ZooKeeper与Kafka分布式协调系统实战指南：从基础原理到集群部署

前言

在当今大数据和分布式系统盛行的时代，如何有效管理分布式环境下的协调、同步和通信成为了关键挑战。Apache ZooKeeper和Apache Kafka作为两种重要的分布式系统基础设施，分别解决了分布式协调和高效消息传递的核心问题。

本文将深入探讨这两个系统的工作原理、架构设计以及实际应用，帮助读者全面理解它们在分布式系统中的作用和价值。

---

一、ZooKeeper详解

1.1 ZooKeeper概述

ZooKeeper是一个分布式协调服务，专门为分布式应用提供高效可靠的协调、同步、配置管理和故障恢复等功能。它的设计目的是简化分布式系统的管理，保证多个节点之间的数据一致性和协调工作。ZooKeeper提供了类似文件系统的层次化命名空间，用来存储和管理元数据，确保分布式应用的高可用性和强一致性。

1.2 ZooKeeper工作机制（重点）

从设计模式角度理解，ZooKeeper是一个基于观察者模式设计的分布式服务管理框架。它负责存储和管理分布式系统关心的数据（业务服务器的节点的元数据以及状态信息），然后接受观察者的注册。一旦这些数据的状态发生变化，ZooKeeper就将负责通知已经在ZooKeeper上注册的那些观察者做出相应的反应。

简单来说，ZooKeeper = 文件系统 + 通知机制。

整体工作机制如下：
1、服务端启动时去注册信息(创建都是临时节点)
2、客户端获取到当前在线服务器列表，并且注册监听
3、服务器节点下线
3、服务器节点上下线事件通知

1.3 Zookeeper 特点

• Zookeeper：一个领导者（Leader），多个跟随者（Follower）组成的集群。
• Zookeepe集群中只要有半数以上节点存活，Zookeeper集群就能正常服务。所以Zookeeper适合安装奇数台服务器。
• 全局数据一致：每个Server保存一份相同的数据副本，Client无论连接到哪个Server，数据都是一致的。
• 更新请求顺序执行，来自同一个Client的更新请求按其发送顺序依次执行，即先进先出。
• 数据更新原子性，一次数据更新要么成功，要么失败。
• 实时性，在一定时间范围内，Client能读到最新数据。

1.3 ZooKeeper数据结构

ZooKeeper的数据结构类似于一个层次化的文件系统：

• ZNode：是ZooKeeper中存储数据的基本单元，每个ZNode都可以存储少量的数据，并且可以有子节点，形成树状结构。
• 持久节点：该类型的ZNode会一直存在，直到手动删除。
• 临时节点：客户端会话断开时，临时节点会自动删除，适用于实现分布式锁等功能。
• 顺序节点：在创建ZNode时，ZooKeeper可以自动为其添加递增的编号，常用于实现分布式队列或顺序任务处理。

ZooKeeper数据模型的结构与Linux文件系统很类似，整体上可以看作是一棵树，每个节点称做一个ZNode。每一个ZNode默认能够存储1MB的数据，每个ZNode都可以通过其路径唯一标识。

1.4 ZooKeeper应用场景

ZooKeeper提供的服务包括：统一命名服务、统一配置管理、统一集群管理、服务器节点动态上下线、软负载均衡等。

• 统一命名服务
  在分布式环境下，经常需要对应用/服务进行统一命名，便于识别。例如：IP不容易记住，而域名容易记住。

• 统一配置管理
  （1）分布式环境下，配置文件同步非常常见。一般要求一个集群中，所有节点的配置信息是一致的，比如Kafka集群。对配置文件修改后，希望能够快速同步到各个节点上。
  （2）配置管理可交由ZooKeeper实现。可将配置信息写入ZooKeeper上的一个Znode。各个客户端服务器监听这个Znode。一旦Znode中的数据被修改，ZooKeeper将通知各个客户端服务器。

• 统一集群管理
  （1）分布式环境中，实时掌握每个节点的状态是必要的。可根据节点实时状态做出一些调整。
  （2）ZooKeeper可以实现实时监控节点状态变化。可将节点信息写入ZooKeeper上的一个ZNode。监听这个ZNode可获取它的实时状态变化。

