https://shift-alt-ctrl.iteye.com/blog/1930345
前言: kafka是一個輕量級的/分佈式的/具備replication能力的日誌採集組件,通常被集成到應用系統中,收集"用戶行爲日誌"等,並可以使用各種消費終端(consumer)將消息轉存到HDFS等其他結構化數據存儲系統中.因爲日誌消息通常爲文本數據,尺寸較小,且對實時性以及數據可靠性要求不嚴格,但是需要日誌存儲端具備較高的數據吞吐能力,這種"寬鬆"的設計要求,非常適合使用kafka.
一.入門
1.1 簡介
Kafka是一個"分佈式的"/"可分區的(partitioned)"/"基於備份的(replicated)"/"基於commit-log存儲"的服務. 它提供了類似於JMS的特性,但是在設計實現上完全不同,此外它並不是JMS規範的實現.
kafka消息是根據Topic進行歸類,發送消息者成爲Producer,消息接收者成爲Consumer;此外kafka集羣有多個kafka實例組成,每個實例(server)稱爲broker.
無論是kafka集羣,還是producer和consumer都依賴於zookeeper來保證系統可用性以及保存一些meta信息.
(摘自官網)
其中client與server的通訊,都是基於TCP,而且消息協議非常輕量級.
Topics/logs
一個Topic可以認爲是一類消息,每個topic將被分成多個partition(區),每個partition在存儲層面是append log文件.任何發佈到此partition的消息都會直接追加到log文件的尾部,每條消息在文件中的位置稱爲offset(偏移量),offset爲一個long型數字,它唯一的標記一條消息.kafka並沒有提供其他額外的索引機制來存儲offset,因爲在kafka中幾乎不允許對消息進行"隨機讀-寫",一旦消息寫入log日誌之後,將不能被修改.
(摘自官網)
kafka和JMS實現(activeMQ)不同的是:即使消息被消費,消息仍然不會被立即刪除.日誌文件將會根據broker中的配置要求,保留一定的時間之後刪除;比如log文件保留2天,那麼兩天後,文件會被清除,無論其中的消息是否被消費.kafka通過這種簡單的手段,來釋放磁盤空間.此外,kafka的性能並不會因爲日誌文件的太多而低下,所以即使保留較多的log文件,也不不會有問題.
對於consumer而言,它需要保存消費消息的offset,對於offset的保存和使用,有consumer來控制;當consumer正常消費消息時,offset將會"線性"的向前驅動,即消息將依次順序被消費.事實上consumer可以使用任意順序消費消息,它只需要將offset重置爲任意值..(offset將會保存在zookeeper中,參見下文)
kafka集羣幾乎不需要維護任何consumer和producer狀態信息,這些信息有zookeeper保存;因此producer和consumer的客戶端實現非常輕量級,它們可以隨意離開,而不會對集羣造成額外的影響.
partitions的設計目的有多個.最根本原因是kafka基於文件存儲.通過分區,可以將日誌內容分散到多個server上,來避免文件尺寸達到單機磁盤的上限,每個partiton都會被當前server(kafka實例)保存;可以將一個topic切分多任意多個partitions(備註:基於sharding),來消息保存/消費的效率.此外越多的partitions意味着可以容納更多的consumer,有效提升併發消費的能力.(具體原理參見下文).
Distribution
一個Topic的多個partitions,被分佈在kafka集羣中的多個server上;每個server(kafka實例)負責partitions中消息的讀寫操作;此外kafka還可以配置每個partition需要備份的個數(replicas),每個partition將會被備份到多臺機器上,以提高可用性.[replicas特性在0.8V才支持]
基於replicated方案,那麼就意味着需要對多個備份進行調度;一個partition可以在多個server上備份,那麼其中一個server作爲此partiton的leader;leader負責此partition所有的讀寫操作,如果leader失效,那麼將會有其他follower來接管(成爲新的leader);follower只是單調的和leader跟進,同步消息即可..由此可見作爲leader的server承載了全部的請求壓力,因此從集羣的整體考慮,有多少個partitions就意味着有多少個"leader",kafka會將"leader"均衡的分散在每個實例上,來確保整體的性能穩定.[備註:kafka中將leader角色權限下放到partition這個層級]
kafka-cluster
Producers
Producer將消息發佈到指定的Topic中,同時Producer也能決定將此消息發送到哪個partition;如果一個Topic有多個partitions時,你需要選擇partition的算法(由producer決定),比如基於"round-robin"方式或者通過其他的一些算法等.無論如何選擇partition路由算法,我們最直接的目的就是希望消息能夠均勻的發送給每個partition,這樣可以讓consumer消費的消息量也能"均衡".
