国内大型的网站建设,电子商务网站开发的书,wordpress模板哪里买,有没有便宜的网站制作目录
一、Zookeeper概述
1.Zookeeper简介
2.Zookeeper工作机制
3.Zookeeper数据结构
4.Zookeeper应用场景
4.1统一命名服务
4.2统一配置管理
4.3统一集群管理
4.4服务器动态上下线
4.5软负载均衡
5.Zookeeper选举机制
5.1第一次启动选举机制
5.2非第一次启动选举机…目录
一、Zookeeper概述
1.Zookeeper简介
2.Zookeeper工作机制
3.Zookeeper数据结构
4.Zookeeper应用场景
4.1统一命名服务
4.2统一配置管理
4.3统一集群管理
4.4服务器动态上下线
4.5软负载均衡
5.Zookeeper选举机制
5.1第一次启动选举机制
5.2非第一次启动选举机制
5.3选举Leader规则
二、部署Zookeeper集群
1.环境准备
2.安装Zookeeper
3.修改Zookeeper配置
4.启动Zookeeper
三、消息队列
1.为什么需要消息队列
2.应用场景
3.常用消息队列介绍
4.使用消息队列的好处
5.消息队列的模式
5.1点对点模式一对一消费者主动拉取数据消息收到后消息清除
5.2发布/订阅模式一对多又叫观察者模式消费者消费数据之后不会清除消息
四、Kafka
1.Kafka定义
2.Kafka特性
3.Kafka系统架构
3.1Broker——服务器
3.2Topic——主题
3.3Partition——分区
3.4分区原因
4.架构图
4.1Replica
4.2Leader
4.3Follower
4.4producer
4.5Consumer
4.6Consumer GroupCG
4.7offset 偏移量
4.8Zookeeper
五、部署Kafka消息队列集群
1.环境准备
2.安装Kafka
3.修改Kafka配置文件
4.设置环境变量
5.配置Kafka启动脚本
6.Kafka命令行
7.测试
六、Kafka架构深入
1.Kafka工作流程及文件存储机制
2.数据可靠性保证
3.数据一致性问题
3.1follower 故障
3.2leader 故障
4.ACK应答机制
七、搭建ELFKKafka
1.开启Elasticsearch-head插件
2.在Filebeat节点安装Apache启动Filebeat
3.配置Logstash
4.收集日志查看日志 一、Zookeeper概述
1.Zookeeper简介
Zookeeper是一个开源的分布式协调服务它主要用于分布式应用中的一些协调任务比如选举、配置管理、分布式锁、分布式队列等。
Zookeeper的主要特点包括
原子性一次数据更新要么成功要么失败一致性Zookeeper保证了分布式环境中的一致性所有的客户端都能看到相同的数据视图。顺序性Zookeeper为客户端请求提供了全局有序性即所有的更新操作都是按照其发生的顺序来执行的先进先出。持久性Zookeeper的数据是持久的即一旦数据被存储即使客户端断开连接数据也不会丢失。高可用性Zookeeper的服务是高度可用的即使一部分Zookeeper服务器出现故障还存活着半数以上的节点整个服务仍然可以继续运行所以Zookeeper适合安装奇数台服务器。实时性Zookeeper保证了客户端能够看到最新的数据视图即使数据发生了变化。
2.Zookeeper工作机制
Zookeeper从设计模式角度来理解是一个基于观察者模式设计的分布式服务管理框架它负责存储和管理大家都关心的数据然后接受观察者的注册一旦这些数据的状态发生变化Zookeeper就将负责通知已经在Zookeeper上注册的那些观察者做出相应的反应。也就是说 Zookeeper 文件系统 通知机制。 3.Zookeeper数据结构
ZooKeeper数据模型的结构与Linux文件系统很类似整体上可以看作是一棵树每个节点称做一个ZNode。每一个ZNode默认能够存储1MB的数据每个ZNode都可以通过其路径唯一标识。 4.Zookeeper应用场景
提供的服务包括统一命名服务、统一配置管理、统一集群管理、服务器节点动态上下线、软负载均衡等。 4.1统一命名服务
在分布式环境下经常需要对应用/服务进行统一命名便于识别。例如IP不容易记住而域名容易记住。
4.2统一配置管理
分布式环境下配置文件同步非常常见。一般要求一个集群中所有节点的配置信息是一致的比如Kafka集群。对配置文件修改后希望能够快速同步到各个节点上。配置管理可交由ZooKeeper实现。可将配置信息写入ZooKeeper上的一个Znode。各个客户端服务器监听这个Znode。一旦 Znode中的数据被修改ZooKeeper将通知各个客户端服务器。
4.3统一集群管理
分布式环境中实时掌握每个节点的状态是必要的。可根据节点实时状态做出一些调整。ZooKeeper可以实现实时监控节点状态变化。可将节点信息写入ZooKeeper上的一个ZNode。监听这个ZNode可获取它的实时状态变化。 会实时掌握数据的变动集群要与客户端实时保持一致 4.4服务器动态上下线
客户端能实时洞察到服务器上下线的变化。
4.5软负载均衡
在Zookeeper中记录每台服务器的访问数让访问数最少的服务器去处理最新的客户端请求。
5.Zookeeper选举机制
