Kafka 0.9+Zookeeper3.4.6集羣搭建、配置，新Client API的使用要點，高可用性測試，以及各種坑

轉載自：http://www.cnblogs.com/edison2012/p/5774207.html

Kafka 0.9版本對java client的api做出了較大調整，本文主要總結了Kafka 0.9在集羣搭建、高可用性、新API方面的相關過程和細節，以及本人在安裝調試過程中踩出的各種坑。

關於Kafka的結構、功能、特點、適用場景等，網上到處都是，我就不再贅述了，直接進入正文

Kafka 0.9集羣安裝配置

操作系統：CentOS 6.5

1. 安裝Java環境

Zookeeper和Kafka的運行都需要Java環境，所以先安裝JRE，Kafka默認使用G1垃圾回收器，如果不更改垃圾回收器，官方推薦使用 7u51以上版本的JRE。如果你使用老版本的JRE，需要更改Kafka的啓動腳本，指定G1以外的垃圾回收器。

Java環境的安裝過程在此不贅述了。

2. Zookeeper集羣搭建

Kafka依賴Zookeeper管理自身集羣（Broker、Offset、Producer、Consumer等），所以先要安裝 Zookeeper。自然，爲了達到高可用的目的，Zookeeper自身也不能是單點，接下來就介紹如何搭建一個最小的Zookeeper集羣（3個 zk節點）

此處選用Zookeeper的版本是3.4.6，此爲Kafka0.9中推薦的Zookeeper版本。

首先解壓

tar -xzvf zookeeper-3.4.6.tar.gz

進入zookeeper的conf目錄，將zoo_sample.cfg複製一份，命名爲zoo.cfg，此即爲Zookeeper的配置文件

cp zoo_sample.cfg zoo.cfg

編輯zoo.cfg

# The number of milliseconds of each tick
tickTime=2000
# The number of ticks that the initial
# synchronization phase can take
initLimit=10
# The number of ticks that can pass between
# sending a request and getting an acknowledgement
syncLimit=5
# the directory where the snapshot is stored.
dataDir=/data/zk/zk0/data
dataLogDir=/data/zk/zk0/logs
# the port at which the clients will connect
clientPort=2181
server.0=10.0.0.100:4001:4002
server.1=10.0.0.101:4001:4002
server.2=10.0.0.102:4001:4002

dataDir和dataLogDir的路徑需要在啓動前創建好
clientPort爲zookeeper的服務端口
server.0/1/2爲zk集羣中三個node的信息，定義格式爲hostname:port1:port2，其中port1是node間通信使用的端口，port2是node選舉使用的端口，需確保三臺主機的這兩個端口都是互通的

在另外兩臺主機上執行同樣的操作，安裝並配置zookeeper

分別在三臺主機的dataDir路徑下創建一個文件名爲myid的文件，文件內容爲該zk節點的編號。例如在第一臺主機上建立的myid文件內容是0，第二臺是1。

接下來，啓動三臺主機上的zookeeper服務：

bin/zkServer.sh start

3個節點都啓動完成後，可依次執行如下命令查看集羣狀態：

bin/zkServer.sh status

命令輸出如下：

Mode: leader 或 Mode: follower

3個節點中，應有1個leader和兩個follower

驗證zookeeper集羣高可用性：

假設目前3個zk節點中，server0爲leader，server1和server2爲follower

我們停掉server0上的zookeeper服務：

bin/zkServer.sh stop

再到server1和server2上查看集羣狀態，會發現此時server1（也有可能是server2）爲leader，另一個爲follower。

再次啓動server0的zookeeper服務，運行zkServer.sh status檢查，發現新啓動的server0也爲follower

至此，zookeeper集羣的安裝和高可用性驗證完成。

附：Zookeeper默認會將控制檯信息輸出到啓動路徑下的zookeeper.out中，顯然在生產環境中我們不能允許Zookeeper這樣做，通過如下方法，可以讓Zookeeper輸出按尺寸切分的日誌文件：

