KAFKA学习

kafka（分布式流媒体平台）：作为一个集群运行在一个或多个数据中心服务器上，集群以topic（主题）的类别存储记录流，每条记录包含一个键，一个值和一个时间戳，kafka客户端与服务器之间的通信是通过简单，高性能，语言无关的TCP协议完成的

流媒体平台的三个关键功能：1.发布和订阅记录流

                                            2.以容错的持久方式存储记录流

                                            3. 记录发生时处理流

kafka四个核心API：

                        producer Api：允许应用程序发布记录流到一个或多个kafka topic上

                        consumer Api：允许应用程序订阅一个或多个topic，并处理他们说产生的数据流

                        streams Api：允许应用程序充当流处理器，从一个或多个topic消耗输入流，并产生一个输出流到一个或多个topic上，有效变换输入流以输出流

                        connector Api：允许构建和运行topic连接到现有的应用程序或数据系统中重用生产者或消费者

broker：

     已发布的消息保存在一组服务器中，称之为Kafka集群。集群中的每一个服务器都是一个代理（Broker）。 消费者可以订阅一个或多个主题（topic），并从Broker拉数据，从而消费这些已发布的消息

topic：

    一个topic可以认为是一类消息，每个topic可被分为多个分区（partition），每个分区在存储面是一个append log文件。kafka主题总是多用户：一个主题可以有零个一个或多个消费者订阅它

NewTopic newTopic = new NewTopic( "topic名称",分区数,副本数);

   每一个分区都是一个顺序的、不可变的消息队列， 并且可以持续的添加。分区中的消息都被分了一个序列号，称之为偏移量(offset)，在每个分区中此偏移量都是唯一的，对于每个topic，Kafka集群都会维护一个分区log

    Kafka集群保持所有的消息，直到它们过期（无论消息是否被消费）。实际上消费者所持有的仅有的元数据就是这个offset（偏移量），也就是说offset由消费者来控制：正常情况当消费者消费消息的时候，偏移量也线性的的增加。但是实际偏移量由消费者控制，消费者可以将偏移量重置为更早的位置，重新读取消息。可以看到这种设计对消费者来说操作自如，一个消费者的操作不会影响其它消费者对此log的处理

map.put("cleanup.policy","delete");//清除策略
map.put("retention.ms",Long.toString(topicEntity.getAgingTime()*24*60*60*1000));//设置时间
newTopic.configs(map);

     我们也可通过对consumer的配置来设置他的消费策略

properties.setProperty("auto.offset.reset","earliest");

    一个topic的多个partition，被分配在kafka集群中的多个server（kafka实例）上，每个server负责partition的消息的读写，还可通过配置partition需要备份的个数（副本replica），将partition被分到多台机器上，提高可用性

    kafka中采用分区的设计目的：一是可以处理更多的消息，不受单台服务器的限制。Topic拥有多个分区意味着它可以不受限的处理更多的数据。第二，分区可以作为并行处理的单元

分布式：

    Log的分区被分布到集群中的多个服务器上。每个服务器处理它分到的分区。 根据配置每个分区还可以复制到其它服务器作为备份容错。 每个分区有一个leader，零或多个follower。Leader处理此分区的所有的读写请求，而follower被动的复制数据。如果leader宕机，其它的一个follower会被推举为新的leader。 一台服务器可能同时是一个分区的leader，另一个分区的follower。 这样可以平衡负载，避免所有的请求都只让一台或者某几台服务器处理

生产者：

    生产者往某个Topic上发布消息。生产者也负责选择发布到Topic上的哪一个分区。最简单的方式从分区列表中轮流选择。也可以根据某种算法依照权重选择分区

消费者：

    通常来讲，消息模型可以分为两种， 队列和发布-订阅式。 队列的处理方式是 一组消费者从服务器读取消息，一条消息只有其中的一个消费者来处理。在发布-订阅模型中，消息被广播给所有的消费者，接收到消息的消费者都可以处理此消息。Kafka为这两种模型提供了单一的消费者抽象模型： 消费者组 （consumer group）。 消费者用一个消费者组名标记自己。 一个发布在Topic上消息被分发给此消费者组中的一个消费者。 假如所有的消费者都在一个组中，那么这就变成了queue模型。 假如所有的消费者都在不同的组中，那么就完全变成了发布-订阅模型。 更通用的， 我们可以创建一些消费者组作为逻辑上的订阅者。每个组包含数目不等的消费者， 一个组内多个消费者可以用来扩展性能和容错

