vlambda博客
学习文章列表

yum install java-1.8.0-openjdk* -y

wget http://mirror.bit.edu.cn/apache/zookeeper/stable/zookeeper-3.4.12.tar.gz
tar -zxvf zookeeper-3.4.12.tar.gz
cd zookeeper-3.4.12
cp conf/zoo_sample.cfg conf/zoo.cfg
# 启动zookeeperbin/zkServer.sh startbin/zkCli.sh #查看zk的根目录相关节点ls /

wget https://archive.apache.org/dist/kafka/1.1.0/kafka_2.11-1.1.0.tgz
tar -xzf kafka_2.11-1.1.0.tgz
cd kafka_2.11-1.1.0

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

# 我们进入zookeeper目录通过zookeeper客户端查看下zookeeper的目录树
bin/zkCli.sh 
ls / #查看zk的根目录kafka相关节点
ls /brokers/ids #查看kafka节点

bin/kafka-topics.sh --create --zookeeper 192.168.0.60:2181 --replication-factor 1 --partitions 1 --topic test

bin/kafka-topics.sh --list --zookeeper 192.168.0.60:2181

bin/kafka-console-producer.sh --broker-list 192.168.0.60:9092 --topic test 
>this is a msg
>this is a another msg

bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.60:9092 --consumer-property group.id=testGroup --topic test

bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.60:9092 --from-beginning --topic test

bin/kafka-consumer-groups.sh --bootstrap-server 192.168.0.60:9092 --list 

bin/kafka-consumer-groups.sh --bootstrap-server 192.168.0.60:9092 --describe --group testGroup

bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.60:9092 --whitelist "test|test-2"

bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.60:9092 --consumer-property group.id=testGroup --topic test

bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.60:9092 --consumer-property group.id=testGroup-2 --topic test

cp config/server.properties config/server-1.propertiescp config/server.properties config/server-2.properties

#broker.id属性在kafka集群中必须要是唯一broker.id=1#kafka部署的机器ip和提供服务的端口号listeners=PLAINTEXT://192.168.0.60:9093   log.dir=/usr/local/data/kafka-logs-1

broker.id=2listeners=PLAINTEXT://192.168.0.60:9094log.dir=/usr/local/data/kafka-logs-2

bin/kafka-server-start.sh -daemon config/server-1.propertiesbin/kafka-server-start.sh -daemon config/server-2.properties

bin/kafka-topics.sh --create --zookeeper 192.168.0.60:2181 --replication-factor 3 --partitions 2 --topic my-replicated-topic

 bin/kafka-topics.sh --describe --zookeeper 192.168.0.60:2181 --topic my-replicated-topic

bin/kafka-topics.sh --describe --zookeeper 192.168.0.60:2181 --topic test 

bin/kafka-topics.sh -alter --partitions 3 --zookeeper 127.0.0.1:2181 --topic test

bin/kafka-console-producer.sh --broker-list 192.168.0.60:9092,192.168.0.60:9093,192.168.0.60:9094 --topic my-replicated-topic>my test msg 1>my test msg 2

bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.60:9092 --from-beginning --topic my-replicated-topicmy test msg 1my test msg 2

ps -ef | grep server.propertieskill -9 14776

bin/kafka-topics.sh --describe --zookeeper 192.168.0.60:9092 --topic my-replicated-topic

bin/kafka-console-consumer.sh --bootstrap-server 192.168.0.60:9092 --from-beginning --topic my-replicated-topicmy test msg 1my test msg 2

<dependency>   <groupId>org.apache.kafka</groupId>   <artifactId>kafka-clients</artifactId>   <version>1.1.0</version></dependency>

public class MsgProducer {    public static void main(String[] args) throws InterruptedException, ExecutionException {        Properties props = new Properties();        props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.0.60:9092,192.168.0.60:9093,192.168.0.60:9094");        /*         发出消息持久化机制参数        （1）acks=0： 表示producer不需要等待任何broker确认收到消息的回复，就可以继续发送下一条消息。性能最高，但是最容易丢消息。        （2）acks=1： 至少要等待leader已经成功将数据写入本地log，但是不需要等待所有follower是否成功写入。就可以继续发送下一条消息。这种情况下，如果follower没有成功备份数据，而此时leader        又挂掉，则消息会丢失。        （3）acks=-1或all： 这意味着leader需要等待所有备份(min.insync.replicas配置的备份个数)都成功写入日志，这种策略会保证只要有一个备份存活就不会丢失数据。                            这是最强的数据保证。一般除非是金融级别，或跟钱打交道的场景才会使用这种配置。        */        props.put(ProducerConfig.ACKS_CONFIG, "1");        //发送失败会重试，默认重试间隔100ms，重试能保证消息发送的可靠性，但是也可能造成消息重复发送，比如网络抖动，所以需要在接收者那边做好消息接收的幂等性处理        props.put(ProducerConfig.RETRIES_CONFIG, 3);        //重试间隔设置        props.put(ProducerConfig.RETRY_BACKOFF_MS_CONFIG, 300);        //设置发送消息的本地缓冲区，如果设置了该缓冲区，消息会先发送到本地缓冲区，可以提高消息发送性能，默认值是33554432，即32MB        props.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);        //kafka本地线程会从缓冲区取数据，批量发送到broker，        //设置批量发送消息的大小，默认值是16384，即16kb，就是说一个batch满了16kb就发送出去        props.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);        //默认值是0，意思就是消息必须立即被发送，但这样会影响性能        //一般设置100毫秒左右，就是说这个消息发送完后会进入本地的一个batch，如果100毫秒内，这个batch满了16kb就会随batch一起被发送出去        //如果100毫秒内，batch没满，那么也必须把消息发送出去，不能让消息的发送延迟时间太长        props.put(ProducerConfig.LINGER_MS_CONFIG, 100);        //把发送的key从字符串序列化为字节数组        props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());        //把发送消息value从字符串序列化为字节数组        props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());        Producer<String, String> producer = new KafkaProducer<>(props);        int msgNum = 5;        CountDownLatch countDownLatch = new CountDownLatch(msgNum);        for (int i = 1; i <= msgNum; i++) {            Order order = new Order(i, 100 + i, 1, 1000.00);            //指定发送分区            ProducerRecord<String, String> producerRecord = new ProducerRecord<String, String>("order-topic", 0, order.getOrderId().toString(), JSON.toJSONString(order));            //未指定发送分区，具体发送的分区计算公式：hash(key)%partitionNum            /*ProducerRecord<String, String> producerRecord = new ProducerRecord<String, String>("my-replicated-topic"                    , order.getOrderId().toString(), JSON.toJSONString(order));*/            //等待消息发送成功的同步阻塞方法         /*RecordMetadata metadata = producer.send(producerRecord).get();         System.out.println("同步方式发送消息结果：" + "topic-" + metadata.topic() + "|partition-"                 + metadata.partition() + "|offset-" + metadata.offset());*/            //异步方式发送消息            producer.send(producerRecord, new Callback() {                @Override                public void onCompletion(RecordMetadata metadata, Exception exception) {                    if (exception != null) {                        System.err.println("发送消息失败：" + exception.getStackTrace());                    }                    if (metadata != null) {                        System.out.println("异步方式发送消息结果：" + "topic-" + metadata.topic() + "|partition-"                                + metadata.partition() + "|offset-" + metadata.offset());                    }                    countDownLatch.countDown();                }            });            //送积分 TODO        }        countDownLatch.await(5, TimeUnit.SECONDS);        producer.close();    }}

