1.1 Kafka介绍1.2 Kafka优势1.2.1 高吞吐量1.2.2 高性能1.2.3 持久化数据存储1.2.4 分布式系统1.2.5 可靠性1.2.6 客户端状态维护1.2.7 支持场景1.2.8 支持多种客户端语言1.3 Kafka应用场景1.3.1 日志收集1.3.2 消息系统1.3.3 用户活动跟踪1.3.4 运营指标1.3.5 流式处理1.4 Kafka基本架构1.4.1 消息和批次1.4.2 模式1.4.3 主题和分区1.4.4 生产者和消费者1.4.5 Broker和集群1.5 Kafka核心概念1.5.1 Producer1.5.2 Consumer1.5.3 Broker1.5.4 Topic1.5.5 Partition1.5.6 Replicas副本1.5.7 Offset1.5.7.1 生产者Offset1.5.7.2 消费者Offset1.5.8 副本1.5.8.1 AR1.5.8.2 ISR1.5.8.3 OSR1.5.8.4 HW1.5.8.5 LEO2.1 Kafka集群规划2.1.1 Zookeeper集群2.1.2 Kafka集群2.2 JDK部署（3台均需部署）2.3 Zookeeper集群部署2.3.1 安装Zookeeper2.3.2 修改Zookeeper配置文件2.3.2.1 Zookeeper配置文件详解2.3.3 创建Zookeeper集群myid2.3.4 启动Zookeeper集群2.3.5 查看Zookeeper集群状态2.3.6 故障排查2.3.6.1 若出现启动失败，可查看日志2.3.6.2 大多数的问题都是配置文件的问题2.4 Kafka集群部署2.4.1 安装Kafka2.4.2 修改Kafka配置文件2.4.2.1 Kafka配置文件详解2.4.2.1.1 server.properties:服务端的配置文件2.4.2.1.2 producer.properties:生产端的配置文件2.4.2.1.3 consumer.properties:消费端的配置文件2.4.3 启动Kafka集群2.4.3.1 启动Zookeeper集群2.4.3.1.1 查看Zookeeper集群状态2.4.3.1.2 启动Zookeeper集群2.4.3.2 启动Kafka集群2.4.4 测试验证2.4.4.1 创建Topic–test2.4.4.2 查看已经创建的Topic列表2.4.4.3 在master启动生产者（任意一台）2.4.4.4 在另外两台服务器其中之一启动消费者2.4.4.5 生产者的服务器输入内容，消费者服务器就会显示2.4.4.5.1 生产者2.4.4.5.2 消费者2.4.5 故障排查

1.1 Kafka介绍

Kafka是最初由Linkedin公司开发，是一个分布式、分区的、多副本的、多生产者、多订阅者，基于Zookeeper协调的分布式日志系统(也可以当做MQ系统)，常见可以用于web/nginx日志、访问日志，消息服务等等，Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。

主要应用场景是:日志收集系统和消息系统。

Kafka主要设计目标如下:

以时间复杂度为O(1)的方式提供消息持久化能力，即使对TB级以上数据也能保证常数时间的访问性能；
高吞吐率，即使在非常廉价的商用机器上也能做到单机支持每秒10万条消息的传输；
支持Kafka Server间的消息分区，及分布式消费，同时保证每个Partition内的消息顺序传输；
同时支持离线数据处理和实时数据处理；
支持在线水平扩展。

有两种主要的消息传递模式:点对点传递模式、发布-订阅模式。大部分的消息系统选用发布-订阅模式。Kafka就是一种发布-订阅模式。

对于消息中间件，消息分推拉两种模式。Kafka只有消息的拉取，没有推送，可以通过轮询实现消息的推送。

Kafka在一个或多个可以跨越多个数据中心的服务器上作为集群运行；
Kafka集群中按照主题分类管理，一个主题可以有多个分区，一个分区可以有多个副本分区；
每个记录由一个键，一个值和一个时间戳组成。

Kafka具有四个核心API:

Producer API:允许应用程序将记录流发布到一个或多个Kafka主题；
Consumer API:允许应用程序订阅一个或多个主题并处理为其生成的记录流；
Streams API:允许应用程序充当流处理器，使用一个或多个主题的输入流，并生成一个或多个输出主题的输出流，从而有效地将输入流转换为输出流；
Connector API:允许构建和运行将Kafka主题连接到现有应用程序或数据系统的可重用生产者或使用者。例如，关系数据库的连接器可能会捕获对表的所有更改。

1.2 Kafka优势

1.2.1 高吞吐量

单机每秒处理几十上百万的消息量。即使存储了许多TB的消息，它也保持稳定的性能。

1.2.2 高性能

单节点支持上千个客户端，并保证零停机和零数据丢失。

1.2.3 持久化数据存储

将消息持久化到磁盘；通过将数据持久化到硬盘以及replication防止数据丢失。

零拷贝；
顺序读，顺序写；
利用Linux的页缓存。

1.2.4 分布式系统

易于向外扩展，所有的Producer、Broker和Consumer都会有多个，均为分布式的。无需停机即可扩展机器；多个Producer、Consumer可能是不同的应用。

