购物网站哪个便宜,网站建设中倒计时模板,秦皇岛网站制作,二级网站建设 管理思路Zookeeper 本章结构 Zookeeper 概述 Zookeeper 定义 *#xff08;了解#xff09;
Zookeeper是一个开源的分布式的#xff0c;为分布式框架提供协调服务的Apache项目。 Zookeeper 工作机制 *****#xff08;非常重要#xff0c;需要掌握#xff09; Zookeeper从设计模式…Zookeeper 本章结构 Zookeeper 概述 Zookeeper 定义 *了解
Zookeeper是一个开源的分布式的为分布式框架提供协调服务的Apache项目。 Zookeeper 工作机制 *****非常重要需要掌握 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。 Zookeeper 特点 **掌握 1Zookeeper一个领导者Leader多个跟随者Follower组成的集群。 2Zookeepe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。 Zookeeper 数据结构 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。
Zookeeper 应用场景了解
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。 2ZooKeeper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。 Zookeeper 选举机制 **** 非常重要必须掌握
●第一次启动选举机制 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12状态保持LOOKING3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12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123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并更改状态为FOLLOWING 5服务器5启动同4一样当小弟。 ●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、5ZXID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 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、ZXID、Epoch名词解释
SID服务器ID。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 ---------------------------------------------------------------------------------------------------------------------------------
zookeeper总结 zookeeper分布式服务管理框架。 存储业务服务节点元数据及状态信息并负责通知在zookeeper上注册的服务节点状态给客户端 文件系统 通知机制
1个LeaderN个follower节点数量要是3的奇数台
第一选选举通过比较myid myid最大的获取选票当选票过半数确定Leader的节点之后再加入的节点无论myid多大都会作为follower加入这个集群
非第一次选举当原eader故障其他节点会选举新的eder先比较EPOCH(期)最大的值直接胜出如果EPOCH相同再比较是事务D,最大的胜出如果事务ID也相同最后比较服务器ID大的胜出 部署 Zookeeper 集群
准备 3 台服务器做 Zookeeper 集群 192.168.10.17 192.168.10.21 22 192.168.10.22 23
1.安装前准备
//关闭防火墙
systemctl stop firewalld systemctl disable firewalld setenforce 0
//安装 JDK
yum install -y java-1.8.0-openjdk java-1.8.0-openjdk-devel java -version
//下载安装包
官方下载地址https://archive.apache.org/dist/zookeeper/
cd /opt wget https://archive.apache.org/dist/zookeeper/zookeeper-3.5.7/apache-zookeeper-3.5.7-bin.tar.gz 2.安装、配置Zookeeper
cd /opt tar -zxvf apache-zookeeper-3.5.7-bin.tar.gz mv apache-zookeeper-3.5.7-bin /usr/local/zookeeper-3.5.7 //修改配置文件
cd /usr/local/zookeeper-3.5.7/conf/ cp zoo_sample.cfg zoo.cfg
vim zoo.cfg tickTime2000 #通信心跳时间Zookeeper服务器与客户端心跳时间单位毫秒 initLimit10 #Leader和Follower初始连接时能容忍的最多心跳数tickTime的数量这里表示为10*2s syncLimit5 #Leader和Follower之间同步通信的超时时间这里表示如果超过5*2sLeader认为Follwer死掉并从服务器列表中删除Follwer dataDir/usr/local/zookeeper-3.5.7/data ●修改指定保存Zookeeper中的数据的目录目录需要单独创建 dataLogDir/usr/local/zookeeper-3.5.7/logs ●添加指定存放日志的目录目录需要单独创建 clientPort2181 #客户端连接端口 #添加集群信息 server.1192.168.10.17:3188:3288 server.2192.168.10.21:3188:3288 server.3192.168.10.22:3188:3288