Consumers
本質上kafka只支持Topic.每個consumer屬於一個consumer group;反過來說,每個group中可以有多個consumer.對於Topic中的一條特定的消息,只會被訂閱此Topic的每個group中的一個consumer消費,此消息不會發送給一個group的多個consumer;那麼一個group中所有的consumer將會交錯的消費整個Topic.
如果所有的consumer都具有相同的group,這種情況和JMS queue模式很像;消息將會在consumers之間負載均衡.
如果所有的consumer都具有不同的group,那這就是"發佈-訂閱";消息將會廣播給所有的消費者.
(摘自官網)
在kafka中,一個partition中的消息只會被group中的一個consumer消費(同一時刻);每個group中consumer消息消費互相獨立;我們可以認爲一個group是一個"訂閱"者,一個Topic中的每個partions,只會被一個"訂閱者"中的一個consumer消費,不過一個consumer可以同時消費多個partitions中的消息.kafka只能保證一個partition中的消息被某個consumer消費時是順序的.事實上,從Topic角度來說,當有多個partitions時,消息仍不是全局有序的.
通常情況下,一個group中會包含多個consumer,這樣不僅可以提高topic中消息的併發消費能力,而且還能提高"故障容錯"性,如果group中的某個consumer失效,那麼其消費的partitions將會有其他consumer自動接管.
kafka的設計原理決定,對於一個topic,同一個group中不能有多於partitions個數的consumer同時消費,否則將意味着某些consumer將無法得到消息.
Guarantees
1) 發送到partitions中的消息將會按照它接收的順序追加到日誌中,無論一個partition由多少個log文件構成,那麼它發送給consumer的順序是一定的.
2) 對於消費者而言,它們消費消息的順序和日誌中消息順序一致.
3) 如果Topic的"replication factor"爲N,那麼允許N-1個kafka實例失效.只要有一個replication存活,那麼此partition的讀寫操作都不會中斷.
1.2 Use cases
Messaging
和一些常規的消息系統相比,kafka仍然是個不錯的選擇;它具備partitons/replication和容錯,可以使kafka具有良好的擴展性和性能優勢.不過到目前爲止,我們應該很清楚認識到,kafka並沒有提供JMS中的"事務性""消息傳輸擔保(消息確認機制)""消息分組"等企業級特性;kafka只能使用作爲"常規"的消息系統,在一定程度上,尚未確保消息的發送與接收絕對可靠(比如,消息重發,消息發送丟失等)
Websit activity tracking
kafka可以作爲"網站活性跟蹤"的最佳工具;可以將網頁/用戶操作等信息發送到kafka中.並實時監控,或者離線統計分析等.
Log Aggregation
kafka的特性決定它非常適合作爲"日誌收集中心";application可以將操作日誌"批量""異步"的發送到kafka集羣中,而不是保存在本地或者DB中;kafka可以批量提交消息/壓縮消息等,這對producer端而言,幾乎感覺不到性能的開支.此時consumer端可以使hadoop等其他系統化的存儲和分析系統.
二. 設計原理
kafka的設計初衷是希望做爲一個統一的信息收集平臺,能夠實時的收集反饋信息,並需要能夠支撐較大的數據量,且具備良好的容錯能力.
1.Persistence
kafka使用文件存儲消息(append only log),這就直接決定kafka在性能上嚴重依賴文件系統的本身特性.且無論任何OS下,對文件系統本身的優化是非常艱難的.文件緩存/直接內存映射等是常用的手段.因爲kafka是對日誌文件進行append操作,因此磁盤檢索的開支是較小的;同時爲了減少磁盤寫入的次數,broker會將消息暫時buffer起來,當消息的個數(或尺寸)達到一定閥值時,再flush到磁盤,這樣減少了磁盤IO調用的次數.對於kafka而言,較高性能的磁盤,將會帶來更加直接的性能提升.
