kafka3.0之前依赖于zookeeper
zookeeper开源，分布式的架构，提供协调服务（Apache项目）
基于观察者模式涉及的分布式服务管理架构
存储和管理数据，分布式节点上的服务接受观察者的注册，一旦分布式节点上的数据发生变化，由zookeeper负责通知分布式节点上的服务
zookeeper特点
1、分为领导者 追随者 leader follow组成的集群
2、只要有一半以上的集群存活，zookeeper集群就可以正常工作，适用于安装奇数台的服务集群
3、全局数据一致，每一个zookeeper每个节点都保存相同的数据，维护监控服务的数据一致
4、数据更新的原子性，要么都成功，要么都失败
5、实时性，只要有变化，立刻同步（特性）
zookeeper的应用场景
1、统一命名服务，在分布式的环境下，对所有的应用和服务进行统一命名
2、统一配置管理，配置文件同步，kafka的配置文件被修改，可以快速同步到其他节点
3、统一集群管理，实时掌握所有节点的状态
4、服务器动态上下线
5、负载均衡，把访问的服务器的数据，发送到访问最少得服务器处理客户端的请求
zookeeper的选取机制（领导者和追随者）
三台服务器：A B C
A 先启动，发起第一次选举，投票投给自己，只有一票，不满半数，A的状态是looking
B 启动，在发起一次选举，A和B分别投自己一票，交换选票信息，myid，A 发现B的myid比A大，A的这一票转而投给B
A 0 B 2 没有半数以上结果，A B会进入looking B有可能成为leader
C启动 myid c的myid最大，A和B会把票投给C A 0 B 0 C 3
C的状态变为leader ，A和B变成follower
只要leader确定，后续的服务器都是追随者
只有两种情况会开启选举机制
1、初始化的情况会产生选举
2、服务器之间和leader丢失了连接状态
leader已经存在，建立连接即可
leader不存在，leader不存在
1、服务器ID大的胜出
2、EPOCH大，直接胜出
3、EPOCH相同，事务ID大的胜出
EPOCH每个leader任期的代号，如果没有leader，所有的逻辑地位相同，每投完一次之后，数据是递增
事务ID，表示服务器的每一次变更，每变更一次事务ID变化一次
服务器ID：zookeeper集群当中的机器都有一个ID，每台机器不重复，和myid保持一致
zookeeper+kafka（2.7.0）集群部署
zookeeper集群
20.0.0.10 zookeeper+kafka
20.0.0.11 zookeeper+kafka
20.0.0.12 zookeeper+kafka
所有服务器都是2核4G
#所有服务器#关闭防火墙和安全机制
#把zookeeper和kafka源码包拖到opt目录下#升级java环境
yum install -y java-1.8.0-openjdk java-1.8.0-openjdk-develjava -version#解压源码包
cd /opt
tar -xf apache-zookeeper-3.5.7-bin.tar.gz
mv apache-zookeeper-3.5.7-bin zookeeper
cd zookeeper/confcp zoo_sample.cfg zoo.cfg
vim zoo.cfgtickTime=2000
#服务器与客户端之间心跳时间，2秒检测一次服务器和客户端之间的通信
initLimit=10
#领导者和追随者之间,初始连接时能够容忍的超时时间，10*2s 20s
syncLimit=5
#同步超时时间，领导者和追随者之间，同步通信超时的时间，5*2s，leader会认为follower丢失，移除集群
dataDIr=/opt/zookeeper/data
#保存数据的目录，需要单独创建
dataLogDir=/opt/zookeeper/logs
#保存日志的目录，需要单独创建
clientPort=2181
#端口号
server.1=20.0.0.10:3188:3288
server.2=20.0.0.11:3188:3288
server.3=20.0.0.12:3188:3288
#server.1=20.0.0.10:3188:3288
#1 每个zookeeper集群的初始myid
# 20.0.0.10 服务器的IP地址
# 3188 领导者和追随者之间交换信息的端口（内部通信的端口）
# 3288 一旦leader丢失响应，开启选举，3288就是用来选举时的服务之间通信端口cd /opt/zookeeper
mkdir data logs#给每台服务器分配myid
cd /data
echo 1 > myidcd /data
echo 2 > myidcd /data
echo 3 > myid#创建启动脚本
vim /etc/init.d/zookeeper#!/bin/bash
#chkconfig:2345 20 90
#description:Zookeeper Service Control Script
ZK_HOME='/opt/zookeeper'
case $1 in
start)echo "---------- zookeeper 启动 ------------"$ZK_HOME/bin/zkServer.sh start
;;
stop)echo "---------- zookeeper 停止 ------------"$ZK_HOME/bin/zkServer.sh stop
;;