第一选举端口 3188 非第一次选举 3288 ------------------------------------------------------------------------------------- server.AB:C:D ●A是一个数字表示这个是第几号服务器。集群模式下需要在zoo.cfg中dataDir指定的目录下创建一个文件myid这个文件里面有一个数据就是A的值Zookeeper启动时读取此文件拿到里面的数据与zoo.cfg里面的配置信息比较从而判断到底是哪个server。 ●B是这个服务器的地址。 ●C是这个服务器Follower与集群中的Leader服务器交换信息的端口。 ●D是万一集群中的Leader服务器挂了需要一个端口来重新进行选举选出一个新的Leader而这个端口就是用来执行选举时服务器相互通信的端口。 -------------------------------------------------------------------------------------
//拷贝配置好的 Zookeeper 配置文件到其他机器上
scp /usr/local/zookeeper-3.5.7/conf/zoo.cfg 192.168.10.21:/usr/local/zookeeper-3.5.7/conf/ scp /usr/local/zookeeper-3.5.7/conf/zoo.cfg 192.168.10.22:/usr/local/zookeeper-3.5.7/conf/
//在每个节点上创建数据目录和日志目录
mkdir /usr/local/zookeeper-3.5.7/data mkdir /usr/local/zookeeper-3.5.7/logs //在每个节点的dataDir指定的目录下创建一个 myid 的文件
echo 1 /usr/local/zookeeper-3.5.7/data/myid echo 2 /usr/local/zookeeper-3.5.7/data/myid echo 3 /usr/local/zookeeper-3.5.7/data/myid //配置 Zookeeper 启动脚本
vim /etc/init.d/zookeeper #!/bin/bash #chkconfig:2345 20 90 #description:Zookeeper Service Control Script ZK_HOME/usr/local/zookeeper-3.5.7 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 设置开机自启
chmod x /etc/init.d/zookeeper chkconfig --add zookeeper 分别启动 Zookeeper
service zookeeper start 查看当前状态
service zookeeper status Kafka
Kafka 概述 为什么需要消息队列MQ *** 重点掌握
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、Kafka 等。 RocketMQ ****
使用消息队列的好处记忆
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。 消息队列的两种模式
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发布/订阅模式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。
不同的主题对应不同的消费者 消息队列发布和订阅
发布者发布、订阅者根据自己的需求消费数据 Kafka 定义
Kafka 是一个分布式的基于发布/订阅模式的消息队列MQMessage Queue主要应用于大数据实时处理领域。 Kafka 简介/概述基于 Zookeepe了解即可
Kafka 是最初由 Linkedin 公司开发是一个分布式、支持分区的partition、多副本的replicar 协调的分布式消息中间件系统它的最大的特性就是可以实时的处理大量数据以满足各种需求场景比如基于 hadoop 的批处理系统、低延迟的实时系统、Spark/Flink 流式处理引擎nginx 访问日志消息服务等等用 scala 语言编写 Linkedin 于 2010 年贡献给了 Apache 基金会并成为顶级开源项目。 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分区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 Kafka 系统架构 1Broker 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。
2Topic 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
3Partition 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。 Partation 数据路由规则
1指定了 patition则直接使用
2未指定 patition 但指定 key相当于消息中某个属性通过对 key 的 value 进行 hash 取模选出一个 patition
3patition 和 key 都未指定使用轮询选出一个 patition。
每条消息都会有一个自增的编号用于标识消息的偏移量标识顺序从 0 开始。
每个 partition 中的数据使用多个 segment 文件存储。
