Windows下Kafka环境搭建

前言:

周末空闲时间无意找到了一套个性化推荐的源码,整体项目运用了SSH,HDFS,Flume,Hive,Kafka,Spark,Scala等。运行时,本来通过spark计算业务埋点数据时,却发现本地没有Kafka。因为我一直也没使用过Kafka,所以也作为新人,浅谈以下Kafka的环境安装与分别在PHP,Scala中的使用。 

对比:

1. 横向,相比其他中间件。

关于kafka与其他消息中间件的比较,网上很多的博主,不管是从运行原理还是中间件架构都有很详细的介绍。因为我平时用Rabbit居多,在没有看别人介绍前。Rabbi比Kafka于PHP开发更友好。因为kafka除了PHP的composer依赖包常年不更新外,kafka在windows下的PHP扩展需要自己编译。从这一点上看Rabbit就更适合业务性的消息队列,更别说他还有事务等对消息消费的高保障。kafka在数据增量方面更具优势,所以多数在大数据和推荐系统中都有运用。

2. 纵向,相比其他版本。

如标题所见,这里主要是2.8+与之前版本的对比。因为在2.8以前,kafka安装前需要安装zookeeper。这里只是一小个区别,其他的新特性具体参考kafka官方文档,因为我看到网上关于kafka的安装文章,别人都会安装zookeeper,所以这里就特别说明以下,以及后面启动时与其他人博客的不同。

安装:

1. 下载

下载地址可以在浏览器搜索kafka官网自行下载,见上图。

2. 配置

下载完后目录结构如下,进入config, 主要对zookeeper.properties和server.properties进行分布节点,服务端口,日志存放目录等等的设置,前期也是什么不用管保持默认配置进行启动。        

3. 启动

也不知道是不是从2.8开始,bin目录下多了一个windows。所以在windows下启动进入到改目录,运行如下命令执行bat文件。注意启动的时候先zookeeper后kafka,停止的时候先kafka后zookeeper。

(1). zookeeper启动zookeeper-server-start.bat ....\config\zookeeper.properties &

(2).kafka启动kafka-server-start.bat ....\config\server.properties &

(3). 其他命令

查看所有topics
kafka-topics.bat --list --zookeeper localhost:2181
新增topics 
kafka-topics.bat --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test

Kafka存储机制:

topic中partition存储分布partiton中文件存储方式partiton中segment文件存储结构在partition中通过offset查找message 

图形化工具:

前期可以借助图形化工具快速具象的查看kafka的消息数据,也能便于理解其基本操作流程。以下推荐一块桌面端工具——offsetexplorer,可以在网上搜索下载,当然web控制台也不错,比如kafka manager。

1. kafka连接

2. Cluster name查看

这个值如果没有设置的情况是生成的,可以在启动日志中查看,根目录/logs/server.log

3. Topics查看

通过运行一下新增topics或新增消息后就可以在Offset Explorer查看了,更多的使用方法也可以在网上找到。


PHP操作:

1. 下载依赖

composer require nmred/kafka-php

2.  生产者

Producer.php

<?php
 
require './vendor/autoload.php';
 
date_default_timezone_set('PRC');
 
/* 创建一个配置实例 */
$config = \Kafka\ProducerConfig::getInstance();
 
/* Topic的元信息刷新的间隔 */
$config->setMetadataRefreshIntervalMs(10000);
 
/* 设置broker的地址 */
$config->setMetadataBrokerList('127.0.0.1:9092');
 
/* 设置broker的代理版本 */
$config->setBrokerVersion('1.0.0');
 
/* 只需要leader确认消息 */
$config->setRequiredAck(1);
 
/* 选择异步 */
$config->setIsAsyn(false);
 
/* 每500毫秒发送消息 */
$config->setProduceInterval(500);
 
/* 创建一个生产者实例 */
$producer = new \Kafka\Producer();
 
for($i = 0; $i < 100; $i++ ) {
 $producer->send([
 [
 'topic' => 'test', 
 'value' => 'test'.$i, 
 ],
 ]);
}

3. 消费者

Consumer.php

<?php
 
require './vendor/autoload.php';
 
date_default_timezone_set('PRC');
 