1.2.5 可靠性

Kafka是分布式，分区，复制和容错的。

1.2.6 客户端状态维护

消息被处理的状态是在Consumer端维护，而不是由server端维护；当失败时能自动平衡。

1.2.7 支持场景

支持online（在线）和offline（离线）的场景

1.2.8 支持多种客户端语言

Kafka支持Java、.NET、PHP、Python等多种语言。

1.3 Kafka应用场景

1.3.1 日志收集

一个公司可以用Kafka收集各种服务的Log,通过Kafka以统一接口服务的方式开放给各种Consumer。

1.3.2 消息系统

解耦生产者和消费者、缓存消息等。

1.3.3 用户活动跟踪

Kafka经常被用来记录Web用户或者App用户的各种活动，如浏览网页、搜索、点击等活动，这些活动信息被各个服务器发布到Kafka的Topic中，然后消费者通过订阅这些Topic来做实时的监控分析，亦可保存到数据库。

1.3.4 运营指标

Kafka也经常用来记录运营监控数据；包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告。

1.3.5 流式处理

比如Spark Streaming和Storm。

1.4 Kafka基本架构

1.4.1 消息和批次

Kafka的数据单元称为消息；可以把消息看成是数据库里的一个“数据行”或一条“记录”，消息由字节数组组成。

消息有键，键也是一个字节数组；当消息以一种可控的方式写入不同的分区时，会用到键。

为了提高效率，消息被分批写入Kafka；批次就是一组消息，这些消息属于同一个主题和分区。

把消息分成批次可以减少网络开销；批次越大，单位时间内处理的消息就越多，单个消息的传输时间就越长，批次数据会被压缩，这样可以提升数据的传输和存储能力，但是需要更多的计算处理。

1.4.2 模式

消息模式(schema)有许多可用的选项；以便于理解，如JSON和XML，但是它们缺乏强类型处理能力。Kafka的许多开发者喜欢使用Apache Avro；Avro提供了一种紧凑的序列化格式，模式和消息体分开；当模式发生变化时，不需要重新生成代码；它还支持强类型和模式进化，其版本既向前兼容，也向后兼容。

数据格式的一致性对Kafka很重要，因为它消除了消息读写操作之间的耦合性。

1.4.3 主题和分区

Kafka的消息通过主题进行分类。主题可比做是数据库的表或者文件系统里的文件夹；主题可以被分为若干分区，一个主题通过分区分布于Kafka集群中，提供了横向扩展的能力。

1.4.4 生产者和消费者

生产者创建消息；消费者消费消息。一个消息被发布到一个特定的主题上。生产者在默认情况下把消息均衡地分布到主题的所有分区上:

直接指定消息的分区；
根据消息的key散列取模得出分区；
轮询指定分区。

消费者通过偏移量来区分已经读过的消息，从而消费消息。消费者是消费组的一部分，消费组保证每个分区只能被一个消费者使用，避免重复消费。

1.4.5 Broker和集群

一个独立的Kafka服务器称为Broker。Broker接收来自生产者的消息，为消息设置偏移量，并提交消息到磁盘保存。Broker为消费者提供服务，对读取分区的请求做出响应，返回已经提交到磁盘上的消息。单个Broker可以轻松处理数千个分区以及每秒百万级的消息量。

每个集群都有一个Broker是集群控制器(自动从集群的活跃成员中选举出来)。

控制器负责管理工作:

将分区分配给Broker；
监控Broker。

集群中一个分区属于一个Broker，该Broker称为分区首领。一个分区可以分配给多个Broker，此时会发生分区复制；分区的复制提供了消息冗余，高可用；副本分区不负责处理消息的读写。

1.5 Kafka核心概念

1.5.1 Producer

生产者创建消息。该角色将消息发布到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；一般情况下，一个消息会被发布到一个特定的主题上。

默认情况下通过轮询把消息均衡地分布到主题的所有分区上；
在某些情况下，生产者会把消息直接写到指定的分区；这通常是通过消息键和分区器来实现的，分区器为键生成一个散列值，并将其映射到指定的分区上；这样可以保证包含同一个键的消息会被写到同一个分区上；
生产者也可以使用自定义的分区器，根据不同的业务规则将消息映射到分区。

1.5.2 Consumer

消费者读取消息。

消费者订阅一个或多个主题，并按照消息生成的顺序读取它们。
消费者通过检查消息的偏移量来区分已经读取过的消息；偏移量是另一种元数据，它是一个不断递增的整数值，在创建消息时，Kafka会把它添加到消息里；在给定的分区里，每个消息的偏移量都是唯一的；消费者把每个分区最后读取的消息偏移量保存在Zookeeper或Kafka上，如果消费者关闭或重启，它的读取状态不会丢失。
消费者是消费组的一部分；群组保证每个分区只能被一个消费者使用。
如果一个消费者失效，消费组里的其它消费者可以接管失效消费者的工作，再平衡，分区重新分配。

1.5.3 Broker

一个独立的Kafka服务器被称为Broker。Broker为消费者提供服务，对读取分区的请求作出响应，返回已经提交到磁盘上的消息。

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(N+M)个Broker，那么其中有N个Broker存储该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。