如果 topic 有多个 partition消费数据时就不能保证数据的顺序。严格保证消息的消费顺序的场景下例如商品秒杀、 抢红包需要将 partition 数目设为 1。 ●broker 存储 topic 的数据。如果某 topic 有 N 个 partition集群有 N 个 broker那么每个 broker 存储该 topic 的一个 partition。 ●如果某 topic 有 N 个 partition集群有 (NM) 个 broker那么其中有 N 个 broker 存储 topic 的一个 partition 剩下的 M 个 broker 不存储该 topic 的 partition 数据。 ●如果某 topic 有 N 个 partition集群中 broker 数目少于 N 个那么一个 broker 存储该 topic 的一个或多个 partition。在实际生产环境中尽量避免这种情况的发生这种情况容易导致 Kafka 集群数据不均衡。 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。
1Replica
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。
2Leader
每个 partition 有多个副本其中有且仅有一个作为 LeaderLeader 是当前负责数据的读写的 partition。
3Follower
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 FollowerFollower 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 ISRLeader 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。
4 producer
生产者即数据的发布者该角色将消息 push 发布到 Kafka 的 topic 中。 broker 接收到生产者发送的消息后broker 将该消息追加到当前用于追加数据的 segment 文件中。 生产者发送的消息存储到一个 partition 中生产者也可以指定数据存储的 partition。
5Consumer
消费者可以从 broker 中 pull 拉取数据一定是观察者推送数据消费者拉取数据。消费者可以消费多个 topic 中的数据。
6Consumer GroupCG
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。
7offset 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。 消息最终是会还被删除的默认生命周期为 1 周7*24小时。
8Zookeeper
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。 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offsetoffset偏移量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。 kafka架构总结 partition 分区
consumer消费者
brokers 服务器
producers 生产者 两个角色 Leader (负责读写) follower (复制备份)
Topic 消息主题 或者表 或者键 存数据的表和键
replica 副本 有多个副本可以实现可高用 副本中也有 两个角色 Leader (负责读写) follower (复制备份)
offset 偏移量 记录消费者的位留消费者的数据的位置 kafuka架构图 部署 kafka 集群 ---------------- 1.下载安装包 官方下载地址http://kafka.apache.org/downloads.html
cd /opt wget https://mirrors.tuna.tsinghua.edu.cn/apache/kafka/2.7.1/kafka_2.13-2.7.1.tgz 2.安装 Kafka cd /opt/ tar zxvf kafka_2.13-2.7.1.tgz mv kafka_2.13-2.7.1 /usr/local/kafka
//修改配置文件 cd /usr/local/kafka/config/ cp server.properties{,.bak}
vim server.properties broker.id0 ●21行broker的全局唯一编号每个broker不能重复因此要在其他机器上配置 broker.id1、broker.id2 listenersPLAINTEXT://192.168.10.17:9092 ●31行指定监听的IP和端口如果修改每个broker的IP需区分开来也可保持默认配置不用修改 num.network.threads3 #42行broker 处理网络请求的线程数量一般情况下不需要去修改 num.io.threads8 #45行用来处理磁盘IO的线程数量数值应该大于硬盘数 socket.send.buffer.bytes102400 #48行发送套接字的缓冲区大小 socket.receive.buffer.bytes102400 #51行接收套接字的缓冲区大小 socket.request.max.bytes104857600 #54行请求套接字的缓冲区大小 log.dirs/usr/local/kafka/logs #60行kafka运行日志存放的路径也是数据存放的路径 num.partitions1 #65行topic在当前broker上的默认分区个数会被topic创建时的指定参数覆盖 num.recovery.threads.per.data.dir1 #69行用来恢复和清理data下数据的线程数量 log.retention.hours168 #103行segment文件数据文件保留的最长时间单位为小时默认为7天超时将被删除 log.segment.bytes1073741824 #110行一个segment文件最大的大小默认为 1G超出将新建一个新的segment文件 zookeeper.connect192.168.10.17:2181,192.168.10.21:2181,192.168.10.22:2181 ●123行配置连接Zookeeper集群地址
