Kafka進階

第1章 Kafka體系架構(gòu)基礎(chǔ)\t1
1．1 什么是消息系統(tǒng)\t1
1．2 消息系統(tǒng)的分類\t2
1．2．1 同步消息機制與異步消息機制\t3
1．2．2 隊列與主題\t4
1．3 Kafka的體系架構(gòu)\t5
1．3．1 消息服務(wù)器\t6
1．3．2 主題、分區(qū)與副本\t6
1．3．3 生產(chǎn)者\t7
1．3．4 消費者與消費者組\t8
1．4 分布式協(xié)調(diào)服務(wù)ZooKeeper\t9
1．4．1 ZooKeeper集群的架構(gòu)\t9
1．4．2 ZooKeeper的節(jié)點類型\t10
1．4．3 ZooKeeper的觀察機制\t13
1．4．4 ZooKeeper的分布式鎖\t14
1．4．5 ZooKeeper在Kafka中的作用\t17
1．5 準備實驗環(huán)境\t17
1．5．1 安裝CentOS操作系統(tǒng)\t17
1．5．2 配置CentOS操作系統(tǒng)\t23
1．5．3 安裝JDK\t24
第2章 部署Kafka\t25
2．1 部署ZooKeeper\t25
2．1．1 ZooKeeper的核心配置文件\t26
2．1．2 部署ZooKeeper的Standalone模式\t28
2．1．3 部署ZooKeeper的集群模式\t32
2．1．4 測試ZooKeeper集群\t35
2．2 安裝部署Kafka\t36
2．2．1 單機單Broker的部署\t40
2．2．2 單機多Broker的部署\t42
2．2．3 多機多Broker的部署\t43
2．2．4 使用命令行測試Kafka\t44
2．3 Kafka配置參數(shù)詳解\t45
2．4 Kafka在ZooKeeper中保存的數(shù)據(jù)\t46
2．5 開發(fā)客戶端程序測試Kafka\t47
2．5．1 開發(fā)Java版本的客戶端程序\t48
2．5．2 開發(fā)Scala版本的客戶端程序\t50
第3章 Kafka的生產(chǎn)者\t53
3．1 Kafka生產(chǎn)者的執(zhí)行過程\t53
3．2 創(chuàng)建Kafka生產(chǎn)者\t54
3．2．1 創(chuàng)建基本的消息生產(chǎn)者\t54
3．2．2 發(fā)送自定義消息對象\t55
3．3 生產(chǎn)者的消息發(fā)送模式\t60
3．4 生產(chǎn)者的高級特性\t61
3．4．1 生產(chǎn)者分區(qū)機制\t61
3．4．2 生產(chǎn)者壓縮機制\t66
3．4．3 生產(chǎn)者攔截器\t67
3．5 生產(chǎn)者的參數(shù)配置\t71
第4章 Kafka的消費者\t77
4．1 Kafka消費者的消費模式\t77
4．1．1 消息的推送模式\t77
4．1．2 消息的拉取模式\t77
4．1．3 推送模式與拉取模式的區(qū)別\t78
4．1．4 消息者組\t78
4．2 創(chuàng)建Kafka消費者\t79
4．2．1 創(chuàng)建基本的消息消費者\t79
4．2．2 接收自定義消息對象\t80
4．3 消費者與消費者組\t82
4．3．1 消費者和消費者組與分區(qū)的關(guān)系\t82
4．3．2 分區(qū)的重平衡\t85
4．4 消費者的偏移量與提交\t86
4．4．1 偏移量與重平衡\t86
4．4．2 偏移量的提交方式\t87
4．5 消費者的高級特性\t90
4．5．1 消費者的分區(qū)策略\t90
4．5．2 重平衡監(jiān)聽器\t93
4．5．3 消費者的攔截器\t95
4．5．4 消費者的優(yōu)雅退出\t97
4．6 消費者的參數(shù)配置\t98
第5章 Kafka的服務(wù)器端\t102
5．1 主題與分區(qū)\t102
5．1．1 主題和分區(qū)的關(guān)系\t102
5．1．2 主題的管理\t103
5．1．3 使用KafkaAdminClient\t109
5．2 消息的持久性\t111
5．2．1 Kafka消息持久性概述\t111
5．2．2 Kafka的持久化原理解析\t112
5．2．3 持久化的讀寫流程\t114
5．2．4 為什么要建立分段和索引\t115
5．3 消息的傳輸保障\t115
5．3．1 生產(chǎn)者的ack機制\t115
5．3．2 消費者與高水位線\t116
5．4 副本和Leader副本的選舉\t117
5．5 Kafka配額的管理\t118
5．6 Kafka的日志刪除與壓縮\t120
5．6．1 日志的刪除\t120
5．6．2 日志的壓縮\t120
5．6．3 清理的實現(xiàn)細節(jié)\t120
5．7 Kafka與ZooKeeper\t123
5．7．1 ZooKeeper扮演的角色\t123
5．7．2 Kafka在ZooKeeper中存儲的數(shù)據(jù)\t124
5．8 服務(wù)器端參數(shù)設(shè)置\t125
第6章 流處理引擎Kafka Stream\t130
