一、Kafka介绍
来自维基百科：Kafka是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写。该项目的目标是为处理实时数据提供一个统一、高吞吐、低延迟的平台。其持久化层本质上是一个“按照分布式事务日志架构的大规模发布/订阅消息队列”，这使它作为企业级基础设施来处理流式数据非常有价值。
1. 应用场景
Kafka可以看作是一个能够处理消息队列的中间件，适用于实时的流数据处理，主要用于平衡好生产者和消费者之间的关系。
- 生产者
生产者可以看作是数据源，可以来自于日志采集框架，如Flume，也可以来自于其它的流数据服务。当接收到数据后，将根据预设的Topic暂存在Kafka中等待消费。对于接收到的数据将会有额外的标记，用于记录数据的被消费【使用】情况。
- 消费者
消费者即数据的使用端，可以是一个持久化的存储结构，如Hadoop，也可以直接接入支持流数据计算的各种框架，如Spark - Streaming。消费者可以有多个，通过订阅不同的Topic来获取数据。
2. 版本对比
Kafka的0.x和1.x可以看作是上古版本了，最近的更新也是几年以前，从目前的场景需求来看，也没有什么特别的理由需要使用到这两个版本了。
- 2.x
在进行版本选择时，通常需要综合考虑整个数据流所设计到的计算框架和存储结构，来确定开发成本以及兼容性。目前2.x版本同样是一个可以用于生产环境的版本，并且保持着对Scala最新版本的编译更新。
- 3.x
3.x是目前最新的稳定版，需要注意的是，Kafka的每个大版本之间的差异较大，包括命令参数以及API调用，所以在更换版本前需要做好详细的调查与准备，本文以3.x的安装为例。
二、Kafka安装
解压安装的操作方式可以适用于各种主流Linux操作系统，只需要解决好前置环境问题。
1. 前置环境
此前，运行Kafka需要预先安装Zookeeper。在Kafka 2.8.0版本以后，引入了Kraft（Kafka Raft）模式，可以使Kafka在不依赖外部Zookeeper的前提下运行。除此之外Kafka由Scala语言编写，需要JVM的运行环境。
- 检查已有的JDK环境
- Ubuntu/Debian：update-java-alternatives --list【需要已安装sudo apt install java-common】
- CentOS/RedHat：rpm -qa|grep java
检查已经安装的环境也可以使用find来搜索，或者使用java -version命令辅助验证，主要为了保证不会与即将安装的JDK版本产生冲突。
- 卸载不需要的JDK环境
- Ubuntu/Debian：sudo apt remove xxx
- CentOS/RedHat：sudo rpm -e --nodeps xxx
使用已经查到的软件包完整名称替换掉xxx的部分，可以卸载掉系统预装的JDK版本。
- 安装JDK
- Ubuntu/Debian：sudo apt install openjdk-8-jdk
- CentOS/RedHat：sudo yum install java-1.8.0-openjdk
安装完成后可以使用java-version命令验证【可省去环境变量配置】。
2. 软件安装
wget https://downloads.apache.org/kafka/3.4.0/kafka_2.13-3.4.0.tgz
- 解压安装
tar -zvxf kafka_2.13-3.4.0.tgz
- 环境变量配置
- 系统环境变量：/etc/profile
- Ubuntu/Debian：~/.bashrc
- CentOS/RedHat：~/.bash_profile
需要在环境变量中指定Kafka的安装目录以及命令文件所在目录，系统环境变量与用户环境变量配置其中之一即可。
export KAFKA_HOME=/home/parallels/Software/kafka_2.13-3.4.0 export PATH=$PATH:$KAFKA_HOME/bin
在文件结尾添加以上内容后执行source命令，使其立即生效。
[Ubuntu/Debian]source ~/.bashrc [CentOS/RedHat]source ~/.bash_profile
执行后可以输入kafka，然后按Tab尝试补全【需要按多次】，如果出现命令列表则证明配置成功。
3. 服务启动
如果使用Kraft模式，则需要先进行集群初始化【即使是单个节点】，以下为操作步骤：
- 修改配置文件
修改Kafka的server.properties文件，更换其中的log.dirs目录指向，防止默认的/tmp被清空：
# 创建log目录 cd $KAFKA_HOME mkdir kafka-logs # 修改配置文件 log.dirs=/home/parallels/Software/kafka_2.13-3.4.0/kafka-logs
- 创建Kafka的集群ID
调用kafka-storage.sh生成一个UUID，并存储在一个临时变量KAFKA_CLUSTER_ID中。
KAFKA_CLUSTER_ID="$(bin/kafka-storage.sh random-uuid)"
- 执行格式化操作
进入到Kafka的家目录后，执行以下命令：
bin/kafka-storage.sh format -t $KAFKA_CLUSTER_ID -c config/kraft/server.properties
- 启动Kafka集群
进入到Kafka的家目录后，执行以下命令
bin/kafka-server-start.sh config/kraft/server.properties
这种方式并不是后台运行，需要保证终端开启，等测试稳定后可以在后台执行或者注册为系统服务。
三、Console测试
1. 基础命令
- 查看Topic列表
kafka-topics.sh --list --bootstrap-server localhost:9092
- 创建Topic
- 默认：分区数为1
- 默认：副本因子为1
- 默认：删除策略为delete，即删除后数据不可恢复
- 默认：压缩类型为producer，即由生产者决定是否压缩消息
- 默认：清理策略为delete，即按照时间和大小进行日志清理
当创建一个Topic时，如果只填写Topic名称，会使用以上的默认配置
kafka-topics.sh --create --topic <topic-name> --partitions <num-partitions> --replication-factor <replication-factor> --bootstrap-server localhost:9092
- 查看Topic
kafka-topics.sh --describe --topic <topic-name> --bootstrap-server localhost:9092
- 删除Topic
kafka-topics.sh --delete --topic <topic-name> --bootstrap-server localhost:9092
2. 启动生产者
kafka-console-producer.sh --bootstrap-server localhost:9092 --topic my-topic
启动一个基于console的生产者脚本，可以方便的进行数据输入的测试，直接进行数据输入即可。
3. 启动消费者
kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic my-topic --from-beginning
添加from-beginning参数来从头消费数据。
4. 验证消费流程
在生产者脚本中持续输入数据，然后查看消费者脚本中的消费情况，使用Ctrl + C终止。
四、注册系统服务
为了方便的控制Kafka服务的启动和停止，可以将其注册为系统服务。
1. Systemd服务配置
- 创建Systemd服务文件
sudo vi /etc/systemd/system/kafka.service
在文件中添加以下内容，需要手动替换User和Group名称以及ExecStart和ExecStop中关于路径的部分：
[Unit] Description=Apache Kafka Requires=network.target remote-fs.target After=network.target remote-fs.target [Service] Type=simple User=parallels Group=parallels ExecStart=/path/to/kafka_home/bin/kafka-server-start.sh /path/to/kafka_home/config/kraft/server.properties ExecStop=/path/to/kafka_home/bin/kafka-server-stop.sh Restart=on-abnormal [Install] WantedBy=multi-user.target
- 重新加载Systemd配置
sudo systemctl daemon-reload
2. Kafka服务控制
- 开机自动启动
sudo systemctl enable kafka.service
- 启动Kafka服务
sudo systemctl start kafka.service
- 检查Kafka状态
sudo systemctl status kafka.service
- 停止Kafka服务
sudo systemctl stop kafka.service
- 重启Kafka服务
sudo systemctl restart kafka.service