2个kafka集群托管4个分区（P0-P3），2个消费者组，消费组A有2个消费者实例，消费组B有4个

java引入kafka：

    <dependency>

     <groupId>org.apache.kafka</groupId>

     <artifactId>kafka-clients</artifactId>

     <version>3.1.0</version>

    </dependency>

    

kafka数据生产过程：

producer.send(new ProducerRecord<>(topicName,partitions,key,value));

    对于生产者要写入的一条记录，可以指定四个参数，topic，partition，key，value，其中topic和value是必要的，key和partition可选的

    对于一条记录，先对其进行序列化，然后按照topic和partition放进对应的发送队列中。如果partition没填，那么：a，key有填写，按照key进行hash，相同的hash key去同一个partition；b，key没填，Round-Robin（负载均衡算法）来选择partition

    

    producer将会和topic下所有partition leader保持socket连接，消息由producer直接通过socket发送的broker。其中partition leader的位置注册在zookeeper中，producer作为zookeeper client，已经注册了watch用来监听partition leader的变更事件，因此可以准确的知道谁是当前leader

    producer端采用异步发送：将多条消息暂且在客户端buffer起来，并将他们批量发送到broker，小数据的记录太多的话会拖慢整体的网络，所以批量延迟发送实际上提升了效率。

kafka消费数据过程：

consumer.subscribe(Collections.singleton(topicName));
consumer.poll(Duration.ofMillis(1000));

    对于消费者，不是以单独的形式存在的，每一个消费者属于一个consumer group，一个group中可以包含多个consumer，需要注意：订阅topic是以一个消费组来订阅的，发送到topic的信息，只会被订阅此topic的每个group中的consumer消费到

    如果所有的Consumer都属于一个group，那么就是一对一、点对点的消费，如果每个consumer属于不同的group，那么消息就是广播给所有的消费者。这个实际上是根据partition来分的，一个partition，只能被消费组里的一个消费者消费，但是可以同时被多个消费组消费，消费组里的每个消费者拥有与之对应的一个partition，因此，对于一个topic，同一个group中中不能有多于partition个数的consumer同时消费，否则某些consumer将无法消费到数据。

    同一个消费组的两个消费者不会同时消费一个partition

    在 kafka 中，采用了 pull 方式，即 consumer 在和 broker 建立连接之后，主动去 pull(或者说 fetch )消息，首先 consumer 端可以根据自己的消费能力适时的去 fetch 消息并处理，且可以控制消息消费的进度(offset)。

    发布-订阅流程：

        生产者定期向主题发送消息

        kafka代理存储为该特定主题配置的分区中的所有信息。它确保消息在分区之间平等分享。如果生产者发送两个消息并且有两个分区，Kafka将在第一分区中存储一个消息，在第二分区中存储第二消息

        消费者订阅特定主题

        一旦消费者订阅主题，kafka将向消费者提供主题的当前偏移，并且将偏移保存在zookeeper系统中

        消费者将定期请求kafka信息

        一旦kafka收到来自生产者的信息，它将这些消息转发给消费者

        消费者收到信息并处理

        一旦消息被处理，消费者向kafka代理发送确认

        一旦Kafka收到确认，它将偏移设为新值，并在zookeeper中更新它，由于偏移在zookeeper中维护，消费者可以正确收到下一条记录，即使服务器拥堵期间

        以上流程将重复执行直到消费者停止消费

        消费者可以随时回退/跳转到所需的主题偏移量，并阅读所有后续消息