7.1 顺序性场景
7.1.1 场景概述
假设我们要传输一批订单到另一个系统，那么订单对应状态的演变是有顺序性要求的。
已下单 → 已支付 → 已确认
不允许错乱！
7.1.2 顺序级别
1）全局有序：
串行化。每条经过kafka的消息必须严格保障有序性。
这就要求kafka单通道，每个groupid下单消费者
极大的影响性能，现实业务下几乎没必要
2）局部有序：
业务局部有序。同一条订单有序即可，不同订单可以并行处理。不同订单的顺序前后无所谓
充分利用kafka多分区的并发性，只需要想办法让需要顺序的一批数据进同一分区即可。
7.1.3 实现方案
1）发送端：
指定key发送，key=order.id即可，案例回顾：4.2.3，PartitionProducer
2）发送中：
给队列配置多分区保障并发性。
3）读取端：
单消费者：显然不合理
吞吐量显然上不去，kafka开多个分区还有何意义？
所以开多个消费者指定分区消费，理想状况下，每个分区配一个。
但是，这个吞吐量依然有限，那如何处理呢？
方案：多线程
在每个消费者上再开多线程，是个解决办法。但是，要警惕顺序性被打破！
参考下图：thread处理后，会将data变成 2-1-3
改进：接收后分发二级内存队列
消费者取到消息后不做处理，根据key二次分发到多个阻塞队列。
再开启多个线程，每个队列分配一个线程处理。提升吞吐量
7.1.4 代码验证
1）新建一个sort队列，2个分区
2）启动order项目
源码参考：
SortedProducer（顺序性发送端）
SortedConsumer（顺序性消费端 - 阻塞队列实现，方便大家理解设计思路）
SortedConsumer2（顺序性消费端 - 线程池实现，现实中推荐这种方式！）
3）通过swagger请求
先按不同的id发送，查看控制台日志，id被正确分发到对应的队列
同一个key分配到同一个queue，顺序性得到保障
7.2 海量同步场景
假设大数据部门需要大屏来展示用户的打车订单情况，需要把订单数据送入druid
这里不涉及顺序，只要下单就传输，但是对实时性和并发量要求较高
7.2.1 常规架构
在下单完成mysql后，通过程序代码打印，直接进入kafka
或者logback和kafka集成，通过log输送
优点：
更符合常规的思维。将数据送给想要的部门
缺点：
耦合度高，将kafka发送消息嵌入了订单下单的主业务，形成代码入侵。
下单不关心，也不应该关注送入kafka的情况，一旦kafka不可用，程序受影响
7.2.2 解耦合
借助canal，监听订单表的数据变化，不再影响主业务。
7.2.3 部署实现
1）mysql部署
注意，需要打开binlog，8.0 默认处于开启状态
#启动mysql8
docker run --name mysql8 -v /opt/data/mysql8:/var/lib/mysql -p 3389:3306 -e TZ=Asia/Shanghai -e MYSQL_ROOT_PASSWORD=thisisprizemysql8db -d daocloud.io/mysql:8.0连上mysql，执行以下sql，添加canal用户
CREATE USER canal IDENTIFIED BY 'canal';
GRANT SELECT, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO 'canal'@'%';
FLUSH PRIVILEGES;
ALTER USER 'canal'@'%' IDENTIFIED WITH mysql_native_password BY 'canal';创建订单表
CREATE TABLE `orders` (
`id` int unsigned NOT NULL AUTO_INCREMENT,
`name` varchar(255) DEFAULT NULL,
PRIMARY KEY (`id`)
);2）canal部署
#canal.properties
#附带资料里有，放到服务器 /opt/data/canal/ 目录下
#修改servers为你的kafka的机器地址
canal.serverMode = kafka
kafka.bootstrap.servers = 52.82.98.209:10903,52.82.98.209:10904#docker-compose.yml
#附带资料里有canal.yml，随便找个目录，重命名为docker-compose.yml
#修改mysql的链接信息的链接信息
#然后在当前目录下执行 docker-compose up -d
version: '2'
services:
canal:
image: canal/canal-server
container_name: canal
restart: always
ports:
- "10908:11111"
environment:
#mysql的链接信息
canal.instance.master.address: 52.82.98.209:3389
canal.instance.dbUsername: canal
canal.instance.dbPassword: canal
#投放到kafka的哪个主题？要提前准备好！
canal.mq.topic: canal
volumes:
- "/opt/data/canal/canal.properties:/home/admin/canal-server/conf/canal.properties"3）数据通道验证
进入kafka容器，用上面3.2.4里的命令行方式监听canal队列
./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic canal在mysql上创建orders表，增删数据试一下
