公司后台网站怎么做,郑州建设网站费用,如何自己开发小程序,家庭装修效果图大全2021图片目录
Kafka 概述
为什么需要消息队列#xff08;MQ#xff09;
使用消息队列的好处
消息队列的两种模式
Kafka 定义
Kafka 简介
Kafka 的特性
Kafka 系统架构
Partation 数据路由规则#xff1a;
分区的原因
部署 kafka 集群
1.下载安装包
2.安装 Kafka
修改配…目录
Kafka 概述
为什么需要消息队列MQ
使用消息队列的好处
消息队列的两种模式
Kafka 定义
Kafka 简介
Kafka 的特性
Kafka 系统架构
Partation 数据路由规则
分区的原因
部署 kafka 集群
1.下载安装包
2.安装 Kafka
修改配置文件
修改环境变量
配置 Zookeeper 启动脚本
设置开机自启
分别启动 Kafka
3.Kafka 命令行操作
创建topicls
查看当前服务器中的所有 topic
编辑
查看某个 topic 的详情
发布消息 消费消息
编辑
修改分区数
删除 topic
Kafka 架构深入
Kafka 工作流程及文件存储机制
数据可靠性保证
数据一致性问题
ack 应答机制
FilebeatKafkaELK
1.部署 ZookeeperKafka 集群
2.部署 Filebeat
3.部署 ELK在 Logstash 组件所在节点上新建一个 Logstash 配置文件 Kafka 概述
为什么需要消息队列MQ
主要原因是由于在高并发环境下同步请求来不及处理请求往往会发生阻塞。比如大量的请求并发访问数据库导致行锁表锁最后请求线程会堆积过多从而触发 too many connection 错误引发雪崩效应。 我们使用消息队列通过异步处理请求从而缓解系统的压力。消息队列常应用于异步处理流量削峰应用解耦消息通讯等场景。
当前比较常见的 MQ 中间件有 ActiveMQ、RabbitMQ、RocketMQ、Kafka 等。
使用消息队列的好处
1解耦 允许你独立的扩展或修改两边的处理过程只要确保它们遵守同样的接口约束。
2可恢复性 系统的一部分组件失效时不会影响到整个系统。消息队列降低了进程间的耦合度所以即使一个处理消息的进程挂掉加入队列中的消息仍然可以在系统恢复后被处理。
3缓冲 有助于控制和优化数据流经过系统的速度解决生产消息和消费消息的处理速度不一致的情况。
4灵活性 峰值处理能力 在访问量剧增的情况下应用仍然需要继续发挥作用但是这样的突发流量并不常见。如果为以能处理这类峰值访问为标准来投入资源随时待命无疑是巨大的浪费。使用消息队列能够使关键组件顶住突发的访问压力而不会因为突发的超负荷的请求而完全崩溃。
5异步通信 很多时候用户不想也不需要立即处理消息。消息队列提供了异步处理机制允许用户把一个消息放入队列但并不立即处理它。想向队列中放入多少消息就放多少然后在需要的时候再去处理它们。
消息队列的两种模式
1点对点模式一对一消费者主动拉取数据消息收到后消息清除 消息生产者生产消息发送到消息队列中然后消息消费者从消息队列中取出并且消费消息。消息被消费以后消息队列中不再有存储所以消息消费者不可能消费到已经被消费的消息。消息队列支持存在多个消费者但是对一个消息而言只会有一个消费者可以消费。
2发布/订阅模式一对多又叫观察者模式消费者消费数据之后不会清除消息 消息生产者发布将消息发布到 topic 中同时有多个消息消费者订阅消费该消息。和点对点方式不同发布到 topic 的消息会被所有订阅者消费。 发布/订阅模式是定义对象间一种一对多的依赖关系使得每当一个对象目标对象的状态发生改变则所有依赖于它的对象观察者对象都会得到通知并自动更新。
Kafka 定义
Kafka 是一个分布式的基于发布/订阅模式的消息队列MQMessage Queue主要应用于大数据领域的实时计算以及日志收集。
Kafka 简介
Kafka 是最初由 Linkedin 公司开发是一个分布式、支持分区的partition、多副本的replica基于 Zookeeper 协调的分布式消息中间件系统它的最大的特性就是可以实时的处理大量数据以满足各种需求场景比如基于 hadoop 的批处理系统、低延迟的实时系统、Spark/Flink 流式处理引擎nginx 访问日志消息服务等等用 scala 语言编写 Linkedin 于 2010 年贡献给了 Apache 基金会并成为顶级开源项目。
Kafka 的特性
●高吞吐量、低延迟 Kafka 每秒可以处理几十万条消息它的延迟最低只有几毫秒。每个 topic 可以分多个 PartitionConsumer Group 对 Partition 进行消费操作提高负载均衡能力和消费能力。
●可扩展性 kafka 集群支持热扩展
●持久性、可靠性 消息被持久化到本地磁盘并且支持数据备份防止数据丢失
●容错性 允许集群中节点失败多副本情况下若副本数量为 n则允许 n-1 个节点失败
●高并发 支持数千个客户端同时读写
Kafka 系统架构
1Broker 一台 kafka 服务器就是一个 broker。一个集群由多个 broker 组成。一个 broker 可以容纳多个 topic。
