前言

从本篇开始，带你一起领略Kafka的世界，下面重点介绍它的下载、安装，带你避坑。

提示：如果你只是想解决“bin/kafka-server-stop.sh无效”的问题，直接下滑到文章尾部的4.2章节进行查看！

一、Kafka介绍

1.1 什么是 Kafka

Kafka 是 Apache 基金会开源的一个分布式发布 - 订阅消息中间件，流处理平台。

它起源于 LinkedIn，由 Scala 和 Java两种语言编写而成。
在2011 年成为 Apache 项目，2012 成为 Apache 基金会下顶级项目。

1.2 为什么要用 Kafka

Kafka 专为分布式高吞吐系统而设计，支持离线、在线消费消息。
相比较其他消息中间件，如 RabbitMq 等，Kafka 具有更好的吞吐量，内置分区，复制和固有的容错能力，使得它非常适合应用在大数据领域。

1.3 kafka的特点

低延迟 - Kafka 支持低延迟消息传递，速度极快，能达到 200w 写/秒；
高性能 - Kafka对于消息的发布、订阅都具有高吞吐量。即使存储了 TB 级的消息，依然能够保证稳定的性能，日处理数据量可超过1 PB；
可靠性 - Kafka 是分布式，分区，复制和容错的，保证零停机和零数据丢失。
可拓展性 - Kafka 支持集群水平拓展。
耐用性 - Kafka 使用"分布式提交日志"，消息能够快速的持久化的磁盘上。

1.4 kafka高吞吐率实现

为了增加存储能力，Kafka将所有的消息都写入到了低速大容量的硬盘。

Kafka采用以下方式实现高吞吐率：

顺序读写：Kafka将消息顺序追加到Partition中，顺序读写要快于随机读写。
批量发送：Kafka允许批量发送模式。
消息压缩：Kafka允许对消息集合进行压缩。
操作系统页缓存：不直接写IO，直接写入页缓存；消费时大多命中缓存。
Zero Copy：Kafka的生产者、消费者API对于Kafka消息采用零拷贝实现。Java类库通过java.nio.channels.FileChannel中的transferTo()方法(底层sendfile系统调用)在Linux和UNIX系统上支持Zero Copy，内核直接将数据从磁盘文件拷贝到Socket套接字，而无需通过应用程序。

1.5 kafka基本组件

序号	组件名称	组件的作用
1	Broker	Kafka集群包含一个或多个服务器，这些服务器被称为Broker。
2	Topic	逻辑上通RabbitMQ的Queue队列相似，每条发布到Kafka集群的消息都必须有一个topic。（物理上不同Topic的消息分开存储，逻辑上一个Topic的消息虽然保存于一个或多个Broker上，但用户只需指定消息的Topic即可生产或消费数据而不必关心数据存于何处。）
3	Partition	它是物理概念上的分区，为了提供系统吞吐率，在物理上每个Topic会分成一个或多个Partition，每个Partition对应一个文件夹（存储对应分区的消息内容和索引文件）。
4	Replica	为防止其中一个partition数据丢失，Replica副本的概念。每个partition都可以通过副本因子添加多个副本，即便有一台机器故障了，其他机器上也有备份的数据集群环境下也会有其他副本。
5	Producer	消息生产者，负责生产消息并发送到Kafka Broker。
6	Consumer	消息消费者，向Kafka Broker读取消息并处理的客户端。
7	Consumer Group	每个Consumer属于一个特定的组（可为每个Consumer指定属于一个组，若不指定则属于默认组），组可以用来实现一条消息被组内多个成员消费等功能。

二、Kafka同类产品对比

常规的 MQ 系统都有两个比较通用的缺陷：
1) 数据丢失（当消费者无法及时消费数据时数据会被丢失）；
2) 早期MQ产品很难配合数据的波峰和波谷。

2.1 Flume

Flume是Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力，过程依赖于hadoop，操作过程基于channel（大多基于内存）。

缺点：资源占用较大，巨量数据处理时，效率不高。

实际使用体验，兼顾采集和轻量化的数据处理，既采集数据又计算处理，个人两种场景能力都一般，建议使用功能专一组件，kafka+flink或kafka+spark。

2.2 Redis

Redis是一个基于Key-Value对的NoSQL数据库，但支持MQ功能，可以作为轻量级的MQ使用。入队时，当数据比较小时Redis的性能要高于RabbitMQ，而如果数据大小超过10K，Redis较慢；出队时，无论数据大小，Redis都表现出非常好的性能，而RabbitMQ的出队性能则远低于Redis。

