Kafka锦集(一)：Kafka的介绍 | 下载和安装 | kafka服务无法关闭 | bin/kafka-server-stop.sh无效 | 总结的很详细

浅浅的花香味﹌ 2023-09-28 23:15 56阅读 0赞

## 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 ###

<table> 
 <thead> 
  <tr> 
   <th style="width:47px;">序号</th> 
   <th style="width:133px;">组件名称</th> 
   <th style="width:616px;">组件的作用</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td style="width:47px;">1</td> 
   <td style="width:133px;">Broker</td> 
   <td style="width:616px;">Kafka集群包含一个或多个服务器，这些服务器被称为Broker。</td> 
  </tr> 
  <tr> 
   <td style="width:47px;">2</td> 
   <td style="width:133px;">Topic</td> 
   <td style="width:616px;">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。）</td> 
  </tr> 
  <tr> 
   <td style="width:47px;">3</td> 
   <td style="width:133px;">Partition</td> 
   <td style="width:616px;">它是物理概念上的分区，为了提供系统吞吐率，在物理上<span style="color:#ed7976;">每个Topic会分成一个或多个Partition</span>，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）。</td> 
  </tr> 
  <tr> 
   <td style="width:47px;">4</td> 
   <td style="width:133px;">Replica</td> 
   <td style="width:616px;"> <p>为防止其中一个partition数据丢失，Replica副本的概念。</p> <p>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。</p> </td> 
  </tr> 
  <tr> 
   <td style="width:47px;">5</td> 
   <td style="width:133px;">Producer</td> 
   <td style="width:616px;">消息生产者，负责生产消息并发送到Kafka Broker。</td> 
  </tr> 
  <tr> 
   <td style="width:47px;">6</td> 
   <td style="width:133px;">Consumer</td> 
   <td style="width:616px;">消息消费者，向Kafka Broker读取消息并处理的客户端。</td> 
  </tr> 
  <tr> 
   <td style="width:47px;">7</td> 
   <td style="width:133px;">Consumer Group</td> 
   <td style="width:616px;">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。</td> 
  </tr> 
 </tbody> 
</table>

##  ##

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

![9c44ca03b5814d128907b66d6580c0f1.png][]

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

![62874db375e64278aa5604d6b834b226.png][]

### 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

![77e7663b0baf4334b72b1801d0f550e7.png][]

### 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

![f33bf3e8c76a40a38da4844b115e293b.png][]

### 3.5 启动Zookeeper的服务端 ###

>  温馨提示：如果你本机没有[安装ZK][ZK]，如需帮助，[点击进入][ZK]。

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

![83ad10eae510440a801038989d9c4f15.png][]

### 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][kafkahost]。

![5fd7aba34b444c90aa43301cb33bfc9e.png][]

#### 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

![4986f4e308414cdc854fc1bf379c0cac.png][]

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：

![4f6bbd9989334a57a8037ac240283b42.png][]

#### 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][Link 1]。

![700f5a98026049e689e42a87a6dd0c9f.png][]

#### 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][kafkahost]中[配置][kafkahost]，直接使用localhost可能会报错。

![1bf37eddcae54bda86833d766b1e88d4.png][] 也可以把kafkahost替换为部署kafka虚拟机的IP地址

![e61f7e533f954142b953c1d873b440ad.png][]

### 3.7 若Kafka启动时提示不识别主机名的解决办法，[点击进入][kafkahost] ###

![e72f8f5662d54acb960f3ca4e43a689f.png][]

### 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

## ![b435a9c961e342b7a4cc5d2f476108b9.png][] ##

![a540e545ba884c0da8ac27282cbcda86.png][]

## 四、收尾工作 ##

### 4.1 关闭zk ###

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

![d21051709d2a4ecfaf9bc3ed84702a39.png][]

ZK的下载和安装，[点击进入][ZK]

### 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

![721b4e9536cc4da685aed583c396bf5b.png][]

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。

![ade3f616d28742fcb84e0bc4b4f6d49c.png][]

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

![03406f9099b94f70a58fd44134b6ddd0.png][]

## 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 ##

![403249f0d1b24ebdb77f1600b6034d1f.png][]

