kafka的一些简单操作_kafka创建topic命令

kafka搭建集群，我这里就不写了

https://www.cnblogs.com/wangxiaoheng/articles/10000791.html

 

我的环境是搭建了3台kafka的集群：

下面是kafka的一些命令操作：

一、使用./kafka-topics.sh命令

1、使用下面的命令可以查看,有那些命令

./kafka-topics.sh --list --zookeeper localhost:2181

2、创建topic

./kafka-topics.sh --create --zookeeper localhost:2181 --topic topic1 --partitions 3 --replication-factor 2

这个是创建主题是：topic1，分区：3个；副本数是：2个

2.1、执行：./kafka-topics.sh --create --zookeeper localhost:2181 --topic topic2 --partitions 4 --replication-factor 2

这个是创建分区为4个，能创建成功

2.2、执行：./kafka-topics.sh --create --zookeeper localhost:2181 --topic topic2 --partitions 2 --replication-factor 4

创建4个副本失败，这是因为我的集群机器总共就只有3个

3、查看topic的详情

./kafka-topics.sh --describe --topic topic1 --zookeeper localhost:2181

4、删除topic

./kafka-topics.sh --delete --zookeeper localhost:2181 --topic -kafkafrist

下面那句话提示我们，删除topic:-kafkafrist的时候，如果没有delete.topic.enable=true的时候，是没有真正的删除

 

二、使用./kafka-console-producer.sh 命令

1、生产，这样就可以

./kafka-console-producer.sh --topic topic1 --broker-list localhost:9092

加上--from-begining可以从头开始消费 ，

2、消费

./kafka-console-consumer.sh --topic topic1 --bootstrap-server localhost:9093

 会创建消费者的分区，默认是50个分区，均匀的分布在集群节点上

加上--from-begining可以从头开始消费 ，但是这个消息只会存储168个小时，是在kafka的配置文件里面设置的，把消费者的消费消息存储在kafka服务器上。

消费方式有两种：

0.9版本及之后offset存储本地，0.9版本之前offset存储在ZK 

 ./kafka-console-consumer.sh --topic topic1 --zookeeper localhost:2181(这种方式可能在以后不支持了)

 

下面除了zookeeper都是kafka的数据：

 

三、kafka文件存储

3.1、存储

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消息低下，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，topic1的分区，则其对应的文件夹为topic1-0,topic1-1。

index和log文件以当前segment的第一条消息的offset命名，下图为index文件和log。（我们都是通过二分查找的方式找到索引的所对应的地址，和文件大小，能过很快的获取到消息）

“index”文件存储大量的索引消息，“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的message的偏移量地址。

 

3.2、分区策略

分区的原因：

• 1、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又可以又多个partition组成，因此整个集群就可以适应任意大小的数据了；
• 2、可以提高并发，因为可以以partition为单位读写。

分区的原则：

我们需要将producer发送的数据封装成一个producerRecord对象。

• 1、指明partition的情况下，直接将指明的值直接作为partition值；
• 2、没有指明partition值但又key的情况下，将key的hash值与topic的partition数进行取余得到partition值；
• 3、即没有partition值又没有key值的情况下，第一次条用时随机生成一个整数（后面每次调用在这个整数上自增），将这个值与topic可用的partition总数取余得到partition值，也就是常说的round-robin算法（轮询）。

key官方解释:

A key/value pair to be received from Kafka. This consists of a topic name and a partition number, from which the
 record is being received and an offset that points to the record in a Kafka partition.
我的理解
kafka0.9客户端都以record为一条消息，进行发送，record包含一个键值对，分区和topic名。key像map中的key，只是一条record的一个传递属性，可有可无，你可以灵活的使用它，也可不使用。

3.3、数据可靠性保证，怎么保证？

为保证producer发送的数据，能可靠的发送到指定的topic，topic的每个partition收到producer发送的数据后，都需要向producer发送ack（acknowledgement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。

 

3.3.1、副本数据同步策略：

Kafka选择了第二种方案，原因如下：

• 1、同样为了容忍n台节点的故障，第一种方案需要2n+1个副本，而第二种只需要n+1个副本，而kafka的每个分区都有大量的数据，第一种方案会造成大量数据的冗余。
• 2、虽然第二种方案的网络延迟会比较高，但网络延迟对kafka的影响较小。

3.3.2、ISR机制

采用第二种方案之后，设想一下场景：leader收到数据，所有follower都开始同步数据，担忧一个follower，因为某种故障，迟迟不能与leader进行同步，那leader就要一直等下去，直到它完成同步，才能发送ack。这个问题怎么解决呢？

leader维护了一个动态的in-sync replica set(ISR)，意味和leader保持同步的follower集合。当ISR中的follower完成数据的同步之后，leader就会给follower发送ack。如果follower长时间未向leader同步数据，则该follower将被踢出ISR，该时间阀值由replica.lag.time.max.ms参数设定。leader发生故障之后，就会从ISR中选举新的leader。

3.3.3、ack应答机制

对应某些不太重要的数据，对数据的可靠性要求不是提高，能够容忍数据的少量丢失，所以没必要等ISR中的follower全部接受成功。

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，选择以下的配置。

acks参数配置：

acks：

• 0：producer不等待broker的ack，这一操作提供了一个最低的延迟，broker一个接收到还没有写入磁盘就已经返回，当broker故障时可能丢失数据；
• 1：producer等待broker的ack，partition的leader落盘成功后返回ack，如果在follower同步成功之前leader故障，那么将会丢失数据；
• 
• -1(all):producer等待broker的ack，partition的leader和follower（这个是ISR的follower）全部落盘成功后才返回ack。但是如果在follower同步完成后，broker发送ack之前，leader发送故障，那么会造成数据重复。
• 

 

3.3.4、数据一致性问题

• LEO（Log End Offset）：指的是每个副本最大的offset
• HW（High Watermark）：指的是消费者能见到的最大的offset，ISR队列中最小的LEO。（保证消费者的数据一致性问题）

1、follower故障

follower发生故障后会被临时踢出ISR，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。等到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。

2、leader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。

⚠️注意：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。

---

Exactly Once语义

将服务器的ack级别设置为-1，可以保证producer到server之间不会丢失数据，即at least once语义。相对的，将服务器ack级别设置为0，可以保证生产者每条消息只会被发送一次，即at most once语义。

at least once可以保证数据不丢失，但是不能保证数据不重复；相对的atleast once可以保证数据不重复，但是不能保证数据的不丢失。但是，对于一些非常重要的信息，比如说交易数据，下游数据消费者要求数据即不重复也不丢失，即exactly语义。在0.11版本之前的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。对于多个下游应用的情况，每个都需要单独做全局去重，这就对性能造成了很大的影响。

0.11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。幂等性结合At Least Once 语义，就构成了Kafka的Exactly Once 语义。即：

At Least Once + 幂等性=exactly Once

要开启幂等性，只需要将producer的参数enable.idompotence设置为true即可。kafka的幂等性实现其实就是将原来下游需要的去重放在了数据上游。开启幂等性的producer在初始化的时候会被分配一个PID，发往同一个partition的消息会附带sequence Number。而Broker端会对<PID,partition ,SeqNumber>做缓存，当具有相同主键的消息提交时，Broker只会持久化一条。

但是PID重启就会变化，同时不同的partition也具有不同主键，所以幂等性无法保证跨分区回话的Exactly Once。

---