2.Efficiency
需要考慮的影響性能點很多,除磁盤IO之外,我們還需要考慮網絡IO,這直接關係到kafka的吞吐量問題.kafka並沒有提供太多高超的技巧;對於producer端,可以將消息buffer起來,當消息的條數達到一定閥值時,批量發送給broker;對於consumer端也是一樣,批量fetch多條消息.不過消息量的大小可以通過配置文件來指定.對於kafka broker端,似乎有個sendfile系統調用可以潛在的提升網絡IO的性能:將文件的數據映射到系統內存中,socket直接讀取相應的內存區域即可,而無需進程再次copy和交換(這裏涉及到"磁盤IO數據"/"內核內存"/"進程內存"/"網絡緩衝區",多者之間的數據copy).
其實對於producer/consumer/broker三者而言,CPU的開支應該都不大,因此啓用消息壓縮機制是一個良好的策略;壓縮需要消耗少量的CPU資源,不過對於kafka而言,網絡IO更應該需要考慮.可以將任何在網絡上傳輸的消息都經過壓縮.kafka支持gzip/snappy等多種壓縮方式.
3. Producer
Load balancing
kafka集羣中的任何一個broker,都可以向producer提供metadata信息,這些metadata中包含"集羣中存活的servers列表"/"partitions leader列表"等信息(請參看zookeeper中的節點信息). 當producer獲取到metadata信息之後, producer將會和Topic下所有partition leader保持socket連接;消息由producer直接通過socket發送到broker,中間不會經過任何"路由層".事實上,消息被路由到哪個partition上,有producer客戶端決定.比如可以採用"random""key-hash""輪詢"等,如果一個topic中有多個partitions,那麼在producer端實現"消息均衡分發"是必要的.在producer端的配置文件中,開發者可以指定partition路由的方式.
Asynchronous send
將多條消息暫且在客戶端buffer起來,並將他們批量發送到broker;小數據IO太多,會拖慢整體的網絡延遲,批量延遲發送事實上提升了網絡效率;不過這也有一定的隱患,比如當producer失效時,那些尚未發送的消息將會丟失.
4.Consumer
consumer端向broker發送"fetch"請求,並告知其獲取消息的offset;此後consumer將會獲得一定條數的消息;consumer端也可以重置offset來重新消費消息.[備註:offset,消息偏移量,integer值,broker可以根據offset來決定消息的起始位置]
在JMS實現中,Topic模型基於push方式,即broker將消息推送給consumer端.不過在kafka中,採用了pull方式,即consumer在和broker建立連接之後,主動去pull(或者說fetch)消息;這中模式有些優點,首先consumer端可以根據自己的消費能力適時的去fetch消息並處理,且可以控制消息消費的進度(offset);此外,消費者可以良好的控制消息消費的數量,batch fetch.
其他JMS實現,消息消費的位置是有provider保留,以便避免重複發送消息或者將沒有消費成功的消息重發等,同時還要控制消息的狀態.這就要求JMS broker需要太多額外的工作.在kafka中,partition中的消息只有一個consumer在消費,且不存在消息狀態的控制,也沒有複雜的消息確認機制,可見kafka broker端是相當輕量級的.當消息被consumer接收之後,consumer可以在本地保存最後消息的offset,並間歇性的向zookeeper註冊offset.由此可見,consumer客戶端也很輕量級.
這就意味着,kafka中consumer負責維護消息的消費記錄,而broker則不關心這些,這種設計不僅提高了consumer端的靈活性,也適度的減輕了broker端設計的複雜度;這是和衆多JMS prodiver的區別.此外,kafka中消息ACK的設計也和JMS有很大不同,kafka中的消息時批量(通常以消息的條數或者chunk的尺寸爲單位)發送給consumer,當消息消費成功後,向zookeeper提交消息的offset,而不會向broker交付ACK.或許你已經意識到,這種"寬鬆"的設計,將會有"丟失"消息/"消息重發"的危險.