修改conf/log4j.properties文件，將

zookeeper.root.logger=INFO, CONSOLE

改爲

zookeeper.root.logger=INFO, ROLLINGFILE

修改bin/zkEnv.sh文件，將

ZOO_LOG4J_PROP="INFO,CONSOLE"

改爲

ZOO_LOG4J_PROP="INFO,ROLLINGFILE"

然後重啓zookeeper，就ok了

3. Kafka集羣搭建

此例中，我們會安裝配置一個有兩個Broker組成的Kafka集羣，並在其上創建一個兩個分區的Topic

本例中使用Kafka最新版本0.9.0.1

首先解壓

tar -xzvf kafka_2.11-0.9.0.1.tgz

編輯config/server.properties文件，下面列出關鍵的參數

#此Broker的ID，集羣中每個Broker的ID不可相同
broker.id=0
#◇◇器，端口號與port一致即可
listeners=PLAINTEXT://:9092
#Broker◇◇的端口
port=9092
#Broker的Hostname，填主機IP即可
host.name=10.0.0.100
#向Producer和Consumer建議連接的Hostname和port （此處有坑，具體見後）
advertised.host.name=10.0.0.100
advertised.port=9092
#進行IO的線程數，應大於主機磁盤數
num.io.threads=8
#消息文件存儲的路徑
log.dirs=/data/kafka-logs
#消息文件清理週期，即清理x小時前的消息記錄
log.retention.hours=168
#每個Topic默認的分區數，一般在創建Topic時都會指定分區數，所以這個配成1就行了
num.partitions=1
#Zookeeper連接串，此處填寫上一節中安裝的三個zk節點的ip和端口即可
zookeeper.connect=10.0.0.100:2181,10.0.0.101:2181,10.0.0.102:2181

配置項的詳細說明請見官方文檔：http://kafka.apache.org/documentation.html#brokerconfigs

此處的坑：

按照官方文檔的說法，advertised.host.name和advertised.port這兩個參數用於定義集羣向Producer和 Consumer廣播的節點host和port，如果不定義的話，會默認使用host.name和port的定義。但在實際應用中，我發現如果不定義 advertised.host.name參數，使用Java客戶端從遠端連接集羣時，會發生連接超時，拋出異常：org.apache.kafka.common.errors.TimeoutException: Batch Expired

經過debug發現，連接到集羣是成功的，但連接到集羣后更新回來的集羣meta信息卻是錯誤的：
能夠看到，metadata中的Cluster信息，節點的hostname是iZ25wuzqk91Z這樣的一串數字，而不是實際的ip地址 10.0.0.100和101。iZ25wuzqk91Z其實是遠端主機的hostname，這說明在沒有配置advertised.host.name 的情況下，Kafka並沒有像官方文檔宣稱的那樣改爲廣播我們配置的host.name，而是廣播了主機配置的hostname。遠端的客戶端並沒有配置 hosts，所以自然是連接不上這個hostname的。要解決這一問題，把host.name和advertised.host.name都配置成絕對的ip地址就可以了。

接下來，我們在另一臺主機也完成Kafka的安裝和配置，然後在兩臺主機上分別啓動Kafka：

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

此處的坑：

官方給出的後臺啓動kafka的方法是：

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

但用這種方式啓動後，只要斷開Shell或登出，Kafka服務就會自動shutdown，不知是OS的問題還是SSH的問題還是Kafka自己的問題，總之我改用-daemon方式啓動Kafka纔不會在斷開shell後自動shutdown。

接下來，我們創建一個名爲test，擁有兩個分區，兩個副本的Topic：

bin/kafka-topics.sh --create --zookeeper 10.0.0.100:2181,10.0.0.101:2181,10.0.0.102:2181 --replication-factor 2 --partitions 2 --topic test

創建完成後，使用如下命令查看Topic狀態：

bin/kafka-topics.sh --describe --zookeeper 10.0.0.100:2181,10.0.0.101:2181,10.0.0.102:2181 --topic test

