(一)kafka
1、kafka3.0之前依赖于zookeeper
2、kafka3.0之后不依赖zookeeper,元数据由kafka节点自己管理
(二)zookeeper
1、zookeeper是一个开源的、分布式的架构,提供协调服务(Apache项目)
(1)基于观察者模式涉及的分布式服务管理架构
(2)存储和管理数据,分布式节点上的服务接受观察者的注册,一旦分布式节点上的数据发生变化,由zookeeper负责同时分布式节点上的服务
2、zookeeper分为:领导者和追随者leader、follower组成的集群
(1)只要有一半以上的集群存活,zookeeper集群就可以正常工作,适用于安装奇数台的服务集群
(2)全局数据一致,每一个zookeeper每一个几点都保存相同的数据,维护监控服务的数据一致
(3)数据更新的原子性,要么都成功、要么都失败
(4)实时性,只要有变化,立即同步
3、zookeeper的应用场景(记)
(1)统一命名服务:在分布式的环境下,对所有的应用和服务及女性统一命名
(2)统一配置管理:配置文件同步,kafka的配置文件被修改,可以快速同步到其他节点
(3)统一集群管理(重点):实时掌握所有节点的状态
(4)服务器动态上下线
(5)实现负载均衡,把访问的服务器的数据,发送到访问最少的服务器处理客户端的请求
4、zookeeper的选举机制:领导者和追随者
例:3台服务器:leader一旦确定,后续的服务器都是追随者
(1)A先启动,发起第一次选举,投票给自己,只有1票,不满半数,A的状态是looking
(2)B启动,再发起一次选举,A和B分别投自己一票,交换选票信息,(myid)A发现B的myid比A大,A的这一票转而投给B(A 0;B 2),没有半数以上结果,A、B会进入looking(B有可能成为leader,C也就成为follower)
(3)C启动,C的myid最大,A和B都会把票投给C(A0;B0;C3),C的状态变为leader,A和B变成follower
(4)只有两种情况会重新开启选举
①初始化的情况会产生选举
②服务器之间和leader丢失了连接状态
*若leader已存在,建立间接即可
*若leader不存在:
服务器id的胜出
EPOCH大,直接胜出
EPOCH相同,事务ID大的胜出
*EPOCH是每个leader任期时的代号,没有leader,大家的逻辑地位相同,每投完一次之后,数据是递增
*事务id是标识服务器的每一次变更,每变更一次事务id就变化一次
*服务器id,每一个zookeeper集群中的机器都有一个id,每台机器不重复,和myid保持一致
(三)部署zookeeper
20.0.0.10 | zookeeper+kafka(2核4G) |
20.0.0.20 | zookeeper+kafka(2核4G) |
20.0.0.30 | zookeeper+kafka(2核4G) |
1、部署环境
升级Java:yum install -y java-1.8.0-openjdk java-1.8.0-openjdk-devel
cp zoo_sample.cfg zoo.cfg
2、修改zookeeper的配置文件
server.1=20.0.0.10:3188:3288
1:表示每个zookeeper集群的初始myid
20.0.0.10:服务器的ip地址
3188:领导者和追随者之间交换信息的端口(内部通信的端口)
3288:一旦leader丢失响应,开启选举,3288就是用来执行选举时的服务器之间的通信端口
(1)创建目录
(2)分配myid
(3)编写zookeeper的启动脚本
chmod +x /etc/init.d/zookeeper
添加到系统服务中:chkconfig --add zookeeper
(四)消息队列:kafka
1、为什么要引入消息队列(MQ)
(1)他也是一个中间件,在高并发环境下,同步请求来不及处理,来不及处理的请求会形成堵塞。比方说数据库就会形成行锁或者表锁,请求线程满了,超标了,too much connection,导致整个系统雪崩
2、消息队列的作用:异步处理请求、流量削峰,应用解耦、可恢复性、缓冲、峰值的处理能力、异步通信
(1)耦合:在软件系统当中,修改一个组件需要修改所有其他组件,高度耦合
(2)低度耦合:修改其中一个组件,对其他影响不大,无需修改所有
(3)解耦:只要通信保证,其他的修改不影响整个集群,每一个组件可以独立的扩展,修改,降低组件之间的依赖性,依赖点就是接口约束,通过不同的端口,保证集群通信
(4)可恢复性:系统当中的有一部分组件消失,不影响整个系统,也就是说在消息队列当中,即使有一个处理消息的进程失败,一旦恢复,还可以重新加入到队列当中,继续处理消息
(5)缓冲:可以控制和优化数据经过系统的时间和速度,解决生产消息和消费消息处理速度不一致的问题
(6)峰值的处理能力:消息队列在峰值的情况下,能够顶住突发的访问压力(核心作用),避免专门为了突发情况而对系统进行修改
(7)异步通信:允许用户把一个消息放入队列,但是不立即处理,等用户想处理的时候再处理
3、消息队列的模式
(1)点对点:一对一,消息的生产者发送消息到队列中,消费者从队列中提取消息,消费者取完之后,队列中被提取的消息将会被移除,后续的消费者不能再继续消费队列当中的消息,消息队列可以有多个消费者,但是一个消息只能由一个消费者提取(RABBITMQ)
(2)发布/订阅模式:一对多(观察者模式),消费者提取数据之后,队列中的消息不会被清除。生产者发布一个消息到主题,所有消费者都是通过主题获取消息
组件:
①主题:topic,topic类似一个数据流的管道,生产者把消息发布到主题,消费者从主题中订阅数据(获取数据),主题可以分区,每个分区都有自己的偏移量
②分区:partition。每个主题都可以分成多个分区,每个分区是数据的有序子集,分区可以允许kafka进行水平扩展,以处理大量数据。消息在分区按照偏移量存储,消费者可以独立读取每个分区的数据(存储生产者发布的数据)