5.Message Delivery Semantics
對於JMS實現,消息傳輸擔保非常直接:有且只有一次(exactly once).在kafka中稍有不同,對於consumer而言:
1) at most once: 最多一次,這個和JMS中"非持久化"消息類似.發送一次,無論成敗,將不會重發.
2) at least once: 消息至少發送一次,如果消息未能接受成功,可能會重發,直到接收成功.
3) exactly once: 消息只會發送一次.
at most once: 消費者fetch消息,然後保存offset,然後處理消息;當client保存offset之後,但是在消息處理過程中consumer進程失效(crash),導致部分消息未能繼續處理.那麼此後可能其他consumer會接管,但是因爲offset已經提前保存,那麼新的consumer將不能fetch到offset之前的消息(儘管它們尚沒有被處理),這就是"at most once".
at least once: 消費者fetch消息,然後處理消息,然後保存offset.如果消息處理成功之後,但是在保存offset階段zookeeper異常或者consumer失效,導致保存offset操作未能執行成功,這就導致接下來再次fetch時可能獲得上次已經處理過的消息,這就是"at least once".
exactly once: kafka中並沒有嚴格的去實現(基於2階段提交,事務),我們認爲這種策略在kafka中是沒有必要的.
因爲"消息消費"和"保存offset"這兩個操作的先後時機不同,導致了上述3種情況,通常情況下"at-least-once"是我們搜選.(相比at most once而言,重複接收數據總比丟失數據要好).
6. Replication
kafka中,replication策略是基於partition,而不是topic;kafka將每個partition數據複製到多個server上,任何一個partition有一個leader和多個follower(可以沒有);備份的個數可以通過broker配置文件來設定.leader處理所有的read-write請求,follower需要和leader保持同步.Follower就像一個"consumer",消費消息並保存在本地日誌中;leader負責跟蹤所有的follower狀態,如果follower"落後"太多或者失效,leader將會把它從replicas同步列表中刪除.當所有的follower都將一條消息保存成功,此消息才被認爲是"committed",那麼此時consumer才能消費它,這種同步策略,就要求follower和leader之間必須具有良好的網絡環境.即使只有一個replicas實例存活,仍然可以保證消息的正常發送和接收,只要zookeeper集羣存活即可.(備註:不同於其他分佈式存儲,比如hbase需要"多數派"存活才行)
kafka判定一個follower存活與否的條件有2個:1) follower需要和zookeeper保持良好的鏈接 2) 它必須能夠及時的跟進leader,不能落後太多.如果同時滿足上述2個條件,那麼leader就認爲此follower是"活躍的".如果一個follower失效(server失效)或者落後太多,leader將會把它從同步列表中移除[備註:如果此replicas落後太多,它將會繼續從leader中fetch數據,直到足夠up-to-date,然後再次加入到同步列表中;kafka不會更換replicas宿主!因爲"同步列表"中replicas需要足夠快,這樣才能保證producer發佈消息時接受到ACK的延遲較小].
當leader失效時,需在followers中選取出新的leader,可能此時follower落後於leader,因此需要選擇一個"up-to-date"的follower.kafka中leader選舉並沒有採用"投票多數派"的算法,因爲這種算法對於"網絡穩定性"/"投票參與者數量"等條件有較高的要求,而且kafka集羣的設計,還需要容忍N-1個replicas失效.對於kafka而言,每個partition中所有的replicas信息都可以在zookeeper中獲得,那麼選舉leader將是一件非常簡單的事情.選擇follower時需要兼顧一個問題,就是新leader server上所已經承載的partition leader的個數,如果一個server上有過多的partition leader,意味着此server將承受着更多的IO壓力.在選舉新leader,需要考慮到"負載均衡",partition leader較少的broker將會更有可能成爲新的leader.
在整幾個集羣中,只要有一個replicas存活,那麼此partition都可以繼續接受讀寫操作.
7.Log
如果一個topic的名稱爲"my_topic",它有2個partitions,那麼日誌將會保存在my_topic_0和my_topic_1兩個目錄中;日誌文件中保存了一序列"log entries"(日誌條目),每個log entry格式爲"4個字節的數字N表示消息的長度" + "N個字節的消息內容";每個日誌都有一個offset來唯一的標記一條消息,offset的值爲8個字節的數字,表示此消息在此partition中所處的起始位置..每個partition在物理存儲層面,有多個log file組成(稱爲segment).segment file的命名爲"最小offset".kafka.例如"00000000000.kafka";其中"最小offset"表示此segment中起始消息的offset.