輸出：

Topic:test PartitionCount:2 ReplicationFactor:2 Configs:
Topic: test Partition: 0 Leader: 1 Replicas: 1,0 Isr: 0,1
Topic: test Partition: 1 Leader: 0 Replicas: 0,1 Isr: 0,1

解讀：test這個topic，當前有2個分區，分別爲0和1，分區0的Leader是1（這個1是broker.id），分區0有兩個 Replica（副本），分別是1和0，這兩個副本中，Isr（In-sync）的是0和1。分區2的Leader是0，也有兩個Replica，同樣也是兩個replica都是in-sync狀態

至此，Kafka 0.9集羣的搭建工作就完成了，接下來我們將介紹新的Java API的使用，以及集羣高可用性的驗證測試。

4. 使用Kafka的Producer API來完成消息的推送

1) Kafka 0.9.0.1的java client依賴：

	<dependency>
	    <groupId>org.apache.kafka</groupId>
	    <artifactId>kafka-clients</artifactId>
	    <version>0.9.0.1</version>
	</dependency>

2) 寫一個KafkaUtil工具類，用於構造Kafka Client

public class KafkaUtil {
	private static KafkaProducer<String, String> kp;

	public static KafkaProducer<String, String> getProducer() {
		if (kp == null) {
			Properties props = new Properties();
			props.put("bootstrap.servers", "10.0.0.100:9092,10.0.0.101:9092");
			props.put("acks", "1");
			props.put("retries", 0);
			props.put("batch.size", 16384);
			props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
			props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
			kp = new KafkaProducer<String, String>(props);
		}
		return kp;
	}
}

KafkaProducer<K,V>的K代表每條消息的key類型，V代表消息類型。消息的key用於決定此條消息由哪一個partition接收，所以我們需要保證每條消息的key是不同的。

Producer端的常用配置

bootstrap.servers：Kafka集羣連接串，可以由多個host:port組成
acks：broker消息確認的模式，有三種：
0：不進行消息接收確認，即Client端發送完成後不會等待Broker的確認
1：由Leader確認，Leader接收到消息後會立即返回確認信息
all：集羣完整確認，Leader會等待所有in-sync的follower節點都確認收到消息後，再返回確認信息
我們可以根據消息的重要程度，設置不同的確認模式。默認爲1
retries：發送失敗時Producer端的重試次數，默認爲0
batch.size：當同時有大量消息要向同一個分區發送時，Producer端會將消息打包後進行批量發送。如果設置爲0，則每條消息都DuLi發送。默認爲16384字節
linger.ms：發送消息前等待的毫秒數，與batch.size配合使用。在消息負載不高的情況下，配置linger.ms能夠讓Producer在發送消息前等待一定時間，以積累更多的消息打包發送，達到節省網絡資源的目的。默認爲0
key.serializer/value.serializer：消息key/value的序列器Class，根據key和value的類型決定
buffer.memory：消息緩衝池大小。尚未被髮送的消息會保存在Producer的內存中，如果消息產生的速度大於消息發送的速度，那麼緩衝池滿後發送消息的請求會被阻塞。默認33554432字節（32MB）

更多的Producer配置見官網：http://kafka.apache.org/documentation.html#producerconfigs

3) 寫一個簡單的Producer端，每隔1秒向Kafka集羣發送一條消息：

public class KafkaTest {
	public static void main(String[] args) throws Exception{
		Producer<String, String> producer = KafkaUtil.getProducer();
		int i = 0;
		while(true) {
			ProducerRecord<String, String> record = new ProducerRecord<String, String>("test", String.valueOf(i), "this is message"+i);
			producer.send(record, new Callback() {
				public void onCompletion(RecordMetadata metadata, Exception e) {
					if (e != null)
						e.printStackTrace();
					System.out.println("message send to partition " + metadata.partition() + ", offset: " + metadata.offset());
				}
			});
			i++;
			Thread.sleep(1000);
		}
	}
}