5.1第一次启动选举机制 服务器1启动发起一次选举。服务器1投自己一票。此时服务器1票数一票不够半数以上3票选举无法完成服务器1状态保持为LOOKING服务器2启动再发起一次选举。服务器1和2分别投自己一票并交换选票信息此时服务器1发现服务器2的myid比自己目前投票推举的服务器1大更改选票为推举服务器2。此时服务器1票数0票服务器2票数2票没有半数以上结果选举无法完成服务器12状态保持LOOKING服务器3启动发起一次选举。此时服务器1和2都会更改选票为服务器3。此次投票结果服务器1为0票服务器2为0票服务器3为3票。此时服务器3的票数已经超过半数服务器3当选Leader。服务器12更改状态为FOLLOWING服务器3更改状态为LEADING服务器4启动发起一次选举。此时服务器123已经不是LOOKING状态不会更改选票信息。交换选票信息结果服务器3为3票服务器4为1票。此时服务器4服从多数更改选票信息为服务器3并更改状态为FOLLOWING服务器5启动同4一样当小弟。 第一次启动过半票的Server3就直接成为了leader即使Server4和Server5的myid比Server的myid大 5.2非第一次启动选举机制 当ZooKeeper 集群中的一台服务器出现以下两种情况之一时就会开始进入Leader选举 服务器初始化启动。服务器运行期间无法和Leader保持连接。而当一台机器进入Leader选举流程时当前集群也可能会处于以下两种状态 集群中本来就已经存在一个Leader。 对于已经存在Leader的情况机器试图去选举Leader时会被告知当前服务器的Leader信息对于该机器来说仅仅需要和 Leader机器建立连接并进行状态同步即可。集群中确实不存在Leader。 假设ZooKeeper由5台服务器组成SID分别为1、2、3、4、5ZXID分别为8、8、8、7、7并且此时SID为3的服务器是Leader。某一时刻3和5服务器出现故障因此开始进行Leader选举。
5.3选举Leader规则
EPOCH大的直接胜出EPOCH相同事务id大的胜出事务id相同服务器id大的胜出 SID服务器ID。用来唯一标识一台ZooKeeper集群中的机器每台机器不能重复和myid一致。ZXID事务ID。ZXID是一个事务ID用来标识一次服务器状态的变更。在某一时刻集群中的每台机器的ZXID值不一定完全一致这和ZooKeeper服务器对于客户端“更新请求”的处理逻辑速度有关。Epoch每个Leader任期的代号。没有Leader时同一轮投票过程中的逻辑时钟值是相同的。每投完一次票这个数据就会增加 二、部署Zookeeper集群 192.168.241.11 192.168.241.22 192.168.241.23 1.环境准备
systemctl stop firewalld
#关闭防火墙
setenforce 0
#关闭核心防护java -version
#安装JDK 探测JDK版本
openjdk version 1.8.0_131
OpenJDK Runtime Environment (build 1.8.0_131-b12)
OpenJDK 64-Bit Server VM (build 25.131-b12, mixed mode)
2.安装Zookeeper
wget https://archive.apache.org/dist/zookeeper/zookeeper-3.5.7/apache-zookeeper-3.5.7-bin.tar.gz
#下载Zookeeper安装包#安装Zookeeper
tar zxvf apache-zookeeper-3.5.7-bin.tar.gz
mv apache-zookeeper-3.5.7-bin /usr/local/zookeeper
3.修改Zookeeper配置
cd /usr/local/zookeeper/conf/configuration.xsl log4j.properties zoo_sample.cfg zoo_sample.cfg_bak
mv zoo_sample.cfg zoo.cfgconfiguration.xsl log4j.properties zoo.cfg zoo_sample.cfg_bakvim zoo.cfg grep -v ^# zoo.cfg
tickTime2000
#通信心跳时间Zookeeper服务器与客户端心跳时间单位毫秒
initLimit10
#Leader和Follower初始连接时能容忍的最多心跳数tickTime的数量这里表示为10*2s
syncLimit5
#Leader和Follower之间同步通信的超时时间这里表示如果超过5*2sLeader认为Follwer死掉并从服务器列表中删除Follwer
dataDir/usr/local/zookeeper/data
#指定保存Zookeeper中的数据的目录
dataLogDir/usr/log/zookeeper/logs
#指定存放日志的目录
clientPort2181
#客户端连接端口
server.1192.168.241.25:3188:3288
server.2192.168.241.26:3188:3288
server.3192.168.241.27:3188:3288
#第一选举端口 3188
#非第一次选举 3288#节点创建数据目录和日志目录
mkdir /usr/local/zookeeper/data
mkdir /usr/local/zookeeper/logs#在每个节点上的数据目录指定创建myid文件
echo 1 /usr/local/zookeeper/data/myid