• 服务器动态上下线
  客户端能实时洞察到服务器上下线的变化。

• 软负载均衡
  在Zookeeper中记录每台服务器的访问数，让访问数最少的服务器去处理最新的客户端请求。

1.5 ZooKeeper选举机制

1.5.1 第一次启动选举机制

ZooKeeper的选举机制确保集群中的所有节点对外表现为一个统一的服务。选举机制分为两个阶段：Leader选举和投票确认。

1. 服务器1启动，发起一次选举。服务器1投自己一票。此时服务器1票数一票，不够半数以上（3票），选举无法完成，服务器1状态保持为LOOKING；
2. 服务器2启动，再发起一次选举。服务器1和2分别投自己一票并交换选票信息：此时服务器1发现服务器2的myid比自己目前投票推举的（服务器1）大，更改选票为推举服务器2。此时服务器1票数0票，服务器2票数2票，没有半数以上结果，选举无法完成，服务器1，2状态保持LOOKING；
3. 服务器3启动，发起一次选举。此时服务器1和2都会更改选票为服务器3。此次投票结果：服务器1为0票，服务器2为0票，服务器3为3票。此时服务器3的票数已经超过半数，服务器3当选Leader。服务器1，2更改状态为FOLLOWING，服务器3更改状态为LEADING；
4. 服务器4启动，发起一次选举。此时服务器1，2，3已经不是LOOKING状态，不会更改选票信息。交换选票信息结果：服务器3为3票，服务器4为1票。此时服务器4服从多数，更改选票信息为服务器3，并更改状态FOLLOWING；
5. 服务器5启动，同4一样当小弟。

1.5.2 非第一次启动选举机制

1. 当ZooKeeper集群中的一台服务器出现以下两种情况之一时，就会开始进入Leader选举：

   • 服务器初始化启动。
   • 服务器运行期间无法和Leader保持连接。

2. 而当一台机器进入Leader选举流程时，当前集群也可能会处于以下两种状态：

   • 集群中本来就已经存在一个Leader。
     对于已经存在Leader的情况，机器试图去选举Leader时，会被告知当前服务器的Leader信息，对于该机器来说，仅仅需要和Leader机器建立连接，并进行状态同步即可。

   • 集群中确实不存在Leader。
     假设ZooKeeper由5台服务器组成，SID分别为1、2、3、4、5，ZXID分别为8、8、8、7、7，并且此时SID为3的服务器是Leader。某一时刻，3和5服务器出现故障，因此开始进行Leader选举。

   选举Leader规则：
   ① EPOCH大的直接胜出（任期）
   ② EPOCH相同，事务id大的胜出（ZXID）
   ③ 事务id相同，服务器id大的胜出（SID）

SID：服务器ID。用来唯一标识一台ZooKeeper集群中的机器，每台机器不能重复，和myid一致。ZXID：事务ID。ZXID是一个事务ID，用来标识一次服务器状态的变更。在某一时刻，集群中的每台机器的ZXID值不一定完全一致，这和ZooKeeper服务器对于客户端"更新请求"的处理逻辑速度有关。Epoch：每个Leader任期的代号。没有Leader时同一轮投票过程中的逻辑时钟值是相同的。每投完一次票这个数据就会增加。

1.6 部署ZooKeeper集群

1.6.1 部署环境ZK

服务名称	IP地址	服务
zk01 （2C/4G）	192.168.10.18	zookeeper-3.5.7 kafka_2.13-2.7.1 jdk_1.8
zk02 （2C/4G）	192.168.10.21	zookeeper-3.5.7 kafka_2.13-2.7.1 jdk_1.8
zk03 （2C/4G）	192.168.10.22	zookeeper-3.5.7 kafka_2.13-2.7.1 jdk_1.8

1.6.2 安装前准备

# 关闭防火墙
systemctl stop firewalld
systemctl disable firewalld
setenforce 0# 安装openJDK
yum install -y java-1.8.0-openjdk java-1.8.0-openjdk-devel
java -version或者使用官网JDK官网jdk
//安装 jdk java 运行环境
上传 jdk-8u161-linux-x64.rpm 软件包到 服务器中
rpm -ivh jdk-8u231-linux-x64.rpm 
#通过查看 jdk 的信息可以知道 jdk 的安装目录在/usr/javavim /etc/profile #在文件的最后添加以下内容：
export JAVA_HOME=/usr/java/jdk1.8.0_231-amd64
export JAVA_BIN=/usr/java/jdk1.8.0_231-amd64/bin
export PATH=${JAVA_HOME}/bin:$PATH
export CLASSPATH=.:${JAVA_HOME}/lib/dt.jar:${JAVA_HOME}/lib/tools.jar
source /etc/profile #使配置文件生效
验证 java 运行环境是否安装成功：
java -version
java version "1.8.0_231"
Java(TM) SE Runtime Environment (build 1.8.0_231-b11)
Java HotSpot(TM) 64-Bit Server VM (build 25.231-b11, mixed mode)