Broker是集群的组成部分。每个集群都有一个Broker同时充当了集群控制器的角色(自动从集群的活跃成员中选举出来)。

控制器负责管理工作，包括将分区分配给Broker和监控Broker。在集群中，一个分区从属于一个Broker，该Broker被称为分区的首领。

1.5.4 Topic

每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic。物理上不同Topic的消息分开存储；主题就好比数据库的表，尤其是分库分表之后的逻辑表。

1.5.5 Partition

主题可以被分为若干个分区，一个分区就是一个提交日志；
消息以追加的方式写入分区，然后以先入先出的顺序读取；
无法在整个主题范围内保证消息的顺序，但可以保证消息在单个分区内的顺序；
Kafka通过分区来实现数据冗余和伸缩性；
在需要严格保证消息的消费顺序的场景下，需要将Partition数目设为1。

1.5.6 Replicas副本

Kafka使用主题来组织数据，每个主题被分为若干个分区，每个分区有多个副本。那些副本被保存在Broker 上，每个Broker可以保存成百上千个属于不同主题和分区的副本。

副本有以下两种类型:

首领副本

每个分区都有一个首领副本。为了保证一致性，所有生产者请求和消费者请求都会经过这个副本。

跟随者副本

首领以外的副本都是跟随者副本。跟随者副本不处理来自客户端的请求，它们唯一的任务就是从首领那里复制消息，保持与首领一致的状态。如果首领发生崩溃，其中的一个跟随者会被提升为新首领。

1.5.7 Offset

1.5.7.1 生产者Offset

消息写入的时候，每一个分区都有一个offset，这个offset就是生产者的offset，同时也是这个分区的最新最大的offset。有些时候没有指定某一个分区的offset，这个工作kafka帮我们完成。

1.5.7.2 消费者Offset

这是某一个分区的offset情况，生产者写入的offset是最新最大的值是12，而当Consumer A进行消费时，从0开始消费，一直消费到了9，消费者的offset就记录在9，Consumer B就纪录在了11。等下一次它们再来消费时，它们可以选择接着上一次的位置消费，当然也可以选择从头消费，或者跳到最近的记录并从“现在”开始消费。

1.5.8 副本

Kafka通过副本保证高可用。副本分为首领副本(Leader)和跟随者副本(Follower)。跟随者副本包括同步副本和不同步副本，在发生首领副本切换的时候，只有同步副本可以切换为首领副本。

1.5.8.1 AR

分区中的所有副本统称为AR(Assigned Repllicas)；AR=ISR+OSR。

1.5.8.2 ISR

所有与Leader副本保持一定程度同步的副本(包括Leader)组成ISR(In-Sync Replicas)，ISR集合是AR集合中的一个子集。消息会先发送到Leader副本,然后Follower副本才能从Leader副本中拉取消息进行同步，同步期间内Follower副本相对于Leader副本而言会有一定程度的滞后。前面所说的“一定程度”是指可以忍受的滞后范围，这个范围可以通过参数进行配置。

1.5.8.3 OSR

与Leader副本同步滞后过多的副本(不包括Leader)副本，组成OSR(Out-Sync Relipcas)。在正常情况下，所有的Follower副本都应该与Leader副本保持一定程度的同步，即AR=ISR,OSR集合为空。

1.5.8.4 HW

HW是High Watermak的缩写，俗称高水位，它表示了一个特定消息的偏移量(offset)，消费者只能拉取到这个offset之前的消息。

1.5.8.5 LEO

LEO是Log End Offset的缩写，它表示了当前日志文件中下一条待写入消息的offset。

2.1 Kafka集群规划

2.1.1 Zookeeper集群

共三台服务器，分别为：kafka-01、kafka-02、kafka-03。

2.1.2 Kafka集群

共三台服务器，分别为：kafka-01、kafka-02、kafka-03。

2.2 JDK部署（3台均需部署）

#下载JDK软件包；
下载地址：https://www.oracle.com/java/technologies/javase/javase8-archive-downloads.html

#选择linux x64的tar文件
jdk-8u291-linux-x64.tar.gz

#卸载系统自带jdk
yum -y remove *jdk

#解压JDK软件包；
tar -xzvf jdk-8u291-linux-x64.tar.gz

#将解压到JDK移动到/usr/local下
mv jdk1.8.0_291 /usr/local/

#修改环境变量
vim /etc/profile 添加以下（注意一定不要有多余空格！！！！）
export JAVA_HOME=/usr/local/jdk1.8.0_291
export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin

#使环境变量生效
source /etc/profile

#验证版本
java -version

2.3 Zookeeper集群部署

部署Zookeeper集群之前，通常我们采用3台服务器，为什么要选择三台服务器部署ZK集群呢，Zookeeper 集群通常是用来对用户的分布式应用程序提供协调服务的。

在每台机器数据保持一致的情况下，Zookeeper集群可以保证，客户端发起的每次查询操作，集群节点都能返回同样的结果。但是对于客户端发起的修改、删除等能改变数据的操作呢？集群中那么多台机器，你修改你的，我修改我的，最后返回集群中哪台机器的数据呢？

这就是一盘散沙，需要一个领导，于是在Zookeeper集群中，Leader的作用就体现出来了，只有Leader节点才有权利发起修改数据的操作，而follower节点即使接收到了客户端发起的修改操作，也要将其转交给Leader来处理，Leader接收到修改数据的请求后，会向所有follower广播一条消息，让它们执行某项操作，follower执行完后，便会向Leader回复执行完毕。