在調用KafkaProducer的send方法時，可以註冊一個回調方法，在Producer端完成發送後會觸發回調邏輯，在回調方法的 metadata對象中，我們能夠獲取到已發送消息的offset和落在的分區等信息。注意，如果acks配置爲0，依然會觸發回調邏輯，只是拿不到 offset和消息落地的分區信息。

跑一下，輸出是這樣的：

message send to partition 0, offset: 28
message send to partition 1, offset: 26
message send to partition 0, offset: 29
message send to partition 1, offset: 27
message send to partition 1, offset: 28
message send to partition 0, offset: 30
message send to partition 0, offset: 31
message send to partition 1, offset: 29
message send to partition 1, offset: 30
message send to partition 1, offset: 31
message send to partition 0, offset: 32
message send to partition 0, offset: 33
message send to partition 0, offset: 34
message send to partition 1, offset: 32

乍一看似乎offset亂掉了，但其實這是因爲消息分佈在了兩個分區上，每個分區上的offset其實是正確遞增的。

5. 使用Kafka的Consumer API來完成消息的消費

1) 改造一下KafkaUtil類，加入Consumer client的構造。

public class KafkaUtil {
	private static KafkaProducer<String, String> kp;
	private static KafkaConsumer<String, String> kc;

	public static KafkaProducer<String, String> getProducer() {
		if (kp == null) {
			Properties props = new Properties();
			props.put("bootstrap.servers", "10.0.0.100:9092,10.0.0.101:9092");
			props.put("acks", "1");
			props.put("retries", 0);
			props.put("batch.size", 16384);
			props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
			props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
			kp = new KafkaProducer<String, String>(props);
		}
		return kp;
	}
	
	public static KafkaConsumer<String, String> getConsumer() {
		if(kc == null) {
			Properties props = new Properties();
			props.put("bootstrap.servers", "10.0.0.100:9092,10.0.0.101:9092");
			props.put("group.id", "1");
			props.put("enable.auto.commit", "true");
			props.put("auto.commit.interval.ms", "1000");
			props.put("session.timeout.ms", "30000");
			props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
			props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
			kc = new KafkaConsumer<String, String>(props);
		}
		return kc;
	}
}

同樣，我們介紹一下Consumer常用配置

bootstrap.servers/key.deserializer/value.deserializer：和Producer端的含義一樣，不再贅述
fetch.min.bytes：每次最小拉取的消息大小（byte）。Consumer會等待消息積累到一定尺寸後進行批量拉取。默認爲1，代表有一條就拉一條
max.partition.fetch.bytes：每次從單個分區中拉取的消息最大尺寸（byte），默認爲1M
group.id：Consumer的group id，同一個group下的多個Consumer不會拉取到重複的消息，不同group下的Consumer則會保證拉取到每一條消息。注意，同一個group下的consumer數量不能超過分區數。
enable.auto.commit：是否自動提交已拉取消息的offset。提交offset即視爲該消息已經成功被消費，該組下的Consumer無法再拉取到該消息（除非手動修改offset）。默認爲true
auto.commit.interval.ms：自動提交offset的間隔毫秒數，默認5000。

全部的Consumer配置見官方文檔：http://kafka.apache.org/documentation.html#newconsumerconfigs

2) 編寫Consumer端：

public class KafkaTest {
	public static void main(String[] args) throws Exception{
		KafkaConsumer<String, String> consumer = KafkaUtil.getConsumer();
		consumer.subscribe(Arrays.asList("test"));
		while(true) {
			ConsumerRecords<String, String> records = consumer.poll(1000);
			for(ConsumerRecord<String, String> record : records) {
				System.out.println("fetched from partition " + record.partition() + ", offset: " + record.offset() + ", message: " + record.value());
			}
		}
	}
}