### 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=kafka01
     
    advertised.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

## 附注 ##

猜你可能感兴趣

1、[ZK/Zookeeper的下载和安装 | 真/伪集群的快速搭建][ZK]

2、[Kafka锦集（一）：Kafka介绍和安装，总结的很详细][Kafka_Kafka]

3、[配置Kafka的监听 | kafka启动报错：java.net.UnknownHostException ][kafkahost]

4、[Spring Boot锦集(三)：Spring Boot整合Kafka | 详解][Spring Boot_Spring Boot_Kafka _]

[kafka]: https://kafka.apache.org/downloads
[tgz]: https://downloads.apache.org/kafka/3.3.1/kafka_2.13-3.3.1.tgz
[9c44ca03b5814d128907b66d6580c0f1.png]: https://img-blog.csdnimg.cn/9c44ca03b5814d128907b66d6580c0f1.png
[62874db375e64278aa5604d6b834b226.png]: https://img-blog.csdnimg.cn/62874db375e64278aa5604d6b834b226.png
[77e7663b0baf4334b72b1801d0f550e7.png]: https://img-blog.csdnimg.cn/77e7663b0baf4334b72b1801d0f550e7.png
[f33bf3e8c76a40a38da4844b115e293b.png]: https://img-blog.csdnimg.cn/f33bf3e8c76a40a38da4844b115e293b.png
[ZK]: https://blog.csdn.net/succing/article/details/121779721
[83ad10eae510440a801038989d9c4f15.png]: https://img-blog.csdnimg.cn/83ad10eae510440a801038989d9c4f15.png
[kafkahost]: https://blog.csdn.net/succing/article/details/127217791
[5fd7aba34b444c90aa43301cb33bfc9e.png]: https://img-blog.csdnimg.cn/5fd7aba34b444c90aa43301cb33bfc9e.png
[4986f4e308414cdc854fc1bf379c0cac.png]: https://img-blog.csdnimg.cn/4986f4e308414cdc854fc1bf379c0cac.png
[4f6bbd9989334a57a8037ac240283b42.png]: https://img-blog.csdnimg.cn/4f6bbd9989334a57a8037ac240283b42.png
[Link 1]: https://blog.csdn.net/succing/article/details/127330870
[700f5a98026049e689e42a87a6dd0c9f.png]: https://img-blog.csdnimg.cn/700f5a98026049e689e42a87a6dd0c9f.png
[1bf37eddcae54bda86833d766b1e88d4.png]: https://img-blog.csdnimg.cn/1bf37eddcae54bda86833d766b1e88d4.png
[e61f7e533f954142b953c1d873b440ad.png]: https://img-blog.csdnimg.cn/e61f7e533f954142b953c1d873b440ad.png
[e72f8f5662d54acb960f3ca4e43a689f.png]: https://img-blog.csdnimg.cn/e72f8f5662d54acb960f3ca4e43a689f.png
[b435a9c961e342b7a4cc5d2f476108b9.png]: https://img-blog.csdnimg.cn/b435a9c961e342b7a4cc5d2f476108b9.png
[a540e545ba884c0da8ac27282cbcda86.png]: https://img-blog.csdnimg.cn/a540e545ba884c0da8ac27282cbcda86.png
[d21051709d2a4ecfaf9bc3ed84702a39.png]: https://img-blog.csdnimg.cn/d21051709d2a4ecfaf9bc3ed84702a39.png
[721b4e9536cc4da685aed583c396bf5b.png]: https://img-blog.csdnimg.cn/721b4e9536cc4da685aed583c396bf5b.png
[ade3f616d28742fcb84e0bc4b4f6d49c.png]: https://img-blog.csdnimg.cn/ade3f616d28742fcb84e0bc4b4f6d49c.png
[03406f9099b94f70a58fd44134b6ddd0.png]: https://img-blog.csdnimg.cn/03406f9099b94f70a58fd44134b6ddd0.png
[403249f0d1b24ebdb77f1600b6034d1f.png]: https://img-blog.csdnimg.cn/403249f0d1b24ebdb77f1600b6034d1f.png
[Kafka_Kafka]: http://https//blog.csdn.net/succing/article/details/127331428
[Spring Boot_Spring Boot_Kafka _]: https://blog.csdn.net/succing/article/details/127353800