(摘自官網)
其中每個partiton中所持有的segments列表信息會存儲在zookeeper中.
當segment文件尺寸達到一定閥值時(可以通過配置文件設定,默認1G),將會創建一個新的文件;當buffer中消息的條數達到閥值時將會觸發日誌信息flush到日誌文件中,同時如果"距離最近一次flush的時間差"達到閥值時,也會觸發flush到日誌文件.如果broker失效,極有可能會丟失那些尚未flush到文件的消息.因爲server意外失效,仍然會導致log文件格式的破壞(文件尾部),那麼就要求當server啓東是需要檢測最後一個segment的文件結構是否合法並進行必要的修復.
獲取消息時,需要指定offset和最大chunk尺寸,offset用來表示消息的起始位置,chunk size用來表示最大獲取消息的總長度(間接的表示消息的條數).根據offset,可以找到此消息所在segment文件,然後根據segment的最小offset取差值,得到它在file中的相對位置,直接讀取輸出即可.
日誌文件的刪除策略非常簡單:啓動一個後臺線程定期掃描log file列表,把保存時間超過閥值的文件直接刪除(根據文件的創建時間).爲了避免刪除文件時仍然有read操作(consumer消費),採取copy-on-write方式.
8.Distribution
kafka使用zookeeper來存儲一些meta信息,並使用了zookeeper watch機制來發現meta信息的變更並作出相應的動作(比如consumer失效,觸發負載均衡等)
1) Broker node registry: 當一個kafka broker啓動後,首先會向zookeeper註冊自己的節點信息(臨時znode),同時當broker和zookeeper斷開連接時,此znode也會被刪除.
格式: /broker/ids/[0...N] -->host:port;其中[0..N]表示broker id,每個broker的配置文件中都需要指定一個數字類型的id(全局不可重複),znode的值爲此broker的host:port信息.
2) Broker Topic Registry: 當一個broker啓動時,會向zookeeper註冊自己持有的topic和partitions信息,仍然是一個臨時znode.
格式: /broker/topics/[topic]/[0...N] 其中[0..N]表示partition索引號.
3) Consumer and Consumer group: 每個consumer客戶端被創建時,會向zookeeper註冊自己的信息;此作用主要是爲了"負載均衡".
一個group中的多個consumer可以交錯的消費一個topic的所有partitions;簡而言之,保證此topic的所有partitions都能被此group所消費,且消費時爲了性能考慮,讓partition相對均衡的分散到每個consumer上.
4) Consumer id Registry: 每個consumer都有一個唯一的ID(host:uuid,可以通過配置文件指定,也可以由系統生成),此id用來標記消費者信息.
格式: /consumers/[group_id]/ids/[consumer_id]
仍然是一個臨時的znode,此節點的值爲{"topic_name":#streams...},即表示此consumer目前所消費的topic + partitions列表.
5) Consumer offset Tracking: 用來跟蹤每個consumer目前所消費的partition中最大的offset.
格式: /consumers/[group_id]/offsets/[topic]/[broker_id-partition_id] -->offset_value
此znode爲持久節點,可以看出offset跟group_id有關,以表明當group中一個消費者失效,其他consumer可以繼續消費.
6) Partition Owner registry: 用來標記partition正在被哪個consumer消費.臨時znode
格式: /consumers/[group_id]/owners/[topic]/[broker_id-partition_id] -->consumer_node_id
此節點表達了"一個partition"只能被group下一個consumer消費,同時當group下某個consumer失效,那麼將會觸發負載均衡(即:讓partitions在多個consumer間均衡消費,接管那些"遊離"的partitions)
當consumer啓動時,所觸發的操作:
A) 首先進行"Consumer id Registry";
B) 然後在"Consumer id Registry"節點下注冊一個watch用來監聽當前group中其他consumer的"leave"和"join";只要此znode path下節點列表變更,都會觸發此group下consumer的負載均衡.(比如一個consumer失效,那麼其他consumer接管partitions).