2.3 RabbitMQ

RabbitMQ是使用Erlang编写的一个开源的重量级企业级消息队列，本身支持很多的协议：AMQP、XMPP、SMTP、STOMP。RabbitMQ实现了Broker构架，消息在发送给客户端时先在中心队列排队，对路由、负载均衡或者数据持久化支持很好。

2.4 ActiveMQ

ActiveMQ能够以代理人和点对点的技术实现队列，少量代码就可以高效地实现高级应用场景。

2.5 RocketMQ

Apache RocketMQ是阿里开源的纯Java实现的分布式消息中间件，支持事务消息、顺序消息、批量消息、定时消息、消息回溯等。
不建议使用，可能断更可参考Dubbo

2.6 ZeroMQ

ZeroMQ能够实现RabbitMQ不擅长的高级/复杂的队列，但开发人员需要自己组合多种技术框架，技术上的复杂度是对ZeroMQ能够应用成功的挑战。ZeroMQ具有一个独特的非中间件的模式，不需要安装和运行消息服务器或中间件，应用程序会扮个服务器角色，但ZeroMQ仅提供非持久性的队列。

三、Linux环境下，Kafka的下载和安装

3.1 下载安装包

kafka官网：点击进入，下载 tgz 包，这里以目前最新的3.3.1 版本为例，点击下载。

注意事项：下载时，选择下面的Binary版本，不要选上面的Source！

3.2 下载后上传kafka压缩包到linux指定目录

1）如果你使用的是Xshell工具，可以使用rz命令上传

2）如果你使用的是FinallShell，可以直接把压缩包拖入界面后，自动上传，如下图所示

3.3 把下载好的压缩包传输到Linux后，解压到指定目录 usr/src

tar -zxvf  kafka_2.13-3.3.1.tgz -C /usr/src

3.4 解压，并进入kafka解压目录的bin目录

cd /usr/src && ls
cd kafka_2.13-3.3.1/bin
ls

3.5 启动Zookeeper的服务端

温馨提示：如果你本机没有安装ZK，如需帮助，点击进入。

进入zk的安装目录，通过 bin 目录下的 zookeeper-server-start.sh 启动脚本，来启动 zk 单节点实例：

bin/zookeeper-server-start.sh -daemon config/zookeeper.properties

由于本机zk的各项基本配置都已到位，可以直接启动。

#zkServer.sh status 查看服务状态
#zkServer.sh  start 
#zkServer.sh  stop 
#zkServer.sh  restart

查看zk服务的启动状态

3.6 启动 Kafka服务（首次启动可能会报错）

3.6.1 首次启动需先修改server.properties配置文件

vim config/server.properties

如下图所示，放开Listeners的注释，如果想简单点儿，可以直接配置虚拟的IP:9092，

比如：listeners=PLAINTEXT://192.168.31.128:9092，如想配置为别名kafkahost点击进入。

3.6.2 通过解压目录的bin目录下的 kafka-server-start.sh 脚本启动 Kafka

pwd  //查看当前目录位置，当前是在kafka安装目录下的/bin目录下
./kafka-server-start.sh  ../config/server.properties

如果你是在kafka解压目录的根目录下，是如下命令：

bin/kafka-server-start.sh config/server.properties

正常启动信息，如下图所示：

3.6.3 查看kafka是否启动成功的3种方式

1）jps -ml //注：ml是可选参数；2）lsof -i:9092 ；3）netstat -nalpt | grep 9092

温馨提示：如果想深入了解这几个命令，点击进入。

3.6.4 查看topic话题

注意事项：2.2+的kafka，已经不需要依赖zookeeper来创建或查看topic，新版本使用 --bootstrap-server 参数。

老版本：bin/kafka-topics.sh --list --zookeeper localhost:2181 #注意端口，2181是zk的端口号

新版本：bin/kafka-topics.sh --list --bootstrap-server kafkahost:9092 #注意端口的变化，这里是kafka的端口号