restart)echo "---------- zookeeper 重启 ------------"$ZK_HOME/bin/zkServer.sh restart
;;
status)echo "---------- zookeeper 状态 ------------"$ZK_HOME/bin/zkServer.sh status
;;
*)echo "Usage: $0 {start|stop|restart|status}"
esac#给脚本权限
chmod +x /etc/init.d/zookeeper
chkconfig --add zookeeper#重启服务
service zookeeper start
#查看状态(查看谁是主)
service zookeeper status消息队列kafka
为什么要引入消息队列（MQ），他也是一个中间件，在高并发环境下，同步请求来不及处理，来不及处理的请求会形成阻塞
比方说数据库就会形成行锁或者表锁，请求线程满了，超标了，too many connection 整个系统雪崩
消息队列的作用
1、异步处理请求
异步处理的流程图
2、流量削峰，应用解耦
解耦：只要通信保证，其他的修改不影响珍格格集群，每个组件可以的独立的扩展，修改，降低组件之间的依赖性
依赖点就是接口约束，通过不同的端口，保证集群通信
耦合：在软件系统中，修改一个组件需要修改所有其他组件，高度耦合
低度耦合：修改其中一个对其他组件影响不大，无需修改所有
3、可恢复性：系统当中的有一部分组件消失，不影响整个系统，也就是说在消息队列当中，即使有一个处理消息的进程失败，一旦恢复还可以重启加入队列当中，继续处理消息
4、缓中：可以控制和优化数据经过系统的时间和速度，解决生产消息和消费消息处理速度不一致的问题
5、峰值的处理能力：消息队列在峰值情况下，能够顶住突发的访问压力，避免专门为了突发情况而对系统进行修改
6、异步通信：允许用户把一个消息放入队列，但是不立刻处理，等用户想处理的时候在处理
消息队列的模式
1、点对点 一对一：消息的生产者发送消息队列中，消费者从队列中提取消息，消费者提取完之后，队列中被提取的消息将会被移除，后续消费者不能再消费队列当中的消息，消息队列可以有多个消费者，但是一个消息，只能由一个消费者提取
RABBITMQ
2、发布/订阅模式：一对多，又叫做观察者模式，消费者提取数据之后，队列当中的消息不会被清除
生产者发布一个消息到主题，所有消费者都是通过主题获取消息
消息队列的重要组件
1、主题：topic topic类似一个数据流的管道，生产者把消息发布到主题，消费者从那个主题当中订阅数据，主题可以分区，每个分区都有自己的偏移量
2、分区：partition 每个主题都可以多个分区，每个分区是数据的有序子集，分区可以允许kafka进行水平拓展，以处理大量数据，消息在分钟按照偏移量存储，消费者可以独立读取每个分区的数据
3、偏移量：是每个消息在分区中唯一的标识，消费者可以通过偏移量来跟踪获取已读或者未读消息的位置，也可以提交偏移量来记录已处理的信息
4、生产者：producer生产者把数据发送kafka的主题当中，负责写入消息
5、消费者：从主题当中读取数据，消费者可以是一个也可以十多个，每个消费者有一个唯一的消费者组ID，kafka通过消费者实现负载均衡和容错性
6、经纪人：Broker 每个kafka节点都有一个Broker，每个负责一台kafka服务器，id唯一，存储主题分区当中数据，处理生产和消费者的请求
维护元数据（zookeeper）
zookeeper：zookeeper负责保存元数据，元数据就是topic的相关信息（发布在哪台主机上，指定了多少分区，以及副本数，偏移量）
zookeeper自建一个主题：__consumer_offsets
3.0之后不依赖zookeeper的核心元数据由kafka节点自己管理
第一种，begin从头开始，获取所有
第二种，实时获取，我只消费，后续产生的消息
第三种，指定偏移量消费，代码实现
kafka的工作流程
1、生产者发送数据到主题（topic）中
2、可以分区，每个分区都有自己的偏移量
3、消费者从主题当中读取数据
工作流程图
生产者写入topic的数据时持久化的，默认是7小时
至少一次语义：只要消费者进入，确保消息至少被消费一次
kafka实验部署
#解压kafka的源码包
tar -xf kafkamv kafkavim /etc/profile
export KAFKA_HOME=/opt/kafka
export PATH=$PATH:$KAFKA_HOME/bin#10服务器
#修改kafka的配置文件
cd /opt/kafka
cd /config
vim server.properties#21行
broker.id=1
#全局唯一编号，不可以重复
#28行
#如果全局遍布改变，不需要改
#42行
num.network.threads=3
#处理网络请求的线程数量，默认即可
#46行
num.io.threads=8
#处理磁盘的IO线程数量，一定要比硬盘数大
#50行
socket.receive
#发送套接字的缓冲区大小
54行#接受者的接受套接字缓冲区大小（套接字就是端口）
58行#请求套接字的缓冲区大小
#65行
log.dirs=/var/log/kafka
#日志路径
#70行
num.partitions=1
#在此kafka服务器上创建topic，默认分区数，如果指定了，这个配置无效了
#75行
num.recovery.threads.per.data.dir=1
#用来恢复，回收，清理data下的数据的线程数量，kafka的默认不允许删除主题的