当Leader收到半数以上的Follower 的确认消息，便会判定该操作执行完毕，然后向所有follower广播该操作已经生效。所以Zookeeper集群中Leader是不可缺少的，但是Leader节点是怎么产生的呢？其实就是由所有follower节点选举产生的，而且Leader节点只能有一个，毕竟一个国家不能有多个总统。

为什么Zookeeper节点数是奇数，我们下面来一一来说明：

1. 容错率

从容错率来说明：（需要保证集群能够有半数进行投票），2台服务器，至少2台正常运行才行（2的半数为1，半数以上最少为2），正常运行1台服务器都不允许挂掉，但是相对于单节点服务器，2台服务器还有两个单点故障，所以直接排除了。

部署Zookeeper 集群之前，通常我们采用3台服务器，为什么要选择三台服务器部署ZK集群呢，Zookeeper 集群通常是用来对用户的分布式应用程序提供协调服务的。

在每台机器数据保持一致的情况下，Zookeeper集群可以保证，客户端发起的每次查询操作，集群节点都能返回同样的结果。但是对于客户端发起的修改、删除等能改变数据的操作呢？集群中那么多台机器，你修改你的，我修改我的，最后返回集群中哪台机器的数据呢？

这就是一盘散沙，需要一个领导，于是在Zookeeper集群中，Leader的作用就体现出来了，只有Leader节点才有权利发起修改数据的操作，而follower节点即使接收到了客户端发起的修改操作，也要将其转交给Leader来处理，Leader接收到修改数据的请求后，会向所有follower广播一条消息，让他们执行某项操作，follower 执行完后，便会向 Leader 回复执行完毕。

当Leader 收到半数以上的Follower 的确认消息，便会判定该操作执行完毕，然后向所有 follower 广播该操作已经生效。所以Zookeeper集群中Leader是不可缺少的，但是 Leader 节点是怎么产生的呢？其实就是由所有follower 节点选举产生的，而且Leader节点只能有一个，毕竟一个国家不能有多个总统。

为什么 zookeeper 节点数是奇数，我们下面来一一来说明：

从容错率来说明：（需要保证集群能够有半数进行投票），2台服务器，至少2台正常运行才行（2的半数为1，半数以上最少为2），正常运行1台服务器都不允许挂掉，但是相对于单节点服务器，2台服务器还有两个单点故障，所以直接排除了。

3台服务器，至少2台正常运行才行（3的半数为1.5，半数以上最少为2），正常运行可以允许1台服务器挂掉。

4台服务器，至少3台正常运行才行（4的半数为2，半数以上最少为3），正常运行可以允许1台服务器挂掉。

5台服务器，至少3台正常运行才行（5的半数为2.5，半数以上最少为3），正常运行可以允许2台服务器挂掉。

2. 防脑裂

脑裂集群的脑裂通常是发生在节点之间通信不可达的情况下，集群会分裂成不同的小集群，小集群各自选出自己的Leader节点，导致原有的集群出现多个Leader节点的情况，这就是脑裂。

3台服务器，投票选举半数为1.5，一台服务裂开，和另外两台服务器无法通信，这时候2台服务器的集群（2票大于半数1.5票），所以可以选举出Leader，而1台服务器的集群无法选举。

4台服务器，投票选举半数为2，可以分成 1,3两个集群或者2,2两个集群，对于1,3集群，3集群可以选举；对于2,2集群，则不能选举，造成没有Leader节点。

5台服务器，投票选举半数为2.5，可以分成1,4两个集群，或者2,3两集群，这两个集群分别都只能选举一个集群，满足zookeeper集群搭建数目。

通过以上分析，我们从容错率以及防止脑裂两方面说明了3台服务器是搭建集群的最少数目，4台发生脑裂时会造成没有Leader节点的错误。

以下为基于二进制Tar包部署Zookeeper集群。

2.3.1 安装Zookeeper

在3台服务器上执行如下安装步骤：

#下载Zookeeper软件包；
wget -c https://mirrors.tuna.tsinghua.edu.cn/apache/zookeeper/stable/apache-zookeeper-3.6.3-bin.tar.gz

#tar解压Zookeeper软件包；
tar -xzvf apache-zookeeper-3.6.3-bin.tar.gz

#创建Zookeeper部署目录；
mkdir -p /usr/local/zookeeper/

#将解压程序移动至ZK部署目录；
mv apache-zookeeper-3.6.3-bin/* /usr/local/zookeeper/

#查看ZK是否部署成功；
ls -l /usr/local/zookeeper/

#CP拷贝默认模板配置文件；
cd /usr/local/zookeeper/conf/
\cp zoo_sample.cfg zoo.cfg

2.3.2 修改Zookeeper配置文件

修改3台服务器Zookeeper配置文件zoo.cfg的部分参数内容如下：

dataDir=/zookeeper
maxClientCnxns=60
autopurge.snapRetainCount=3
autopurge.purgeInterval=1
server.1=172.29.57.201:2888:3888
server.2=172.29.57.202:2888:3888
server.3=172.29.57.203:2888:3888