mysql> insert into orders (name) values ('张三');
Query OK, 1 row affected (0.03 sec)在kafka控制台，可以看到同步的消息
{"data":[{"id":"1","name":"张三"}],"database":"canal","es":1611657853000,"id":5,"isDdl":false,"mysqlType":{"id":"int unsigned","name":"varchar(255)"},"old":null,"pkNames":["id"],"sql":"","sqlType":{"id":4,"name":12},"table":"orders","ts":1611657853802,"type":"INSERT"}数据通道已打通，还缺少的是druid作为消费端来接收消息
4）druid部署
#druid.yml
#在附带资料里有
#随便找个目录，执行
docker-compose -f druid.yml up -d5）验证
配置druid的数据源，从kafka读取数据，验证数据可以正确进入druid。
注：
关于druid的详细使用，在大数据篇章里会详细讲解。
7.3 kafka监控
7.3.1 eagle简介
Kafka Eagle监控系统是一款用来监控Kafka集群的工具，支持管理多个Kafka集群、管理Kafka主题（包含查看、删除、创建等）、消费者组合消费者实例监控、消息阻塞告警、Kafka集群健康状态查看等。
7.3.2 部署
推荐docker-compose启动
将配备的资料中 eagle.yml ， 拷贝到服务器任意目录
修改对应的ip地址为你服务器的地址
#注意ip地址：52.82.98.209，全部换成你自己服务器的
version: '3'
services:
zookeeper:
image: zookeeper:3.4.13
kafka-1:
container_name: kafka-1
image: wurstmeister/kafka:2.12-2.2.2
ports:
- 10903:9092
- 10913:10913
environment:
KAFKA_BROKER_ID: 1
HOST_IP: 52.82.98.209
KAFKA_ZOOKEEPER_CONNECT: zookeeper:2181
#docker部署必须设置外部可访问ip和端口，否则注册进zk的地址将不可达造成外部无法连接
KAFKA_ADVERTISED_HOST_NAME: 52.82.98.209
KAFKA_ADVERTISED_PORT: 10903
KAFKA_JMX_OPTS: "-Dcom.sun.management.jmxremote=true -Dcom.sun.management.jmxremote.authenticate=false -Dcom.sun.management.jmxremote.ssl=false -Djava.rmi.server.hostname=52.82.98.209 -Dcom.sun.management.jmxremote.rmi.port=10913"
JMX_PORT: 10913
volumes:
- /etc/localtime:/etc/localtime
depends_on:
- zookeeper
kafka-2:
container_name: kafka-2
image: wurstmeister/kafka:2.12-2.2.2
ports:
- 10904:9092
- 10914:10914
environment:
KAFKA_BROKER_ID: 2
HOST_IP: 52.82.98.209
KAFKA_ZOOKEEPER_CONNECT: zookeeper:2181
KAFKA_ADVERTISED_HOST_NAME: 52.82.98.209
KAFKA_ADVERTISED_PORT: 10904
KAFKA_JMX_OPTS: "-Dcom.sun.management.jmxremote=true -Dcom.sun.management.jmxremote.authenticate=false -Dcom.sun.management.jmxremote.ssl=false -Djava.rmi.server.hostname=52.82.98.209 -Dcom.sun.management.jmxremote.rmi.port=10914"
JMX_PORT: 10914
volumes:
- /etc/localtime:/etc/localtime
depends_on:
- zookeeper
eagle:
image: gui66497/kafka_eagle
container_name: ke
restart: always
depends_on:
- kafka-1
- kafka-2
ports:
- "10907:8048"
environment:
ZKSERVER: "zookeeper:2181"
执行 docker-compose -f eagle.yml up -d
7.3.3 使用说明
访问 ： http://52.82.98.209:10907/ke/
默认用户名密码： admin / 123456
如果要删除topic等操作，需要管理token： keadmin
与km到底选哪个呢？根据自己习惯，个人认为：
- 界面美观程度和监控曲线优于km，有登录权限控制
- 功能操作上不如km简单直白，但是km需要配置一定的连接信息
本文由传智教育博学谷 - 狂野架构师教研团队发布，转载请注明出处！
如果本文对您有帮助，欢迎关注和点赞；如果您有任何建议也可留言评论或私信，您的支持是我坚持创作的动力
相关文章