運行輸出：

fetched from partition 0, offset: 28, message: this is message0
fetched from partition 0, offset: 29, message: this is message2
fetched from partition 0, offset: 30, message: this is message5
fetched from partition 0, offset: 31, message: this is message6
fetched from partition 0, offset: 32, message: this is message10
fetched from partition 0, offset: 33, message: this is message11
fetched from partition 0, offset: 34, message: this is message12
fetched from partition 1, offset: 26, message: this is message1
fetched from partition 1, offset: 27, message: this is message3
fetched from partition 1, offset: 28, message: this is message4
fetched from partition 1, offset: 29, message: this is message7
fetched from partition 1, offset: 30, message: this is message8
fetched from partition 1, offset: 31, message: this is message9
fetched from partition 1, offset: 32, message: this is message13

說明：

KafkaConsumer的poll方法即是從Broker拉取消息，在poll之前首先要用subscribe方法訂閱一個Topic。
poll方法的入參是拉取超時毫秒數，如果沒有新的消息可供拉取，consumer會等待指定的毫秒數，到達超時時間後會直接返回一個空的結果集。
如果Topic有多個partition，KafkaConsumer會在多個partition間以輪詢方式實現負載均衡。如果啓動了多個 Consumer線程，Kafka也能夠通過zookeeper實現多個Consumer間的調度，保證同一組下的Consumer不會重複消費消息。注意，Consumer數量不能超過partition數，超出部分的Consumer無法拉取到任何數據。
可以看出，拉取到的消息並不是完全順序化的，kafka只能保證一個partition內的消息先進先出，所以在跨partition的情況下，消息的順序是沒有保證的。
本例中採用的是自動提交offset，Kafka client會啓動一個線程定期將offset提交至broker。假設在自動提交的間隔內發生故障（比如整個JVM進程死掉），那麼有一部分消息是會被重複消費的。要避免這一問題，可使用手動提交offset的方式。構造consumer時將enable.auto.commit設爲false，並在代碼中用consumer.commitSync()來手動提交。

如果不想讓kafka控制consumer拉取數據時在partition間的負載均衡，也可以手工控制：

	public static void main(String[] args) throws Exception{
		KafkaConsumer<String, String> consumer = KafkaUtil.getConsumer();
	    String topic = "test";
	    TopicPartition partition0 = new TopicPartition(topic, 0);
	    TopicPartition partition1 = new TopicPartition(topic, 1);
	    consumer.assign(Arrays.asList(partition0, partition1));
		while(true) {
			ConsumerRecords<String, String> records = consumer.poll(100);
			for(ConsumerRecord<String, String> record : records) {
				System.out.println("fetched from partition " + record.partition() + ", offset: " + record.offset() + ", message: " + record.value());
			}
			consumer.commitSync();
		}
	}

使用consumer.assign()方法爲consumer線程指定1個或多個partition。

此處的坑：

在測試中我發現，如果用手工指定partition的方法拉取消息，不知爲何kafka的自動提交offset機制會失效，必須使用手動方式才能正確提交已消費的消息offset。

題外話：

在真正的應用環境中，Consumer端將消息拉取下來後要做的肯定不止是輸出出來這麼簡單，在消費消息時很有可能需要花掉更多的時間。1個 Consumer線程消費消息的速度很有可能是趕不上Producer產生消息的速度，所以我們不得不考慮Consumer端採用多線程模型來消費消息。
然而KafkaConsumer並不是線程安全的，多個線程操作同一個KafkaConsumer實例會出現各種問題，Kafka官方對於Consumer端的多線程處理給出的指導建議如下：

1. 每個線程都持有一個KafkaConsumer對象
好處：

實現簡單
不需要線程間的協作，效率最高
最容易實現每個Partition內消息的順序處理

弊端：

每個KafkaConsumer都要與集羣保持一個TCP連接
線程數不能超過Partition數
每一batch拉取的數據量會變小，對吞吐量有一定影響

2. 解耦，1個Consumer線程負責拉取消息，數個Worker線程負責消費消息
好處：

可自由控制Worker線程的數量，不受Partition數量限制

弊端：

消息消費的順序無法保證
難以控制手動提交offset的時機

個人認爲第二種方式更加可取，consumer數不能超過partition數這個限制是很要命的，不可能爲了提高Consumer消費消息的效率而把Topic分成更多的partition，partition越多，集羣的高可用性就越低。

