国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

kafka

W4n9Hu1 / 2087人閱讀

摘要：生產者發送消息到指定的下，消息者從這個下消費消息。消費組，用于歸組同類消費者。中的消息序列是有序的消息序列。在使用偏移量來指定消息的位置。

什么是Kafka 
Kafka是一個分布式流處理系統，流處理系統使它可以像消息隊列一樣publish或者subscribe消息，分布式提供了容錯性，并發處理消息的機制。

Kafka的基本概念

kafka運行在集群上，集群包含一個或多個服務器。kafka把消息存在topic中，每一條消息包含鍵值（key），值（value）和時間戳（timestamp）。

kafka有以下一些基本概念：

Producer

消息生產者，就是向kafka broker發消息的客戶端。

Consumer

消息消費者，是消息的使用方，負責消費Kafka服務器上的消息。

Topic

主題，由用戶定義并配置在Kafka服務器，用于建立Producer和Consumer之間的訂閱關系。生產者發送消息到指定的Topic下，消息者從這個Topic下消費消息。

Partition

消息分區，一個topic可以分為多個 partition，每個partition是一個有序的隊列。partition中的每條消息都會被分配一個有序的id（offset）。

Broker

一臺kafka服務器就是一個broker。一個集群由多個broker組成。一個broker可以容納多個topic。

Consumer Group

消費組，用于歸組同類消費者。每個consumer屬于一個特定的consumer group，多個消費組可以共同消息一個Topic下的消息，每消費組中的消費者消費Topic的部分消息，這些消費者就組成了一個分組。

Offset

消息在partition中的偏移量。每一條消息在partition都有唯一的偏移量，消息者可以指定偏移量來指定要消費的消息。
Kafka分布式架構

如上圖所示，kafka將topic中的消息存在不同的partition中。如果存在鍵值（key），消息按照鍵值（key）做分類存在不同的partiition中，如果不存在鍵值（key），消息按照輪詢（Round Robin）機制存在不同的partition中。默認情況下，鍵值（key）決定了一條消息會被存在哪個partition中。

partition中的消息序列是有序的消息序列。kafka在partition使用偏移量（offset）來指定消息的位置。一個topic的一個partition只能被一個consumer group中的一個consumer消費，多個consumer消費同一個partition中的數據是不允許的，但是一個consumer可以消費多個partition中的數據。

kafka將partition的數據復制到不同的broker，提供了partition數據的備份。每一個partition都有一個broker作為leader，若干個broker作為follower。所有的數據讀寫都通過leader所在的服務器進行，并且leader在不同broker之間復制數據。

上圖中，對于Partition 0，broker 1是它的leader，broker 2和broker 3是follower。對于Partition 1，broker 2是它的leader，broker 1和broker 3是follower。

在上圖中，當有Client（也就是Producer）要寫入數據到Partition 0時，會寫入到leader Broker 1，Broker 1再將數據復制到follower Broker 2和Broker 3。

在上圖中，Client向Partition 1中寫入數據時，會寫入到Broker 2，因為Broker 2是Partition 1的Leader，然后Broker 2再將數據復制到follower Broker 1和Broker 3中。

上圖中的topic一共有3個partition，對每個partition的讀寫都由不同的broker處理，因此總的吞吐量得到了提升。

實驗一：kafka-python實現生產者消費者

kafka-python是一個python的Kafka客戶端，可以用來向kafka的topic發送消息、消費消息。

這個實驗會實現一個producer和一個consumer，producer向kafka發送消息，consumer從topic中消費消息。結構如下圖

producer代碼

#-*- coding: utf-8 -*-

from kafka import KafkaProducer
import time

producer = KafkaProducer(bootstrap_servers="localhost:9092")

i = 1000
while True:
    ts = int(time.time() * 1000)
    producer.send(topic="py_test", value=str(i), key=str(i), timestamp_ms=ts)
    producer.flush()
    print i
    i += 1
    time.sleep(1)

consumer代碼

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer

consumer = KafkaConsumer("py_test", bootstrap_servers=["localhost:9092"])
for message in consumer:
    print message

接下來創建test topic

kafka-topics --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test

打開兩個窗口中，我們在window1中運行producer，如下:

在window2中運行consumer，如下:

實驗二：消費組實現容錯性機制

這個實驗將展示消費組的容錯性的特點。這個實驗中將創建一個有2個partition的topic，和2個consumer，這2個consumer共同消費同一個topic中的數據。結構如下所示

producer部分代碼和實驗一相同，這里不再重復。consumer需要指定所屬的consumer group，代碼如下

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer

consumer = KafkaConsumer("py_test", group_id="testgt", bootstrap_servers=["localhost:9092"])
for message in consumer:
    print message

接下來我們創建topic，名字test，設置partition數量為2

打開三個窗口，一個窗口運行producer，還有兩個窗口運行consumer。
運行consumer的兩個窗口的輸出如下：

可以看到兩個consumer同時運行的情況下，它們分別消費不同partition中的數據。window1中的consumer消費partition 0中的數據，window2中的consumer消費parition 1中的數據。
我們嘗試關閉window1中的consumer，可以看到如下結果

剛開始window2中的consumer只消費partition1中的數據，當window1中的consumer退出后，window2中的consumer中也開始消費partition 0中的數據了。

