ZooKeeper+Kafka - 技术栈

一、Zookeeper

[1.1 Zookeeper 概述](#1.1 Zookeeper 概述)

[1.2 Zookeeper 工作机制](#1.2 Zookeeper 工作机制)

[1.3 ZooKeeper 特点](#1.3 ZooKeeper 特点)

[1.4 Zookeeper 数据结构](#1.4 Zookeeper 数据结构)

[1.5 ZooKeeper 应用场景](#1.5 ZooKeeper 应用场景)

[1.6 Zookeeper 选举机制](#1.6 Zookeeper 选举机制)

[1.6.1 第一次启动选举机制](#1.6.1 第一次启动选举机制)

[1.6.2 非第一次启动选举机制](#1.6.2 非第一次启动选举机制)

[Leader 的作用](#Leader 的作用)

[1. 处理所有写请求（核心职责）](#1. 处理所有写请求（核心职责）)

[2. 主导 Leader 选举](#2. 主导 Leader 选举)

[3. 管理集群数据同步](#3. 管理集群数据同步)

[4. 维护集群状态](#4. 维护集群状态)

[Follower 的作用](#Follower 的作用)

[1. 处理读请求](#1. 处理读请求)

[2. 参与写请求的投票（共识机制核心）](#2. 参与写请求的投票（共识机制核心）)

[3. 参与 Leader 选举](#3. 参与 Leader 选举)

[4. 同步 Leader 数据并恢复故障](#4. 同步 Leader 数据并恢复故障)

[5. 转发写请求到 Leader](#5. 转发写请求到 Leader)

[1.7 部署ZooKeeper 集群](#1.7 部署ZooKeeper 集群)

[1.7.1 部署环境ZK](#1.7.1 部署环境ZK)

[1.7.2 安装前准备](#1.7.2 安装前准备)

[1.7.3 安装 Zookeeper](#1.7.3 安装 Zookeeper)

二、Kafka

[2.1 为什么需要消息队列（MQ）](#2.1 为什么需要消息队列（MQ）)

[2.2 使用消息队列的好处](#2.2 使用消息队列的好处)

[2.3 消息队列的两种模式](#2.3 消息队列的两种模式)

[2.3.1 点对点模式](#2.3.1 点对点模式)

[2.3.2 发布/订阅模式（应用最多）](#2.3.2 发布/订阅模式（应用最多）)

[2.4 Kafka 定义](#2.4 Kafka 定义)

[2.5 Kafka 的特性](#2.5 Kafka 的特性)

[2.6 Kafka 系统架构](#2.6 Kafka 系统架构)

[2.6.1 Broker 服务器](#2.6.1 Broker 服务器)

[2.6.2 Topic 主题](#2.6.2 Topic 主题)

[2.6.3 Partition 分区](#2.6.3 Partition 分区)

[2.6.4 producer](#2.6.4 producer)

[2.6.5 Consumer](#2.6.5 Consumer)

[2.6.6 Consumer Group（CG）](#2.6.6 Consumer Group（CG）)

[2.6.7 offset 偏移量](#2.6.7 offset 偏移量)

[2.6.8 Zookeeper](#2.6.8 Zookeeper)

[2.7 部署 kafka 集群](#2.7 部署 kafka 集群)

[2.7.1 下载安装包](#2.7.1 下载安装包)

[2.7.2 安装 Kafka](#2.7.2 安装 Kafka)

[2.7.3Kafka 命令行操作](#2.7.3Kafka 命令行操作)

[2.8Filebeat+Kafka+ELK 部署](#2.8Filebeat+Kafka+ELK 部署)

[2.8.1 前提部署 Zookeeper+Kafka 集群](#2.8.1 前提部署 Zookeeper+Kafka 集群)

[2.8.2 部署 Filebeat](#2.8.2 部署 Filebeat)

[2.8.3 部署 ELK部署 ELK](#2.8.3 部署 ELK部署 ELK)

[2.8.4 Kibana 添加](#2.8.4 Kibana 添加)