public class MsgConsumer {    public static void main(String[] args) {        Properties props = new Properties();        props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.0.60:9092");        // 消费分组名        props.put(ConsumerConfig.GROUP_ID_CONFIG, "testGroup");        // 是否自动提交offset      /*props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");      // 自动提交offset的间隔时间      props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG , "1000");*/        props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");      /*      心跳时间，服务端broker通过心跳确认consumer是否故障，如果发现故障，就会通过心跳下发      rebalance的指令给其他的consumer通知他们进行rebalance操作，这个时间可以稍微短一点      */        props.put(ConsumerConfig.HEARTBEAT_INTERVAL_MS_CONFIG, 1000);        //服务端broker多久感知不到一个consumer心跳就认为他故障了，默认是10秒        props.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, 10 * 1000);        /*        如果两次poll操作间隔超过了这个时间，broker就会认为这个consumer处理能力太弱，        会将其踢出消费组，将分区分配给别的consumer消费        */        props.put(ConsumerConfig.MAX_POLL_INTERVAL_MS_CONFIG, 30 * 1000);        props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());        props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);        // 消费主题        String topicName = "order-topic";        //consumer.subscribe(Arrays.asList(topicName));        // 消费指定分区        //consumer.assign(Arrays.asList(new TopicPartition(topicName, 0)));        //消息回溯消费 consumer.assign(Arrays.asList(new TopicPartition(topicName, 0)));        consumer.seekToBeginning(Arrays.asList(new TopicPartition(topicName, 0)));        //指定offset消费        //consumer.seek(new TopicPartition(topicName, 0), 10);        while (true) {            /*             * poll() API 是拉取消息的长轮询，主要是判断consumer是否还活着，只要我们持续调用poll()，             * 消费者就会存活在自己所在的group中，并且持续的消费指定partition的消息。             * 底层是这么做的：消费者向server持续发送心跳，如果一个时间段（session.             * timeout.ms）consumer挂掉或是不能发送心跳，这个消费者会被认为是挂掉了，             * 这个Partition也会被重新分配给其他consumer             */            ConsumerRecords<String, String> records = consumer.poll(Integer.MAX_VALUE);            for (ConsumerRecord<String, String> record : records) {                System.out.printf("收到消息：offset = %d, key = %s, value = %s%n", record.offset(), record.key(),                        record.value());            }            if (records.count() > 0) {                // 提交offset                consumer.commitSync();            }        }    }}

<dependency>    <groupId>org.springframework.kafka</groupId>    <artifactId>spring-kafka</artifactId></dependency>

server:  port: 8080spring:  kafka:    bootstrap-servers: 192.168.0.60:9092,192.168.0.60:9093    producer: # 生产者      retries: 3 # 设置大于0的值，则客户端会将发送失败的记录重新发送      batch-size: 16384      buffer-memory: 33554432      # 指定消息key和消息体的编解码方式      key-serializer: org.apache.kafka.common.serialization.StringSerializer      value-serializer: org.apache.kafka.common.serialization.StringSerializer    consumer:      group-id: mygroup enable-auto-commit: true

@RestController
public class KafkaController {
    @Autowired private KafkaTemplate<String, String> kafkaTemplate;
    @RequestMapping("/send")    public void send() {        kafkaTemplate.send("mytopic", 0, "key", "this is a msg");    }    }

@Componentpublic class MyConsumer {        /**     * @KafkaListener(groupId = "testGroup", topicPartitions = {     *             @TopicPartition(topic = "topic1", partitions = {"0", "1"}),     *             @TopicPartition(topic = "topic2", partitions = "0",     *                     partitionOffsets = @PartitionOffset(partition = "1", initialOffset = "100"))     *     },concurrency = "6")     *  //concurrency就是同组下的消费者个数，就是并发消费数，必须小于等于分区总数     * @param record     */    @KafkaListener(topics = "mytopic",groupId = "testGroup")    public void listen(ConsumerRecord<String, String> record) {        String value = record.value();        System.out.println(value);        System.out.println(record);    }}