1.6.3 安装ZooKeeper

# 下载安装包
# 官方下载地址：https://archive.apache.org/dist/zookeeper/
cd /opt
wget https://archive.apache.org/dist/zookeeper/zookeeper-3.5.7/apache-zookeeper-3.5.7-bin.tar.gzcd /opt
tar -zxvf apache-zookeeper-3.5.7-bin.tar.gz
mv apache-zookeeper-3.5.7-bin /usr/local/zookeeper-3.5.7# 修改配置文件
cd /usr/local/zookeeper-3.5.7/conf/
cp zoo_sample.cfg zoo.cfgvim zoo.cfg
tickTime=2000   # 通信心跳时间，Zookeeper服务器与客户端心跳时间，单位毫秒
initLimit=10    # Leader和Follower初始连接时能容忍的最多心跳数（tickTime的数量），这里表示为10*2s
syncLimit=5     # Leader和Follower之间同步通信的超时时间，这里表示如果超过5*2s，Leader认为Follwer死掉，并从服务器列表中删除Follwer
dataDir=/usr/local/zookeeper-3.5.7/data      # 修改，指定保存Zookeeper中的数据的目录，目录需要单独创建
dataLogDir=/usr/local/zookeeper-3.5.7/logs   # 添加，指定存放日志的目录，目录需要单独创建
clientPort=2181   # 客户端连接端口
# 添加集群信息
server.1=192.168.10.18:3188:3288
server.2=192.168.10.21:3188:3288
server.3=192.168.10.22:3188:3288
==============================================================
tickTime=2000
initLimit=10
syncLimit=5
dataDir=/usr/local/zookeeper-3.5.7/data
dataLogDir=/usr/local/zookeeper-3.5.7/logs
clientPort=2181
server.1=192.168.10.18:3188:3288
server.2=192.168.10.21:3188:3288
server.3=192.168.10.22:3188:3288
==============================================================

server.A=B:C:D
● A是一个数字，表示这个是第几号服务器。集群模式下需要在zoo.cfg中dataDir指定的目录下创建一个文件myid，这个文件里面有一个数据就是A的值，Zookeeper启动时读取此文件，拿到里面的数据与zoo.cfg里面的配置信息比较从而判断到底是哪个server。
● B是这个服务器的地址。
● C是这个服务器Follower与集群中的Leader服务器交换信息的端口。
● D是万一集群中的Leader服务器挂了，需要一个端口来重新进行选举，选出一个新的Leader，而这个端口就是用来执行选举时服务器相互通信的端口。

# 拷贝配置好的Zookeeper配置文件到其他机器上
scp /usr/local/zookeeper-3.5.7/conf/zoo.cfg 192.168.10.21:/usr/local/zookeeper-3.5.7/conf/
scp /usr/local/zookeeper-3.5.7/conf/zoo.cfg 192.168.10.22:/usr/local/zookeeper-3.5.7/conf/# 在每个节点上创建数据目录和日志目录
mkdir /usr/local/zookeeper-3.5.7/data
mkdir /usr/local/zookeeper-3.5.7/logs# 在每个节点的dataDir指定的目录下创建一个myid的文件
echo 1 > /usr/local/zookeeper-3.5.7/data/myid
echo 2 > /usr/local/zookeeper-3.5.7/data/myid
echo 3 > /usr/local/zookeeper-3.5.7/data/myid