echo 2 /usr/local/zookeeper/data/myid
echo 3 /usr/local/zookeeper/data/myid
4.启动Zookeeper
#配置Zookeeper启动脚本
vim /etc/init.d/zookeeper#!/bin/bash
#chkconfig:2345 20 90
#description:Zookeeper Service Control Script
ZK_HOME/usr/local/zookeeper
case $1 in
start)echo ---------- zookeeper 启动 ------------$ZK_HOME/bin/zkServer.sh start
;;
stop)echo ---------- zookeeper 停止 ------------$ZK_HOME/bin/zkServer.sh stop
;;
restart)echo ---------- zookeeper 重启 ------------$ZK_HOME/bin/zkServer.sh restart
;;
status)echo ---------- zookeeper 状态 ------------$ZK_HOME/bin/zkServer.sh status
;;
*)echo Usage: $0 {start|stop|restart|status}
esac#设置开机自启
chmod x /etc/init.d/zookeeper
chkconfig --add zookeeper#分别启动Zookeeper
service zookeeper start
---------- zookeeper 启动 ------------
/bin/java
ZooKeeper JMX enabled by default
Using config: /usr/local/zookeeper/bin/../conf/zoo.cfg
Starting zookeeper ... STARTEDservice zookeeper status
---------- zookeeper 状态 ------------
/bin/java
ZooKeeper JMX enabled by default
Using config: /usr/local/zookeeper/bin/../conf/zoo.cfg
Client port found: 2181. Client address: localhost.
三、消息队列
1.为什么需要消息队列
从本质上说消息队列就是一个队列结构的中间件也就是说消息放入这个中间件之后就可以直接返回并不需要系统立即处理而另外会有一个程序读取这些数据并按顺序进行逐次处理。
消息队列主要解决了应用耦合、异步处理、流量削锋等问题。 当前使用较多的消息队列有RabbitMQ、RocketMQ、ActiveMQ、Kafka、ZeroMQ、MetaMq等而部分数据库如Redis、Mysql以及phxsql也可实现消息队列的功能。 2.应用场景
数据冗余比如订单系统后续需要严格的进行数据转换和记录消息队列可以把这些数据持久化的存储在队列中然后有订单后续处理程序进行获取后续处理完之后在把这条记录进行删除来保证每一条记录都能够处理完成。
系统解耦使用消息系统之后入队系统和出队系统是分开的也就说只要一天崩溃了不会影响另外一台系统正常运转。
流量削峰例如秒杀和抢购我们可以配合缓存来使用消息队列能够有效的顶住瞬间访问量防止服务器承受不住导致崩溃。
异步通信消息本身使用入队之后可以直接返回。
扩展性例如订单队列不仅可以处理订单还可以给其他业务使用。
排序保证有些场景需要按照产品的顺序进行处理比如单进单出从而保证数据按照一定的顺序处理使用消息队列是可以的。
以上都是消息队列常见的使用场景当然消息队列只是一个中间件可以配合其他产品进行使用。
消息通讯消息通讯是指消息队列一般都内置了高效的通信机制因此也可以用作消息通讯。比如实现点对点消息队列或者聊天室等。 以上实际是消息队列的两种消息模式点对点或发布订阅模式。 3.常用消息队列介绍
-RabbitMQActiveMQRocketMQKafka所属社区/公司Mozilla Public LicenseApacheAliApache成熟度成熟成熟比较成熟成熟授权方式开源开源开源开源开发语言ErlangJavaJavaScalaJava客户端支持语言官方支持Erlang、Java、Ruby等社区产出多种语言API几乎支持所有常用语言Java、C、C、Python、PHP、Perl、.net等Java、C不成熟官方支持Java开源社区有多语言版本如PHPPython、Go、C/C、Ruby、NodeJS等编程语言详见Kafka客户端列表协议支持多协议支持AMQP、XMPP、SMTP、STOMPOpenWire、STOMP、REST、XMPP、AMQP自己定义的一套社区提供JMS--不成熟自有协议社区封装了HTTP协议支持消息批量操作不支持支持支持支持消息推拉模式多协议Pull/Push均有支持多协议Pull/Push均有支持多协议Pull/Push均有支持PullHAmaster/slave模式master提供服务slave仅做备份基于ZookeeperLevelIDB的Master-Slave的Master-Slave实现方式支持多Master模式、多Master多Slave模式异步复制模式、多Master多Slave模式同步双写支持replica机制leader宕掉后备份自动顶替并重新选举leader基于Zookeeper数据可靠性可以保证数据不丢有Slave用作备份master/slave支持异步实时刷盘同步刷盘同步复制异步复制数据可靠并且有replica机制有容错容灾能力单机吞吐量其次万级最差万级最高十万级次之十万级消息延迟微秒级\比kafka快毫秒级持久化能力内存文件支持数据堆积但数据堆积反过来影响生产速率内存、文件、数据库磁盘文件磁盘文件只要磁盘容量够可以做到无限消息堆积是否有序若想有序只能使用一个Client可以支持有序有序多Client保证有序事务不支持支持支持不支持但可以通过Low