2.3.2.1 Zookeeper配置文件详解

zoo.cfg配置文件参数详解：

tickTime：基本事件单元，这个时间是作为Zookeeper服务器之间或客户端与服务器之间维持心跳的时间间隔，每隔tickTime时间就会发送一个心跳；最小的session过期时间为2倍tickTimedataDir：存储内存中数据库快照的位置，除非另有说明，否则指向数据库更新的事务日志。注意：应该谨慎的选择日志存放的位置，使用专用的日志存储设备能够大大提高系统的性能，如果将日志存储在比较繁忙的存储设备上，那么将会很大程度上影像系统性能。clientPort：监听客户端连接的端口。initLimit：允许follower连接并同步到Leader的初始化连接时间，以tickTime为单位。当初始化连接时间超过该值，则表示连接失败。syncLimit：表示Leader与Follower之间发送消息时，请求和应答时间长度。如果follower在设置时间内不能与leader通信，那么此follower将会被丢弃。server.A=B:C:D A：服务器的编号；B：ZK服务器的IP地址；C：Leader选举的端口；D：Zookeeper服务器之间的通信端口；

2.3.3 创建Zookeeper集群myid

Zookeeper集群模式下需要配置myid文件,该需要放在dataDir根目录下。文件填写一个数字，数字就是A的值。

#172.29.57.201创建myid，方法如下：
mkdir -p /zookeeper/
echo "1" > /zookeeper/myid

#172.29.57.202创建myid，方法如下：
mkdir -p /zookeeper/
echo "2" > /zookeeper/myid

#172.29.57.203创建myid，方法如下：
mkdir -p /zookeeper/
echo "3" > /zookeeper/myid

2.3.4 启动Zookeeper集群

根据如上ZK配置完成，启动三台机器的ZK服务即可，启动服务的命令如下：

#启动ZK软件服务；
/usr/local/zookeeper/bin/zkServer.sh start

#查看ZK服务进程和端口；
ps -ef|grep -ai zookeeper
netstat -tnlp|grep -aiwE 2181

#查看ZK服务的状态；
/usr/local/zookeeper/bin/zkServer.sh status

#启动ZK客户端命令行；
/usr/local/zookeeper/bin/zkCli.sh

#创建测试信息；
/usr/local/zookeeper/bin/zkCli.sh
help
create /superman
ls /
set /superman 
get /superman

2.3.5 查看Zookeeper集群状态

根据如上ZK集群配置操作，最终ZK集群部署成功，查看其状态信息，可以看到一个leader，两个follower，如图所示：

2.3.6 故障排查

2.3.6.1 若出现启动失败，可查看日志

日志文件位置/usr/local/zookeeper/logs/zookeeper-root-server-<主机名>.out

2.3.6.2 大多数的问题都是配置文件的问题

注意在配置文件中一定不要有多余的空格！！！！

2.4 Kafka集群部署

2.4.1 安装Kafka

在3台服务器上执行如下安装步骤：

#下载Kafka软件包；
wget -c https://mirrors.tuna.tsinghua.edu.cn/apache/kafka/2.6.2/kafka_2.12-2.6.2.tgz

#tar解压kafka软件包；
tar -xzvf kafka_2.12-2.6.2.tgz

#创建kafka部署目录；
mkdir -p /usr/local/kafka/

#将解压程序移动至kafka部署目录；
mv kafka_2.12-2.6.2/* /usr/local/kafka/

#查看kafka是否部署成功；
ls -l /usr/local/kafka/

#查看默认模板配置文件；
ls -l /usr/local/kafka/config/server.properties

2.4.2 修改Kafka配置文件

修改3台服务器Kafka配置文件server.properties的内容如下：

vim /usr/local/kafka/config/server.properties

#修改broker.id
修改broker.id=1与上面配置的zookeeper myid保持一致；其中kafka-01、kafka-02、kafka-03的broker.id分别为1、2、3。

#修改listeners
将listteners=PLAINTEXT://:9092修改成listteners=PLAINTEXT://ip:9092
listeners=PLAINTEXT://172.29.57.201:9092

#修改zookeeper.connect
修改zookeeper.connect为三台机器的ip，用逗号隔开；
zookeeper.connect=172.29.57.201:2181,172.29.57.202:2181,172.29.57.203:2181

2.4.2.1 Kafka配置文件详解

2.4.2.1.1 server.properties:服务端的配置文件

#broker的全局唯一编号，不能重复
broker.id=0

#用来监听链接的端口，producer或consumer将在此端口建立连接
port=9092

#处理网络请求的线程数量，也就是接收消息的线程数。
#接收线程会将接收到的消息放到内存中，然后再从内存中写入磁盘。
num.network.threads=3

#消息从内存中写入磁盘是时候使用的线程数量。
#用来处理磁盘IO的线程数量
num.io.threads=8

#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400

#接受套接字的缓冲区大小
socket.receive.buffer.bytes=102400

#请求套接字的缓冲区大小
socket.request.max.bytes=104857600

#kafka运行日志存放的路径
log.dirs=/export/servers/logs/kafka

#topic在当前broker上的分片个数
num.partitions=2

#我们知道segment文件默认会被保留7天的时间，超时的话就
#会被清理，那么清理这件事情就需要有一些线程来做。这里就是
#用来设置恢复和清理data下数据的线程数量
num.recovery.threads.per.data.dir=1

