kafka
第一章、初识Kafka
原先：
kafka，由LinkedIn公司采用Scala语言开发的一个多分区，多副本，基于Zookeeper协调的分布式消息系统，被捐献给Apache基金会。
现在
分布式流式处理平台。
-
高吞吐
-
可持久化
-
可水平扩展
-
支持流数据处理
广度：Cloudera,Storm,Spark,Flink等都支持与Kafka集成。
Kafka 三大角色
消息系统
系统解耦、冗余存储、流量削峰、缓冲、异步通信、扩展性、可恢复性等功能。
额外，还提供了，大多数消息系统难以实现的 消息顺序性保障 及回溯消费的功能。
存储系统
消息持久化到系统。得益于消息持久化功能和多副本机制。
可以把Kafka作为长期的数据存储系统来使用，只需要把对应的数据保留策略设置为"永久"或者启用主题的日志压缩功能即可。
流式处理平台
Kafka不仅为每个流行的流式处理框架提供了可靠的数据来源，还提供了一个完整的流式处理类库，比如窗口、连接、变换和聚合等各类操作。
1.1、基本概念
典型的Kafka体系，
-
Producer 生产者
-
Broker 转发（服务代理节点）
-
Consumer 消费者
-
ZooKeeper 集群（负责集群元数据的管理、控制器的选举等操作）
Topic 主题
Partion 分区（主题分区）
脑裂。
同一主题下的不同分区包含的消息是不同的，分区在存储层面可以看作一个可追加的日志（Log）文件，消息在被追加到分区日志文件的时候都会分配一个特定的偏移量（offset）。offset是消息在分区中的唯一标识，kafka通过它来保证消息在分区内的顺序性。不过offset并不跨越分区，也就是说，kafka保证的是分区有序而不是主题有序。
一个主题可以多个分区，多个broker.
重点
每一条消息被发送到broker之前，会根据分区规则选择存储到哪个具体的分区，如果分区规则设定得合理，所有的消息都可以均匀地分配到不同的分区中。可以实现水平扩展。
多副本
Kafka为分区引入了多副本（Replica）机制.通过增加副本数量，提升容灾能力。
同一分区的不同副本中，保存的是相同的消息（同一时刻，副本之间并非完全一样），副本之间是"一主多从"的关系，其中leader副本负责处理读写请求，follower副本只负责与leader副本的消息同步。副本处于不同的broker中，当leader副本出现故障时，从follower副本中重新选举新的leader副本对外提供服务。Kafka通过多副本机制实现了故障的自动转移，当Kafka集群的某个broker失效时，仍然能保证服务可用。
上面有3个broker,也就是3个服务器。
1个topic,有3个分区：partion0,partion1,partion2;
应该是3个副本因子。
副本
1、AR
AR
所有副本统称为AR(Assigned Replicas).
ISR
所有和leader副本保持一定程度同步的副本（包括leader副本在内）组成ISR(In-Synv Replicas).
ISR集合是AR集合中的一个子集。
OSR
同步滞后过多的副本（不包括leader副本）组成OSR(out-of-Sync Replicas).
AR = ISR+OSR.
正常情况下，所有的follower副本都应该与leader副本保持一定程度的同步，即AR=ISR,OSR集合为空。
ISR就是老母鸡，后面跟着一群小母鸡。 看哪个小母鸡不行，就让他到第二梯队去OSR。
leader副本负责，维护和跟踪ISR集合中所有follower副本的滞后状态，当follower副本落后时太多或失效时，leader副本会把它从ISR集合中剔除。
如果OSR集合有follower副本"追上"了leader副本，那么leader副本（也会记录OSR吗）会把它从OSR集合转移至ISR集合。默认情况下，当leader副本发生故障，只有在ISR集合中的副本才有资格被选举为新的leader，而在OSR集合中的副本则没有任何机会（不过这个原则也可以通过修改相应的参数配置来改变）。
消息介绍
HW High Watermark 高水位
它标识了一个特定的消息偏移量（offset），消费者只能拉取到这个offset之前的消息。
LSO LogStartOffset
9条消息 LSO=0，最后一条消息的offset为8，那么leo为9
0-8消息，HW为6，那么消费者只能拉取到offset在0-5之间的消息，而offset为6的消息对消费者而言是不可见的。
LEO LogEndOffset
它标识当前日志文件中下一条待写入消息的offset。
LEO的大小，相当于当前日志分区中最后一条消息的offset值加1.
分区ISR集合中的每个副本都会维护自身的LEO，也就是最后一个需要加入的offset.