注意：这里的kafkahost需要单独在/etc/hosts和server.properties中配置，直接使用localhost可能会报错。

也可以把kafkahost替换为部署kafka虚拟机的IP地址

3.7 若Kafka启动时提示不识别主机名的解决办法，点击进入

3.8 疑问：为什么要先启动zk，然后再启动kafka？

因为kafka的运行依赖zk的启动，具体，可以进入kafka的解压目录的/conf/目录下：

cd /usr/src/kafka_2.13-3.3.1/config/ && ls
vi server.properties

四、收尾工作

4.1 关闭zk

zkServer.sh status
zkServer.sh stop
zkServer.sh status

ZK的下载和安装，点击进入

4.2 关闭kafka（首次关闭，需要单独配置，否则不能正常关闭）

首次使用kafka-server-stop.sh命令关闭服务，则是不能正常关闭的，需要对命令文件做修改！

vim bin/kafka-server-stop.sh #找到下图中的这段代码，修改一下

小提示：按Esc，然后光标滚动到对应行1yy(复制一行)，再按p，则为粘贴！再按i键，进入修改即可。

#PIDS=$(ps ax | grep ' kafka\.Kafka ' | grep java | grep -v grep | awk '{print $1}')
PIDS=$(jps -lm | grep -i 'kafka.Kafka' | awk '{print $1}')

修改后的命令作用：使用jps -lm命令列出所有的java进程，然后通过管道，利用grep -i 'kafka.Kafka’命令将kafka进程筛出来，最后再接一管道命令，利用awk将进程号取出来。

cd /usr/src/kafka_2.13-3.3.1/ && ls
jps 
bin/kafka-server-stop.sh #修改后，再次关闭，发现就关闭了
jps

总结

本文详细介绍了Kafka的下载和安装，简述zk的安装部署，kafka启动时不识别主界面的解决方案。

尾言

万事开头从安装部署开始，kafka也是这样，后面的篇幅，将会详细介绍Kafka集群部署。

后期将带你一起，走进kafka丰富多彩的世界。

如果觉得总结的还不错，赶快点赞收藏吧！

拓展：Kafka的核心配置文件参数详解

1、server.properties服务端的配置文件

#broker的全局唯一编号，不能重复
broker.id=0#用来监听链接的端口，producer或consumer将在此端口建立连接
port=9092#处理网络请求的线程数量，也就是接收消息的线程数。
#接收线程会将接收到的消息放到内存中，然后再从内存中写入磁盘。
num.network.threads=3#消息从内存中写入磁盘是时候使用的线程数量。
#用来处理磁盘IO的线程数量
num.io.threads=8#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400#接受套接字的缓冲区大小
socket.receive.buffer.bytes=102400#请求套接字的缓冲区大小
socket.request.max.bytes=104857600#kafka运行日志存放的路径
log.dirs=/export/servers/logs/kafka#topic在当前broker上的分片个数
num.partitions=2#我们知道segment文件默认会被保留7天的时间，超时的话就
#会被清理，那么清理这件事情就需要有一些线程来做。这里就是
#用来设置恢复和清理data下数据的线程数量
num.recovery.threads.per.data.dir=1#segment文件保留的最长时间，默认保留7天（168小时），
#超时将被删除，也就是说7天之前的数据将被清理掉。
log.retention.hours=168#滚动生成新的segment文件的最大时间
log.roll.hours=168#日志文件中每个segment的大小，默认为1G
log.segment.bytes=1073741824#上面的参数设置了每一个segment文件的大小是1G，那么
#就需要有一个东西去定期检查segment文件有没有达到1G，
#多长时间去检查一次，就需要设置一个周期性检查文件大小
#的时间（单位是毫秒）。
log.retention.check.interval.ms=300000#日志清理是否打开
log.cleaner.enable=true#broker需要使用zookeeper保存meta数据
zookeeper.connect=zk01:2181,zk02:2181,zk03:2181#zookeeper链接超时时间
zookeeper.connection.timeout.ms=6000#上面我们说过接收线程会将接收到的消息放到内存中，然后再从内存
#写到磁盘上，那么什么时候将消息从内存中写入磁盘，就有一个
#时间限制（时间阈值）和一个数量限制（数量阈值），这里设置的是
#数量阈值，下一个参数设置的则是时间阈值。
#partion buffer中，消息的条数达到阈值，将触发flush到磁盘。
log.flush.interval.messages=10000#消息buffer的时间，达到阈值，将触发将消息从内存flush到磁盘，
#单位是毫秒。
log.flush.interval.ms=3000#删除topic需要server.properties中设置delete.topic.enable=true否则只是标记删除
delete.topic.enable=true#此处的host.name为本机IP(重要),如果不改,则客户端会抛出:
#Producer connection to localhost:9092 unsuccessful 错误!
host.name=kafka01advertised.host.name=192.168.239.128