#segment文件保留的最长时间，默认保留7天（168小时），
#超时将被删除，也就是说7天之前的数据将被清理掉。
log.retention.hours=168

#滚动生成新的segment文件的最大时间
log.roll.hours=168

#日志文件中每个segment的大小，默认为1G
log.segment.bytes=1073741824

#上面的参数设置了每一个segment文件的大小是1G，那么
#就需要有一个东西去定期检查segment文件有没有达到1G，
#多长时间去检查一次，就需要设置一个周期性检查文件大小
#的时间（单位是毫秒）。
log.retention.check.interval.ms=300000

#日志清理是否打开
log.cleaner.enable=true

#broker需要使用zookeeper保存meta数据
zookeeper.connect=172.29.57.201:2181,172.29.57.202:2181,172.29.57.203:2181

#zookeeper链接超时时间
zookeeper.connection.timeout.ms=6000

#上面我们说过接收线程会将接收到的消息放到内存中，然后再从内存
#写到磁盘上，那么什么时候将消息从内存中写入磁盘，就有一个
#时间限制（时间阈值）和一个数量限制（数量阈值），这里设置的是
#数量阈值，下一个参数设置的则是时间阈值。
#partion buffer中，消息的条数达到阈值，将触发flush到磁盘。
log.flush.interval.messages=10000

#消息buffer的时间，达到阈值，将触发将消息从内存flush到磁盘，
#单位是毫秒。
log.flush.interval.ms=3000

#删除topic需要server.properties中设置delete.topic.enable=true否则只是标记删除
delete.topic.enable=true

#此处的host.name为本机IP(重要),如果不改,则客户端会抛出:
#Producer connection to localhost:9092 unsuccessful 错误!
host.name=kafka01

advertised.host.name=192.168.239.128

2.4.2.1.2 producer.properties:生产端的配置文件

#指定kafka节点列表，用于获取metadata，不必全部指定
#需要kafka的服务器地址，来获取每一个topic的分片数等元数据信息。
metadata.broker.list=kafka01:9092,kafka02:9092,kafka03:9092

#生产者生产的消息被发送到哪个block，需要一个分组策略。
#指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到对应分区
#partitioner.class=kafka.producer.DefaultPartitioner

#生产者生产的消息可以通过一定的压缩策略（或者说压缩算法）来压缩。消息被压缩后发送到broker集群，
#而broker集群是不会进行解压缩的，broker集群只会把消息发送到消费者集群，然后由消费者来解压缩。
#是否压缩，默认0表示不压缩，1表示用gzip压缩，2表示用snappy压缩。
#压缩后消息中会有头来指明消息压缩类型，故在消费者端消息解压是透明的无需指定。
#文本数据会以1比10或者更高的压缩比进行压缩。
compression.codec=none

#指定序列化处理类，消息在网络上传输就需要序列化，它有String、数组等许多种实现。
serializer.class=kafka.serializer.DefaultEncoder

#如果要压缩消息，这里指定哪些topic要压缩消息，默认empty，表示不压缩。
#如果上面启用了压缩，那么这里就需要设置
#compressed.topics=
#这是消息的确认机制，默认值是0。在面试中常被问到。
#producer有个ack参数，有三个值，分别代表：
#（1）不在乎是否写入成功；
#（2）写入leader成功；
#（3）写入leader和所有副本都成功；
#要求非常可靠的话可以牺牲性能设置成最后一种。
#为了保证消息不丢失，至少要设置为1，也就
#是说至少保证leader将消息保存成功。
#设置发送数据是否需要服务端的反馈,有三个值0,1,-1，分别代表3种状态：
#0: producer不会等待broker发送ack。生产者只要把消息发送给broker之后，就认为发送成功了，这是第1种情况；
#1: 当leader接收到消息之后发送ack。生产者把消息发送到broker之后，并且消息被写入到本地文件，才认为发送成功，这是第二种情况；#-1: 当所有的follower都同步消息成功后发送ack。不仅是主的分区将消息保存成功了，
#而且其所有的分区的副本数也都同步好了，才会被认为发动成功，这是第3种情况。
request.required.acks=0

#broker必须在该时间范围之内给出反馈，否则失败。
#在向producer发送ack之前,broker允许等待的最大时间 ，如果超时,
#broker将会向producer发送一个error ACK.意味着上一次消息因为某种原因
#未能成功(比如follower未能同步成功)
request.timeout.ms=10000

#生产者将消息发送到broker，有两种方式，一种是同步，表示生产者发送一条，broker就接收一条；
#还有一种是异步，表示生产者积累到一批的消息，装到一个池子里面缓存起来，再发送给broker，
#这个池子不会无限缓存消息，在下面，它分别有一个时间限制（时间阈值）和一个数量限制（数量阈值）的参数供我们来设置。
#一般我们会选择异步。
#同步还是异步发送消息，默认“sync”表同步，"async"表异步。异步可以提高发送吞吐量,
#也意味着消息将会在本地buffer中,并适时批量发送，但是也可能导致丢失未发送过去的消息
producer.type=sync

#在async模式下,当message被缓存的时间超过此值后,将会批量发送给broker,
#默认为5000ms
#此值和batch.num.messages协同工作.
queue.buffering.max.ms = 5000