# 配置Zookeeper启动脚本
vim /etc/init.d/zookeeper
#!/bin/bash
#chkconfig:2345 20 90
#description:Zookeeper Service Control Script
ZK_HOME='/usr/local/zookeeper-3.5.7'
case $1 in
start)echo "---------- zookeeper 启动 ------------"$ZK_HOME/bin/zkServer.sh start
;;
stop)echo "---------- zookeeper 停止 ------------"$ZK_HOME/bin/zkServer.sh stop
;;
restart)echo "---------- zookeeper 重启 ------------"$ZK_HOME/bin/zkServer.sh restart
;;
status)echo "---------- zookeeper 状态 ------------"$ZK_HOME/bin/zkServer.sh status
;;
*)echo "Usage: $0 {start|stop|restart|status}"
esac# 设置开机自启
chmod +x /etc/init.d/zookeeper
chkconfig --add zookeeper# 分别启动Zookeeper
service zookeeper start# 查看当前状态
service zookeeper status

二、消息队列（Message Queue）详解

2.1 为什么需要消息队列（MQ）

主要原因是由于在高并发环境下，同步请求来不及处理，请求往往会发生阻塞。比如大量的请求并发访问数据库，导致行锁表锁，最后请求线程会堆积过多，从而触发"too many connection"错误，引发雪崩效应。

我们使用消息队列，通过异步处理请求，从而缓解系统的压力。消息队列常应用于异步处理，流量削峰，应用解耦，消息通讯等场景。

当前比较常见的MQ中间件有ActiveMQ、RabbitMQ、RocketMQ（阿里）、Kafka等。

2.2 使用消息队列的好处

1. 解耦
   允许你独立的扩展或修改两边的处理过程，只要确保它们遵守同样的接口约束。

2. 可恢复性
   系统的一部分组件失效时，不会影响到整个系统。消息队列降低了进程间的耦合度，所以即使一个处理消息的进程挂掉，加入队列中的消息仍然可以在系统恢复后被处理。

3. 缓冲
   有助于控制和优化数据流经过系统的速度，解决生产消息和消费消息的处理速度不一致的情况。

4. 灵活性 & 峰值处理能力
   当访问量激增时，系统仍需保持正常运行，但这类突发流量并不频繁。若为应对偶发峰值而持续投入大量资源，显然会造成巨大浪费。采用消息队列可使核心组件从容应对突发流量，避免因请求过载导致系统崩溃。

5. 异步通信
   消息队列采用异步处理机制，允许用户将消息暂存于队列中，而 无需立即处理。用户可以根据需求自由添加消息数量，并在适当的时候进行后续处理。

2.3 消息队列的两种模式

2.3.1 点对点模式

（一对一，消费者主动拉取数据，消息收到后消息清除）
消息生产者生产消息发送到消息队列中，然后消息消费者从消息队列中取出并且消费消息。消息被消费以后，消息队列中不再有存储，所以消息消费者不可能消费到已经被消费的消息。消息队列支持存在多个消费者，但是对一个消息而言，只会有一个消费者可以消费。

2.3.2 发布/订阅模式

（一对多，又叫观察者模式，消费者消费数据之后不会清除消息）
消息生产者（发布）将消息发布到topic中，同时有多个消息消费者（订阅）消费该消息。和点对点方式不同，发布到topic的消息会被所有订阅者消费。

发布/订阅模式是定义对象间一种一对多的依赖关系，使得每当一个对象（目对标象）的状态发生改变，则所有依赖于它的对象（观察者对象）都会得到通知并自动更新。

三、Kafka详解

3.1 Kafka定义

Kafka是一个分布式的基于发布/订阅模式的消息队列（MQ，Message Queue），主要应用于大数据实时处理领域。

3.2 Kafka简介

Kafka是最初由Linkedin公司开发，是一个分布式、支持分区的（partition）、多副本的（replica），基于Zookeeper协调的分布式消息中间件系统。它的最大的特性就是可以实时的处理大量数据以满足各种需求场景，比如基于hadoop的批处理系统、低延迟的实时系统、Spark/Flink流式处理引擎，nginx访问日志，消息服务等等。用scala语言编写，Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。

3.3 Kafka的特性

• 高吞吐量、低延迟
  Kafka每秒可以处理几十万条消息，它的延迟最低只有几毫秒。每个topic可以分多个Partition，Consumer Group对Partition进行消费操作，提高负载均衡能力和消费能力。