#110行
log.retention.hours=168
#生产者发布的数据文件在主题当中保存的时间，168小时，默认是7天
#130行
zookeeper.connect=20.0.0.10:2181,20.0.0.11:2181,20.0.0.12:2181
#指定zookeeper集群#11服务器
vim server.properties#21行
broker.id=2
#65行
log.dirs=/var/log/kafka
#日志路径
#130行
zookeeper.connect=20.0.0.10:2181,20.0.0.11:2181,20.0.0.12:2181
#指定zookeeper集群#12服务器
vim server.properties#21行
broker.id=3
#65行
log.dirs=/var/log/kafka
#日志路径
#130行
zookeeper.connect=20.0.0.10:2181,20.0.0.11:2181,20.0.0.12:2181
#指定zookeeper集群#kafka的启动脚本
vim /etc/init.d/kafka#!/bin/bash
#chkconfig:2345 22 88
#description:Kafka Service Control Script
KAFKA_HOME='/opt/kafka'
case $1 in
start)echo "---------- Kafka 启动 ------------"${KAFKA_HOME}/bin/kafka-server-start.sh -daemon ${KAFKA_HOME}/config/server.properties
;;
stop)echo "---------- Kafka 停止 ------------"${KAFKA_HOME}/bin/kafka-server-stop.sh
;;
restart)$0 stop$0 start
;;
status)echo "---------- Kafka 状态 ------------"count=$(ps -ef | grep kafka | egrep -cv "grep|$$")if [ "$count" -eq 0 ];thenecho "kafka is not running"elseecho "kafka is running"fi
;;
*)echo "Usage: $0 {start|stop|restart|status}"
esac#给权限
chmod +x /etc/init.d/kafka
#添加系统当中
chkconfig --add kafka#启动kafka
service kafka start
#查看kafka端口
netstat -antp | grep 9092kafka创建主题
#所有可执行kafka的命令文件都要在bin目录下执行
cd /opt/kafka/bin#创建主题
kafka-topics.sh --create --zookeeper 20.0.0.10:2181,20.0.0.11:2181,20.0.0.12:2181 --replication-factor 2 --partitions 3 --topic xiaobu
#--zookeeper 指定的是zookeeper的地址和端口，保存kafka的元数据
#--replication-factor 2 定义每个分区的副本数
#--partitions 3 指定主题的分区数
# --topic xiaobu 指定主题名可以自定义#查看主题
kafka-topics.sh --describe --zookeeper 20.0.0.10:2181,20.0.0.11:2181,20.0.0.12:2181#查看指定的主题详细信息
kafka-topics.sh --describe --zookeeper 20.0.0.10:2181,20.0.0.11:2181,20.0.0.12:2181 --topic xiaobu#Partition：分区编号
#Leader：每个分区都有一个领导者（Leader），领导者负责处理分区的读写操作。
#在上述输出中，领导者的编号分别为 3、1、3。
#Replicas：每个分区可以有多个副本（Replicas），用于提供冗余和容错性。
#在上述输出中，Replica 3、1、2 分别对应不同的 Kafka broker。
#Isr：ISR（In-Sync Replicas）表示当前与领导者保持同步的副本。
#ISR 3、1分别表示与领导者同步的副本。#做映射
vim /etc/hosts
20.0.0.10 test1
20.0.0.11 test2
20.0.0.12 test3随便选择一个主机发布消息
kafka-console-producer.sh --broker-list 20.0.0.10:9092,20.0.0.11:9092,20.0.0.12:9092 --topic xiaobu订阅信息（从头开始）
kafka-console-consumer.sh --bootstrap-server 20.0.0.10:9092,20.0.0.11:9092,20.0.0.12:9092 --topic xiaobu --from-beginning 订阅信息（实时更新）
kafka-console-consumer.sh --bootstrap-server 20.0.0.10:9092,20.0.0.11:9092,20.0.0.12:9092 --topic xiaobu在11上创建主题
