上手第一关,手把手教你安装kafka与可视化工具kafka-eagle
Kafka是什么,以及如何使用SpringBoot对接Kafka
在现代大数据架构中,消息队列是不可或缺的一部分。前面我们介绍了Kafka是一种高吞吐量,低延迟的分布式消息队列系统,因其可靠性、可扩展性和灵活性而备受欢迎。本篇博客将比较Kafka与主流竞品之间的差异,并列出Kafka的典型应用场景以及与竞争对手相比的优势
作者简介:战斧,从事金融IT行业,有着多年一线开发、架构经验;爱好广泛,乐于分享,致力于创作更多高质量内容
本文收录于 kafka 专栏,有需要者,可直接订阅专栏实时获取更新
高质量专栏 云原生、RabbitMQ、Spring全家桶 等仍在更新,欢迎指导
Zookeeper Redis dubbo docker netty等诸多框架,以及架构与分布式专题即将上线,敬请期待
在Kafka中,有几个主要的概念需要了解,包括broke
、topic
、partition
等
Broker
Broker是Kafka集群中的一个节点,可以理解为是一个Kafka实例,一个Kafka集群由多个Broker组成。Broker负责存储数据,处理客户端的请求,以及协调分布式环境下的各种工作。
Topic
Topic是Kafka中消息的基本单位,相当于消息的分类。每个Topic包含了若干个消息,这些消息被存储在Broker中的一个或多个Partition中。一个Topic可以有多个Partition,同时每个Partition只能属于一个Topic。Topic名称是一个字符串,通常表示Topic所代表的业务或功能,例如"order"、"log"等等。
Partition
Partition是Kafka中的一个概念,表示一个物理上的存储单元。一个Topic可以被分割成多个Partition,每个Partition可以存储一定数量的消息。Partition中的消息是有序的,每个消息都有一个唯一的编号,称为Offset。Offset是Partition中消息的唯一标识符,客户端可以根据Offset从Partition中读取消息。
当然,Partition
其实也分种类,有着主备关系。如上图,Partition1 在 Broker1中是主分区(Leader)用实线表示。在其他分区中也有Partition1 ,但都是备份(follower),用虚线表示。
不难看出,Kafka的设计很像分布式文件系统,因为天然就是要多个Broker节点,所以具有很大的吞吐能力。再加上可选数量的备份,配合以高效的数据存储,使得其有很强的性能,我们可以总结一下Kafka的几项优势
高吞吐率
Kafka的高吞吐率是其最为突出的优势。在Kafka的设计中,每个分区都有多个副本,如果需要,每个副本都可以独立地对外提供服务。这种设计使得Kafka能够轻松地扩展到数千个节点,从而实现高吞吐率的数据传输。此外,Kafka支持批量消息传送,可以将小消息合并为一个大的批处理消息,从而减少网络传输的开销。
可靠性高
Kafka的分布式设计和多副本机制
可以保证数据的高可靠性。每个分区都有多个副本,一旦某个副本出现故障,其他副本会自动接管服务。此外,Kafka支持消息的持久化存储,即使出现消息传输中断或节点崩溃,也可以在节点恢复后重新传输数据。
灵活性高
Kafka的灵活性也是其优势之一。Kafka不仅能够作为消息中间件,还可以作为日志收集和数据处理的平台。此外,Kafka的存储模型很灵活,支持多种不同的数据类型和格式,可以自定义消息格式和处理逻辑。
当然,除了性能优异,Kafka 的生态系统也很丰富,有多种不同的消费者和生产者客户端,支持多种编程语言,例如Java、Python和Go等。此外,Kafka还提供了Kafka Connect
和Kafka Streams API
,可以将Kafka与不同的外部系统集成,并且支持实时数据处理和流式计算。
在之前的文章《消息队列选型——为什么选择RabbitMQ》 中,其实我们已经对Kafka RabbitMQ进行了一些对比,这里我把当时的对比表格再放出来:
RabbitMQ是一个流行的AMQP消息代理,可提供很好的消息传递性能,还可以在高可靠性和事务性方面提供更好的支持。然而,相对于Kafka,RabbitMQ在可扩展性和处理大量数据时的性能方面不够强大。但是,对于许多大数据应用程序来说,Kafka的可扩展性
和性能优势
使其成为更好的选择。
ActiveMQ是Apache旗下的分布式消息代理,可提供良好的Java集成和可靠性。
对比项 | ActiveMQ | Kafka |
---|---|---|
应用场景 | 应用于企业内部的消息传递、集成、异步通信等 | 应用于大规模数据处理、流式计算等 |
消息存储模式 | 消息被发送到队列或主题,存储在磁盘上 | 消息以分区的方式存储在Kafka集群的磁盘上 |