• 可扩展性
  kafka集群支持热扩展。

• 持久性、可靠性
  消息被持久化到本地磁盘，并且支持数据备份防止数据丢失。

• 容错性
  允许集群中节点失败（多副本情况下，若副本数量为n，则允许n-1个节点失败）。

• 高并发
  支持数千个客户端同时读写。

3.4 Kafka系统架构（重点）

3.4.1 Broker服务器

一台kafka服务器就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic。

3.4.2 Topic主题

可以理解为一个队列，生产者和消费者面向的都是一个topic。类似于数据库的表名或者ES的index。物理上不同topic的消息分开存储。

3.4.3 Partition分区

为了实现扩展性，一个非常大的topic可以分布到多个broker（即服务器）上，一个topic可以分割为一个或多个partition，每个partition是一个有序的队列。Kafka只保证partition内的记录是有序的，而不保证topic中不同partition的顺序。

每个topic至少有一个partition，当生产者产生数据的时候，会根据分配策略选择分区，然后将消息追加到指定的分区的队列末尾。

① Partation数据路由规则：

1. 指定了patition，则直接使用；
2. 未指定patition但指定key（相当于消息中某个属性），通过对key的value进行hash取模，选出一个patition；
3. patition和key都未指定，使用轮询选出一个patition。

每条消息都会有一个自增的编号，用于标识消息的偏移量，标识顺序从0开始。

每个partition中的数据使用多个segment文件存储。

如果topic有多个partition，消费数据时就不能保证数据的顺序。严格保证消息的消费顺序的场景下（例如商品秒杀、抢红包），需要将partition数目设为1。

• broker存储topic的数据。如果某topic有N个partition，集群有N个broker，那么每个broker存储该topic的一个partition。
• 如果某topic有N个partition，集群有(N+M)个broker，那么其中有N个broker存储topic的一个partition，剩下的M个broker不存储该topic的partition数据。
• 如果某topic有N个partition，集群中broker数目少于N个，那么一个broker存储该topic的一个或多个partition。在实际生产环境中，尽量避免这种情况的发生，这种情况容易导致Kafka集群数据不均衡。

② 分区的原因

• 方便在集群中扩展，每个Partition可以通过调整以适应它所在的机器，而一个topic又可以有多个Partition组成，因此整个集群就可以适应任意大小的数据了；
• 可以提高并发，因为可以以Partition为单位读写了。

（1）Replica副本：为保证集群中的某个节点发生故障时，该节点上的partition数据不丢失，且kafka仍然能够继续工作，kafka提供了副本机制，一个topic的每个分区都有若干个副本，一个leader和若干个follower。

（2）Leader：每个partition有多个副本，其中有且仅有一个作为Leader，Leader是当前负责数据的读写的partition。

（3）Follower：Follower跟随Leader，所有写请求都通过Leader路由，数据变更会广播给所有Follower，Follower与Leader保持数据同步。Follower只负责备份，不负责数据的读写。
如果Leader故障，则从Follower中选举出一个新的Leader。
当Follower挂掉、卡住或者同步太慢，Leader会把这个Follower从ISR（Leader维护的一个和Leader保持同步的Follower集合）列表中删除，重新创建一个Follower。

3.4.4 Producer生产者

生产者即数据的发布者，该角色将消息push发布到Kafka的topic中。
broker接收到生产者发送的消息后，broker将该消息追加到当前用于追加数据的segment文件中。
生产者发送的消息，存储到一个partition中，生产者也可以指定数据存储的partition。

3.4.5 Consumer消费者

消费者可以从broker中pull拉取数据。消费者可以消费多个topic中的数据。

3.4.6 Consumer Group（CG）消费者组

消费者组，由多个consumer组成。
所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。可为每个消费者指定组名，若不指定组名则属于默认的组。
将多个消费者集中到一起去处理某一个Topic的数据，可以更快的提高数据的消费能力。
消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费，防止数据被重复读取。
消费者组之间互不影响。

3.4.7 Offset偏移量

可以唯一的标识一条消息。
偏移量决定读取数据的位置，不会有线程安全的问题，消费者通过偏移量来决定下次读取的消息（即消费位置）。
消息被消费之后，并不被马上删除，这样多个业务就可以重复使用Kafka的消息。
某一个业务也可以通过修改偏移量达到重新读取消息的目的，偏移量由用户控制。
消息最终还是会被删除的，默认生命周期为1周（7*24小时）。

