kafka的基本使用--学习笔记

catalyst引擎

作用：将SparkSql转换成spark rdd任务提交进行计算

• 解析器 - 将sparksql代码解析成语法树(未解析的逻辑查询计划)
• 分析器 - 将语法树解析成解析后的逻辑查询计划- 对逻辑查询计划进行属性和关系关联检验
• 优化器 - 将解析后的逻辑查询计划进行优化, 得到优化后的逻辑查询计划- 谓词下推(调整执行顺序)和列值裁剪(过滤列)
• 执行器 - 将优化后的逻辑查询计划转换成物理查询计划- 转换成RDD任务进行执行

kafka使用

1，消息队列

离线计算

通常称为批处理，表示哪些离线批量，延时较高的静态数据处理过程

实时计算

用户访问信息，用户访问的数据直接背传递给spark计算

概念

消息是在两台计算机传送的数据单位

临时存储传递消息的容器->kafka是非关系型数据库之一，也是消息队列之一

实时计算时需要将流数据（消息）先存储在消息队列中，否则容易产生数据积压导致数据丢失问题

应用场景：解耦，异步，消峰

解耦：接触应用之间的关联关系

异步：应用之间不会同时执行，应用B不会等待应用A执行完成后再产生信息

消峰：某个节点数据量突然增多，导致处理不过来，供大于求

2，模式

点对点模式：

一对一关系，私聊

角色：发送者（生产者），接收者（消费者）

• 每个消息只有一个接收者（Consumer），一旦被消费，消息就不再存在于消息队列中。
• 发送者和接收者间没有依赖性，发送者发送消息之后，不管有没有接收者在运行，都不会影响到发送者下次发送消息。
• 接收者在成功接收消息之后需要向队列应答成功，以便消息队列删除当前接收的消息。

发布与订阅：

一对多关系，群聊。一个消息对应多个消费者

角色：主题，发布者，订阅者

• 每个消息可以有多个订阅者。
• 发布者和订阅者之间有时间上的依赖性。针对某个主题（Topic）的订阅者，它必须创建一个订阅者之后，才能消费发布者的消息。
• 为了消费消息，订阅者需要提前订阅该角色主题，并保持在线运行。

3，分类

ActiveMQ:

TabbitMQ:应用程序对消息队列要求不高，数据临时缓存

TocketMQ:在线业务，对延迟和稳定性要求高

kafka:流计算、实时计算，处理海量的消息

选择：

• 如果消息队列不是将要构建系统的重点，对消息队列功能和性能没有很高的要求，只需要一个快速上手易于维护的消息队列，建议使用 RabbitMQ。
• 如果系统使用消息队列主要场景是处理在线业务，比如在交易系统中用消息队列传递订单，需要低延迟和高稳定性，建议使用 RocketMQ。
• 如果需要处理海量的消息，像收集日志、监控信息或是埋点这类数据，或是你的应用场景大量使用了大数据、流计算相关的开源产品，那 Kafka 是最适合的消息队列。

kafka消息队列

特点：

可靠性：分布式，分区，赋值和容错等

可扩展性：kafka消息传递系统秦颂缩放无需停机，可以添加新的服务器资源，不需要对服务器关闭重启，可以自动识别添加

耐用性：分布式提交日志，消息会尽可能快速的保存再磁盘上，因此它是持久的

高性能：kafka对于发布和订阅都具有高吞吐量，同时存储了许多tb级消息，也有稳定的性能，kafka非常快并且保证零停机和零数据丢失

1，概念术语

• Producer 生产者 - 也就是发送消息的一方。生产者负责创建消息，然后将其投递到Kafka
• Consumer 消费者 - 也就是接收消息的一方。消费者连接到Kafka上并接收消息，进而进行相应的业务逻辑处理。
• Consumer Group（CG）消费者组 - 由多个 consumer 组成。- 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- 消费者组之间互不影响。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。
• broker 服务代理节点(中间人) - kafka集群运行后，每台服务器上的kafka称为一个broker节点- 处理消费者和生成者的请求 - 生产者需要保存数据到kafka，就需要请求broker- 消费者需要从kafka中获取数据，也需要请求broker- 多个broker会选取产生一个控制器，类似zk中的leader角色 - 管理broker，监控broker的变化- 参与分区副本的领导者选举- 处理消费者和生成者的请求- 由zk从broker中选举出控制器 - 本质哪台服务器先启动了kafka，生成了broker节点，该节点就作为控制器
• Topic 主题 - kakfa是对消息数据的处理- 消息数据会有不同的分类- 使用主题对消息数据进行分类，然后分别存储- 主题创建成功后，会将主题信息写入zk中，所有的broker就可以从zk中获取有哪些主题- 生产者写入数据时可以指定写入的主题，人为对数据按照主题分类- 消费者读取数据时也可以指定主题，从对应的主题下获取数据
• Partition 分区（分片） - 分区是kafka存储数据的最小单元，消息数据最终是存储在分区上的- 一个主题在存储时可以指定多个分区- 当有多个分区时，分区被分配到不同broker上- 分区所存储的数据是在系统的磁盘上进行存储。每个分区会创建不同目录，然后将数据写入该目录下的文件中- 文件中存储的数据是有有效期的，默认的有效期是168小