Level API保证仅消费一次集群支持支持支持支持负载均衡支持支持支持支持管理界面较好一般命令行界面官方只提供了命令行版Yahoo开源自己的KafkaWeb管理界面Kafka-Manager部署方式独立独立独立独立
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。
4.使用消息队列的好处
解耦 允许你独立的扩展或修改两边的处理过程只要确保它们遵守同样的接口约束。可恢复性 系统的一部分组件失效时不会影响到整个系统。消息队列降低了进程间的耦合度所以即使一个处理消息的进程挂掉加入队列中的消息仍然可以在系统恢复后被处理。缓冲 有助于控制和优化数据流经过系统的速度解决生产消息和消费消息的处理速度不一致的情况。灵活性 峰值处理能力 在访问量剧增的情况下应用仍然需要继续发挥作用但是这样的突发流量并不常见。如果为以能处理这类峰值访问为标准来投入资源随时待命无疑是巨大的浪费。使用消息队列能够使关键组件顶住突发的访问压力而不会因为突发的超负荷的请求而完全崩溃。异步通信 很多时候用户不想也不需要立即处理消息。消息队列提供了异步处理机制允许用户把一个消息放入队列但并不立即处理它。想向队列中放入多少消息就放多少然后在需要的时候再去处理它们。
5.消息队列的模式
5.1点对点模式一对一消费者主动拉取数据消息收到后消息清除 消息生产者生产消息发送到消息队列中然后消息消费者从消息队列中取出并且消费消息。消息被消费以后消息队列中不再有存储所以消息消费者不可能消费到已经被消费的消息。消息队列支持存在多个消费者但是对一个消息而言只会有一个消费者可以消费。
5.2发布/订阅模式一对多又叫观察者模式消费者消费数据之后不会清除消息 消息生产者发布将消息发布到 topic 中同时有多个消息消费者订阅消费该消息。和点对点方式不同发布到 topic 的消息会被所有订阅者消费。发布/订阅模式是定义对象间一种一对多的依赖关系使得每当一个对象目对标象的状态发生改变则所有依赖于它的对象观察者对象都会得到通知并自动更新。
四、Kafka
1.Kafka定义
Kafka 是一个分布式的基于发布/订阅模式的消息队列MQMessage Queue主要应用于大数据实时处理领域。
Kafka 是最初由 Linkedin 公司开发是一个分布式、支持分区的partition、多副本的replicar 协调的分布式消息中间件系统它的最大的特性就是可以实时的处理大量数据以满足各种需求场景比如基于 hadoop 的批处理系统、低延迟的实时系统、Spark/Flink 流式处理引擎nginx 访问日志消息服务等等用 scala 语言编写 Linkedin 于 2010 年贡献给了 Apache 基金会并成为顶级开源项目。 Kafka是基于Zookeeper集群的 2.Kafka特性
高吞吐量、低延迟Kafka 每秒可以处理几十万条消息它的延迟最低只有几毫秒。每个 topic 可以分多个 PartitionConsumer Group 对 Partition 进行消费操作提高负载均衡能力和消费能力。可扩展性kafka 集群支持热扩展持久性、可靠性消息被持久化到本地磁盘并且支持数据备份防止数据丢失容错性允许集群中节点失败多副本情况下若副本数量为 n则允许 n-1 个节点失败高并发支持数千个客户端同时读写
3.Kafka系统架构
3.1Broker——服务器
一台 kafka 服务器就是一个 broker。一个集群由多个 broker 组成。一个 broker 可以容纳多个 topic。broker 存储 topic 的数据。如果某 topic 有 N 个 partition集群有 N 个 broker那么每个 broker 存储该 topic 的一个 partition。
如果某 topic 有 N 个 partition集群有 (NM) 个 broker那么其中有 N 个 broker 存储 topic 的一个 partition 剩下的 M 个 broker 不存储该 topic 的 partition 数据。如果某 topic 有 N 个 partition集群中 broker 数目少于 N 个那么一个 broker 存储该 topic 的一个或多个 partition。在实际生产环境中尽量避免这种情况的发生这种情况容易导致 Kafka 集群数据不均衡。
3.2Topic——主题
可以理解为一个队列生产者和消费者面向的都是一个 topic。 类似于数据库的表名或者 ES 的 index 物理上不同 topic 的消息分开存储
3.3Partition——分区
为了实现扩展性一个非常大的 topic 可以分布到多个 broker即服务器上一个 topic 可以分割为一个或多个 partition每个 partition 是一个有序的队列。Kafka 只保证 partition 内的记录是有序的而不保证 topic 中不同 partition 的顺序。 每个 topic 至少有一个 partition当生产者产生数据的时候会根据分配策略选择分区然后将消息追加到指定的分区的队列末尾。 Partation 数据路由规则
