kafka是什么

在回答这个问题之前
    
    
    
，我们需要先了解另一个东西--event streaming    
    
    
  。

什么是event streaming

我觉得     


     


     


  ，event streaming 是一个动态的概念 




 




 




 
，它描述了一个个 event ( "something happened" in the world ) 在不同主体间连续地    
    
    
  、正确地流动的状态 


     


     


     
。（这里我想搞个动图的

   

   

   

，不过 plantuml 不支持     

     

     

 ，所以只能靠想象了

 




 




 




。   

   

   

 。）

event source 产生 event  




  




  




  ，event source 可以是数据库 


     


     


     
、传感器

 




 




 




、移动设备   

   

   

 、应用程序


  


  


  


，等等  

     

     

     。

event broker 持久化 event     
     
     
，以备 event sink 可以随时获取它们


  




  




  




。

event sink 实时或回顾性地从 broker 中获取 event 进行处理  


  


  


。

有的人可能会问   




   




   




   ，为什么需要 broker



 



 



 


，event 从 source 直接流到 sink 不行吗？当然可以               ，但是不够解耦    




    




    




   ，要么 event source 需要事先知道谁需要这些 event

















，要么 event sink 需要知道 event 从哪里来   
     
     
     。

现在               ，我们可以在脑子里想象出 event streaming 的样子：event 由 source 产生     



     



     



   ，然后流向 broker
















，在 broker 被持久化
    
    
    
，再流到 sink



   




   




   



。并不复杂对吧？

event streaming用来干嘛

我们可以在很多的应用场景中找到 event streaming 的身影     


     


     


  ，例如：

实时处理支付  

     

     

     、金融交易


  




  




  




、客户订单等等；

实时跟踪和监控物流进度；

持续捕获和分析来自物联网设备或其他设备的传感器数据；

不同数据源的数据连接；

作为数据平台  


  


  


、事件驱动架构和微服务等的技术基础；

等等 



 



 



。

kafka是什么

现在我们回过头来回答问题：kafka 是什么？

我认为 




 




 




 
，如果说 event streaming 是一种规范的话

   

   

   

，那么 kafka 就是 event streaming 的一种具体实现                  。

kafka的架构

概念视图

从最上层的抽象看     

     

     

 ，kafka 由三个部分组成：

其中  




  




  




  ，producer 发布 event


  


  


  


，broker 持久化 even     
     
     
，consumer 订阅 event




    




    




    


。其中   




   




   




   ，producer 和 consumer 完全解耦



 



 



 


，互不知晓














。

不过               ，这是概念视图    




    




    




   ，不是物理视图                  。具体实现会因为 source 或 sink 的不同而有所不同



     



     



     

。

物理视图

Producer/Consumer API

当 event source 为普通应用程序时

















，可以在程序中引入 Producer API 和 Consumer API 来完成与 broker 的交互















。这些 API 涵盖了大部分主流语言               ，例如 Java   
     
     
     、Scala



   




   




   



、Go 



 



 



、Python                  、C/C++     



     



     



   ，除此之外
















，我们也可以直接使用 REST API 调用    
    
    
  。

Connector

但是
    
    
    
，并不是所有 source 或 sink 都能使用 API 的方式     


     


     


  ，例如 




 




 




 
，实时捕获数据库的更改




    




    




    


、文件的更改

   

   

   

，从 RabbitMQ 导入导出消息     

     

     

 ，等等 


     


     


     
。

这个时候就需要使用 connector 来完成集成

 




 




 




。通常情况下  




  




  




  ，connector 并不需要我们自己开发


  


  


  


，kafka 社区为我们提供了大量的 connector 来满足我们的使用需求   

   

   

 。

topic&partition

接下来我们再来补充下 broker 的一些细节  

     

     

     。//zzs001

通常情况下     
     
     
，我们的 broker 会接收到很多不同类型的 event    




   




   




   ，broker 需要区分它们



 



 



 


，以便正确地路由


  




  




  




。topic 就发挥了作用               ，它有点类似文件系统的目录    




    




    