而ISR集合中，最小的LEO即为分区的HW，对消费者而言，只能消费HW之前的消息。 漏桶效应。
消息同步时，由HW控制所有同步的副本。
当HW=LEO，也就是同步完成，全部都可以消费了。
HW和LEO
Kafka的复制机制，不是完全的同步复制，也不是单纯的异步复制。
-
事实上，同步复制要求所有能工作的follwer副本都复制完，这条消息才会被确认为已成功提交，这种复制方式极大地影响了性能。（同步了一部分也能用！！）
-
异步复制，follower副本异步地从leader副本中复制数据，数据只要被leader副本写入就被认为已经成功提交。在这种情况下， 如果follower副本都还没有复制完而落后于leader副本，突然leader副本宕机，那么就会造成数据丢失。
kafka使用的这种ISR的方式则有效地权衡了数据可靠性和性能之间的关系。
安装和配置。
Zookeeper
Zookeeper
zookeeper是一个开源的 分布式协调服务，是Google Chubby的一个开源实现。
分布式应用程序，可以基于Zookeeper实现诸如
-
数据发布/订阅
-
负载均衡
-
命名服务
-
分布式协调/通知
-
集群管理
-
Master选举
-
配置维护等功能。
Zookeeper角色
-
leader
-
follower
-
observer(不参与投票)
windows安装kafka
Windows中安装和使用Kafka_windows安装kafka_时间不会赖着不走的博客-CSDN博客
一，打开Kafka官网进行下载Kafka
官网地址：Apache Kafka 我下载的是2.4.0版本
二、下载完毕之后进行解压
因为Kafka的运行依赖于 Zookeeper，所以还需要下并安装Zookeeper，ZooKeeper和Kafka版本之间有一定的对应关系，不同版本的ZooKeeper和Kafka可以相互兼容，但需要满足一定的条件。 Kafka 2.2.0 开始支持使用内置的ZooKeeper替代外部ZooKeeper。 所以2.4.0是不需要安装Zookeeper的,直接解压即可。
牛的。
三、启动Zookeeper
因为Kafka中的Broker注册，Topic注册，以及负载均衡都是在Zookeeper中管理，所以需要先启动内置的Zookeeper
打开之前下载的Kafka安装包，然后输入cmd
四、启动Kafka
新开一个命令行窗口，在之前的目录中输入启动命令
.\bin\windows\kafka-server-start.bat .\config\server.properties五、测试kafka
在之前的目录中，新开一个命令行，进行创建名为"topic_test"的主题,其包含一个分区，只有一个副本
.\bin\windows\kafka-topics.bat --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic topic_testkafka3
2023年 kafka3移除了zookeeper
Apache Kafka3.0不仅引入了各种新功能，API实现了突破性更改，同时还改进了KRaft------Apache Kafka的内置共识机制将取代 Apache ZooKeeper。
但是dev是实验特性，可以不用zk，但是prod还是推荐zk.
首先还是要先弄zk吧。
1、启动Zookeeper
因为Kafka中的Broker注册，Topic注册，以及负载均衡都是在Zookeeper中管理，所以需要先启动内置的Zookeeper
打开之前下载的Kafka安装包，然后输入cmd
.\bin\windows\zookeeper-server-start.bat .\config\zookeeper.properties先看zk的properties的配置
# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements. See the NOTICE file distributed with
# this work for additional information regarding copyright ownership.
# The ASF licenses this file to You under the Apache License, Version 2.0
# (the "License"); you may not use this file except in compliance with
# the License. You may obtain a copy of the License at
#
# http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
# the directory where the snapshot is stored.
dataDir=/tmp/zookeeper
# the port at which the clients will connect
clientPort=2181
# disable the per-ip limit on the number of connections since this is a non-production config
maxClientCnxns=0
# Disable the adminserver by default to avoid port conflicts.
# Set the port to something non-conflicting if choosing to enable this
admin.enableServer=false
# admin.serverPort=8080zk和zk的配置
.\bin\windows\zookeeper-server-start.bat .\config\zookeeper.properties kafka和kafka的配置
.\bin\windows\kafka-server-start.bat .\config\server.properties默认 9092
启动kafka的配置
.\bin\windows\kafka-topics.bat --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic topic_test报错。
在Kafka 2.3.0 版本之后的版本中，Kafka已经不再使用ZooKeeper作为默认的协调服务，而是使用内置的Kafka集群协调器（Kafka集群自身）。因此，您在使用kafka-topics.bat命令时，应该使用--bootstrap-server参数来指定Kafka集群的连接地址，而不是--zookeeper参数。以下是正确的命令示例：
Copy
D:\env\kafka\kafka_2.13-3.5.1>.\bin\windows\kafka-topics.bat --create --bootstrap-server localhost:9092 --replication-factor 1 --partitions 1 --topic topic_test
注意，我假设您的本地Kafka集群正在运行，并且监听在默认的9092端口上。如果您的Kafka集群配置有所不同，请相应地调整--bootstrap-server参数的值。
另外，您可能还需要确保已经正确设置了Kafka的环境变量，以便在任意位置执行kafka-topics.bat命令。如果仍然遇到问题，请检查您的Kafka安装和配置是否正确，并参考Kafka的官方文档进行故障排除。修改为
.\bin\windows\kafka-topics.bat --create --bootstrap-server localhost:2181 --replication-factor 1 --partitions 1 --topic topic-test创建一个生产者来产生数据
.\bin\windows\kafka-console-producer.bat --broker-list localhost:9092 --topic topic_test
>aa创建一个消费者来接收数据
.\bin\windows\kafka-console-consumer.bat --bootstrap-server localhost:9092 --topic topic_test --from-beginning