1、kafka简介
Kafka 是一个分布式流处理平台，用于构建实时数据管道和流应用程序。它具有水平可扩展性、容错性、高吞吐量等特性，被广泛用于大数据和实时流处理场景。
2、核心概念和特性
核心概念：
Producer（生产者）：向 Kafka 主题发布消息的客户端。
Consumer（消费者）：从 Kafka 主题订阅并处理消息的客户端。
Broker（代理）：Kafka 集群中的单个节点，负责处理消息的存储和转发。
Topic（主题）：消息的类别或流名称，生产者向主题发送消息，消费者从主题读取消息。
Partition（分区）：每个主题可以被分成多个分区，分区是 Kafka 并行处理的基本单元。每个分区是一个有序、不可变的消息序列。
Replica（副本）：分区的副本，用于提供高可用性。每个分区有一个或多个副本，其中一个被选为 Leader，其他为 Follower。
Consumer Group（消费者组）：一组消费者共同消费一个主题，每个分区只能被消费者组中的一个消费者消费，从而实现负载均衡。
Offset（偏移量）：每条消息在分区中的唯一标识，消费者通过偏移量来追踪已读取的消息位置。
关键特性：
高吞吐量：Kafka 能够处理数百万条消息 per second，即使是在普通的硬件上。
可扩展性：通过增加节点可以轻松扩展集群，支持在线水平扩展。
持久性：消息被持久化到磁盘，并且支持数据备份防止数据丢失。
容错性：通过副本机制，即使部分节点失效，集群仍能继续工作。
实时性：消息被生产者创建后，消费者可以立即读取，延迟极低。
使用场景：
消息队列：作为传统消息队列的替代，用于解耦生产者和消费者。
网站活动跟踪：记录用户活动，如页面浏览、搜索、点击等，用于实时监控或离线分析。
日志聚合：从不同服务收集日志，并使其可用于查询和分析。
流处理：与流处理框架（如 Apache Storm、Spark Streaming、Flink）集成，进行实时数据处理。
架构组件：
Kafka Broker：集群中的每个节点都是一个 Broker，负责存储和转发消息。
ZooKeeper（或 KRaft）：用于管理集群元数据、领导者选举和配置管理。从 Kafka 3.0 开始，可以使用 KRaft 模式（不需要 ZooKeeper）来运行 Kafka。
Connector API：用于构建可重用的生产者和消费者，将 Kafka 连接到现有系统。
Streams API：用于构建流处理应用程序，将输入流转换为输出流。
消息传递模型：
Kafka 采用发布-订阅模型，但也可以用于点对点通信（通过单个消费者组）。
数据保留：
Kafka 允许根据时间或大小设置数据保留策略，过期数据将被删除。
安装与部署：
Kafka 可以运行在单机模式（用于开发和测试）或集群模式（用于生产环境）。
版本演进：
从 2.8 版本开始，Kafka 开始引入 KRaft 模式（不再依赖 ZooKeeper），并在 3.0 版本中正式支持。KRaft 模式简化了 Kafka 的架构，提高了稳定性和可管理性。
1、拉取kafka镜像
# 原始docker pull zookeeper:latest# 阿里云x86 架构docker pull registry.cn-hangzhou.aliyuncs.com/qiluo-images/zookeeper:latest# 阿里云arm 架构docker pull registry.cn-hangzhou.aliyuncs.com/qiluo-images/linux_arm64_zookeeper:latest# 原始docker pull wurstmeister/kafka:latest# 阿里云x86 架构docker pull registry.cn-hangzhou.aliyuncs.com/qiluo-images/kafka:latest# 阿里云arm 架构docker pull registry.cn-hangzhou.aliyuncs.com/qiluo-images/linux_arm64_kafka:latest2、zookeeper安装创建目录
mkdir-p /data/zookeeper/{conf,logs,data}3 运行命令
docker run -d\--restart unless-stopped\--name zookeeper\-p2181:2181\-v /data/zookeeper/data:/data\-v /data/zookeeper/logs:/datalog\-v /etc/localtime:/etc/localtime\zookeeper:latest4、kafka安装
mkdir-p /data/kafka/datachmod777/data/kafka/datadocker run -d\--restart unless-stopped\--name kafka\-p9092:9092\-eKAFKA_ZOOKEEPER_CONNECT=10.11.12.115:2181\-eKAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092\-eKAFKA_ADVERTISED_LISTENERS=PLAINTEXT://10.11.12.115:9092\-eKAFKA_OFFSETS_TOPIC_REPLICATION_FACTOR=1\-eKAFKA_AUTO_CREATE_TOPICS_ENABLE=true\-v /etc/localtime:/etc/localtime\wurstmeister/kafka:latest5、kafka基本使用
dockerexec-it kafkabash# 列出所有 Topickafka-topics.sh --list --bootstrap-server10.11.12.115:9092# 创建一个 topickafka-topics.sh --create --bootstrap-server10.11.12.115:9092 --replication-factor1--partitions6--topic nginx#运行kafka生产者发送消息kafka-console-producer.sh --broker-list10.11.12.115:9092 --topic nginx#发送消息{“datas”:[{“channel”:"",“metric”:“temperature”,“producer”:“ijinus”,“sn”:“IJA0101-00002245”,“time”:“1543207156000”,“value”:“80”}],“ver”:“1.0”}#删除kafka的topickafka-topics.sh --bootstrap-server10.11.12.115:9092 --delete --topic nginxKafka 的核心价值在于：
解耦系统：生产者和消费者无需直接通信
缓冲削峰：应对流量突发
数据持久化：消息可重放，不丢失
高吞吐量：支持大规模数据处理
实时处理：毫秒级延迟
适用场景：当你需要处理大量实时数据流，且需要保证数据不丢失、支持重放、高吞吐量时，Kafka 是绝佳选择。
不适用场景：如果只需要简单的任务队列，或对延迟要求极高（微秒级），可能有更轻量的选择（如 Redis、RabbitMQ）。