一、Zookeeper

1.1 Zookeeper 概述

Zookeeper 是一个分布式协调服务，专门为分布式应用提供高效可靠的协调、同步、配置管理和

故障恢复等功能。它的设计目的是简化分布式系统的管理，保证多个节点之间的数据一致性和协调工作。Zookeeper 提供了类似文件系统的层次化命名空间，用来存储和管理元数据，确保分布式应用的高可用性和强一致性。

1.2 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。

1.3 ZooKeeper 特点

（1）Zookeeper：一个领导者（Leader），多个跟随者（Follower）组成的集群。

（2）Zookeepe集群中只要有半数以上节点存活，Zookeeper集群就能正常服务。所以Zookeeper适合安装奇数台服务器。

（3）全局数据一致：每个Server保存一份相同的数据副本，Client无论连接到哪个Server，数据都是一致的。

（4）更新请求顺序执行，来自同一个Client的更新请求按其发送顺序依次执行，即先进先出。

（5）数据更新原子性，一次数据更新要么成功，要么失败。

（6）实时性，在一定时间范围内，Client能读到最新数据。

1.4 Zookeeper 数据结构

Zookeeper 的数据结构类似于一个层次化的文件系统：

**ZNode：**是 Zookeeper 中存储数据的基本单元，每个 ZNode 都可以存储少量的数据，并且可以有子节点，形成树状结构。 /
**持久节点：**该类型的 ZNode 会一直存在，直到手动删除。
**临时节点：**客户端会话断开时，临时节点会自动删除，适用于实现分布式锁等功能。
**顺序节点：**在创建 ZNode 时，Zookeeper 可以自动为其添加递增的编号，常用于实现分布式队列或顺序任务处理。

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。

1.5 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。

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。

统一配置管理

（1）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。

（2）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。

统一集群管理

（1）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。

（2）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。

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。

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。

1.6 Zookeeper 选举机制

1.6.1 第一次启动选举机制

Zookeeper 的选举机制确保集群中的所有节点对外表现为一个统一的服务。选举机制分为两个阶段：

Leader 选举 和 投票确认。

**1. 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；

**2. 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1，2状态保持LOOKING

**3. 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1，2更改状态为FOLLOWING，服务器3更改状态为LEADING；

**4. 服务器4启动，发起一次选举。**此时服务器1，2，3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FOLLOWING；

**5. 服务器5启动，**同4一样当小弟。

1.6.2 非第一次启动选举机制

1. 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：

1）服务器初始化启动。

2）服务器运行期间无法和Leader保持连接。

2. 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：

1）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。

2）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、5，ZXID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。

选举Leader规则：

① EPOCH大的直接胜出（任期）

② EPOCH相同，事务id大的胜出

③ 事务id相同，服务器id大的胜出

SID：服务器ID（myid 唯一性）。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

Leader 的作用

Leader 是集群的核心节点，主导写操作共识、数据同步和集群选举，是保证数据一致性的关键：

1. 处理所有写请求（核心职责）

集群中所有写操作（创建 / 修改 / 删除 ZNode、设置 Watcher 等）最终必须经过 Leader 处理，流程如下：

接收 Follower/Observer 转发的写请求，或直接接收客户端写请求；
生成全局唯一的 ZXID（事务 ID），封装为 "事务提案" 并广播给所有 Follower；
收集 Follower 的 ACK（确认）反馈，当获得超过半数 Follower 的确认后，提交事务（更新本地内存 ZNode 树）；
向所有 Follower 发送 "提交指令"，同步集群数据，最后向客户端返回写操作结果。

2. 主导 Leader 选举

当集群启动或当前 Leader 故障时，Leader 负责触发并主导选举流程：

集群首次启动时，参与选举并争取成为首个 Leader；
自身故障恢复后，若集群已有新 Leader，则转为 Follower；
选举过程中，通过 ZXID（数据最新程度）和 SID（节点优先级）竞争，胜出后协调集群数据同步。

3. 管理集群数据同步

新 Leader 选举完成后，主动将自身完整的 ZNode 数据同步给所有 Follower，确保集群节点数据一致；
日常写操作提交后，通过 "提交指令" 强制 Follower 同步最新数据，避免集群数据分歧。