6. Kafka集羣高可用性測試

1) 查看當前Topic的狀態：

/kafka-topics.sh --describe --zookeeper 10.0.0.100:2181,10.0.0.101:2181,10.0.0.102:2181 --topic test

輸出：

Topic:test PartitionCount:2 ReplicationFactor:2 Configs:
Topic: test Partition: 0 Leader: 1 Replicas: 1,0 Isr: 0,1
Topic: test Partition: 1 Leader: 0 Replicas: 0,1 Isr: 0,1

可以看到，partition0的leader是broker1，parition1的leader是broker0

2) 啓動Producer向Kafka集羣發送消息

輸出：

message send to partition 0, offset: 35
message send to partition 1, offset: 33
message send to partition 0, offset: 36
message send to partition 1, offset: 34
message send to partition 1, offset: 35
message send to partition 0, offset: 37
message send to partition 0, offset: 38
message send to partition 1, offset: 36
message send to partition 1, offset: 37

3) 登錄SSH將broker0，也就是partition 1的leader kill掉

再次查看Topic狀態：

Topic:test PartitionCount:2 ReplicationFactor:2 Configs:
Topic: test Partition: 0 Leader: 1 Replicas: 1,0 Isr: 1
Topic: test Partition: 1 Leader: 1 Replicas: 0,1 Isr: 1

可以看到，當前parition0和parition1的leader都是broker1了

此時再去看Producer的輸出：

[kafka-producer-network-thread | producer-1] DEBUG org.apache.kafka.common.network.Selector - Connection with /10.0.0.100 disconnected
java.net.ConnectException: Connection refused: no further information
   at sun.nio.ch.SocketChannelImpl.checkConnect(Native Method)
   at sun.nio.ch.SocketChannelImpl.finishConnect(SocketChannelImpl.java:739)
   at org.apache.kafka.common.network.PlaintextTransportLayer.finishConnect(PlaintextTransportLayer.java:54)
   at org.apache.kafka.common.network.KafkaChannel.finishConnect(KafkaChannel.java:72)
   at org.apache.kafka.common.network.Selector.poll(Selector.java:274)
   at org.apache.kafka.clients.NetworkClient.poll(NetworkClient.java:256)
   at org.apache.kafka.clients.producer.internals.Sender.run(Sender.java:216)
   at org.apache.kafka.clients.producer.internals.Sender.run(Sender.java:128)
   at java.lang.Thread.run(Thread.java:745)
[kafka-producer-network-thread | producer-1] DEBUG org.apache.kafka.clients.Metadata - Updated cluster metadata version 7 to Cluster(nodes = [Node(1, 10.0.0.101, 9092)], partitions = [Partition(topic = test, partition = 1, leader = 1, replicas = [1,], isr = [1,], Partition(topic = test, partition = 0, leader = 1, replicas = [1,], isr = [1,]])

能看到Producer端的DEBUG日誌顯示與broker0的鏈接斷開了，此時Kafka立刻開始更新集羣metadata，更新後的metadata表示broker1現在是兩個partition的leader，Producer進程很快就恢復繼續運行，沒有漏發任何消息，能夠看出Kafka集羣的故障切換機制還是很厲害的

4) 我們再把broker0啓動起來

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

然後再次檢查Topic狀態：

Topic:test PartitionCount:2 ReplicationFactor:2 Configs:
Topic: test Partition: 0 Leader: 1 Replicas: 1,0 Isr: 1,0
Topic: test Partition: 1 Leader: 1 Replicas: 0,1 Isr: 1,0