2、producer.properties生产端的配置文件

#指定kafka节点列表，用于获取metadata，不必全部指定
#需要kafka的服务器地址，来获取每一个topic的分片数等元数据信息。
metadata.broker.list=kafka01:9092,kafka02:9092,kafka03:9092#生产者生产的消息被发送到哪个block，需要一个分组策略。
#指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到对应分区
#partitioner.class=kafka.producer.DefaultPartitioner#生产者生产的消息可以通过一定的压缩策略（或者说压缩算法）来压缩。消息被压缩后发送到broker集群，#而broker集群是不会进行解压缩的，broker集群只会把消息发送到消费者集群，然后由消费者来解压缩。
#是否压缩，默认0表示不压缩，1表示用gzip压缩，2表示用snappy压缩。
#压缩后消息中会有头来指明消息压缩类型，故在消费者端消息解压是透明的无需指定。
#文本数据会以1比10或者更高的压缩比进行压缩。
compression.codec=none#指定序列化处理类，消息在网络上传输就需要序列化，它有String、数组等许多种实现。
serializer.class=kafka.serializer.DefaultEncoder#如果要压缩消息，这里指定哪些topic要压缩消息，默认empty，表示不压缩。
#如果上面启用了压缩，那么这里就需要设置
#compressed.topics= 
#这是消息的确认机制，默认值是0。在面试中常被问到。
#producer有个ack参数，有三个值，分别代表：
#（1）不在乎是否写入成功；
#（2）写入leader成功；
#（3）写入leader和所有副本都成功；
#要求非常可靠的话可以牺牲性能设置成最后一种。
#为了保证消息不丢失，至少要设置为1，也就
#是说至少保证leader将消息保存成功。
#设置发送数据是否需要服务端的反馈,有三个值0,1,-1，分别代表3种状态：
#0: producer不会等待broker发送ack。生产者只要把消息发送给broker之后，就认为发送成功了，这是第1种情况；
#1: 当leader接收到消息之后发送ack。生产者把消息发送到broker之后，并且消息被写入到本地文件，才认为发送成功，这是第二种情况；#-1: 当所有的follower都同步消息成功后发送ack。不仅是主的分区将消息保存成功了，#而且其所有的分区的副本数也都同步好了，才会被认为发动成功，这是第3种情况。
request.required.acks=0#broker必须在该时间范围之内给出反馈，否则失败。
#在向producer发送ack之前,broker允许等待的最大时间 ，如果超时,
#broker将会向producer发送一个error ACK.意味着上一次消息因为某种原因
#未能成功(比如follower未能同步成功)
request.timeout.ms=10000#生产者将消息发送到broker，有两种方式，一种是同步，表示生产者发送一条，broker就接收一条；#还有一种是异步，表示生产者积累到一批的消息，装到一个池子里面缓存起来，再发送给broker，#这个池子不会无限缓存消息，在下面，它分别有一个时间限制（时间阈值）和一个数量限制（数量阈值）的参数供我们来设置。#一般我们会选择异步。
#同步还是异步发送消息，默认“sync”表同步，"async"表异步。异步可以提高发送吞吐量,#也意味着消息将会在本地buffer中,并适时批量发送，但是也可能导致丢失未发送过去的消息
producer.type=sync#在async模式下,当message被缓存的时间超过此值后,将会批量发送给broker,
#默认为5000ms
#此值和batch.num.messages协同工作.
queue.buffering.max.ms = 5000#异步情况下，缓存中允许存放消息数量的大小。
#在async模式下,producer端允许buffer的最大消息量
#无论如何,producer都无法尽快的将消息发送给broker,从而导致消息在producer端大量沉积
#此时,如果消息的条数达到阀值,将会导致producer端阻塞或者消息被抛弃，默认为10000条消息。
queue.buffering.max.messages=20000#如果是异步，指定每次批量发送数据量，默认为200
batch.num.messages=500#在生产端的缓冲池中，消息发送出去之后，在没有收到确认之前，该缓冲池中的消息是不能被删除的，#但是生产者一直在生产消息，这个时候缓冲池可能会被撑爆，所以这就需要有一个处理的策略。#有两种处理方式，一种是让生产者先别生产那么快，阻塞一下，等会再生产；另一种是将缓冲池中的消息清空。
#当消息在producer端沉积的条数达到"queue.buffering.max.meesages"后阻塞一定时间后,#队列仍然没有enqueue(producer仍然没有发送出任何消息)
#此时producer可以继续阻塞或者将消息抛弃,此timeout值用于控制"阻塞"的时间
#-1: 不限制阻塞超时时间，让produce一直阻塞,这个时候消息就不会被抛弃
#0: 立即清空队列,消息被抛弃
queue.enqueue.timeout.ms=-1#当producer接收到error ACK,或者没有接收到ACK时,允许消息重发的次数
#因为broker并没有完整的机制来避免消息重复,所以当网络异常时(比如ACK丢失)
#有可能导致broker接收到重复的消息,默认值为3.
message.send.max.retries=3#producer刷新topic metada的时间间隔,producer需要知道partition leader
#的位置,以及当前topic的情况
#因此producer需要一个机制来获取最新的metadata,当producer遇到特定错误时,
#将会立即刷新
#(比如topic失效,partition丢失,leader失效等),此外也可以通过此参数来配置
#额外的刷新机制，默认值600000
topic.metadata.refresh.interval.ms=60000