指定了 patition则直接使用未指定 patition 但指定 key相当于消息中某个属性通过对 key 的 value 进行 hash 取模选出一个 patitionpatition 和 key 都未指定使用轮询选出一个 patition。
每条消息都会有一个自增的编号用于标识消息的偏移量标识顺序从 0 开始。
每个 partition 中的数据使用多个 segment 文件存储。
如果 topic 有多个 partition消费数据时就不能保证数据的顺序。严格保证消息的消费顺序的场景下例如商品秒杀、 抢红包需要将 partition 数目设为 1。
3.4分区原因
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又可以有多个Partition组成因此整个集群就可以适应任意大小的数据了可以提高并发因为可以以Partition为单位读写了。
4.架构图 同一组内的消费群不能消费同一个PartitionKafka会注册到Zookeeper集群通过Zookeeper集群管理上下线通知Zookeeper生产者会推送数据到Kafka集群中通过偏移量找到访问的信息假设消息断开根据上次定位的Zonenode访问到上次访问的数据。 4.1Replica
副本为保证集群中的某个节点发生故障时该节点上的 partition 数据不丢失且 kafka 仍然能够继续工作kafka 提供了副本机制一个 topic 的每个分区都有若干个副本一个 leader 和若干个 follower。
4.2Leader
每个 partition 有多个副本其中有且仅有一个作为 LeaderLeader 是当前负责数据的读写的 partition。
4.3Follower
Follower 跟随 Leader所有写请求都通过 Leader 路由数据变更会广播给所有 FollowerFollower 与 Leader 保持数据同步。Follower 只负责备份不负责数据的读写。 如果 Leader 故障则从 Follower 中选举出一个新的 Leader。 当 Follower 挂掉、卡住或者同步太慢Leader 会把这个 Follower 从 ISRLeader 维护的一个和 Leader 保持同步的 Follower 集合 列表中删除重新创建一个 Follower。
4.4producer
生产者即数据的发布者该角色将消息 push 发布到 Kafka 的 topic 中。 broker 接收到生产者发送的消息后broker 将该消息追加到当前用于追加数据的 segment 文件中。 生产者发送的消息存储到一个 partition 中生产者也可以指定数据存储的 partition。
4.5Consumer
消费者可以从 broker 中 pull 拉取数据。消费者可以消费多个 topic 中的数据。
4.6Consumer GroupCG
消费者组由多个 consumer 组成。 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。可为每个消费者指定组名若不指定组名则属于默认的组。 将多个消费者集中到一起去处理某一个 Topic 的数据可以更快的提高数据的消费能力。 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防止数据被重复读取。 消费者组之间互不影响。
4.7offset 偏移量
可以唯一的标识一条消息。 偏移量决定读取数据的位置不会有线程安全的问题消费者通过偏移量来决定下次读取的消息即消费位置。 消息被消费之后并不被马上删除这样多个业务就可以重复使用 Kafka 的消息。 某一个业务也可以通过修改偏移量达到重新读取消息的目的偏移量由用户控制。 消息最终还是会被删除的默认生命周期为 1 周7*24小时。
4.8Zookeeper
Kafka 通过 Zookeeper 来存储集群的 meta 信息。
由于 consumer 在消费过程中可能会出现断电宕机等故障consumer 恢复后需要从故障前的位置的继续消费所以 consumer 需要实时记录自己消费到了哪个 offset以便故障恢复后继续消费。 Kafka 0.9 版本之前consumer 默认将 offset 保存在 Zookeeper 中从 0.9 版本开始consumer 默认将 offset 保存在 Kafka 一个内置的 topic 中该 topic 为 __consumer_offsets。
也就是说zookeeper的作用就是生产者push数据到kafka集群就必须要找到kafka集群的节点在哪里这些都是通过zookeeper去寻找的。消费者消费哪一条数据也需要zookeeper的支持从zookeeper获得offsetoffset记录上一次消费的数据消费到哪里这样就可以接着下一条数据进行消费。
五、部署Kafka消息队列集群 Kafka1192.168.241.25 Kafka2192.168.241.26 Kafka3192.168.241.27 1.环境准备
systemctl stop firewalld
setenforce 0
搭建Zookeeper基础上搭建Kafka
2.安装Kafka
cd /opt
wget https://mirrors.tuna.tsinghua.edu.cn/apache/kafka/2.7.1/kafka_2.13-2.7.1.tgz
