Kafka 教程
-
Kafka 简介
Apache Kafka起源于LinkedIn，后来在2011年成为开源Apache项目，然后在2012年成为First-class Apache项目。Kafka用Scala和Java编写。Apache Kafka是基于发布-订阅的容错消息传递系统。它是快速，可扩展的，并且可以按设计进行分发。本教程将探讨Kafka的原理，安装，操作，然后逐步引导您完成Kafka集群的部署。最后，我们将通过实时应用和与大数据技术的集成来结束。 -
应用描述
在大数据中，使用了大量的数据。关于数据，我们面临两个主要挑战。第一个挑战是如何收集大量数据，第二个挑战是分析收集的数据。为了克服这些挑战，您必须需要一个消息传递系统。Kafka专为分布式高吞吐量系统而设计。Kafka可以很好地替代传统的消息代理。与其他消息系统相比，Kafka具有更好的吞吐量，内置的分区，复制和固有的容错能力，使其非常适合大型邮件处理应用程序。 -
什么是消息系统？
消息系统负责将数据从一个应用程序传输到另一个应用程序，因此应用程序可以专注于数据，而不必担心如何共享数据。分布式消息传递基于可靠消息队列的概念。消息在客户端应用程序和消息传递系统之间异步排队。可用的消息传递模式有两种：一种是点对点的，另一种是发布-订阅（pub-sub）的消息传递系统。大多数消息传递模式遵循pub-sub。点对点消息系统:在点对点系统中，消息将保留在队列中。一个或多个使用者可以使用队列中的消息，但是特定消息最多只能由一个使用者使用。使用者读取队列中的消息后，该消息将从该队列中消失。该系统的典型示例是订单处理系统，其中每个订单将由一个订单处理器处理，但是多个订单处理器可以同时工作。下图描述了该结构。
发布-订阅消息系统:在发布-订阅系统中，消息保留在主题中。与点对点系统不同，消费者可以订阅一个或多个主题，并消费该主题中的所有消息。在发布-订阅系统中，消息生产者称为发布者，消息消费者称为订阅者。一个真实的例子是Dish TV，它发布了体育，电影，音乐等不同的频道，任何人都可以订阅自己的频道集，并在订阅频道可用时获取它们。
-
什么是 Kafka
Apache Kafka是一个分布式的发布-订阅消息传递系统，并且是一个健壮的队列，可以处理大量数据，并使您能够将消息从一个端点传递到另一个端点。Kafka适用于离线和在线消息消费。Kafka消息将保留在磁盘上，并在群集内复制以防止数据丢失。Kafka建立在ZooKeeper同步服务之上。它与Apache Storm和Spark集成得很好，可以进行实时流数据分析。好处- 以下是Kafka的一些好处- 可靠性 - Kafka是分布式，分区，复制和容错的。
- 可扩展性 - Kafka消息传递系统可轻松扩展，而无需停机。
- 持久性 - Kafka使用分布式提交日志，这意味着消息会尽可能快地在磁盘上保留，因此是持久的。
- 性能 - Kafka具有高吞吐量，可以发布和订阅消息。即使存储了许多TB级别的消息，它也可以保持稳定的性能。
Kafka速度非常快，可确保零停机时间和零数据丢失。用例场景 - Kafka可用于许多用例。其中一些在下面列出- 指标 - Kafka通常用于操作监控数据。这涉及汇总来自分布式应用程序的统计信息，以生成集中的运行数据提要。
- 日志聚合解决方案 -Kafka可以在整个组织中使用，以从多种服务中收集日志，并以标准格式将其提供给多个消费者。
- 流处理 - 诸如Storm和Spark Streaming之类的流行框架从一个主题读取数据，对其进行处理，并将处理后的数据写入一个新的主题，供用户和应用程序使用。Kafka的坚固耐用性在流处理中也非常有用。
Kafka的需求Kafka是用于处理所有实时数据馈送的统一平台。Kafka支持低延迟消息传递，并在出现机器故障时保证容错能力。它具有处理大量不同消费者的能力。Kafka速度非常快，每秒执行200万次写入。Kafka将所有数据持久保存到磁盘，这实际上意味着所有写操作都将进入OS（RAM）的页面缓存。这使得将数据从页面缓存传输到网络套接字非常有效。 -
听众
本教程是为渴望使用Apache Kafka消息传递系统从事大数据分析职业的专业人士准备的。它将使您对如何使用Kafka集群有足够的了解。 -