$config = \Kafka\ConsumerConfig::getInstance();
$config->setMetadataRefreshIntervalMs(10000);
$config->setMetadataBrokerList('127.0.0.1:9092');
$config->setGroupId('test');
$config->setBrokerVersion('1.0.0');
$config->setTopics(['test']);
 
$consumer = new \Kafka\Consumer();
$consumer->start(function($topic, $part, $message) {
 var_dump($message);
});

Scala操作:

1.  创建基于Maven的Scala项目

(1). 创建

(2). 添加模板

(没有模板的前提)网上搜索Scala-archetype-simple的位置并填写。

(3). 完成创建等待IDE自动构建


(4). 给项目添加Scala SDK依赖



2. 配置

(1). 修改pom.xml的scala版本为本地安装scala对应的号。

(2). Cannot resolve plugin org.scala-tools:maven-scala-plugin: unknown解决方法添加一下依赖后再Maven刷新


<dependency>
 <groupId>org.scala-tools</groupId>
 <artifactId>maven-scala-plugin</artifactId>
 <version>2.11</version>
 </dependency>
 <dependency>
 <groupId>org.apache.maven.plugins</groupId>
 <artifactId>maven-eclipse-plugin</artifactId>
 <version>2.5.1</version>
 </dependency> 3. 添加kafka依赖<!--kafka-->
<dependency>
 <groupId>org.apache.kafka</groupId>
 <artifactId>kafka_2.11</artifactId>
 <version>1.1.0</version>
</dependency>
<dependency>
 <groupId>org.apache.kafka</groupId>
 <artifactId>kafka-clients</artifactId>
 <version>1.1.0</version>
</dependency>

4. 创建消费者package com.xudong

import java.util.Properties
import org.apache.kafka.clients.producer.{KafkaProducer, ProducerRecord, RecordMetadata}
object KafkaProducerDemo {
 def main(args: Array[String]): Unit = {
 val prop = new Properties
 // 指定请求的kafka集群列表
 prop.put("bootstrap.servers", "127.0.0.1:9092")
 prop.put("acks", "all")
 // 请求失败重试次数
 //prop.put("retries", "3")
 // 指定key的序列化方式, key是用于存放数据对应的offset
 prop.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer")
 // 指定value的序列化方式
 prop.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer")
 // 配置超时时间
 prop.put("request.timeout.ms", "60000")
 val producer = new KafkaProducer[String, String](prop)
 // 发送给kafka
 for (i <- 1 to 25) {
 val msg = s"${i}: this is a linys ${i} kafka data"
 println("send -->" + msg)
 val rmd: RecordMetadata = producer.send(new ProducerRecord[String, String]("ceshi", msg)).get()
 println(rmd.toString)
 Thread.sleep(500)
 }
 producer.close()
 }
}

5. 创建消费者package com.xudong

import java.util.{Collections, Properties}
import org.apache.kafka.clients.consumer.{ConsumerRecords, KafkaConsumer}
object KafkaConsumerDemo {
 def main(args: Array[String]): Unit = {
 val prop = new Properties
 prop.put("bootstrap.servers", "127.0.0.1:9092")
 prop.put("group.id", "group01")
 prop.put("auto.offset.reset", "earliest")
 prop.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")
 prop.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")
 prop.put("enable.auto.commit", "true")
 prop.put("session.timeout.ms", "30000")
 val kafkaConsumer = new KafkaConsumer[String, String](prop)
 kafkaConsumer.subscribe(Collections.singletonList("ceshi"))
 // 开始消费数据
 while (true) {
 val msgs: ConsumerRecords[String, String] = kafkaConsumer.poll(2000)
 // println(msgs.count())
 val it = msgs.iterator()
 while (it.hasNext) {
 val msg = it.next()
 println(s"partition: ${msg.partition()}, offset: ${msg.offset()}, key: ${msg.key()}, value: ${msg.value()}")
 }
 }
 }
}


 

作者:北桥苏原文地址:https://segmentfault.com/a/1190000043834725

%s 个评论

要回复文章请先登录注册