kafka-topics.sh --create --zookeeper 20.0.0.11:2181 --replication-factor 1 --partitions 1 --topic xiaobu1
在10上订阅信息
kafka-console-consumer.sh --bootstrap-server 20.0.0.11:9092 --topic xiaobu1
在11上创建主题
kafka-topics.sh --create --zookeeper 20.0.0.12:2181 --replication-factor 1 --partitions 1 --topic xiaobu2
在10上订阅信息
kafka-console-consumer.sh --bootstrap-server 20.0.0.12:9092 --topic xiaobu2
修改分区数
kafka-topics.sh --zookeeper 20.0.0.11:2181 --alter -topic xiaobu1 --partitions 3
#查看指定的主题详细信息
kafka-topics.sh --describe --zookeeper 20.0.0.11:2181 --topic xiaobu1删除主题
kafka-topics.sh --delete --zookeeper 20.0.0.12:2181 --topic xiaobu1
#此时命令执行后，只是打赏打上删除的标记，并没有完全删除。还是保存在元数据当中查看zookeeper保存信息
cd zookeeper/bin
./zkCli.sh -server 20.0.0.11:2181
#-server 20.0.0.11:2181：指定需要登录的IP地址
ls /brokes/topics
#保存Kafka的元数据信息的位置。
#你无法对保存的元数据进行任何信息，只可以查询
get /brokes/topics
#查看元数据信息kafka3.0创建主题
#所有可执行kafka的命令文件都要在bin目录下执行
cd /opt/kafka/bin#创建主题
kafka-topics.sh --create --bootstrap-server 20.0.0.13:9092,20.0.0.40:9092,20.0.0.41:9092 --replication-factor 2 --partitions 3 --topic test1#查看主题
kafka-topics.sh --list --bootstrap-server 20.0.0.10:9092,20.0.0.11:9092,20.0.0.12:9092
指定查看主题
kafka-topics.sh --list --bootstrap-server 20.0.0.10:9092,20.0.0.11:9092,20.0.0.12:9092 test随便选择一个主机发布消息
kafka-console-producer.sh --broker-list 20.0.0.10:9092,20.0.0.11:9092,20.0.0.12:9092 testkafka+elk集群
#两个es主机
#把filebeat的源码包拖到opt目录下
解压
cd filebeat
yum -y insatll nginx
systemctl restart nginx
vim /var/share/nginx/html/index.htmlvim filebeat.yml
- type: logenabled: truepaths:- /var/log/nginx/access.log- /var/log/nginx/error.logtags: ["nginx"]fields:service_name: 20.0.0.10_nginxlog_type: nginxfrom: 20.0.0.10
output.kafka:enabled: truehosts: ["20.0.0.40:9092,20.0.0.41:9092,20.0.0.42:9092"]topic: "nginx"运行filebeatnohup ./filebeat -e -c filebeat.yml > filebeat.out &cd /opt/kafka.conf
input {kafka {bootstrap_servers => "20.0.0.40:9092,20.0.0.41:9092,20.0.0.42:9092"topics => "nginx"type => "nginx_kafka"codec => "json"解析json格式的代码auto_offset_reset => "earliest"从头拉取，latestdecorate_event => true传递给es实例中的信息包含kafka的属性数据}}output{if "nginx" in [tags] {elasticsearch {hosts => ["20.0.0.10:9200","20.0.0.11:9200"]index => "%{[fields][service_name]}-%{YYYY.MM.dd}"}}}logstash -f kafka.conf --path.data /opt/nginx1去kafka上查看kafka-topic.sh --list --bootstrap-server 20.0.0.40:9092,20.0.0.41:9092,20.0.0.42:9092