C) 在"Broker id registry"節點下,註冊一個watch用來監聽broker的存活情況;如果broker列表變更,將會觸發所有的groups下的consumer重新balance.
Consumer均衡算法
當一個group中,有consumer加入或者離開時,會觸發partitions均衡.均衡的最終目的,是提升topic的併發消費能力.
1) 假如topic1,具有如下partitions: P0,P1,P2,P3
2) 假如group中,有如下consumer: C0,C1
3) 首先根據partition索引號對partitions排序: P0,P1,P2,P3
4) 根據consumer.id排序: C0,C1
5) 計算倍數: M = [P0,P1,P2,P3].size / [C0,C1].size,本例值M=2(向上取整)
6) 然後依次分配partitions: C0 = [P0,P1],C1=[P2,P3],即Ci = [P(i * M),P((i + 1) * M -1)]
總結:
1) Producer端使用zookeeper用來"發現"broker列表,以及和Topic下每個partition leader建立socket連接併發送消息.
2) Broker端使用zookeeper用來註冊broker信息,以及監測partition leader存活性.
3) Consumer端使用zookeeper用來註冊consumer信息,其中包括consumer消費的partition列表等,同時也用來發現broker列表,並和partition leader建立socket連接,並獲取消息.
三.主要配置
1.Broker主要配置
Xml代碼
- ##broker標識,cluster中,此ID必須唯一
- broker.id=0
- ##接受consumer/producer的鏈接端口
- port=9092
- ##用來維護集羣狀態,以及consumer消費記錄
- ##consumer和broker必須接入到同一個zk環境中.
- ##zookeeper.connect指定zookeeper的地址,默認情況下將會在zk的“/”目錄下
- ##創建meta信息和路徑,爲了對znode進行歸類,我們可以在connect之後追加路徑,比如
- ##zookeeper.connect=127.0.0.1:2181/kafka
- ##不過需要注意,此後的producer、consumer都需要帶上此根路徑
- zookeeper.connect=localhost:2181
- zookeeper.connection.timeout.ms=30000
- ##broker所能接受的消息的最大尺寸
- ##producer不能發佈更大尺寸的message
- messages.max.bytes=1000000
- ##broker在處理client請求時,允許開啓的線程個數.默認爲3.
- num.network.threads=3
- ##用於磁盤IO操作的線程的個數,默認爲8,建議和磁盤的個數保持一致
- num.io.threads=8
- ##允許入隊的最大請求數,"數據操作請求"首先加入隊列,等待IO線程
- ##進行磁盤操作獲取數據,數據操作結束後,請求被移除隊列並由network
- ##線程響應給client端.此參數用於控制"等待IO處理的請求數".
- queued.max.requests=500
- #socket調優參數: sendBuffer (SO_SNDBUF)
- socket.send.buffer.bytes=1048576
- ##socket調優參數:receiveBuffer (SO_RCVBUFF)
- socket.receive.buffer.bytes=1048576
- # The maximum size of a request that the socket server will accept (protection against OOM)
- socket.request.max.bytes=104857600
- #################Log##########
- log.dirs=/tmp/kafka-logs
- ##每個topic的分區數.
- ##kafka的特點就在於"分區",每個Topic被拆分成多個partitions
- ##partitions可以被sharding到多個broker上,以提高併發能力和"可用性",
- ##此值建議根據broker的個數、consumer的個數合理設定。
- num.partitions=2
- ##log文件片段的最大尺寸,每個partition(邏輯上)的數據都會被寫入到磁盤的
- ##log文件中(append only),此參數用於控制單個文件的大小.
- ## 1024*1024*1024,1G
- ##log.segment.bytes=
- ##log文件"sync"到磁盤之前累積的消息條數
- ##因爲磁盤IO操作是一個慢操作,但又是一個"數據可靠性"的必要手段
- ##所以此參數的設置,需要在"數據可靠性"與"性能"之間做必要的權衡.
- ##如果此值過大,將會導致每次"fsync"的時間較長(IO阻塞)
- ##如果此值過小,將會導致"fsync"的次數較多,這也意味着整體的client請求有一定的延遲.
- ##物理server故障,將會導致沒有fsync的消息丟失.