2Topic 可以理解为一个队列生产者和消费者面向的都是一个 topic。 类似于数据库的表名或者 ES 的 index 物理上不同 topic 的消息分开存储
3Partition 为了实现扩展性一个非常大的 topic 可以分布到多个 broker即服务器上一个 topic 可以分割为一个或多个 partition每个 partition 是一个有序的队列。Kafka 只保证 partition 内的记录是有序的而不保证 topic 中不同 partition 的顺序。
每个 topic 至少有一个 partition当生产者产生数据的时候会根据分配策略选择分区然后将消息追加到指定的分区的队列末尾。
Partation 数据路由规则
1指定了 patition则直接使用 2未指定 patition 但指定 key相当于消息中某个属性通过对 key 的 value 进行 hash 取模选出一个 patition 3patition 和 key 都未指定使用轮询选出一个 patition。
每条消息都会有一个自增的编号用于标识消息的偏移量标识顺序从 0 开始。
每个 partition 中的数据使用多个 segment 文件存储。
如果 topic 有多个 partition消费数据时就不能保证数据的顺序。严格保证消息的消费顺序的场景下例如商品秒杀、 抢红包需要将 partition 数目设为 1。
●broker 存储 topic 的数据。如果某 topic 有 N 个 partition集群有 N 个 broker那么每个 broker 存储该 topic 的一个 partition。 ●如果某 topic 有 N 个 partition集群有 (NM) 个 broker那么其中有 N 个 broker 存储 topic 的一个 partition 剩下的 M 个 broker 不存储该 topic 的 partition 数据。 ●如果某 topic 有 N 个 partition集群中 broker 数目少于 N 个那么一个 broker 存储该 topic 的一个或多个 partition。在实际生产环境中尽量避免这种情况的发生这种情况容易导致 Kafka 集群数据不均衡。
分区的原因
●方便在集群中扩展每个Partition可以通过调整以适应它所在的机器而一个topic又可以有多个Partition组成因此整个集群就可以适应任意大小的数据了 ●可以提高并发因为可以以Partition为单位读写了。
4Replica 副本为保证集群中的某个节点发生故障时该节点上的 partition 数据不丢失且 kafka 仍然能够继续工作kafka 提供了副本机制一个 topic 的每个分区都有若干个副本一个 leader 和若干个 follower。
5Leader 每个 partition 有多个副本其中有且仅有一个作为 LeaderLeader 是当前负责数据的读写的 partition。
6Follower Follower 跟随 Leader所有写请求都通过 Leader 路由数据变更会广播给所有 FollowerFollower 与 Leader 保持数据同步。Follower 只负责备份不负责数据的读写。 如果 Leader 故障则从 Follower 中选举出一个新的 Leader。 当 Follower 挂掉、卡住或者同步太慢Leader 会把这个 Follower 从 ISRLeader 维护的一个和 Leader 保持同步的 Follower 集合 列表中删除重新创建一个 Follower。
7Producer 生产者即数据的发布者该角色将消息 push 发布到 Kafka 的 topic 中。 broker 接收到生产者发送的消息后broker 将该消息追加到当前用于追加数据的 segment 文件中。 生产者发送的消息存储到一个 partition 中生产者也可以指定数据存储的 partition。
8Consumer 消费者可以从 broker 中 pull 拉取数据。消费者可以消费多个 topic 中的数据。
9Consumer GroupCG 消费者组由多个 consumer 组成。 所有的消费者都属于某个消费者组即消费者组是逻辑上的一个订阅者。可为每个消费者指定组名若不指定组名则属于默认的组。 将多个消费者集中到一起去处理某一个 Topic 的数据可以更快的提高数据的消费能力。 消费者组内每个消费者负责消费不同分区的数据一个分区只能由一个组内消费者消费防止数据被重复读取。 消费者组之间互不影响。
10offset 偏移量 可以唯一的标识一条消息。 偏移量决定读取数据的位置不会有线程安全的问题消费者通过偏移量来决定下次读取的消息即消费位置。 消息被消费之后并不被马上删除这样多个业务就可以重复使用 Kafka 的消息。 某一个业务也可以通过修改偏移量达到重新读取消息的目的偏移量由用户控制。 消息最终还是会被删除的默认生命周期为 1 周7*24小时。
11Zookeeper Kafka 通过 Zookeeper 来存储集群的 meta 信息。