//修改环境变量 vim /etc/profile export KAFKA_HOME/usr/local/kafka export PATH$PATH:$KAFKA_HOME/bin source /etc/profile
//配置 Zookeeper 启动脚本 vim /etc/init.d/kafka #!/bin/bash #chkconfig:2345 22 88 #description:Kafka Service Control Script KAFKA_HOME/usr/local/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 ];then echo kafka is not running else echo kafka is running fi ;; *) echo Usage: $0 {start|stop|restart|status} esac
//设置开机自启 chmod x /etc/init.d/kafka chkconfig --add kafka
//分别启动 Kafka service kafka start 3.Kafka 命令行操作 //创建topic kafka-topics.sh --create --zookeeper 192.168.10.17:2181,192.168.10.21:2181,192.168.10.22:2181 --replication-factor 2 --partitions 3 --topic test
kafka-topics.sh --create --zookeeper 192.168.10.17:2181,192.168.10.20:2181,192.168.10.21:2181 --replication-factor 2 --partitions 3 --topic test ------------------------------------------------------------------------------------- --zookeeper定义 zookeeper 集群服务器地址如果有多个 IP 地址使用逗号分割一般使用一个 IP 即可 --replication-factor定义分区副本数1 代表单副本建议为 2 --partitions定义分区数 --topic定义 topic 名称 -------------------------------------------------------------------------------------
//查看当前服务器中的所有 topic kafka-topics.sh --list --zookeeper 192.168.10.17:2181,192.168.10.21:2181,192.168.10.22:2181
//查看某个 topic 的详情 kafka-topics.sh --describe --zookeeper 192.168.10.17:2181,192.168.10.21:2181,192.168.10.22:2181
//发布消息 kafka-console-producer.sh --broker-list 192.168.10.17:9092,192.168.10.21:9092,192.168.10.22:9092 --topic test
//消费消息 kafka-console-consumer.sh --bootstrap-server 192.168.10.17:9092,192.168.10.21:9092,192.168.10.22:9092 --topic test --from-beginning
------------------------------------------------------------------------------------- --from-beginning会把主题中以往所有的数据都读取出来 -------------------------------------------------------------------------------------
//修改分区数 kafka-topics.sh --zookeeper 192.168.10.17:2181,192.168.10.21:2181,192.168.10.22:2181 --alter --topic test --partitions 6
//删除 topic kafka-topics.sh --delete --zookeeper 192.168.10.17:2181,192.168.10.21:2181,192.168.10.22:2181 --topic test
生产扩展 ---------------- Kafka 架构深入 ---------------- //Kafka 工作流程及文件存储机制 Kafka 中消息是以 topic 进行分类的生产者生产消息消费者消费消息都是面向 topic 的。
topic 是逻辑上的概念而 partition 是物理上的概念每个 partition 对应于一个 log 文件该 log 文件中存储的就是 producer 生产的数据。Producer 生产的数据会被不断追加到该 log 文件末端且每条数据都有自己的 offset。 消费者组中的每个消费者都会实时记录自己消费到了哪个 offset以便出错恢复时从上次的位置继续消费。
由于生产者生产的消息会不断追加到 log 文件末尾为防止 log 文件过大导致数据定位效率低下Kafka 采取了分片和索引机制将每个 partition 分为多个 segment。每个 segment 对应两个文件“.index” 文件和 “.log” 文件。这些文件位于一个文件夹下该文件夹的命名规则为topic名称分区序号。例如test 这个 topic 有三个分区 则其对应的文件夹为 test-0、test-1、test-2。
index 和 log 文件以当前 segment 的第一条消息的 offset 命名。