③偏移量:是每个消息在分区中唯一的标识,消费者可以通过偏移量来跟踪获取已读或者未读消息的位置,也可以提交偏移量来记录已处理的信息
④生产者:producer,生产者把数据发送给kafka的主题当中,负责写入消息
⑤消费者:consumer,从主题当中读取数据,消费者可以是一个也可以是多个,每个消费者有一个唯一的消费者组id,kafka通过消费者实现负载均衡和容错性
⑤经纪人:broker,每个kafka节点都有一个broker,每一个负责一台kafka服务器,id唯一,处理存储主题分区当中的数据,处理生产和消费者的请求,维护元数据(zookeeper)
⑥zookeeper:zookeeper负责保存元数据,元数据就是topic的相关信息(发布在哪台主机上,指定了多少分区,以及副本数,偏移量)。
zookeeper默认自建的主题:_consumer_offsets。
*3.0之后不依赖zookeeper的核心:元数据由kafka节点自己管理
(五)kafka的工作流程
1、至少一次语义:只要消费者进入,确保消息至少被消费一次
(六)zookeeper+kafka(2.7.0)——配置kafka(2.7.0)
2181:zookeeper对外服务的端口
9092:kafka的默认端口
1、安装kafka
2、声明环境变量
export KAFKA_HOME=/opt/kafka
export PATH=$PATH:$KAFKA_HOME/bin
3、修改配置文件
4、设置kafka的启动脚本
chmod +x /etc/init.d/kafka
chkconfig --add kafka
service kafka start
5、设置主机映射(否则识别不到)
6、创建主题(在kafka的bin目录下执行命令)
kafka-topics.sh --create --zookeeper 20.0.0.10:2181,20.0.0.20:2181,20.0.0.30:2181 --replication-factor 2 --partitions 3 --topic hyde1
创建主题:创建主题:创建主题,必须创建分区,指定副本
(1)在kafka的bin目录下,是所有kafka可执行命名文件
(2)--zookeeper:指定的是zookeeper的地址和端口,保存kafka的元数据
(3)--replication-factor 2:指定分区的副本数(实现冗余)
(4)partition 3 :指定主题的分区数
(5)--topic test1 指定主题的名称。
查看主题的详细信息:
kafka-topics.sh --describe --zookeeper 20.0.0.10:2181,20.0.0.20:2181,20.0.0.30:2181
kafka-topics.sh --describe --zookeeper 20.0.0.10:2181,20.0.0.20:2181,20.0.0.30:2181 --topic hyde1
7、发布消息和消费消息
(1)发布消息
kafka-console-producer.sh --broker-list 20.0.0.10:9092,20.0.0.20:9092,20.0.0.30:9092 --topic hyde1
(2)消费消息
①全部获取:
kafka-console-consumer.sh --bootstrap-server 20.0.0.10:9092,20.0.0.20:9092,20.0.0.30:9092 --topic hyde1 --from-beginning
②实时获取:
kafka-console-consumer.sh --bootstrap-server 20.0.0.10:9092,20.0.0.20:9092,20.0.0.30:9092 --topic hyde1
8、不同主机订阅不同主题
(1)指定创建主题
kafka-topics.sh --create --zookeeper 20.0.0.20:2181 --replication-factor 1 --partitions 1 --topic hyde2
(2)发布消息
kafka-console-producer.sh --broker-list 20.0.0.20:9092 --topic hyde2
(3)消费消息
kafka-console-consumer.sh --bootstrap-server 20.0.0.20:9092 --topic hyde3 --from-beginning
9、修改分区数
kafka-topics.sh --zookeeper 20.0.0.20:2181 --alter --topic hyde2 --partitions 3
kafka-topics.sh --describe --zookeeper 20.0.0.20:2181 --topic hyde2
10、删除主题:(只是打上“删除”的标记,并不是真正的删除,还保存在元数据中)
kafka-topics.sh --delete --zookeeper 20.0.0.20:2181 --topic hyde2
11、查看内部保存的元数据信息
总结:
1、zookeeper:主要是分布式、观察者模式,统一各个服务器节点的数据
在kafka当中,zookeeper主要是收集、保存kafka的元数据
2、kafka消息队列,订阅发布模式(速度快,处理大数据)
RABDIT MQ(轻量级):实现rabbit MQ消息队列
3、kafka的组件
(1)主题
(2)分区(存储消息的位置)
(3)偏移量
(七)配置kafka(3.4.1)(还是依赖于zookeeper)
1、部署zookeeper组件
2、安装kafka(3.4.1)
3、修改配置文件