6．1 Kafka Stream的體系架構(gòu)\t130
6．1．1 為什么需要Kafka Stream\t130
6．1．2 Kafka Stream的體系架構(gòu)\t131
6．1．3 執(zhí)行Kafka Stream示例程序\t132
6．2 開發(fā)自己的Kafka Stream應(yīng)用程序\t134
6．3 Kafka Stream中的數(shù)據(jù)模型\t139
6．3．1 KStream與KTable\t139
6．3．2 狀態(tài)管理\t141
6．4 Kafka Stream中的窗口計算\t144
6．4．1 時間\t144
6．4．2 窗口\t145
第7章 監(jiān)控Kafka\t151
7．1 Kafka的監(jiān)控指標\t151
7．2 使用Kafka客戶端監(jiān)控工具\t153
7．2．1 Kafka Manager\t153
7．2．2 Kafka Tool\t157
7．2．3 KafkaOffsetMonitor\t162
7．2．4 JConsole\t163
7．3 監(jiān)控ZooKeeper\t166
第8章 Kafka與Flink集成\t168
8．1 Flink的體系架構(gòu)\t168
8．1．1 Flink中的數(shù)據(jù)集\t168
8．1．2 Flink的生態(tài)圈體系\t169
8．1．3 Flink的體系架構(gòu)\t171
8．2 安裝部署Flink Standalone模式\t172
8．2．1 Flink Standalone模式的部署\t174
8．2．2 在Standalone模式上執(zhí)行Flink任務(wù)\t178
8．3 Flink DataSet API算子\t181
8．4 Flink DataStream API算子\t191
8．5 集成Flink與Kafka\t196
8．5．1 將Kafka作為Flink的Source Connector\t197
8．5．2 將Kafka作為Flink的Sink Connector\t200
第9章 Kafka與Storm集成\t203
9．1 離線計算與流式計算\t203
9．2 Apache Storm的體系架構(gòu)\t205
9．3 部署Apache Storm\t207
9．3．1 部署Storm的偽分布模式\t209
9．3．2 部署Storm的全分布模式\t213
9．3．3 Storm HA模式\t216
9．4 執(zhí)行Apache Storm任務(wù)\t220
9．4．1 執(zhí)行WordCountTopology\t220
9．4．2 Storm的其他管理命令\t224
9．5 開發(fā)自己的Storm任務(wù)\t224
9．5．1 Storm Topology任務(wù)處理的數(shù)據(jù)模型\t224
9．5．2 開發(fā)自己的WordCountTopology任務(wù)\t226
9．6 集成Kafka與Storm\t232
9．6．1 Storm從Kafka中接收數(shù)據(jù)\t233
9．6．2 測試Kafka與Storm的集成\t236
9．6．3 Storm將數(shù)據(jù)輸出到Kafka\t238
第10章 Kafka與Spark集成\t240
10．1 Spark基礎(chǔ)\t240
10．1．1 Spark的特點\t241
10．1．2 Spark的體系架構(gòu)\t242
10．2 安裝部署Spark環(huán)境\t243
10．2．1 偽分布模式的單節(jié)點環(huán)境部署\t246
10．2．2 全分布模式的環(huán)境安裝部署\t248
10．3 執(zhí)行Spark任務(wù)\t249
10．3．1 使用spark-submit提交任務(wù)\t249
10．3．2 交互式命令行工具spark-shell\t251
10．4 Spark的核心編程模型\t256
10．4．1 什么是RDD\t256
10．4．2 RDD的算子\t257
10．4．3 開發(fā)自己的WordCount程序\t260
10．5 流式計算引擎Spark Streaming\t264
10．5．1 什么是Spark Streaming\t264
10．5．2 離散流\t265
10．5．3 開發(fā)自己的Spark Streaming程序\t266
10．6 集成Kafka與Spark Streaming\t269
10．6．1 基于Receiver的方式\t269
10．6．2 直接讀取的方式\t271
第11章 Kafka與Flume集成\t274
11．1 Apache Flume基礎(chǔ)\t274
11．1．1 Apache Flume的體系架構(gòu)\t274
11．1．2 Apache Flume的安裝和部署\t278
11．2 Flume的Source組件\t280
11．3 Flume的Channel組件\t282
11．4 Flume的Sink組件\t283
11．5 集成Kafka與Flume\t287