3、consumer.properties消费端的配置文件

#消费者集群通过连接Zookeeper来找到broker。
#zookeeper连接服务器地址
zookeeper.connect=zk01:2181,zk02:2181,zk03:2181#zookeeper的session过期时间，默认5000ms，用于检测消费者是否挂掉
zookeeper.session.timeout.ms=5000#当消费者挂掉，其他消费者要等该指定时间才能检查到并且触发重新负载均衡
zookeeper.connection.timeout.ms=10000#这是一个时间阈值。
#指定多久消费者更新offset到zookeeper中。
#注意offset更新时基于time而不是每次获得的消息。
#一旦在更新zookeeper发生异常并重启，将可能拿到已拿到过的消息
zookeeper.sync.time.ms=2000#指定消费
group.id=xxxxx#这是一个数量阈值，经测试是500条。
#当consumer消费一定量的消息之后,将会自动向zookeeper提交offset信息#注意offset信息并不是每消费一次消息就向zk提交
#一次,而是现在本地保存(内存),并定期提交,默认为true
auto.commit.enable=true# 自动更新时间。默认60 * 1000
auto.commit.interval.ms=1000# 当前consumer的标识,可以设定,也可以有系统生成,
#主要用来跟踪消息消费情况,便于观察
conusmer.id=xxx# 消费者客户端编号，用于区分不同客户端，默认客户端程序自动产生
client.id=xxxx# 最大取多少块缓存到消费者(默认10)
queued.max.message.chunks=50# 当有新的consumer加入到group时,将会reblance,此后将会
#有partitions的消费端迁移到新  的consumer上,如果一个
#consumer获得了某个partition的消费权限,那么它将会向zk
#注册 "Partition Owner registry"节点信息,但是有可能
#此时旧的consumer尚没有释放此节点, 此值用于控制,
#注册节点的重试次数.
rebalance.max.retries=5#每拉取一批消息的最大字节数
#获取消息的最大尺寸,broker不会像consumer输出大于
#此值的消息chunk 每次feth将得到多条消息,此值为总大小,
#提升此值,将会消耗更多的consumer端内存
fetch.min.bytes=6553600#当消息的尺寸不足时,server阻塞的时间,如果超时,
#消息将立即发送给consumer
#数据一批一批到达，如果每一批是10条消息，如果某一批还
#不到10条，但是超时了，也会立即发送给consumer。
fetch.wait.max.ms=5000
socket.receive.buffer.bytes=655360# 如果zookeeper没有offset值或offset值超出范围。
#那么就给个初始的offset。有smallest、largest、
#anything可选，分别表示给当前最小的offset、
#当前最大的offset、抛异常。默认largest
auto.offset.reset=smallest# 指定序列化处理类
derializer.class=kafka.serializer.DefaultDecoder