Kafka权威指南
出版信息
Neha Narkhede、Gwen Shapira、Todd Palino / 薛命灯 / 人民邮电出版社 / 2017-12-26 / 69.00元
内容简介
每个应用程序都会产生数据，包括日志消息、度量指标、用户活动记录、响应消息等。如何移动数据，几乎变得与数据本身一样重要。如果你是架构师、开发者或者产品工程师，同时也是Apache Kafka新手，那么这本实践指南将会帮助你成为流式平台上处理实时数据的专家。
本书由出身于LinkedIn的Kafka核心作者和一线技术人员共同执笔，详细介绍了如何部署Kafka集群、开发可靠的基于事件驱动的微服务，以及基于Kafka平台构建可伸缩的流式应用程序。通过详尽示例，你将会了解到Kafka的设计原则、可靠性保证、关键API，以及复制协议、控制器和存储层等架构细节。
● 了解发布和订阅消息模型以及该模型如何被应用在大数据生态系统中
● 学习使用Kafka生产者和消费者来生成消息和读取消息
● 了解Kafka保证可靠性数据传递的模式和场景需求
● 使用Kafka构建数据管道和应用程序的最佳实践
● 在生产环境中管理Kafka，包括监控、调优和维护
● 了解Kafka的关键度量指标
● 探索Kafka如何成为流式处理利器
作者简介
Neha Narkhede， Confluent联合创始人、CTO，曾在LinkedIn主导基于Kafka和Apache Samza构建流式基础设施，是Kafka作者之一。
Gwen Shapira， Confluent系统架构师，帮助客户构建基于Kafka的系统，在可伸缩数据架构方面拥有十余年经验；曾任Cloudera公司解决方案架构师。另著有《Hadoop应用架构》。
Todd Palino， LinkedIn主任级SRE，负责部署管理大型的Kafka、Zookeeper和Samza集群。
【译者简介】
薛命灯，毕业于厦门大学软件学院，十余年软件开发和架构经验，InfoQ高级社区编辑。译有《硅谷革命》《生产微服务》等书。微信公众号CodeDeep。
目录
序 xiii
前言 xv
第 1 章 初识Kafka 1
1.1 发布与订阅消息系统 1
1.1.1 如何开始 2
1.1.2 独立的队列系统 3
1.2 Kafka登场 4
1.2.1 消息和批次 4
1.2.2 模式 4
1.2.3 主题和分区 5
1.2.4 生产者和消费者 5
1.2.5 broker和集群 6
1.2.6 多集群 7
1.3 为什么选择Kafka 8
1.3.1 多个生产者 8
1.3.2 多个消费者 8
1.3.3 基于磁盘的数据存储 9
1.3.4 伸缩性 9
1.3.5 高性能 9
1.4 数据生态系统 9
1.5 起源故事 11
1.5.1 LinkedIn的问题 11
1.5.2 Kafka的诞生 12
1.5.3 走向开源 12
1.5.4 命名 13
1.6 开始Kafka之旅 13
第 2 章 安装Kafka 14
2.1 要事先行 14
2.1.1 选择操作系统 14
2.1.2 安装Java 14
2.1.3 安装Zookeeper 15
2.2 安装Kafka Broker 17
2.3 broker配置 18
2.3.1 常规配置 18
2.3.2 主题的默认配置 19
2.4 硬件的选择 23
2.4.1 磁盘吞吐量 23
2.4.2 磁盘容量 23
2.4.3 内存 23
2.4.4 网络 24
2.4.5 CPU 24
2.5 云端的Kafka 24
2.6 Kafka集群 24
2.6.1 需要多少个broker 25
2.6.2 broker 配置 25
2.6.3 操作系统调优 26
2.7 生产环境的注意事项 28
2.7.1 垃圾回收器选项 28
2.7.2 数据中心布局 29
2.7.3 共享Zookeeper 29
2.8 总结 30
第 3 章 Kafka生产者——向Kafka写入数据 31
3.1 生产者概览 32
3.2 创建Kafka生产者 33
3.3 发送消息到Kafka 34
3.3.1 同步发送消息 35
3.3.2 异步发送消息 35
3.4 生产者的配置 36
3.5 序列化器 39
3.5.1 自定义序列化器 39
3.5.2 使用Avro序列化 41
3.5.3 在Kafka里使用Avro 42
3.6 分区 45
3.7 旧版的生产者API 46
3.8 总结 47
第 4 章 Kafka消费者——从Kafka读取数据 48
4.1 KafkaConsumer概念 48
4.1.1 消费者和消费者群组 48
4.1.2 消费者群组和分区再均衡 51
4.2 创建Kafka消费者 52
4.3 订阅主题 53
4.4 轮询 53
4.5 消费者的配置 55
4.6 提交和偏移量 57
4.6.1 自动提交 58
4.6.2 提交当前偏移量 59
4.6.3 异步提交 59
4.6.4 同步和异步组合提交 61
4.6.5 提交特定的偏移量 61
4.7 再均衡监听器 62
4.8 从特定偏移量处开始处理记录 64
4.9 如何退出 66
4.10 反序列化器 67
4.11 独立消费者——为什么以及怎样使用没有群组的消费者 71
4.12 旧版的消费者API 71
4.13 总结 72
第 5 章 深入Kafka 73
5.1 集群成员关系 73
5.2 控制器 74
5.3 复制 74
5.4 处理请求 76
5.4.1 生产请求 78
5.4.2 获取请求 78
5.4.3 其他请求 80
5.5 物理存储 81
5.5.1 分区分配 81
5.5.2 文件管理 82
5.5.3 文件格式 83
5.5.4 索引 84
5.5.5 清理 84
5.5.6 清理的工作原理 84
5.5.7 被删除的事件 86