實驗三：offset管理

kafka允許consumer將當前消費的消息的offset提交到kafka中，這樣如果consumer因異常退出后，下次啟動仍然可以從上次記錄的offset開始向后繼續消費消息。

這個實驗的結構和實驗一的結構是一樣的，使用一個producer，一個consumer，test topic的partition數量設為1。

producer的代碼和實驗一中的一樣，這里不再重復。consumer的代碼稍作修改，這里consumer中打印出下一個要被消費的消息的offset。consumer代碼如下

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer, TopicPartition

tp = TopicPartition("py_test", 0)
consumer = KafkaConsumer(bootstrap_servers=["localhost:9092"], group_id="test_g", auto_offset_reset="earliest", enable_auto_commit=False)
consumer.assign([tp])
print "starting offset is", consumer.position(tp)
for message in consumer:
    # pass
    print message.value
auto.offset.reset值含義解釋
earliest 
當各分區下有已提交的offset時，從提交的offset開始消費；無提交的offset時，從頭開始消費 
latest 
當各分區下有已提交的offset時，從提交的offset開始消費；無提交的offset時，消費新產生的該分區下的數據 
none 
topic各分區都存在已提交的offset時，從offset后開始消費；只要有一個分區不存在已提交的offset，則拋出異常

在一個窗口中啟動producer，在另一個窗口并且啟動consumer。consumer的輸出如下


可以嘗試退出consumer，再啟動consumer。每一次重新啟動，consumer都是從offset=98的消息開始消費的。
修改consumer的代碼如下 在consumer消費每一條消息后將offset提交回kafka

#-*- coding: utf-8 -*-
from kafka import KafkaConsumer, TopicPartition

tp = TopicPartition("py_test", 0)
consumer = KafkaConsumer(bootstrap_servers=["localhost:9092"], group_id="test", auto_offset_reset="earliest", enable_auto_commit=True)
consumer.assign([tp])
print "starting offset is", consumer.position(tp)
for message in consumer:
    print message.offset
    # consumer.commit() 也可以主動提交offset

啟動consumer

可以看到consumer從offset=98的消息開始消費，到offset=829時，我們Ctrl+C退出consumer。

我們再次啟動consumer

可以看到重新啟動后，consumer從上一次記錄的offset開始繼續消費消息。之后每一次consumer重新啟動，consumer都會從上一次停止的地方繼續開始消費。

不同的消費組有不同的offset管理，相互不影響 
#!/usr/bin/env python
# -*- coding: utf-8 -*-

from kafka import KafkaConsumer, TopicPartition

tp = TopicPartition("py_test", 0)
consumer = KafkaConsumer(bootstrap_servers=["localhost:9092"], group_id="test_1", auto_offset_reset="earliest", enable_auto_commit=False)
consumer.assign([tp])
print "starting offset is", consumer.position(tp)
for message in consumer:
    print message.offset
    # consumer.commit()

換一個group_id test_1,會從starting offset is 0開始輸出：

starting offset is 0
0

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/42705.html

相關文章

  • U大使獎勵規則全新發布

    U大使重要風控規則提醒——一、以下行為嚴令禁止，一旦發現虛假推廣行為，將對月結傭金進行凍結扣除并終身終止推廣合作：1. U大使利用發現的活動規則漏洞等增加推薦業績、獲得不合理的服務費用；2. 鏈接劫持、強制捆綁、違反法律法規等的非正當方式推廣方式；3. U大使私自承諾向新用戶返利；4. 與 UCloud 銷售人員、其他U大使、或被推薦用戶相互串通，弄虛作假，騙取服務費用；5. 將UCloud發放的...

    UCloud小助手 評論0 收藏0

  • U大使推廣獎勵規則

    新用戶通過點擊U大使的邀請鏈接注冊UCloud賬戶，并在注冊90日內購買指定范圍內的產品，UCloud將按照新用戶自首日訂單起90日內現金支付金額乘以約定獎勵比例進行現金獎勵。一、推廣資格本活動U大使僅限UCloud已實名的個人用戶，如推廣賬號由個人認證變更為企業認證，未發放的推廣傭金將不再發放；UCloud（前）員工及其家屬、與UCloud有合作關系的銷售工作人員及代理商，不能參加本活動。立即加...

    UCloud小助手 評論0 收藏0

  • 開源組件Flink性能優化之實時計算延遲填坑記

    開源組件Flink性能優化之實時計算延遲填坑記 img{ display:block; margin:0 auto !important; width:100%; } body{ width:75%; ...

    IT那活兒 評論0 收藏1513

  • GoldenGate間斷性休眠的troubleshooting

    GoldenGate間斷性休眠的troubleshooting img{ display:block; margin:0 auto !important; width:100%; } body{ width:75...

    IT那活兒 評論0 收藏1099

  • GreenPlumn數據采集踩坑事記

    GreenPlumn數據采集踩坑事記 img{ display:block; margin:0 auto !important; width:100%; } body{ width:75%; ...

    IT那活兒 評論0 收藏2508

  • 奧卡姆剃刀原則解決flink日志延時問題

    奧卡姆剃刀原則解決flink日志延時問題 img{ display:block; margin:0 auto !important; width:100%; } body{ width:75%; ...

    IT那活兒 評論0 收藏1466

發表評論

0條評論

最新活動
閱讀需要支付1元查看
<