- ##默認值爲10000
- log.flush.interval.messages=10000
- ##僅僅通過interval來控制消息的磁盤寫入時機,是不足的.
- ##此參數用於控制"fsync"的時間間隔,如果消息量始終沒有達到閥值,但是離上一次磁盤同步的時間間隔
- ##達到閥值,也將觸發.
- log.flush.interval.ms=1000
- #對某些特定的topic而言,重寫log.flush.interval.messages屬性
- ##log.flush.intervals.ms.per.topic=topic1:1000, topic2:3000
- ######################
- ##是否自動創建topic
- ##如果broker中沒有topic的信息,當producer/consumer操作topic時,是否自動創建.
- ##如果爲false,則只能通過API或者command創建topic
- auto.create.topics.enable=true
- ##partition leader與replicas之間通訊時,socket的超時時間
- controller.socket.timeout.ms=30000
- ##partition leader與replicas數據同步時,消息的隊列尺寸.
- controller.message.queue.size=10
- ##partitions的"replicas"個數,不得大於集羣中broker的個數
- default.replication.factor=1
- ##partition Leader和follower通訊時,如果在此時間內,沒有收到follower的"fetch請求"
- ##leader將會認爲follower"失效",將不會與其同步消息.[follower主動跟隨leader,並請求同步消息]
- replica.lag.time.max.ms=10000
- ##如果follower落後與leader太多,將會認爲此follower[或者說partition relicas]已經失效
- ##通常,在follower與leader通訊時,因爲網絡延遲或者鏈接斷開,總會導致replicas中消息同步滯後
- ##如果消息之後太多,leader將認爲此follower網絡延遲較大或者消息吞吐能力有限,將會把此replicas遷移
- ##到其他follower中.
- ##在broker數量較少,或者網絡不足的環境中,建議提高此值.
- replica.lag.max.messages=4000
- ##follower與leader之間的socket超時時間
- replica.socket.timeout.ms=30000
- ##1024*1024,follower每次fetch數據的最大尺寸
- ##沒有意義的參數
- replica.fetch.max.bytes=1048576
- ##當follower的fetch請求發出後,等待leader發送數據的時間.
- ##超時後,將會重新fetch.
- replica.fetch.wait.max.ms=500
- ##fetch的最小數據尺寸,如果leader中尚未同步的數據不足此值,將會阻塞,直到滿足條件
- replica.fetch.min.bytes=1
- ##follower中開啓的fetcher線程數,增加此值可以提高數據同步到速度,但也額外的增加了leader的IO負荷.
- num.replica.fetchers=1
- ###########################
- ##檢測log文件的時間間隔
- log.cleanup.interval.mins=1
- ##log文件被保留的時長,如果超過此時長,將會被清除,無論log中的消息是否被消費過.
- log.retention.hours=168
2.Consumer主要配置
Java代碼
- ##當前消費者的group名稱,需要指定
- ##消息的消費進度,是根據group來劃定的
- group.id=
- ##consumer作爲zookeeper client,需要通過zk保存一些meta信息,
- ##比如consumer消費的消息offset等.
- ##必須和broker使用同樣的zk配置
- zookeeper.connect=hostname1:port,hostname2:port2
- zookeeper.session.timeout.ms=6000
- zookeeper.connection.timeout.ms=6000
- zookeeper.sync.time.ms=2000
- ##當前consumer的標識,可以設定,也可以有系統生成.
- ##主要用來跟蹤消息消費情況,便於觀察
- conusmer.id=
- ##獲取消息的最大尺寸,broker不會像consumer輸出大於此值的消息chunk
- ##每次feth將得到多條消息,此值爲總大小
- ##提升此值,將會消耗更多的consumer端內存
- fetch.messages.max.bytes=1048576
- ##broker發送給consumer的最小數據尺寸,如果消息尺寸不足,將會等待,直到滿足.
- fetch.min.bytes=1
- ##當消息的尺寸不足時,server阻塞的時間,如果超時,消息將立即發送給consumer.