3.4.8 Zookeeper

Kafka通过Zookeeper来存储集群的meta信息。

由于consumer在消费过程中可能会出现断电宕机等故障，consumer恢复后，需要从故障前的位置的继续消费，所以consumer需要实时记录自己消费到了哪个offset，以便故障恢复后继续消费。
Kafka 0.9版本之前，consumer默认将offset保存在Zookeeper中；从0.9版本开始，consumer默认将offset保存在Kafka一个内置的topic中，该topic为__consumer_offsets。

也就是说，zookeeper的作用就是，生产者push数据到kafka集群，就必须要找到kafka集群的节点在哪里，这些都是通过zookeeper去寻找的。消费者消费哪一条数据，也需要zookeeper的支持，从zookeeper获得offset，offset记录上一次消费的数据消费到哪里，这样就可以接着下一条数据进行消费。

3.4.9 简易版Kafka架构

• Partition：分区
• Consumer：消费者
• brokers：服务器
• producer：生产者
• topic·消息主题，可以理解为一个队列，生产者和消费者面向的都是一个topic
• Replica 副本:有多个副本，可以实现高可用副本中有两个角色：
  • Leader(负责读写)
  • Follower(复制备份)
• offset 偏移量，记录消费者的位置，以及消费者数据的位置

3.5 部署kafka集群

3.5.1 下载安装包

官方下载地址：http://kafka.apache.org/downloads.htmlcd /opt
wget https://mirrors.tuna.tsinghua.edu.cn/apache/kafka/2.7.1/kafka_2.13-2.7.1.tgz

3.5.2 安装Kafka

cd /opt/
tar zxvf kafka_2.13-2.7.1.tgz
mv kafka_2.13-2.7.1 /usr/local/kafka# 修改配置文件
cd /usr/local/kafka/config/
cp server.properties{,.bak}

vim server.properties
broker.id=0    # 21行，broker的全局唯一编号，每个broker不能重复，因此要在其他机器上配置 broker.id=1、broker.id=2
listeners=PLAINTEXT://192.168.10.18:9092    # 31行，指定监听的IP和端口，如果修改每个broker的IP需区分开来，也可保持默认配置不用修改192.168.10.21:9092，192.168.10.22:9092
num.network.threads=3    # 42行，broker 处理网络请求的线程数量，一般情况下不需要去修改
num.io.threads=8         # 45行，用来处理磁盘IO的线程数量，数值应该大于硬盘数
socket.send.buffer.bytes=102400       # 48行，发送套接字的缓冲区大小
socket.receive.buffer.bytes=102400    # 51行，接收套接字的缓冲区大小
socket.request.max.bytes=104857600    # 54行，请求套接字的缓冲区大小
log.dirs=/usr/local/kafka/logs        # 60行，kafka运行日志存放的路径，也是数据存放的路径
num.partitions=1    # 65行，topic在当前broker上的默认分区个数，会被topic创建时的指定参数覆盖
num.recovery.threads.per.data.dir=1    # 69行，用来恢复和清理data下数据的线程数量
log.retention.hours=168    # 103行，segment文件（数据文件）保留的最长时间，单位为小时，默认为7天，超时将被删除
log.segment.bytes=1073741824    # 110行，一个segment文件最大的大小，默认为 1G，超出将新建一个新的segment文件
zookeeper.connect=192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181    # 123行，配置连接Zookeeper集群地址

# 修改环境变量
vim /etc/profile
export KAFKA_HOME=/usr/local/kafka
export PATH=$PATH:$KAFKA_HOME/binsource /etc/profile

# 配置Zookeeper启动脚本
vim /etc/init.d/kafka
#!/bin/bash
#chkconfig:2345 22 88
#description:Kafka Service Control Script
KAFKA_HOME='/usr/local/kafka'
case $1 in
start)echo "---------- Kafka 启动 ------------"${KAFKA_HOME}/bin/kafka-server-start.sh -daemon ${KAFKA_HOME}/config/server.properties
;;
stop)echo "---------- Kafka 停止 ------------"${KAFKA_HOME}/bin/kafka-server-stop.sh
;;
restart)$0 stop$0 start
;;
status)echo "---------- Kafka 状态 ------------"count=$(ps -ef | grep kafka | egrep -cv "grep|$$")if [ "$count" -eq 0 ];thenecho "kafka is not running"elseecho "kafka is running"fi
;;
*)echo "Usage: $0 {start|stop|restart|status}"
esac

# 设置开机自启
chmod +x /etc/init.d/kafka
chkconfig --add kafka# 分别启动Kafka
service kafka start# 查看Kafka运行状态
service kafka status