由于 consumer 在消费过程中可能会出现断电宕机等故障consumer 恢复后需要从故障前的位置的继续消费所以 consumer 需要实时记录自己消费到了哪个 offset以便故障恢复后继续消费。 Kafka 0.9 版本之前consumer 默认将 offset 保存在 Zookeeper 中从 0.9 版本开始consumer 默认将 offset 保存在 Kafka 一个内置的 topic 中该 topic 为 __consumer_offsets。
也就是说zookeeper的作用就是生产者push数据到kafka集群就必须要找到kafka集群的节点在哪里这些都是通过zookeeper去寻找的。消费者消费哪一条数据也需要zookeeper的支持从zookeeper获得offsetoffset记录上一次消费的数据消费到哪里这样就可以接着下一条数据进行消费。
部署 kafka 集群
1.下载安装包
官方下载地址htt长度p://kafka.apache.org/downloads.html
cd /opt
wget https://mirrors.tuna.tsinghua.edu.cn/apache/kafka/2.7.1/kafka_2.13-2.7.1.tgz
2.安装 Kafka
cd /opt/
tar zxvf kafka_2.13-2.7.1.tgz
mv kafka_2.13-2.7.1 /usr/local/kafka
修改配置文件
cd /usr/local/kafka/config/
cp server.properties{,.bak}
vim server.propertiesbroker.id0 ●21行broker的全局唯一编号每个broker不能重复因此要在其他机器上配置 broker.id1、broker.id2
listenersPLAINTEXT://192.168.110.70:9092 ●31行指定监听的IP和端口如果修改每个broker的IP需区分开来也可保持默认配置不用修改
num.network.threads3 #42行broker 处理网络请求的线程数量一般情况下不需要去修改
num.io.threads8 #45行用来处理磁盘IO的线程数量数值应该大于硬盘数
socket.send.buffer.bytes102400 #48行发送套接字的缓冲区大小
socket.receive.buffer.bytes102400 #51行接收套接字的缓冲区大小
socket.request.max.bytes104857600 #54行请求套接字的缓冲区大小
log.dirs/usr/local/kafka/logs #60行kafka运行日志存放的路径也是数据存放的路径
num.partitions1 #65行topic在当前broker上的默认分区个数会被topic创建时的指定参数覆盖
num.recovery.threads.per.data.dir1 #69行用来恢复和清理data下数据的线程数量
log.retention.hours168 #103行segment文件数据文件保留的最长时间单位为小时默认为7天超时将被删除
log.segment.bytes1073741824 #110行一个segment文件最大的大小默认为 1G超出将新建一个新的segment文件
zookeeper.connect192.168.110.70:2181,192.168.110.60:2181,192.168.110.50:2181 ●123行配置连接Zookeeper集群地址
修改环境变量
vim /etc/profile
export KAFKA_HOME/usr/local/kafka
export PATH$PATH:$KAFKA_HOME/bin
source /etc/profile
配置 Zookeeper 启动脚本
vim /etc/init.d/kafka
#!/bin/bash
#chkconfig:2345 22 88
#description:Kafka Service Control Script
KAFKA_HOME/usr/local/kafka
case $1 in
start)echo ---------- Kafka 启动 ------------${KAFKA_HOME}/bin/kafka-server-start.sh -daemon ${KAFKA_HOME}/config/server.properties
;;
stop)echo ---------- Kafka 停止 ------------${KAFKA_HOME}/bin/kafka-server-stop.sh
;;
restart)$0 stop$0 start
;;
status)echo ---------- Kafka 状态 ------------count$(ps -ef | grep kafka | egrep -cv grep|$$)if [ $count -eq 0 ];thenecho kafka is not runningelseecho kafka is runningfi