消息消费 | 消息被消费后会被删除 | 消息被消费后不会立即删除,而是根据设置的保留时间保留在磁盘上 |
吞吐量 | 吞吐量相对较低 | 吞吐量相对较高 |
可扩展性 | 相对较差 | 相对较好 |
消息保证 | 支持消息事务,可保证消息的可靠性 | 支持至少一次消息传递,不保证消息的可靠性 |
消息顺序保证 | 支持消息顺序保证 | 支持基于分区的消息顺序保证 |
管理维护 | 相对较简单 | 相对较复杂 |
生态系统 | 生态系统相对较完善 | 生态系统相对较单一 |
开发难度 | 开发难度相对较大 | 开发难度相对较低 |
消息传递方式 | 传递方式基于TCP协议 | 传递方式基于TCP协议,支持Zero-copy技术 |
消息过滤器 | 支持类SQL语言的消息过滤器 | 不支持消息过滤器 |
消息分发机制 | 消费者需要轮询服务器获取消息 | 消息通过推模式由服务器主动分发给消费者 |
消息重复消费问题 | 相对较少 | 相对较多 |
但是,相对于Kafka,ActiveMQ
在处理大量数据时的性能不足,并且在滞后和可扩展性方面也存在问题,这意味着,Kafka 在高性能、大规模数据处理时,具备很强的优势。
Kafka和RocketMQ都是流行的分布式消息队列系统,它们都可以用于数据传输和处理,他们的一些特征对比如下
特性 | Kafka | RocketMQ |
---|---|---|
适用场景 | 大规模实时数据处理,高吞吐量,低延迟 | 大规模分布式消息传递和处理 |
数据模型 | 基于日志的消息传递模型,消息有序 | 基于 JMS 的消息传递模型,支持消息批量发送 |
存储方式 | 消息使用队列存储,副本机制保证数据可靠性 | 消息使用主题存储,支持多种存储方式 |
分区设计 | 分布式分区,水平扩展容易 | 分布式分区,支持水平、竖直扩展 |
性能表现 | 高吞吐量,低延迟,处理大数据流效果更佳 | 处理高并发、大数据流效果更佳 |
可靠性 | 通过多个副本保证数据可靠性,并具有良好的容错性 | 基于分布式架构,具有较强的可靠性和容错性 |
社区支持 | 开源社区支持广泛,文档丰富,插件可扩展 | 独立开源社区支持,文档和插件相对较少 |
总的来说,RocketMQ在性能方面与Kafka相当。至于社区的话,两者现在都是Apache软件基金会的顶级项目,Kafka最初是由LinkedIn公司开发的,而RocketMQ最初是由阿里巴巴公司开发的,但是贡献给了Apache软件基金会稍微晚一些,所以相对活跃度低一些,但其在国内应用很广泛。
Apache Pulsar和Apache Kafka都是可扩展、可靠的流式数据平台。它们都具有高可用性、高并发性和高吞吐量,并支持分布式订阅和发布,他们的一些对比如下:
对比项 | Apache pulsar | Kafka |
---|---|---|
发布时间 | 2017年 | 2011年 |
语言 | Java | Scala |
群集模式 | 多租户 | 无多租户 |
可伸缩性 | 低延迟和高容量 | 可扩展性极高 |
事务 | 支持 | 不支持 |
消息顺序 | 有序 | 有序 |
多语言客户端 | 支持 | 支持 |
跨数据中心复制 | 支持 | 支持 |
批量发送 | 支持 | 支持 |
多租户安全 | 支持 | 不支持 |
社区支持 | 相对较新,但增长迅速 | 相对成熟的社区支持 |
性能 | Pulsar在延迟、吞吐量和可伸缩性方面表现出色,特别是在多租户和跨数据中心复制方面。 | Kafka在吞吐量和可伸缩性方面表现出色,是一个可靠而高效的消息传递系统。 |
总的来说,Apache pulsar和Kafka都是高性能分布式消息传递系统,用于实时数据传输。它们都具有不同的功能和性能特点。Apache pulsar具有更多的功能,例如异地复制、多租户设计等,但Kafka具有更高的性能和更成熟的社区支持。
消息队列
Kafka可以作为传统消息队列的替代方案。它可以快速传输大量消息,保持消息的可靠性和顺序性,并允许多个消费者读取消息,尽管在MQ功能性上的特点稍逊一筹,相比其他MQ插件,Kafka拥有更好的可扩展性和吞吐量。
日志收集
Kafka可以作为日志收集的理想平台。由于其可靠性和可扩展性,Kafka可以在数百个服务器上实时收集日志,这些日志可以进行后续处理和分析。Kafka的高效处理能力使其成为收集实时日志的最佳选择。我们在《日志搞不定?手把手教你如何使用Log4j2
》 里也提到可以配置Appenders
将日志传输至Kafka服务器。 相比其他MQ插件,Kafka预设了这种场景,使用更容易,并且能够处理更高的数据量和更快的数据传输速率。
流处理
