目录.这些分区主要的信息就存在了.Iog文件里面.跟数据底里面的分区差不多，是为了提高性能,Uika:S*W,*MMit.WH0*rSW至于为什么提高了性能.很简单，多个分区多个线程，多个线程并行处理肯定会比单线程好得多eTopic和partition像是IIBASE里.的table和region的概念，table只是个逻辑上的概念，真正存储数据的是region,这"region会分布式地存储在各个服务器上面，对应于kilfka,也是一样，TUPiC也是逻辑概念，而partition就是分布式存储单元.这个设计是保证了海量数据处理的基础.我们可以对比一下，如果HwS没有block的设计，一个100T的文件也只能尊独放在一个赧务器上面，那就直接占满整个服务器了，引入block后，大文件可以分散存储在不同的服务器上。注意；分区会有单点故障问题，所以我们会为每个分区设置副本数分区的编号是从0开始的3 .Producer-生产者往消息系统里而发送数据的就是生产者k>a:JK,三三*三式.和HOFSW今4.Consumer-消费者从kafka里读取数据的就是消费者Kalka:是T'j¾票线，是一个占式,6OFSMM>5.Message-消息kafka里面的我们处理的数据叫做消息.二、kafka的集群架构创建一个TopicA的主题，3个分区分别存储在不同的服务器,也就是broker下面.Topic是一个逻森上的概念，并不能宜接在图中把Topic的相关单元iS出.Kafka集群需要注,旗：kafka在0.8版本以前是没有副本机制的，所以在面时服务器宕机的突发情况时会丢失数掳，所以尽砒避免使用这个版本之前的kafka。Replica-副本kafka中的partition为了保证数据安全,所以每个partition可以设置多个副本.此时我们对分区0,I,2分别设置3个副本（其实设置两个副本是比较合适的）.Kafka集群而其实每个副本都是有角色之分的，它们全选取一个副本作为leader,而其余的作为follower,我们的生产者在发送数据的时候，是直接发送到leaderpartition里面,然后f。IlOWerPHrtition会去IeHder那里自行同步数据，消费者消费数据的时候，也是从Ieader那去消翁数据的.Kafka勇群ConsumerGroup-消费者组我们在消费数据时会在代码里面指定一个group,id,这个id代表的是消费组的名字,而且这个group,id就算不设设，系统也会默认设*conf.5etPr0perty("group.id","telIYourDream")我们所熟知的一些消息系统一般来说会这样设计,就是只要有一个消费者去消费了消总系统里面的数据，那么其余所有的消责者都不能再去消费这个数据，可是kafka并不是这样，比如现在ConsumerA去消费了一个IopicA里面的数据。ConsumerA:group.id«aconsumerB:group.id-aConsumerC:group.id-bconsumerD:group.id-b再让ConsumerB也去消费TopicA的数据，它是消费不到了，但是我们在ConsumerC中更新指定一个另外的group.id.ConsumerC是可以消费到IopicA的数据的,而ConsuinerD也是消费不到的，所以在kafka中，不同组可有唯一的一个消费者去消费同主SS的数据。所以消费者组就是让多个消拢者并行消费信息而存在的，而旦它们不会消费到同一个消息，如下，ConsuroerA,B,C是不会互相干扰的.consumergroup:aConsumerAConsumerBConsumerCKanQ案群因为前面提到过了消费者会直接和Ieader定立联系,所以它们分别消践了三个leader.所以一个分区不会让消费者组里面的多个消费者去消费.但是在消费者不饱和的情况下,个消珀者是可以去消费多个分区的数据的。Controller熟知一个规律：在大数据分布式文件系统里面，95%的都是主从式的架构,个别是对等式的架构，比如ElasticSearch.kafka也是主从式的架构,主节点就叫Controner,其余的为从节点，controlIer是需要和zookeeper进行配合管理整个kafka集群。kafka和zookeeper如何配合工作kafka严Si依赖于zookeeper集群（所以之前的zookeeper文武还是有点用的。所有的broker在启动的时候都会往zookeeper进行注册，目的就是选举出一个COntrOIler,这个选举过程非常简单粗暴，就是一个设先谁当的过程,不涉及什么尊法何胞.那成为ContrOUer之后要做哈呢，它会监所zookeeper里面的多个目录，例如有一个目录/brokers/,其他从节点往这个目录注册（就是往这个目录上创建K于自己的子目录而已）自己，这时命名规则一般是它们的id编号，比如/brokers/。，1,2注册时各个节点必定会暴寤自己的主机名,端口号等等的信息,此时ConIroIler就要去读取注册上来的从节点的数据通过监听机制），生成集群的无数据信息，之后把这些信息都分发绐其他的服务器，让其他服务器能感知到匏群中其它成员的存在。此时模拟个场景,我们创建一个主题（其实就是在zookeeper±topicstopicA这样创建一个目录而己）,kafka会把分区方案生成在这个目录中,此时ConIrolIer就监折到了这一改变,它会去同步这个目录的无信息,然后同样下放给它的从节点，通过这个方法让整个集群都得知这个分区方案，此时从节点就各自创建好目录等待创建分区副本即可。这也是整个蛆群的管理机制。