3.5.3 Kafka命令行操作

# 创建topic
kafka-topics.sh --create --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181 --replication-factor 2 --partitions 3 --topic test

--zookeeper：定义 zookeeper 集群服务器地址，如果有多个 IP 地址使用逗号分割，一般使用一个 IP 即可
--replication-factor：定义分区副本数，1 代表单副本，建议为 2 
--partitions：定义分区数 
--topic：定义 topic 名称

# 查看当前服务器中的所有 topic
kafka-topics.sh --list --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181# 查看某个 topic 的详情
kafka-topics.sh  --describe --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181

# 发布消息
kafka-console-producer.sh --broker-list 192.168.10.18:9092,192.168.10.21:9092,192.168.10.22:9092  --topic test
# 输入消息# 消费消息，在另一个节点
kafka-console-consumer.sh --bootstrap-server 192.168.10.18:9092,192.168.10.21:9092,192.168.10.22:9092 --topic test --from-beginning

--from-beginning：会把主题中以往所有的数据都读取出来

# 修改分区数
kafka-topics.sh --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181 --alter --topic test --partitions 6kafka-topics.sh  --describe --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181

# 删除 topic
kafka-topics.sh --delete --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181 --topic testkafka-topics.sh  --list --zookeeper 192.168.10.18:2181,192.168.10.21:2181,192.168.10.22:2181

3.6 Kafka架构深入

2.9.1 Kafka工作流程及文件存储机制

Kafka中消息是以topic进行分类的，生产者生产消息，消费者消费消息，都是面向topic的。

topic是逻辑上的概念，而partition是物理上的概念，每个partition对应于一个log文件，该log文件中存储的就是producer生产的数据。Producer生产的数据会被不断追加到该log文件末端，且每条数据都有自己的offset。消费者组中的每个消费者，都会实时记录自己消费到了哪个offset，以便出错恢复时，从上次的位置继续消费。

由于生产者生产的消息会不断追加到log文件末尾，为防止log文件过大导致数据定位效率低下，Kafka采取了分片和索引机制，将每个partition分为多个segment。每个segment对应两个文件：“.index"文件和”.log"文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic名称+分区序号。例如，test这个topic有三个分区，则其对应的文件夹为test-0、test-1、test-2。

index和log文件以当前segment的第一条消息的offset命名。

“.index"文件存储大量的索引信息，”.log"文件存储大量的数据，索引文件中的元数据指向对应数据文件中message的物理偏移地址。

2.9.2 数据可靠性保证

为保证producer发送的数据，能可靠的发送到指定的topic，topic的每个partition收到producer发送的数据后，都需要向producer发送ack（acknowledgement确认收到），如果producer收到ack，就会进行下一轮的发送，否则重新发送数据。

2.9.3 数据一致性问题

LEO：指的是每个副本最大的offset；
HW：指的是消费者能见到的最大的offset，所有副本中最小的LEO。

（1）follower故障
follower发生故障后会被临时踢出ISR（Leader维护的一个和Leader保持同步的Follower集合），待该follower恢复后，follower会读取本地磁盘记录的上次的HW，并将log文件高于HW的部分截取掉，从HW开始向leader进行同步。等该follower的LEO大于等于该Partition的HW，即follower追上leader之后，就可以重新加入ISR了。

（2）leader故障
leader发生故障之后，会从ISR中选出一个新的leader，之后，为保证多个副本之间的数据一致性，其余的follower会先将各自的log文件高于HW的部分截掉，然后从新的leader同步数据。

注：这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。

2.9.4 ack应答机制

对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失，所以没必要等ISR中的follower全部接收成功。所以Kafka为用户提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡选择。

当producer向leader发送数据时，可以通过request.required.acks参数来设置数据可靠性的级别：

• 0：这意味着producer无需等待来自broker的确认而继续发送下一批消息。这种情况下数据传输效率最高，但是数据可靠性确是最低的。当broker故障时有可能丢失数据。
• 1（默认配置）：这意味着producer在ISR中的leader已成功收到的数据并得到确认后发送下一条message。如果在follower同步成功之前leader故障，那么将会丢失数据。
• -1（或者是all）：producer需要等待ISR中的所有follower都确认接收到数据后才算一次发送完成，可靠性最高。但是如果在follower同步完成后，broker发送ack之前，leader发生故障，那么会造成数据重复。