4. 维护集群状态

实时监控 Follower 节点的存活状态（通过心跳机制）；
当 Follower 节点宕机或重新加入时，协调数据同步，保证集群拓扑稳定。

Follower 的作用

Follower 是集群的基础节点，承担读请求处理、写请求投票和数据同步的职责，是集群高可用的支撑：

1. 处理读请求

Follower 可直接响应客户端的读请求（如获取 ZNode 数据、列出子节点），流程为：

客户端向 Follower 发起读请求；
Follower 从本地内存 ZNode 树中读取数据并返回，无需经过 Leader；
读请求的直接处理是 ZooKeeper 读性能高的重要原因（集群可横向扩展 Follower 提升读能力）。

2. 参与写请求的投票（共识机制核心）

接收 Leader 广播的事务提案，先将提案写入本地事务日志（保证可追溯）；
向 Leader 返回 ACK 确认，只有当 Leader 收集到超过半数 Follower 的 ACK，写操作才能提交；
若 Follower 宕机或网络异常导致未反馈 ACK，Leader 会等待超时后重新广播（保证提案不丢失）。

3. 参与 Leader 选举

集群无 Leader 时（启动 / Leader 故障），Follower 作为候选者参与选举，通过 ZXID 和 SID 竞争 Leader；
投票给符合条件的候选者（ZXID 更大优先，ZXID 相同则 SID 更大优先），推动集群快速选出新 Leader。

4. 同步 Leader 数据并恢复故障

新 Leader 选举完成后，Follower 主动向 Leader 同步全量数据（若本地数据落后），确保与 Leader 数据一致；
日常接收 Leader 的 "提交指令"，更新本地内存 ZNode 树，保持数据实时同步；
自身故障重启后，自动连接 Leader 并同步缺失的事务日志，快速恢复到集群最新状态。

5. 转发写请求到 Leader

若客户端直接向 Follower 提交写请求，Follower 会立即将请求转发给 Leader，由 Leader 统一处理。

1.7 部署ZooKeeper 集群

1.7.1 部署环境ZK

|----------|---------------|------------------------------------------|
| 服务名称 | IP地址 | 服务 |
| zk01 | 192.168.10.18 | zookeeper-3.5.7 kafka_2.13-2.7.1 jdk_1.8 |
| zk02 | 192.168.10.19 | zookeeper-3.5.7 kafka_2.13-2.7.1 jdk_1.8 |
| zk03 | 192.168.10.20 | zookeeper-3.5.7 kafka_2.13-2.7.1 jdk_1.8 |

1.7.2 安装前准备

1.7.3 安装 Zookeeper

二、Kafka

2.1 为什么需要消息队列（MQ）

主要原因是由于在高并发环境下，同步请求来不及处理，请求往往会发生阻塞。比如大量的请求

并发访问数据库，导致行锁表锁，最后请求线程会堆积过多，从而触发 too many connection 错误，引发雪崩效应。

我们使用消息队列，通过异步处理请求，从而缓解系统的压力。消息队列常应用于异步处理，流量削峰，应用解耦，消息通讯等场景。

当前比较常见的 MQ 中间件有 ActiveMQ、RabbitMQ、RocketMQ（阿里）、Kafka 等。

2.2 使用消息队列的好处

1. 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。

2. 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。

3. 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。

4. 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。

5. 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。

2.3 消息队列的两种模式

2.3.1 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。

2.3.2 发布/订阅模式（应用最多）

（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。

2.4 Kafka 定义

Kafka 是一个分布式的基于发布/订阅模式的消息队列（MQ，Message Queue），主要应用于大数据实时处理领域。

2.5 Kafka 的特性

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 Partition， Consumer 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

2.6 Kafka 系统架构

2.6.1 Broker 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。

2.6.2 Topic 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

2.6.3 Partition 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。

分区的原因：

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。

（1）Replica 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。

（2）Leader

每个 partition 有多个副本，其中有且仅有一个作为 Leader，Leader 是当前负责数据的读写partition。

（3）Follower

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 Follower， Follower 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 ISR（Leader 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。

2.6.4 producer

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。

2.6.5 Consumer

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。

2.6.6 Consumer Group（CG）

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。

2.6.7 offset 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）。

2.6.8 Zookeeper

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。 znode 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offset，offset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。