- fetch.wait.max.ms=100
- queued.max.message.chunks=10
- ##當有新的consumer加入到group時,將會reblance,此後將會有partitions的消費端遷移到新
- ##的consumer上,如果一個consumer獲得了某個partition的消費權限,那麼它將會向zk註冊
- ##"Partition Owner registry"節點信息,但是有可能此時舊的consumer尚沒有釋放此節點,
- ##此值用於控制,註冊節點的重試次數.
- rebalance.max.retries=4
- ##當consumer消費一定量的消息之後,將會自動向zookeeper提交offset信息
- ##注意offset信息並不是每消費一次消息就向zk提交一次,而是現在本地保存(內存),並定期提交
- auto.commit.enable=true
- ##自動提交的時間間隔,默認爲1分鐘.
- auto.commit.interval.ms=60*1000
3.Producer主要配置
Java代碼
- ##對於開發者而言,需要通過broker.list指定當前producer需要關注的broker列表
- ##producer通過和每個broker鏈接,並獲取partitions,
- ##如果某個broker鏈接失敗,將導致此上的partitons無法繼續發佈消息
- ##格式:host1:port,host2:port2,其中host:port需要參考broker配置文件.
- ##對於producer而言沒有使用zookeeper自動發現broker列表,非常奇怪。(0.8V和0.7有區別)
- metadata.broker.list=
- ##producer接收消息ack的時機.默認爲0.
- ##0: producer不會等待broker發送ack
- ##1: 當leader接收到消息之後發送ack
- ##2: 當所有的follower都同步消息成功後發送ack.
- request.required.acks=0
- ##在向producer發送ack之前,broker允許等待的最大時間
- ##如果超時,broker將會向producer發送一個error ACK.意味着上一次消息因爲某種
- ##原因未能成功(比如follower未能同步成功)
- request.timeout.ms=10000
- ##producer消息發送的模式,同步或異步.
- ##異步意味着消息將會在本地buffer,並適時批量發送
- ##默認爲sync,建議async
- producer.type=sync
- ##消息序列化類,將消息實體轉換成byte[]
- serializer.class=kafka.serializer.DefaultEncoder
- key.serializer.class=${serializer.class}
- ##partitions路由類,消息在發送時將根據此實例的方法獲得partition索引號.
- ##默認爲消息的hashcode % partitions個數
- partitioner.class=kafka.producer.DefaultPartitioner
- ##消息壓縮算法,none,gzip,snappy
- compression.codec=none
- ##消息在producer端buffer的條數.僅在producer.type=async下有效
- batch.num.messages=200
- ##在async模式下,當message被緩存的時間超過此值後,將會批量發送給broker
- ##此值和batch.num.messages協同工作.
- queue.buffering.max.ms=5000
- ##在async模式下,producer端允許buffer的最大消息量
- ##無論如何,producer都無法儘快的將消息發送給broker,從而導致消息在producer端大量沉積
- ##此時,如果消息的條數達到閥值,將會導致producer端阻塞或者消息被拋棄.
- queue.buffering.max.messages=10000
- ##當消息在producer端沉積的條數達到"queue.buffering.max.meesages"後
- ##阻塞一定時間後,隊列仍然沒有enqueue(producer仍然沒有發送出任何消息)
- ##此時producer可以繼續阻塞或者將消息拋棄,此timeout值用於控制"阻塞"的時間
- ##-1: 無阻塞超時限制,消息不會被拋棄
- ##0:立即清空隊列,消息被拋棄
- queue.enqueue.timeout.ms=-1
- ##當producer接收到error ACK,或者沒有接收到ACK時,允許消息重發的次數
- ##因爲broker並沒有完整的機制來避免消息重複,所以當網絡異常時(比如ACK丟失)
- ##有可能導致broker接收到重複的消息.
- message.send.max.retries=3
- ##producer刷新topic metada的時間間隔
- ##producer需要知道partition leader的位置,以及當前topic的情況
- ##因此producer需要一個機制來獲取最新的metadata,當producer遇到特定錯誤時,將會立即刷新
- ##(比如topic失效,partition丟失,leader失效等),此外也可以通過此參數來配置額外的刷新機制
- topic.metadata.refresh.interval.ms=600000
broker配置文件請參考: kafka.server.KafkaConfig
consumer配置文件請參考: kafka.consumer.ConsumerConfig
producer配置文件請參考: kafka.producer.ProducerConfig