Kafka的流处理功能使其成为构建实时处理系统的首选平台。它可以让开发人员通过处理无限流来自动触发和响应事件,并可以在流中使用各种数据处理步骤。与其他MQ插件相比,Kafka使用分布式流处理,可以处理大量的数据并提供更高的可靠性。
事件驱动
Kafka可以作为事件驱动架构的后端,帮助处理大量的事件数据,包括用户行为数据、交易数据、日志数据等。相比其他MQ插件,Kafka拥有更好的扩展性和容错性。
场景: 一个大型电商网站需要实时监控用户的购买行为,以便及时调整商品推荐策略和优惠活动,提高用户购买率。这个网站有数千万的用户和数百万个商品,每秒钟会产生成千上万的购买行为事件,如何高效地收集、处理和分析这些数据,是一个非常具有挑战性的问题。
解决方案: 使用Kafka来搭建一个实时数据处理系统,主要包含以下组件:
1.数据收集:在电商网站的应用程序中,使用Kafka的Producer API将用户的购买行为数据发送到Kafka的Topic中。
2.数据处理:在Kafka的消费者端,运行一个或多个消费者进程来处理数据。消费者进程可以使用Kafka Connect将数据写入到NoSQL数据库、Hadoop集群等数据存储系统中。在处理数据时,消费者需要注意以下几个关键点:
3.数据分析:使用实时流处理工具,如Apache Storm
、JStorm
或Apache Flink
,对数据进行实时分析和处理,并输出结果到实时报表和仪表盘中。在使用这些工具时,需要注意以下几个关键点:
经过上述的讲解,我们不难知道Kafka的应用场景非常广泛,你可以只把他当MQ组件,也可以使用它进行日志传输或流处理。它的特点也非常鲜明,就是强大的吞吐量、扩展性和可靠性。当然它与传统MQ组件对比,它在复杂场景下的使用会比较麻烦。但其在大数据领域应用广泛,比如经常作为 Hadoop 的数据源,将数据传输到 Hadoop 中进行存储和处理。
当然,在实际选型中我们往往要考虑更多问题,除了明确需求和场景,还要考虑已用的技术栈情况、开发语言支持、版本更新情况。并没有哪一种框架是万金油。而对于一些要求比较单薄的场景,可能许多的框架都可以满足要求,那么易用和易维护就会成为选型的关键
文章浏览阅读15次。空化气泡的大小和相应的空化能量可以通过调整完全标度的振幅水平来操纵和数字控制。通过强调超声技术中的更高通量处理和防止样品污染,Epigentek EpiSonic超声仪可以轻松集成到现有的实验室工作流程中,并且特别适合与表观遗传学和下一代应用的兼容性。Epigentek的EpiSonic已成为一种有效的剪切设备,用于在染色质免疫沉淀技术中制备染色质样品,以及用于下一代测序平台的DNA文库制备。该装置的经济性及其多重样品的能力使其成为每个实验室拥有的经济高效的工具,而不仅仅是核心设施。
文章浏览阅读4.2k次,点赞3次,收藏14次。目录点击这里查看所有博文 本系列博客,理论上适用于合宙的Air202、Air268、Air720x、Air720S以及最近发布的Air720U(我还没拿到样机,应该也能支持)。 先不管支不支持,如果你用的是合宙的模块,那都不妨一试,也许会有意外收获。 我使用的是Air720SL模块,如果在其他模块上不能用,那就是底层core固件暂时还没有支持,这里的代码是没有问题的。例程仅供参考!..._合宙获取天气
文章浏览阅读7.7k次,点赞2次,收藏41次。1 关于meshMesh的意思是网状物,以前读书的时候,在自动化领域有传感器自组网,zigbee、蓝牙等无线方式实现各个网络节点消息通信,通过各种算法,保证整个网络中所有节点信息能经过多跳最终传递到目的地,用于数据采集。十多年过去了,在无线路由器领域又把这个mesh概念翻炒了一下,各大品牌都推出了mesh路由器,大多数是3个为一组,实现在面积较大的住宅里,增强wifi覆盖范围,智能在多热点之间切换,提升上网体验。因为节点基本上在3个以内,所以mesh的算法不必太复杂,组网形式比较简单。各厂家都自定义了组_802.11s
文章浏览阅读5.2k次,点赞8次,收藏21次。线程的几种状态_线程状态
文章浏览阅读4.2w次,点赞124次,收藏688次。stack翻译为栈,是STL中实现的一个后进先出的容器。要使用 stack,应先添加头文件include<stack>,并在头文件下面加上“ using namespacestd;"1. stack的定义其定义的写法和其他STL容器相同, typename可以任意基本数据类型或容器:stack<typename> name;2. stack容器内元素的访问..._stack函数用法
文章浏览阅读71次。<li> <a href = "“#”>-</a></li><li>子节点:文本节点(回车),元素节点,文本节点。不同节点树: 节点(各种类型节点)childNodes:返回子节点的所有子节点的集合,包含任何类型、元素节点(元素类型节点):child。node.getAttribute(at...
