Kafka2.8+在Windows下的搭建和使用

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

1.  
   查看所有topics
2.  
   kafka-topics.bat --list --zookeeper localhost:2181

1.  
   新增topics
2.  
   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

1.  
   <?php
2.  
    
3.  
   require './vendor/autoload.php';
4.  
    
5.  
   date_default_timezone_set('PRC');
6.  
    
7.  
   /* 创建一个配置实例 */
8.  
   $config = \Kafka\ProducerConfig::getInstance();
9.  
    
10.  
    /* Topic的元信息刷新的间隔 */
11.  
    $config->setMetadataRefreshIntervalMs(10000);
12.  
     
13.  
    /* 设置broker的地址 */
14.  
    $config->setMetadataBrokerList('127.0.0.1:9092');
15.  
     
16.  
    /* 设置broker的代理版本 */
17.  
    $config->setBrokerVersion('1.0.0');
18.  
     
19.  
    /* 只需要leader确认消息 */
20.  
    $config->setRequiredAck(1);
21.  
     
22.  
    /* 选择异步 */
23.  
    $config->setIsAsyn(false);
24.  
     
25.  
    /* 每500毫秒发送消息 */
26.  
    $config->setProduceInterval(500);
27.  
     
28.  
    /* 创建一个生产者实例 */
29.  
    $producer = new \Kafka\Producer();
30.  
     
31.  
    for($i = 0; $i < 100; $i ) {
32.  
    $producer->send([
33.  
    [
34.  
    'topic' => 'test',
35.  
    'value' => 'test'.$i,
36.  
    ],
37.  
    ]);
38.  
    }

3. 消费者 Consumer.php

1.  
   <?php
2.  
    
3.  
   require './vendor/autoload.php';
4.  
    
5.  
   date_default_timezone_set('PRC');
6.  
    
7.  
   $config = \Kafka\ConsumerConfig::getInstance();
8.  
   $config->setMetadataRefreshIntervalMs(10000);
9.  
   $config->setMetadataBrokerList('127.0.0.1:9092');
10.  
    $config->setGroupId('test');
11.  
    $config->setBrokerVersion('1.0.0');
12.  
    $config->setTopics(['test']);
13.  
     
14.  
    $consumer = new \Kafka\Consumer();
15.  
    $consumer->start(function($topic, $part, $message) {
16.  
    var_dump($message);
17.  
    });

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）

可以网上搜索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

1.  
   添加一下依赖后再Maven刷新
2.  
    
3.  
   <dependency>
4.  
   <groupId>org.scala-tools</groupId>
5.  
   <artifactId>maven-scala-plugin</artifactId>
6.  
   <version>2.11</version>
7.  
   </dependency>
8.  
   <dependency>
9.  
   <groupId>org.apache.maven.plugins</groupId>
10.  
    <artifactId>maven-eclipse-plugin</artifactId>
11.  
    <version>2.5.1</version>
12.  
    </dependency>

3. 添加kafka依赖

1.  
   <!--kafka-->
2.  
   <dependency>
3.  
   <groupId>org.apache.kafka</groupId>
4.  
   <artifactId>kafka_2.11</artifactId>
5.  
   <version>1.1.0</version>
6.  
   </dependency>
7.  
    
8.  
   <dependency>
9.  
   <groupId>org.apache.kafka</groupId>
10.  
    <artifactId>kafka-clients</artifactId>
11.  
    <version>1.1.0</version>
12.  
    </dependency>

4. 创建消费者

1.  
   package com.xudong
2.  
    
3.  
   import java.util.Properties
4.  
   import org.apache.kafka.clients.producer.{KafkaProducer, ProducerRecord, RecordMetadata}
5.  
    
6.  
   object KafkaProducerDemo {
7.  
    
8.  
   def main(args: Array[String]): Unit = {
9.  
   val prop = new Properties
10.  
    // 指定请求的kafka集群列表
11.  
    prop.put("bootstrap.servers", "127.0.0.1:9092")
12.  
    prop.put("acks", "all")
13.  
    // 请求失败重试次数
14.  
    //prop.put("retries", "3")
15.  
    // 指定key的序列化方式, key是用于存放数据对应的offset
16.  
    prop.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer")
17.  
    // 指定value的序列化方式
18.  
    prop.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer")
19.  
    // 配置超时时间
20.  
    prop.put("request.timeout.ms", "60000")
21.  
     
22.  
    val producer = new KafkaProducer[String, String](prop)
23.  
     
24.  
    // 发送给kafka
25.  
    for (i <- 1 to 25) {
26.  
    val msg = s"${i}: this is a linys ${i} kafka data"
27.  
    println("send -->" msg)
28.  
    val rmd: RecordMetadata = producer.send(new ProducerRecord[String, String]("ceshi", msg)).get()
29.  
    println(rmd.toString)
30.  
    Thread.sleep(500)
31.  
    }
32.  
     
33.  
    producer.close()
34.  
    }
35.  
     
36.  
    }

5. 创建消费者

1.  
   package com.xudong
2.  
    
3.  
   import java.util.{Collections, Properties}
4.  
   import org.apache.kafka.clients.consumer.{ConsumerRecords, KafkaConsumer}
5.  
    
6.  
   object KafkaConsumerDemo {
7.  
    
8.  
   def main(args: Array[String]): Unit = {
9.  
   val prop = new Properties
10.  
    prop.put("bootstrap.servers", "127.0.0.1:9092")
11.  
    prop.put("group.id", "group01")
12.  
    prop.put("auto.offset.reset", "earliest")
13.  
    prop.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")
14.  
    prop.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")
15.  
    prop.put("enable.auto.commit", "true")
16.  
    prop.put("session.timeout.ms", "30000")
17.  
    val kafkaConsumer = new KafkaConsumer[String, String](prop)
18.  
    kafkaConsumer.subscribe(Collections.singletonList("ceshi"))
19.  
    // 开始消费数据
20.  
    while (true) {
21.  
    val msgs: ConsumerRecords[String, String] = kafkaConsumer.poll(2000)
22.  
    // println(msgs.count())
23.  
    val it = msgs.iterator()
24.  
    while (it.hasNext) {
25.  
    val msg = it.next()
26.  
    println(s"partition: ${msg.partition()}, offset: ${msg.offset()}, key: ${msg.key()}, value: ${msg.value()}")
27.  
    }
28.  
    }
29.  
    }
30.  
     
31.  
    }

学习交流

这篇好文章是转载于：学新通技术网