;;
*)echo Usage: $0 {start|stop|restart|status}
esac
设置开机自启
chmod x /etc/init.d/kafka
chkconfig --add kafka
分别启动 Kafka
service kafka start
3.Kafka 命令行操作
创建topicls
./kafka-topics.sh --create --zookeeper 192.168.110.70:2181,192.168.110.60:2181,192.168.110.50:2181 --replication-factor 2 --partitions 3 --topic yyds --zookeeper定义 zookeeper 集群服务器地址如果有多个 IP 地址使用逗号分割一般使用一个 IP 即可 --replication-factor定义分区副本数1 代表单副本建议为 2 --partitions定义分区数 --topic定义 topic 名称 查看当前服务器中的所有 topic
./kafka-topics.sh --list --zookeeper 192.168.110.70:2181,192.168.110.60:2181,192.168.110.50:2181 查看某个 topic 的详情
./kafka-topics.sh --describe --zookeeper 192.168.110.70:2181,192.168.110.60:2181,192.168.110.50:2181 发布消息
kafka-console-producer.sh --broker-list 192.168.110.70:9092,192.168.110.60:9092,192.168.110.50:9092 --topic yyds 消费消息
kafka-console-consumer.sh --bootstrap-server 192.168.110.70:9092,192.168.110.60:9092,192.168.110.50:9092 --topic yyds --from-beginning --from-beginning会把主题中以往所有的数据都读取出来 修改分区数
./kafka-topics.sh --zookeeper 192.168.110.70:2181,192.168.110.60:2181,192.168.110.50:2181 --alter --topic yyds --partitions 6
删除 topic
kafka-topics.sh --delete --zookeeper 192.168.110.70:2181,192.168.110.60:2181,192.168.110.50:2181 --topic yyds
Kafka 架构深入
Kafka 工作流程及文件存储机制
Kafka 中消息是以 topic 进行分类的生产者生产消息消费者消费消息都是面向 topic 的。
topic 是逻辑上的概念而 partition 是物理上的概念每个 partition 对应于一个 log 文件该 log 文件中存储的就是 producer 生产的数据。Producer 生产的数据会被不断追加到该 log 文件末端且每条数据都有自己的 offset。 消费者组中的每个消费者都会实时记录自己消费到了哪个 offset以便出错恢复时从上次的位置继续消费。
由于生产者生产的消息会不断追加到 log 文件末尾为防止 log 文件过大导致数据定位效率低下Kafka 采取了分片和索引机制将每个 partition 分为多个 segment。每个 segment 对应两个文件“.index” 文件和 “.log” 文件。这些文件位于一个文件夹下该文件夹的命名规则为topic名称分区序号。例如test 这个 topic 有三个分区 则其对应的文件夹为 test-0、test-1、test-2。
index 和 log 文件以当前 segment 的第一条消息的 offset 命名。
“.index” 文件存储大量的索引信息“.log” 文件存储大量的数据索引文件中的元数据指向对应数据文件中 message 的物理偏移地址。 数据可靠性保证
为保证 producer 发送的数据能可靠的发送到指定的 topictopic 的每个 partition 收到 producer 发送的数据后 都需要向 producer 发送 ackacknowledgement 确认收到如果 producer 收到 ack就会进行下一轮的发送否则重新发送数据。
数据一致性问题
LEO指的是每个副本最大的 offset HW指的是消费者能见到的最大的 offset所有副本中最小的 LEO。