   ，而 event 就类似于目录里的文件

















，sink 想要什么 event               ，只要找到对应的 topic 就行了  


  


  


。

同一 topic 可以有零个或多个 producer 和 consumer     



     



     



   ，不同于传统 MQ
















，kafka 的 event 消费后并不删除
    
    
    
，为什么这么做呢？这个我们后续的博客会说的   
     
     
     。

除此之外     


     


     


  ，一个 topic 会划分成一个或多个 partition 




 




 




 
，这些 partition 一般分布在不同的 broker 实例



   




   




   



。producer 发布的 event 会根据某种策略分配到不同的 partition

   

   

   

，这样做的好处是     

     

     

 ，consumer 可以同时从多台 broker 读取 event  




  




  




  ，从而大大提高吞吐量 



 



 



。另外


  


  


  


，为了高可用     
     
     
，同一个 partition 还会有多个副本   




   




   




   ，它们分布在不同的 broker 实例                  。

需要注意一下



 



 



 


，当同一 topic 的 event 被分发到多个 partition 时               ，写入和读取的顺序就不能保证了    




    




    




   ，对于需要严格控制顺序的 topic

















，partition 需要设置为 1




    




    




    


。

Streams

kafka 那么受欢迎               ，还有一个很重要的原因     



     



     



   ，就是它提供了流式处理类库
















，支持对存储于Kafka内的数据进行流式处理和分析














。这部分内容
    
    
    
，我也是刚入门而已     


     


     


  ，后续博客再好好研究                  。

如何使用kafka

环境说明

kafka：3.2.1

os：CentOS Linux release 8.3.2011

JDK：1.8.0_291

注意 




 




 




 
，kafka 3.2.1 要求本地环境安装 Java 8 及以上版本

下载安装

从 下载页面下载安装包



     



     



     

。

解压安装包















。

tar -xzf kafka_2.13-3.2.1.tgz

启动broker

进入到解压目录

   

   

   

，我们看看 kafka 的目录结构    
    
    
  。

cd kafka_2.13-3.2.1 ls -al

接下来     

     

     

 ，我们启动 broker 的部分  




  




  




  ，需要按照顺序依次启动 zookeeper 和 kafka server 


     


     


     
。

先启动 zookeeper（后续版本可能不再需要 zookeeper）

 




 




 




。

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

打开另一个会话


  


  


  


，再启动 kafka server   

   

   

 。

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

现在     
     
     
，单机版 broker 已经就绪   




   




   




   ，我们可以开始使用了  

     

     

     。

创建topic

producer 发布的 event 会持久化在对应的 topic 中



 



 



 


，才能路由给正确的 consumer


  




  




  




。所以               ，在读写 event 之前    




    




    




   ，我们需要先创建 topic  


  


  


。

打开另一个会话

















，执行以下命令   
     
     
     。

# 创建topic zzs001 bin/kafka-topics.sh --create --topic quickstart-events --bootstrap-server localhost:9092 # 查询topic bin/kafka-topics.sh --describe --topic quickstart-events --bootstrap-server localhost:9092

简单的读写event

接下来我们用 kafka 自带的 console-consumer 和 console-producer 读写 event



   




   




   



。

使用 console-producer 写 event 时               ，我们每输入一行并回车     



     



     



   ，就会向 topic 写入一个 event 



 



 



。

bin/kafka-console-producer.sh --topic quickstart-events --bootstrap-server localhost:9092

写完之后我们可以按 Ctrl + C 退出                  。

接着
















，我们使用 console-consumer 读 event




    




    




    


。可以看到
    
    
    
，刚写的 event 被读到了














。

bin/kafka-console-consumer.sh --topic quickstart-events --from-beginning --bootstrap-server localhost:9092

读完我们按 Ctrl + C 退出                  。

我们可以在两个会话中保持 producer 和 consumer 不退出     


     


     


  ，当我们在 producer 写入 event 时 




 




 




 
， consumer 将实时读取到



     



     



     

。

前面提到过

   

   

   

，topic 的 event 会被持久化下来     

     

     

 ，而且被消费过的 event 并不会删除















。这一点很容易验证  




  