三种机制性能依次递减，数据可靠性依次递增。

注：在0.11版本以前的Kafka，对此是无能为力的，只能保证数据不丢失，再在下游消费者对数据做全局去重。在0.11及以后版本的Kafka，引入了一项重大特性：幂等性。所谓的幂等性就是指Producer不论向Server发送多少次重复数据，Server端都只会持久化一条。

三、Filebeat+Kafka+ELK部署

Filebeat+Kafka+ELK架构图如下：

3.1 前提部署Zookeeper+Kafka集群

以上已经部署完成。

3.2 Filebeat+ELK环境规划

配置与名称	IP	服务
Node1节点（2C/4G）	192.168.10.14	Elasticsearch Kibana
Logstash节点	192.168.10.16	Logstash
Filebeat节点	192.168.10.17	Filebeat Apache

ELK+Filebeat环境部署可以参考我的上篇博客：https://blog.csdn.net/qq_41978931/article/details/151953865?spm=1011.2415.3001.5331

3.3 部署Filebeat(192.168.10.17)

# 安装apache
yum -y install httpd
syatemctl start httpd

vim /etc/filebeat/filebeat.yml
filebeat.inputs:
- type: logenabled: truepaths:- /var/log/httpd/access_logtags: ["access"]- type: logenabled: truepaths:- /var/log/httpd/error_logtags: ["error"]......
# 添加输出到Kafka的配置
output.kafka:enabled: truehosts: ["192.168.10.18:9092","192.168.10.21:9092","192.168.10.22:9092"]    # 指定Kafka集群配置topic: "httpd"    # 指定Kafka的topic

# 启动filebeat
./filebeat -e -c filebeat.yml

3.4 配置Logstash

部署ELK，在Logstash组件所在节点上新建一个Logstash配置文件

# 在Logstash节点新建一个配置文件
cd /etc/logstash/conf.d/vim kafka.conf
input {kafka {bootstrap_servers => "192.168.10.18:9092,192.168.10.21:9092,192.168.10.22:9092"  #kafka集群地址topics  => "httpd"     #拉取的kafka的指定topictype => "httpd_kafka"  #指定type字段codec => "json"        #解析json格式的日志数据auto_offset_reset => "latest"  #拉取最近数据，earliest为从头开始拉取decorate_events => true   #传递给elasticsearch的数据额外增加kafka的属性数据}
}output {if "access" in [tags] {elasticsearch {hosts => ["192.168.10.14:9200"]index => "httpd_access-%{+YYYY.MM.dd}"}}if "error" in [tags] {elasticsearch {hosts => ["192.168.10.14:9200"]index => "httpd_error-%{+YYYY.MM.dd}"}}stdout { codec => rubydebug }
}

# 修改pipelines.yml，添加
- pipeline.id: kafkapath.config: "/etc/logstash/conf.d/kafka.conf"

# 启动logstash
logstash -f kafka.conf# 注：生产黑屏操作es时查看所有的索引:curl -X GET "localhost:9200/_cat/indices?v"

3.5 添加Kibana

浏览器访问 http://192.168.10.14:5601 登录Kibana，单击"Create Index Pattern"按钮添加索引"httpd_access-*“和"httpd_error-*”，单击"create"按钮创建，单击"Discover"按钮可查看图表信息及日志信息。

---

总结

通过本文的详细介绍，我们可以全面了解ZooKeeper和Kafka这两个重要的分布式系统组件。ZooKeeper作为分布式协调服务，提供了高效可靠的协调、同步、配置管理和故障恢复等功能，是构建分布式系统的基础设施。而Kafka作为分布式消息队列，解决了高并发环境下消息传递的难题，提供了高吞吐量、低延迟的消息处理能力。

两者结合使用可以构建出更加健壮、可靠的分布式系统架构：ZooKeeper负责管理Kafka集群的元数据、Broker信息和消费者偏移量，而Kafka则负责高效处理消息流。这种组合在大数据实时处理、日志收集、流处理等场景中发挥着重要作用。

掌握ZooKeeper和Kafka的原理、特性和部署方法，对于从事分布式系统开发和大数据处理的工程师来说至关重要。希望本文能够帮助读者深入理解这两个系统，并在实际项目中灵活应用它们来解决实际问题。