我們看到，broker0啓動起來了，並且已經是in-sync狀態（注意Isr從1變成了1,0），但此時兩個partition的leader還都是 broker1，也就是說當前broker1會承載所有的發送和拉取請求。這顯然是不行的，我們要讓集羣恢復到負載均衡的狀態。

這時候，需要使用Kafka的選舉工具觸發一次選舉：

bin/kafka-preferred-replica-election.sh --zookeeper 10.0.0.100:2181,10.0.0.101:2181,10.0.0.102:2181

選舉完成後，再次查看Topic狀態：

Topic:test PartitionCount:2 ReplicationFactor:2 Configs:
Topic: test Partition: 0 Leader: 1 Replicas: 1,0 Isr: 1,0
Topic: test Partition: 1 Leader: 0 Replicas: 0,1 Isr: 1,0

可以看到，集羣重新回到了broker0掛掉之前的狀態

但此時，Producer端產生了異常：

org.apache.kafka.common.errors.NotLeaderForPartitionException: This server is not the leader for that topic-partition.

原因是Producer端在嘗試向broker1的parition0發送消息時，partition0的leader已經切換成了broker0，所以消息發送失敗。

此時用Consumer去消費消息，會發現消息的編號不連續了，確實漏發了一條消息。這是因爲我們在構造Producer時設定了retries=0，所以在發送失敗時Producer端不會嘗試重發。

將retries改爲3後再次嘗試，會發現leader切換時再次發生了同樣的問題，但Producer的重發機制起了作用，消息重發成功，啓動Consumer端檢查也證實了所有消息都發送成功了。

每次集羣單點發生故障恢復後，都需要進行重新選舉才能徹底恢復集羣的leader分配，如果嫌每次這樣做很麻煩，可以在broker的配置文件（即 server.properties）中配置auto.leader.rebalance.enable=true，這樣broker在啓動後就會自動進行重新選舉

至此，我們通過測試證實了集羣出現單點故障和恢復的過程中，Producer端能夠保持正確運轉。接下來我們看一下Consumer端的表現：

5) 同時啓動Producer進程和Consumer進程

此時Producer一邊在生產消息，Consumer一邊在消費消息

6) 把broker0幹掉，觀察Consumer端的輸出：

能看到，在broker0掛掉後，consumer也端產生了一系列INFO和WARN輸出，但同Producer端一樣，若干秒後自動恢復，消息仍然是連續的，並未出現斷點。

7) 再次把broker0啓動，並觸發重新選舉，然後觀察輸出：

fetched from partition 0, offset: 418, message: this is message48
fetched from partition 0, offset: 419, message: this is message49
[main] INFO org.apache.kafka.clients.consumer.internals.ConsumerCoordinator - Offset commit for group 1 failed due to NOT_COORDINATOR_FOR_GROUP, will find new coordinator and retry
[main] INFO org.apache.kafka.clients.consumer.internals.AbstractCoordinator - Marking the coordinator 2147483646 dead.
[main] WARN org.apache.kafka.clients.consumer.internals.ConsumerCoordinator - Auto offset commit failed: This is not the correct coordinator for this group.
fetched from partition 1, offset: 392, message: this is message50
fetched from partition 0, offset: 420, message: this is message51

能看到，重選舉後Consumer端也輸出了一些日誌，意思是在提交offset時發現當前的調度器已經失效了，但很快就重新獲取了新的有效調度器，恢復了offset的自動提交，驗證已提交offset的值也證明了offset提交併未因leader切換而發生錯誤。

如上，我們也通過測試證實了Kafka集羣出現單點故障時，Consumer端的功能正確性。

Kafka 0.9+Zookeeper3.4.6集羣搭建、配置，新Client API的使用要點，高可用性測試，以及各種坑

【轉】mysql語句大全

JDBC連接數據庫的方法（mysql oracle）

logback+slf4j日誌記錄以及各種日誌系統整合

Java代理模式

使用javac編譯Servlet類的方法

Mac下配置sublime實現LaTeX

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結