文章浏览阅读3.4k次。//config的设置是全局的layui.config({ base: '/res/js/' //假设这是你存放拓展模块的根目录}).extend({ //设定模块别名 mymod: 'mymod' //如果 mymod.js 是在根目录,也可以不用设定别名 ,mod1: 'admin/mod1' //相对于上述 base 目录的子目录}); //你也可以忽略 base 设定的根目录,直接在 extend 指定路径(主要:该功能为 layui 2.2.0 新增)layui.exten_layui extend
文章浏览阅读3.2k次,点赞6次,收藏13次。分层思想分层思想分层思想-1分层思想-2分层思想-2OSI七层参考模型物理层和数据链路层物理层数据链路层网络层传输层会话层表示层应用层OSI七层模型的分层结构TCP/IP协议族的组成数据封装过程数据解封装过程PDU设备与层的对应关系各层通信分层思想分层思想-1在现实生活种,我们在喝牛奶时,未必了解他的生产过程,我们所接触的或许只是从超时购买牛奶。分层思想-2平时我们在网络时也未必知道数据的传输过程我们的所考虑的就是可以传就可以,不用管他时怎么传输的分层思想-2将复杂的流程分解为几个功能_5g分层结构
文章浏览阅读191次。在激光雕刻中,单向扫描(Unidirectional Scanning)是一种雕刻技术,其中激光头只在一个方向上移动,而不是来回移动。这种移动方式主要应用于通过激光逐行扫描图像表面的过程。具体而言,单向扫描的过程通常包括以下步骤:横向移动(X轴): 激光头沿X轴方向移动到图像的一侧。纵向移动(Y轴): 激光头沿Y轴方向开始逐行移动,刻蚀图像表面。这一过程是单向的,即在每一行上激光头只在一个方向上移动。返回横向移动: 一旦一行完成,激光头返回到图像的一侧,准备进行下一行的刻蚀。
文章浏览阅读577次。强连通:在有向图G中,如果两个点u和v是互相可达的,即从u出发可以到达v,从v出发也可以到达u,则成u和v是强连通的。强连通分量:如果一个有向图G不是强连通图,那么可以把它分成躲个子图,其中每个子图的内部是强连通的,而且这些子图已经扩展到最大,不能与子图外的任一点强连通,成这样的一个“极大连通”子图是G的一个强连通分量(SCC)。强连通分量的一些性质:(1)一个点必须有出度和入度,才会与其他点强连通。(2)把一个SCC从图中挖掉,不影响其他点的强连通性。_强连通分量
文章浏览阅读3.9k次,点赞5次,收藏18次。在做web开发,要给用户提供一个页面,页面包括静态页面+数据,两者结合起来就是完整的可视化的页面,django的模板系统支持这种功能,首先需要写一个静态页面,然后通过python的模板语法将数据渲染上去。1.创建一个templates目录2.配置。_django templates
文章浏览阅读1.7k次。Ubuntu等Linux系统显卡性能测试软件 Unigine 3DUbuntu Intel显卡驱动安装,请参考:ATI和NVIDIA显卡请在软件和更新中的附加驱动中安装。 这里推荐: 运行后,F9就可评分,已测试显卡有K2000 2GB 900+分,GT330m 1GB 340+ 分,GT620 1GB 340+ 分,四代i5核显340+ 分,还有写博客的小盒子100+ 分。relaybot@re...