“.index” 文件存储大量的索引信息“.log” 文件存储大量的数据索引文件中的元数据指向对应数据文件中 message 的物理偏移地址。 //数据可靠性保证 为保证 producer 发送的数据能可靠的发送到指定的 topictopic 的每个 partition 收到 producer 发送的数据后 都需要向 producer 发送 ackacknowledgement 确认收到如果 producer 收到 ack就会进行下一轮的发送否则重新发送数据。 //数据一致性问题 LEO指的是每个副本最大的 offset HW指的是消费者能见到的最大的 offset所有副本中最小的 LEO。
1follower 故障 follower 发生故障后会被临时踢出 ISRLeader 维护的一个和 Leader 保持同步的 Follower 集合待该 follower 恢复后follower 会读取本地磁盘记录的上次的 HW并将 log 文件高于 HW 的部分截取掉从 HW 开始向 leader 进行同步。等该 follower 的 LEO 大于等于该 Partition 的 HW即 follower 追上 leader 之后就可以重新加入 ISR 了。
2leader 故障 leader 发生故障之后会从 ISR 中选出一个新的 leader 之后为保证多个副本之间的数据一致性其余的 follower 会先将各自的 log 文件高于 HW 的部分截掉然后从新的 leader 同步数据。
注这只能保证副本之间的数据一致性并不能保证数据不丢失或者不重复。 //ack 应答机制 对于某些不太重要的数据对数据的可靠性要求不是很高能够容忍数据的少量丢失所以没必要等 ISR 中的 follower 全部接收成功。所以 Kafka 为用户提供了三种可靠性级别用户根据对可靠性和延迟的要求进行权衡选择。
当 producer 向 leader 发送数据时可以通过 request.required.acks 参数来设置数据可靠性的级别 ●0这意味着producer无需等待来自broker的确认而继续发送下一批消息。这种情况下数据传输效率最高但是数据可靠性确是最低的。当broker故障时有可能丢失数据。
●1默认配置这意味着producer在ISR中的leader已成功收到的数据并得到确认后发送下一条message。如果在follower同步成功之前leader故障那么将会丢失数据。
●-1或者是allproducer需要等待ISR中的所有follower都确认接收到数据后才算一次发送完成可靠性最高。但是如果在 follower 同步完成后broker 发送ack 之前leader 发生故障那么会造成数据重复。
三种机制性能依次递减数据可靠性依次递增。
注在 0.11 版本以前的Kafka对此是无能为力的只能保证数据不丢失再在下游消费者对数据做全局去重。在 0.11 及以后版本的 Kafka引入了一项重大特性幂等性。所谓的幂等性就是指 Producer 不论向 Server 发送多少次重复数据 Server 端都只会持久化一条。 ---------------- FilebeatKafkaELK ---------------- 1.部署 ZookeeperKafka 集群
2.部署 Filebeat cd /usr/local/filebeat
vim filebeat.yml filebeat.prospectors: - type: log enabled: true paths: - /var/log/httpd/access_log tags: [access] - type: log enabled: true paths: - /var/log/httpd/error_log tags: [error] ...... #添加输出到 Kafka 的配置 output.kafka: enabled: true hosts: [192.168.10.17:9092,192.168.10.21:9092,192.168.10.22:9092] #指定 Kafka 集群配置 topic: httpd #指定 Kafka 的 topic #启动 filebeat ./filebeat -e -c filebeat.yml 3.部署 ELK在 Logstash 组件所在节点上新建一个 Logstash 配置文件 cd /etc/logstash/conf.d/
vim kafka.conf input { kafka { bootstrap_servers 192.168.10.17:9092,192.168.10.21:9092,192.168.10.22:9092 #kafka集群地址 topics httpd #拉取的kafka的指定topic type httpd_kafka #指定 type 字段 codec json #解析json格式的日志数据 auto_offset_reset latest #拉取最近数据earliest为从头开始拉取 decorate_events true #传递给elasticsearch的数据额外增加kafka的属性数据 } }
output { if access in [tags] { elasticsearch { hosts [192.168.10.15:9200] index httpd_access-%{YYYY.MM.dd} } } if error in [tags] { elasticsearch { hosts [192.168.10.15:9200] index httpd_error-%{YYYY.MM.dd} } } stdout { codec rubydebug } }
#启动 logstash logstash -f kafka.conf 注生产黑屏操作es时查看所有的索引:curl -X GET localhost:9200/_cat/indices?v
4.浏览器访问 http://192.168.10.13:5601 登录 Kibana单击“Create Index Pattern”按钮添加索引“filebeat_test-*”单击 “create” 按钮创建单击 “Discover” 按钮可查看图表信息及日志信息。