#下载Kafka安装包#安装Kafka
cd /opt/
tar zxvf kafka_2.13-2.7.1.tgz
mv kafka_2.13-2.7.1 /usr/local/kafka
3.修改Kafka配置文件
cd /usr/local/kafka/config/
cp server.properties{,.bak}
#将配置文件进行备份
vim server.properties-21-broker.id0
-21-broker.id1
-21-broker.id2
#broker的全局唯一编号每个broker不能重复因此要在其他机器上配置 -31-listenersPLAINTEXT://192.168.241.25:9092
-31-listenersPLAINTEXT://192.168.241.26:9092
-31-listenersPLAINTEXT://192.168.241.27:9092
#指定监听的IP和端口如果修改每个broker的IP需区分开来也可保持默认配置不用修改-42-num.network.threads3
#broker 处理网络请求的线程数量一般情况下不需要去修改-45-num.io.threads8
#用来处理磁盘IO的线程数量数值应该大于硬盘数-48-socket.send.buffer.bytes102400
#发送套接字的缓冲区大小-51-socket.receive.buffer.bytes102400
#接收套接字的缓冲区大小-54-socket.request.max.bytes104857600
#请求套接字的缓冲区大小-60-log.dirs/usr/local/kafka/logs
kafka运行日志存放的路径也是数据存放的路径-65-num.partitions1
#topic在当前broker上的默认分区个数会被topic创建时的指定参数覆盖-69-num.recovery.threads.per.data.dir1
#用来恢复和清理data下数据的线程数量-103-log.retention.hours168
#segment文件数据文件保留的最长时间单位为小时默认为7天超时将被删除-110-log.segment.bytes1073741824
#一个segment文件最大的大小默认为 1G超出将新建一个新的segment文件-123-zookeeper.connect192.168.241.25:2181,192.168.241.26:2181,192.168.241.27:2181
#配置连接Zookeeper集群地址
4.设置环境变量
vim /etc/profile
export KAFKA_HOME/usr/local/kafka
export PATH$PATH:$KAFKA_HOME/bin
5.配置Kafka启动脚本
vim /etc/init.d/kafka
#!/bin/bash
#chkconfig:2345 22 88
#description:Kafka Service Control Script
KAFKA_HOME/usr/local/kafka
case $1 in
start)echo ---------- Kafka 启动 ------------${KAFKA_HOME}/bin/kafka-server-start.sh -daemon ${KAFKA_HOME}/config/server.properties
;;
stop)echo ---------- Kafka 停止 ------------${KAFKA_HOME}/bin/kafka-server-stop.sh
;;
restart)$0 stop$0 start
;;
status)echo ---------- Kafka 状态 ------------count$(ps -ef | grep kafka | egrep -cv grep|$$)if [ $count -eq 0 ];thenecho kafka is not runningelseecho kafka is runningfi
;;
*)echo Usage: $0 {start|stop|restart|status}
esac#设置开机自启
chmod x /etc/init.d/kafka
chkconfig --add kafka 分别启动Kafka 6.Kafka命令行
[rootkafka1 config]#kafka-topics.sh --create --zookeeper 192.168.241.25:2181,192.168.241.26:2181,192.168.241.27:2181 --replication-factor 2 --partitions 3 --topic test
#--Zookeeper定义Zookeeper集群服务器地址如果有多个IP地址使用逗号分隔一般使用一个即可
#--replication-factor定义分区副本数1代表单副本建议为2
#--Partition定义分区数
#--topic定义topic名称
Created topic test.#查看当前服务器中的所有 topic
kafka-topics.sh --list --zookeeper 192.168.241.25:2181,192.168.241.26:2181,192.168.241.27:2181test#查看某个 topic 的详情