#异步情况下，缓存中允许存放消息数量的大小。
#在async模式下,producer端允许buffer的最大消息量
#无论如何,producer都无法尽快的将消息发送给broker,从而导致消息在producer端大量沉积
#此时,如果消息的条数达到阀值,将会导致producer端阻塞或者消息被抛弃，默认为10000条消息。
queue.buffering.max.messages=20000

#如果是异步，指定每次批量发送数据量，默认为200
batch.num.messages=500

#在生产端的缓冲池中，消息发送出去之后，在没有收到确认之前，该缓冲池中的消息是不能被删除的，
#但是生产者一直在生产消息，这个时候缓冲池可能会被撑爆，所以这就需要有一个处理的策略。
#有两种处理方式，一种是让生产者先别生产那么快，阻塞一下，等会再生产；另一种是将缓冲池中的消息清空。
#当消息在producer端沉积的条数达到"queue.buffering.max.meesages"后阻塞一定时间后,
#队列仍然没有enqueue(producer仍然没有发送出任何消息)
#此时producer可以继续阻塞或者将消息抛弃,此timeout值用于控制"阻塞"的时间
#-1: 不限制阻塞超时时间，让produce一直阻塞,这个时候消息就不会被抛弃
#0: 立即清空队列,消息被抛弃
queue.enqueue.timeout.ms=-1

#当producer接收到error ACK,或者没有接收到ACK时,允许消息重发的次数
#因为broker并没有完整的机制来避免消息重复,所以当网络异常时(比如ACK丢失)
#有可能导致broker接收到重复的消息,默认值为3.
message.send.max.retries=3

#producer刷新topic metada的时间间隔,producer需要知道partition leader
#的位置,以及当前topic的情况
#因此producer需要一个机制来获取最新的metadata,当producer遇到特定错误时,
#将会立即刷新
#(比如topic失效,partition丢失,leader失效等),此外也可以通过此参数来配置
#额外的刷新机制，默认值600000
topic.metadata.refresh.interval.ms=60000

2.4.2.1.3 consumer.properties:消费端的配置文件

#消费者集群通过连接Zookeeper来找到broker。
#zookeeper连接服务器地址
zookeeper.connect=zk01:2181,zk02:2181,zk03:2181

#zookeeper的session过期时间，默认5000ms，用于检测消费者是否挂掉
zookeeper.session.timeout.ms=5000

#当消费者挂掉，其他消费者要等该指定时间才能检查到并且触发重新负载均衡
zookeeper.connection.timeout.ms=10000

#这是一个时间阈值。
#指定多久消费者更新offset到zookeeper中。
#注意offset更新时基于time而不是每次获得的消息。
#一旦在更新zookeeper发生异常并重启，将可能拿到已拿到过的消息
zookeeper.sync.time.ms=2000

#指定消费
group.id=xxxxx

#这是一个数量阈值，经测试是500条。
#当consumer消费一定量的消息之后,将会自动向zookeeper提交offset信息#注意offset信息并不是每消费一次消息就向zk提交
#一次,而是现在本地保存(内存),并定期提交,默认为true
auto.commit.enable=true

# 自动更新时间。默认60 * 1000
auto.commit.interval.ms=1000

# 当前consumer的标识,可以设定,也可以有系统生成,
#主要用来跟踪消息消费情况,便于观察
conusmer.id=xxx

# 消费者客户端编号，用于区分不同客户端，默认客户端程序自动产生
client.id=xxxx

# 最大取多少块缓存到消费者(默认10)
queued.max.message.chunks=50

# 当有新的consumer加入到group时,将会reblance,此后将会
#有partitions的消费端迁移到新 的consumer上,如果一个
#consumer获得了某个partition的消费权限,那么它将会向zk
#注册 "Partition Owner registry"节点信息,但是有可能
#此时旧的consumer尚没有释放此节点, 此值用于控制,
#注册节点的重试次数.
rebalance.max.retries=5

#每拉取一批消息的最大字节数
#获取消息的最大尺寸,broker不会像consumer输出大于
#此值的消息chunk 每次feth将得到多条消息,此值为总大小,
#提升此值,将会消耗更多的consumer端内存
fetch.min.bytes=6553600

#当消息的尺寸不足时,server阻塞的时间,如果超时,
#消息将立即发送给consumer
#数据一批一批到达，如果每一批是10条消息，如果某一批还
#不到10条，但是超时了，也会立即发送给consumer。
fetch.wait.max.ms=5000
socket.receive.buffer.bytes=655360

# 如果zookeeper没有offset值或offset值超出范围。
#那么就给个初始的offset。有smallest、largest、
#anything可选，分别表示给当前最小的offset、
#当前最大的offset、抛异常。默认largest
auto.offset.reset=smallest

# 指定序列化处理类
derializer.class=kafka.serializer.DefaultDecoder

2.4.3 启动Kafka集群

2.4.3.1 启动Zookeeper集群

启动kafka集群前先确保已经启动Zookeeper集群。

2.4.3.1.1 查看Zookeeper集群状态

/usr/local/zookeeper/bin/zkServer.sh status

Zookeeper集群状态为一个Leader两个Follower为正常。

参考《2.3.5 查看Zookeeper集群状态》。

2.4.3.1.2 启动Zookeeper集群

分别在三台Zookeeper服务器上执行以下命令：

/usr/local/zookeeper/bin/zkServer.sh start

注意：确保Zookeeper集群状态为一个Leader两个Follower。

2.4.3.2 启动Kafka集群

进入kafka目录下，执行以下命令启动kafka集群：

#启动kafka软件服务；
/usr/local/kafka/bin/kafka-server-start.sh -daemon /usr/local/kafka/config/server.properties

