玩转大数据计算之Kafka

Kafka版本：我们使用目前最新的版本：0.10.2

Kafka架构：
Kafka是由LinkedIn开发的一个分布式的消息系统，使用Scala编写，它以可水平扩展和高吞吐率而被广泛使用。

Kafka相关概念：

• Broker:
  Kafka集群包含一个或多个服务器，这种服务器被称为broker。

• Topic：
  每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic。（物理上不同Topic的消息分开存储，逻辑上一个Topic的消息虽然保存于一个或多个broker上但用户只需指定消息的Topic即可生产或消费数据而不必关心数据存于何处）

• Partition：
  Parition是物理上的概念，每个Topic包含一个或多个Partition.

• Producer：
  负责发布消息到Kafka broker

• Consumer：
  消息消费者，向Kafka broker读取消息的客户端。

• Consumer Group：
  每个Consumer属于一个特定的Consumer Group（可为每个Consumer指定group name，若不指定group name则属于默认的group）。

常见的Kafka部署结构：

kafka-1.png

如上图所示，一个典型的Kafka集群中包含若干Producer(例如广告投放服务记录的广告日志)，若干broker（Kafka支持水平扩展，一般broker数量越多，集群吞吐率越高），若干Consumer Group，以及一个ZooKeeper集群。Kafka通过Zookeeper管理集群配置，选举leader，以及在Consumer Group发生变化时进行rebalance。Producer使用push模式将消息发布到broker，Consumer使用pull模式从broker订阅并消费消息。

Kafka安装：

• 下载安装包：
  下载地址：http://kafka.apache.org/downloads，根据本地安装的scala版本，下载对应的安装包，我下载的是：
  kafka_2.11-0.10.2.0.tgz
  将下载后的压缩包拷贝到:/Users/wesley/apps 目录下，执行解压：
  tar zxvf kafka_2.11-0.10.2.0.tgz
• 配置ZooKeeper
  由于我们之前已经在本地启动了ZooKeeper服务，所以Kafka之前使用之前的ZooKeeper服务。
• 配置Kafka
  进入config目录,修改两个配置信息，如下所示：

kafka-2.png 

• 启动Kafka

bin/kafka-server-start.sh config/server.properties &

kafka-5.png

我们可以使用lsof命令检查一下Kafka服务端口有没有正常启动：

lsof -i:9092

kafka-6.png

9092是Kafka进程的默认占用端口。

• 使用Kafka
  我们创建具有一个分区一个副本的Topic:ad_log

bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic ad_log

kafka-7.png