kafka-topics.sh --describe --zookeeper 192.168.241.25:2181,192.168.241.26:2181,192.168.241.27:2181Topic: test PartitionCount: 3 ReplicationFactor: 2 Configs: Topic: test Partition: 0 Leader: 0 Replicas: 0,1 Isr: 0,1Topic: test Partition: 1 Leader: 1 Replicas: 1,2 Isr: 1,2Topic: test Partition: 2 Leader: 2 Replicas: 2,0 Isr: 2,0#发布消息
kafka-console-producer.sh --broker-list 192.168.241.25:9092,192.168.241.26:9092,192.168.241.27:9092 --topic test#消费消息
kafka-console-consumer.sh --bootstrap-server 192.168.241.25:9092,192.168.241.26:9092,192.168.241.27:9092 --topic test --from-beginning
7.测试 六、Kafka架构深入
1.Kafka工作流程及文件存储机制
Kafka 中消息是以 topic 进行分类的生产者生产消息消费者消费消息都是面向 topic 的。
topic 是逻辑上的概念而 partition 是物理上的概念每个 partition 对应于一个 log 文件该 log 文件中存储的就是 producer 生产的数据。Producer 生产的数据会被不断追加到该 log 文件末端且每条数据都有自己的 offset。 消费者组中的每个消费者都会实时记录自己消费到了哪个 offset以便出错恢复时从上次的位置继续消费。
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效率低下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test 这个 topic 有三个分区 则其对应的文件夹为 test-0、test-1、test-2。
index 和 log 文件以当前 segment 的第一条消息的 offset 命名。
“.index” 文件存储大量的索引信息“.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 message 的物理偏移地址。
2.数据可靠性保证
为保证 producer 发送的数据能可靠的发送到指定的 topictopic 的每个 partition 收到 producer 发送的数据后 都需要向 producer 发送 ackacknowledgement 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.数据一致性问题
LEO指的是每个副本最大的 offset HW指的是消费者能见到的最大的 offset所有副本中最小的 LEO。
3.1follower 故障
follower 发生故障后会被临时踢出 ISRLeader 维护的一个和 Leader 保持同步的 Follower 集合待该 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。等该 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。
3.2leader 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 会先将各自的 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。 4.ACK应答机制
对于某些不太重要的数据对数据的可靠性要求不是很高能够容忍数据的少量丢失所以没必要等 ISR 中的 follower 全部接收成功。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。
当 producer 向 leader 发送数据时可以通过 request.required.acks 参数来设置数据可靠性的级别
0这意味着producer无需等待来自broker的确认而继续发送下一批消息。这种情况下数据传输效率最高但是数据可靠性确是最低的。当broker故障时有可能丢失数据。1默认配置这意味着producer在ISR中的leader已成功收到的数据并得到确认后发送下一条message。如果在follower同步成功之前leader故障那么将会丢失数据。-1或者是allproducer需要等待ISR中的所有follower都确认接收到数据后才算一次发送完成可靠性最高。但是如果在 follower 同步完成后broker 发送ack 之前leader 发生故障那么会造成数据重复。