#查看服务进程和端口；
ps -ef|grep -ai kafka
netstat -tnlp|grep -aiwE 9092

2.4.4 测试验证

2.4.4.1 创建Topic–test

/usr/local/kafka/bin/kafka-topics.sh --create --zookeeper 172.29.57.201:2181,172.29.57.202:2181,172.29.57.203:2181 --replication-factor 3 --partitions 3 --topic test

2.4.4.2 查看已经创建的Topic列表

/usr/local/kafka/bin/kafka-topics.sh --list --zookeeper localhost:2181

2.4.4.3 在master启动生产者（任意一台）

/usr/local/kafka/bin/kafka-console-producer.sh --broker-list 172.29.57.201:9092,172.29.57.202:9092,172.29.57.203:9092 --topic test

2.4.4.4 在另外两台服务器其中之一启动消费者

/usr/local/kafka/bin/kafka-console-consumer.sh --bootstrap-server 172.29.57.201:9092,172.29.57.202:9092,172.29.57.203:9092 --from-beginning --topic test

2.4.4.5 生产者的服务器输入内容，消费者服务器就会显示

2.4.4.5.1 生产者

/usr/local/kafka/bin/kafka-console-producer.sh --broker-list 172.29.57.201:9092,172.29.57.202:9092,172.29.57.203:9092 --topic test

>hello world！

2.4.4.5.2 消费者

/usr/local/kafka/bin/kafka-console-consumer.sh --bootstrap-server 172.29.57.201:9092,172.29.57.202:9092,172.29.57.203:9092 --topic test

hello world!

2.4.5 故障排查

如果出现commit_memory(0x00000000c0000000, 1073741824, 0) failed 错误,

报错内容：内存设置异常；

原因分析：kafka默认启动内存为1G,可以在配置文件中修改，修改/usr/local/kafka/bin/kafka-server-start.sh重新设置文件中的KAFKA_HEAP_OPTS参数。

UnknownTopicOrPartitionException

org.apache.kafka.common.errors.UnknownTopicOrPartitionException:

This server does not host this topic-partition

报错内容：分区数据不在

原因分析：producer向不存在的topic发送消息，用户可以检查topic是否存在或者设置auto.create.topics.enable参数。

LEADER_NOT_AVAILABLE

WARN Error while fetching metadata with correlation id 0 : {test=LEADER_NOT_AVAILABLE} (org.apache.kafka.clients.NetworkClient

报错内容：leader不可用

原因分析：原因很多topic正在被删除正在进行leader选举使用kafka-topics脚本检查leader信息，进而检查broker的存活情况尝试重启解决。

NotLeaderForPartitionException

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

报错内容：broker已经不是对应分区的leader了

原因分析：发生在leader变更时当leader从一个broker切换到另一个broker时，要分析什么原因引起了leader的切换。

TimeoutException

org.apache.kafka.common.errors.TimeoutException: Expiring 5 record(s) for test-0: 30040 ms has passe

报错内容：请求超时

原因分析：观察哪里抛出的观察网络是否能通如果可以通可以考虑增加request.timeout.ms的值，

RecordTooLargeException

WARN async.DefaultEventHandler: Produce request with correlation id 92548048 failed due to [TopicName,1]: org.apache.kafka.common.errors.RecordTooLargeException

报错内容：消息过大

原因分析：生产者端消息处理不过来了可以增加 request.timeout.ms 减少 batch.size。

Closing socket connection

Closing socket connection to/127,0,0,1.(kafka.network.Processor)

报错内容：连接关闭

原因分析：如果javaApi producer版本高，想在客户端consumer启动低版本验证，会不停的报错，无法识别客户端消息。

ConcurrentModificationException

java.util.ConcurrentModificationException: KafkaConsumer is not safe for multi-threaded access

报错内容：线程不安全

原因分析：Kafka consumer是非线程安全的。

NetWorkException [kafka-producer-network-thread | producer-1] o.apache.kafka.common.network.Selector : [Producer clientId=producer-1] Connection with / disconnected

报错内容：网络异常

原因分析：网络连接中断检查broker的网络情况。

ILLEGAL_GENERATIONILLEGAL_GENERATION occurred while committing offsets for group

报错内容：无效的“代”

原因分析：consumer错过了 rebalance 原因是consumer花了大量时间处理数据。

需要适当减少 max.poll.records值增加 max.poll.interval.ms 或者想办法增加消息处理的速度。

欢迎关注我的微信公众号【超哥的IT私房菜】获取更多技术干货！

有什么吐槽或反馈意见，直接告诉我！

我会解决您说的问题，进一步更好的服务您哦！

温馨提示：如出现二维码失效也可直接添加微信号：ysc13803862469。

ITPub博客

kafka集群安装部署企业实战（zookeeper+kafka+生产者消费者验证）