5.5.8 何时会清理主题 86
5.9 总结 86
第 6 章 可靠的数据传递 87
6.1 可靠性保证 87
6.2 复制 88
6.3 broker配置 89
6.3.1 复制系数 89
6.3.2 不完全的首领选举 90
6.3.3 最少同步副本 91
6.4 在可靠的系统里使用生产者 92
6.4.1 发送确认 92
6.4.2 配置生产者的重试参数 93
6.4.3 额外的错误处理 94
6.5 在可靠的系统里使用消费者 94
6.5.1 消费者的可靠性配置 95
6.5.2 显式提交偏移量 95
6.6 验证系统可靠性 97
6.6.1 配置验证 98
6.6.2 应用程序验证 98
6.6.3 在生产环境监控可靠性 99
6.7 总结 100
第 7 章 构建数据管道 101
7.1 构建数据管道时需要考虑的问题 102
7.1.1 及时性 102
7.1.2 可靠性 102
7.1.3 高吞吐量和动态吞吐量 103
7.1.4 数据格式 103
7.1.5 转换 104
7.1.6 安全性 104
7.1.7 故障处理能力 104
7.1.8 耦合性和灵活性 105
7.2 如何在Connect API和客户端API之间作出选择 105
7.3 Kafka Connect 106
7.3.1 运行Connect 106
7.3.2 连接器示例——文件数据源和文件数据池 107
7.3.3 连接器示例——从MySQL到ElasticSearch 109
7.3.4 深入理解Connect 114
7.4 Connect之外的选择 116
7.4.1 用于其他数据存储的摄入框架 116
7.4.2 基于图形界面的ETL工具 117
7.4.3 流式处理框架 117
7.5 总结 117
第 8 章 跨集群数据镜像 118
8.1 跨集群镜像的使用场景 118
8.2 多集群架构 119
8.2.1 跨数据中心通信的一些现实情况 119
8.2.2 Hub和Spoke架构 120
8.2.3 双活架构 121
8.2.4 主备架构 123
8.2.5 延展集群 127
8.3 Kafka的MirrorMaker 128
8.3.1 如何配置 129
8.3.2 在生产环境部署MirrorMaker 130
8.3.3 MirrorMaker调优 132
8.4 其他跨集群镜像方案 134
8.4.1 优步的uReplicator 134
8.4.2 Confluent的Replicator 135
8.5 总结 135
第 9 章 管理Kafka 136
9.1 主题操作 136
9.1.1 创建主题 137
9.1.2 增加分区 138
9.1.3 删除主题 138
9.1.4 列出集群里的所有主题 139
9.1.5 列出主题详细信息 139
9.2 消费者群组 140
9.2.1 列出并描述群组 140
9.2.2 删除群组 142
9.2.3 偏移量管理 142
9.3 动态配置变更 143
9.3.1 覆盖主题的默认配置 143
9.3.2 覆盖客户端的默认配置 145
9.3.3 列出被覆盖的配置 145
9.3.4 移除被覆盖的配置 146
9.4 分区管理 146
9.4.1 首选的首领选举 146
9.4.2 修改分区副本 147
9.4.3 修改复制系数 150
9.4.4 转储日志片段 151
9.4.5 副本验证 152
9.5 消费和生产 153
9.5.1 控制台消费者 153
9.5.2 控制台生产者 155
9.6 客户端ACL 157
9.7 不安全的操作 157
9.7.1 移动集群控制器 157
9.7.2 取消分区重分配 157
9.7.3 移除待删除的主题 158
9.7.4 手动删除主题 158
9.8 总结 159
第 10 章 监控Kafka 160
10.1 度量指标基础 160
10.1.1 度量指标在哪里 160
10.1.2 内部或外部度量 161
10.1.3 应用程序健康检测 161
10.1.4 度量指标的覆盖面 161
10.2 broker的度量指标 162
10.2.1 非同步分区 162
10.2.2 broker度量指标 166
10.2.3 主题和分区的度量指标 173
10.2.4 Java虚拟机监控 174
10.2.5 操作系统监控 175
10.2.6 日志 176
10.3 客户端监控 177
10.3.1 生产者度量指标 177
10.3.2 消费者度量指标 179
10.3.3 配额 181
10.4 延时监控 182
10.5 端到端监控 183
10.6 总结 183
第 11 章 流式处理 184
11.1 什么是流式处理 185
11.2 流式处理的一些概念 186
11.2.1 时间 187
11.2.2 状态 188
11.2.3 流和表的二元性 188
11.2.4 时间窗口 189
11.3 流式处理的设计模式 190
11.3.1 单个事件处理 191
11.3.2 使用本地状态 191
11.3.3 多阶段处理和重分区 193
11.3.4 使用外部查找——流和表的连接 193
11.3.5 流与流的连接 195
11.3.6 乱序的事件 195
11.3.7 重新处理 196
11.4 Streams示例 197
11.4.1 字数统计 197
11.4.2 股票市场统计 199
11.4.3 填充点击事件流 201
11.5 Kafka Streams的架构概览 202
11.5.1 构建拓扑 202
11.5.2 对拓扑进行伸缩 203
11.5.3 从故障中存活下来 205
11.6 流式处理使用场景 205
11.7 如何选择流式处理框架 206
11.8 总结 208
附录A 在其他操作系统上安装Kafka 209
作者介绍 214
封面介绍 214