三种机制性能依次递减数据可靠性依次递增。 注在 0.11 版本以前的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。在 0.11 及以后版本的 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。 七、搭建ELFKKafka ElasticsearchNode1192.168.241.11 ElasticsearchNode2192.168.241.22 Logstash Apache192.168.241.23 Filebeat192.168.241.24 Kafka1192.168.241.25 Kafka2192.168.241.26 Kafka3192.168.241.27 1.开启Elasticsearch-head插件
[rootnode1 ~]#cd /usr/local/src/elasticsearch-head/
[rootnode1 elasticsearch-head]#ls
Dockerfile package.json
Dockerfile-alpine package-lock.json
elasticsearch-head.sublime-project plugin-descriptor.properties
Gruntfile.js proxy
grunt_fileSets.js README.textile
index.html _site
LICENCE src
node_modules test
[rootnode1 elasticsearch-head]#npm run start
[1] 9055
[rootnode1 elasticsearch-head]#elasticsearch-head0.0.0 start /usr/local/src/elasticsearch-headgrunt serverRunning connect:server (connect) task
Waiting forever...
Started connect web server on http://localhost:91002.在Filebeat节点安装Apache启动Filebeat
[rootfilebeat ~]#yum install httpd -y
[rootfilebeat ~]#systemctl start httpd
[rootfilebeat filebeat]#cd /etc/filebeat/
[rootfilebeat filebeat]#ls
fields.yml filebeat.yml modules.d
filebeat.reference.yml filebeat.yml_bak
[rootfilebeat filebeat]#mv filebeat.yml{,__bak}
[rootfilebeat filebeat]#ls
fields.yml filebeat.yml_bak modules.d
filebeat.reference.yml filebeat.yml__bak
[rootfilebeat filebeat]#cp filebeat.yml_bak filebeat.yml
[rootfilebeat filebeat]#ls
fields.yml filebeat.yml filebeat.yml__bak
filebeat.reference.yml filebeat.yml_bak modules.d
[rootfilebeat filebeat]#vim filebeat.yml[rootfilebeat filebeat]#filebeat -e -c filebeat.yml 3.配置Logstash
[rootlogstash ~]#cd /etc/logstash/conf.d/
[rootlogstash conf.d]#ls
apache_log.conf filebeat_logstash.conf system.conf
[rootlogstash conf.d]#vim kafka.conf
[rootlogstash conf.d]#cat kafka.conf
input {kafka {bootstrap_servers 192.168.241.25:9092,192.168.241.26:9092,192.168.241.27:9092
#kafka集群地址topics httpd#拉取的kafka的指定topictype httpd_kafka#指定 type 字段codec json#解析json格式的日志数据auto_offset_reset latest#拉取最近数据earliest为从头开始拉取decorate_events true#传递给elasticsearch的数据额外增加kafka的属性数据}
}output {if access in [tags] {elasticsearch {hosts [192.168.241.11:9200]index httpd_access-%{YYYY.MM.dd}}}if error in [tags] {elasticsearch {hosts [192.168.241.11:9200]index httpd_error-%{YYYY.MM.dd}}}stdout { codec rubydebug }
}[rootlogstash conf.d]#logstash -f kafka.conf 4.收集日志查看日志 浏览器访问应用服务器Apache192.168.241.24 注生产黑屏操作es时查看所有的索引:curl -X GET localhost:9200/_cat/indices?v 浏览器访问ES-head192.168.241.11:9100