  




  ，我们可以再开一个 consumer 来读取


  


  


  


，它还是能读到被别人读过的 event    
    
    
  。

使用connect导入导出

前面提到过     
     
     
，有的 source 或 sink 需要依赖 connector 来读写 event   




   




   




   ，接下来我们以文件为例



 



 



 


，演示如何从已有文件中将 event 导入 topic               ，并从 topic 中导出到另一个文件中 


     


     


     
。

首先我们需要一个可以导入导出文件的 connector    




    




    




   ，默认情况下

















，在 kafka 的 libs 目录就有这样一个 jar 包--connect-file-3.2.1.jar

 




 




 




。我们需要在 connect 的配置中引入这个包   

   

   

 。

vi config/connect-standalone.properties

按 i 进入编辑               ，添加或修改plugin.path=libs/connect-file-3.2.1.jar  

     

     

     。

按 ESC 后输入 :wq 保存并退出


  




  




  




。除此之外     



     



     



   ，这个文件还可以用来配置需要连接哪个 broker
















，以及 event 的序列化方式等  


  


  


。

然后
    
    
    
，我们创建一个 test.txt 作为 event source     


     


     


  ，并写入 event   
     
     
     。

echo -e "foo\nbar" > test.txt

现在我们先启动 event source 的 connector 




 




 




 
，将 test.txt 的 event 写入名为 connect-test 的 topic



   




   




   



。config/connect-file-source.properties 已经配置好了connector 名称














、event source 的文件                  、topic

   

   

   

，等等 



 



 



。

bin/connect-standalone.sh config/connect-standalone.properties config/connect-file-source.properties

执行片刻后我们可以按 Ctrl + C 退出                  。

这时     

     

     

 ，我们可以先通过 consumer-console 查看 topic 上是否有这些 event




    




    




    


。可以看到  




  




  




  ，event 已经成功导入


  


  


  


，至于格式为什么是这样的     
     
     
，这个以后再说明














。

bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic connect-test --from-beginning

现在我们启动 event sink 的 connector   




   




   




   ，将 topic 的 event 导入到 test.sink.txt                  。connect-file-sink.properties 已经配置好了connector 名称



     



     



     

、event source 的文件















、topic



 



 



 


，等等 



     



     



     

。

bin/connect-standalone.sh config/connect-standalone.properties config/connect-file-sink.properties

执行片刻后我们可以按 Ctrl + C 退出















。

这时查看 test.sink.txt               ，可以看到 event 成功导出    
    
    
  。

和前面一样    




    




    




   ，这里我们也可以保持 event source 和 event sink 的 connector 不退出

















，测试实时生产和消费 event 


     


     


     
。

使用streams处理

这部分内容后续再补充

 




 




 




。

停止

走到这一步               ，我们已经完成了 kafka 的入门学习   

   

   

 。

接下来     



     



     



   ，我们可以通过以下步骤关闭 kafka  

     

     

     。

如果 producer 或 consumer 还在运行
















，Ctrl + C 退出；

Ctrl + C 退出 kafka server；

Ctrl + C 退出 zookeeper；

如果想清除 kafka 的数据
    
    
    
，包括我们创建的 topic 和 event    
    
    
  、日志等     


     


     


  ，执行以下命令：

rm -rf /tmp/kafka-logs /tmp/zookeeper /tmp/connect.offsets

结语

以上内容是最近学习 kafka 的一些思考和总结（主要参考官方文档） 




 




 




 
，如有错误

   

   

   

，欢迎指正


  




  




  




。

任何的事物     

     

     

 ，都可以被更简单 


     


     


     
、更连贯

 




 




 




、更系统地了解  


  


  


。希望我的文章能够帮到你   
     
     
     。

最后  




  




  




  ，感谢阅读



   




   




   



。

参考资料

Apache Kafka 官方文档

相关源码请移步：https://github.com/ZhangZiSheng001/kafka-demo

本文为原创文章


  


  


  


，转载请附上原文出处链接：https://www.cnblogs.com/ZhangZiSheng001/p/16641755.html