1follower 故障 follower 发生故障后会被临时踢出 ISRLeader 维护的一个和 Leader 保持同步的 Follower 集合待该 follower 恢复后follower 会读取本地磁盘记录的上次的 HW并将 log 文件高于 HW 的部分截取掉从 HW 开始向 leader 进行同步。等该 follower 的 LEO 大于等于该 Partition 的 HW即 follower 追上 leader 之后就可以重新加入 ISR 了。
2leader 故障 leader 发生故障之后会从 ISR 中选出一个新的 leader 之后为保证多个副本之间的数据一致性其余的 follower 会先将各自的 log 文件高于 HW 的部分截掉然后从新的 leader 同步数据。
注这只能保证副本之间的数据一致性并不能保证数据不丢失或者不重复。
ack 应答机制
对于某些不太重要的数据对数据的可靠性要求不是很高能够容忍数据的少量丢失所以没必要等 ISR 中的 follower 全部接收成功。所以 Kafka 为用户提供了三种可靠性级别用户根据对可靠性和延迟的要求进行权衡选择。
当 producer 向 leader 发送数据时可以通过 request.required.acks 参数来设置数据可靠性的级别 ●0这意味着producer无需等待来自broker的确认而继续发送下一批消息。这种情况下数据传输效率最高但是数据可靠性确是最低的。当broker故障时有可能丢失数据。
●1默认配置这意味着producer在ISR中的leader已成功收到的数据并得到确认后发送下一条message。如果在follower同步成功之前leader故障那么将会丢失数据。
●-1或者是allproducer需要等待ISR中的所有follower都确认接收到数据后才算一次发送完成可靠性最高。但是如果在 follower 同步完成后broker 发送ack 之前leader 发生故障那么会造成数据重复。
三种机制性能依次递减数据可靠性依次递增。
注在 0.11 版本以前的Kafka对此是无能为力的只能保证数据不丢失再在下游消费者对数据做全局去重。在 0.11 及以后版本的 Kafka引入了一项重大特性幂等性。所谓的幂等性就是指 Producer 不论向 Server 发送多少次重复数据 Server 端都只会持久化一条。
FilebeatKafkaELK
1.部署 ZookeeperKafka 集群
2.部署 Filebeat
cd /usr/local/filebeat
vim filebeat.yml
filebeat.prospectors:
- type: logenabled: truepaths:- /var/log/httpd/access_logtags: [access]- type: logenabled: truepaths:- /var/log/httpd/error_logtags: [error]......
添加输出到 Kafka 的配置
output.kafka:enabled: truehosts: [192.168.110.70:9092,192.168.110.60:9092,192.168.110.50:9092] #指定 Kafka 集群配置topic: httpd #指定 Kafka 的 topic 启动 filebeat
./filebeat -e -c filebeat.yml 3.部署 ELK在 Logstash 组件所在节点上新建一个 Logstash 配置文件
cd /etc/logstash/conf.d/
vim kafka.conf
input {kafka {bootstrap_servers 192.168.110.70:9092,192.168.110.60:9092,192.168.110.50:9092 #kafka集群地址topics httpd #拉取的kafka的指定topictype httpd_kafka #指定 type 字段codec json #解析json格式的日志数据auto_offset_reset latest #拉取最近数据earliest为从头开始拉取decorate_events true #传递给elasticsearch的数据额外增加kafka的属性数据}
}output {if access in [tags] {elasticsearch {hosts [192.168.110.100:9200]index httpd_access-%{YYYY.MM.dd}}}if error in [tags] {elasticsearch {hosts [192.168.110.100:9200]index httpd_error-%{YYYY.MM.dd}}}stdout { codec rubydebug }
}
启动 logstash
logstash -f kafka.conf 4.浏览器访问 http://192.168.110.100:5601 登录 Kibana单击“Create Index Pattern”按钮添加索引“httpd_access-*”还有“httpd_error-*”单击 “create” 按钮创建单击 “Discover” 按钮可查看图表信息及日志信息。
