1.netty、kafka、zmq的应用场景和区别是什么?
2.常见5种消息队列介绍及入门教程！ActiveMQ、kafka、RabbitMQ等
3.C++实现kafka的dnf单机架设源码消费者客户端
4.kafkak配置仅允许受信任的JNDI连接如何配置？
netty、kafka、zmq的应用场景和区别是什么?
Netty与Kafka的应用场景和区别分析
Netty与Kafka并非同一领域内的技术。人们常提及的问题是：Kafka为何不直接使用Netty作为Socket服务器？这源于它们在不同层次上的功能。Kafka社区最初选择不使用Netty，主要是因为依赖问题，最终转用Java NIO。
Kafka与ZeroMQ在本质上也并非同一级别的技术。尽管它们均被视为消息引擎，但ZeroMQ实际上是一个构建broker或协议的库，而非完整的解决方案。如果使用ZeroMQ实现broker或自定义Socket传输协议，理论上可构建类似Kafka的系统。由于ZeroMQ仅作为库存在，因此无需单独安装与运维，且使用C++编写，无须实现消息持久化，因此在消息引擎TPS排行榜上名列前茅。ZeroMQ适用于任何网络传输场景。
常见5种消息队列介绍及入门教程！ActiveMQ、kafka、RabbitMQ等
消息队列是分布式系统中交换信息的关键组件，它允许应用程序独立处理消息，源码和裸奔而无需了解彼此的位置，或在接收消息前等待。消息队列可以解决应用解耦、异步消息、流量削锋等问题，是高性能、高可用、可伸缩和最终一致性架构的重要组成部分。接下来，我们来了解一下几种常见的消息队列：ActiveMQ、RabbitMQ、ZeroMQ、Kafka和RocketMQ。
1. **ActiveMQ** 是由Apache提供的流行开源消息总线，支持JMS1.1和J2EE 1.4规范。它具有强大的功能，适合需要深入了解JMS和集群处理的开发者。ActiveMQ的官方文档和最新使用指南可在官网获取，一份详细的《ActiveMQ使用手册》提供了从原理、配置到实战搭建及监控的全面指导。对于熟悉JMS和ActiveMQ的用户，可以跳过某些章节直接进行实践。
2. **RabbitMQ** 是一个广泛使用的消息队列系统，用Erlang语言开发，支持多种客户端和协议，包括Python、Ruby、.NET、源码分析神器Java等。其特性包括易用性、扩展性和高可用性，适合在分布式系统中存储和转发消息。入门教程分为六大部分，适合各个阶段的开发者学习。RabbitMQ的文档和最新使用指南可在其官方网站上找到。
3. **ZeroMQ** 被誉为“史上最快的”消息队列，它提供了一套类似于Socket的接口，能够实现多对多的网络通信，简化了传统Socket编程的复杂性。ZeroMQ用于Node与Node间的通信，提供了一种简单、高性能的网络编程方式。官方文档和教程提供了从基础到进阶的全面指南。
4. **Kafka** 是一种高吞吐量的分布式发布订阅消息系统，适用于网站中的动作流数据处理，如网页浏览、搜索和其他用户行为。Kafka在离线和实时处理中表现出色，通过集群提供实时消费。官方中文文档既适合初学者入门也适合进阶开发者深入学习，内容覆盖了Kafka的基础、API、配置、设计思想、实现、安全、班级查询源码连接器及流处理等多个方面。
5. **RocketMQ** 是阿里开源的消息中间件，基于Kafka的理念设计，具有高吞吐量、高可用性和支持大规模分布式系统应用的特点。RocketMQ被广泛应用于交易、充值、流计算、消息推送等场景，具有可靠性高、性能强劲、支持海量堆积的特点。官方开发者指南提供了全面的使用指导。
C++实现kafka的消费者客户端
Kafka 消费者客户端开发是一个涉及多层配置、事件处理和消息消费的复杂过程。本文将详细阐述如何使用 C++ 实现 Kafka 的消费者客户端。 Kafka 消费者客户端的逻辑 Kafka 消费者客户端需要通过配置文件初始化，包括设置与 Kafka 集群的连接信息（如 bootstrap.servers）、主题订阅等。这些配置主要通过 RdKafka 库的 RdKafka::Conf 类实现。 RdKafka::Conf 类的配置方法 通过 RdKafka::Conf 类，可以设置多种配置参数，如事件回调函数、socket 管理函数等。配置过程通过调用 set() 方法实现，该方法允许设置属性值，同时捕获设置失败时的错误信息。 事件处理机制 Kafka 事件通过 RdKafka::Event 类进行传递，超级管家源码包括错误、统计信息和日志等。事件处理通常需要实现 RdKafka::EventCb 类，以自定义回调函数响应各种事件类型。 消息消费过程 消费过程涉及创建 KafkaConsumer 实例、订阅主题、消费消息等步骤。使用 RdKafka::KafkaConsumer 类实现高级 API，支持多种分区分配策略。通过 RdKafka::Message 类封装消息信息。 位移提交策略 位移提交是确保消费进度的一致性关键。自动提交和手动提交策略需结合使用，以实现同步提交和异步提交的灵活性。使用 RdKafka::OffsetCommitCb 回调函数配合消费过程自动提交位移。 消费 Rebalance 机制 当 Kafka 集群状态改变时，如加入或移除 Broker、主题变更等，Kafka 会触发 Rebalance 机制，重新分配消费者分区。客户端需要实现 RebalanceCb 回调函数来响应 Rebalance 事件，调整消费策略。 Kafka 消费者客户端开发流程 开发 Kafka 消费者客户端遵循以下步骤：配置 Kafka 参数、订阅主题、创建 KafkaConsumer 实例、消费消息、提交位移、处理 Rebalance 事件、最终关闭消费者实例。利用 RdKafka 库提供的 API 完成整个流程。kafkak配置仅允许受信任的JNDI连接如何配置？
kafka的配置分为 broker、producter、consumer三个不同的配置
一 BROKER 的全局配置
最为核心的三个配置 broker.id、log.dir、zookeeper.connect 。
------------------------------------------- 系统 相关 -------------------------------------------
##每一个broker在集群中的唯一标示，要求是正数。在改变IP地址，不改变broker.id的话不会影响consumers
broker.id =1
##kafka数据的存放地址，多个地址的话用逗号分割 /tmp/kafka-logs-1，/tmp/kafka-logs-2
log.dirs = /tmp/kafka-logs
##提供给客户端响应的端口
port =
##消息体的最大大小，单位是字节
message.max.bytes =
## broker 处理消息的最大线程数，一般情况下不需要去修改
num.network.threads =3
## broker处理磁盘IO 的线程数 ，数值应该大于你的硬盘数
num.io.threads =8
## 一些后台任务处理的线程数，例如过期消息文件的删除等，一般情况下不需要去做修改
background.threads =4
## 等待IO线程处理的请求队列最大数，若是等待IO的请求超过这个数值，那么会停止接受外部消息，算是一种自我保护机制
queued.max.requests =
##broker的主机地址，若是设置了，那么会绑定到这个地址上，若是没有，会绑定到所有的接口上，并将其中之一发送到ZK，一般不设置
host.name
## 打广告的地址，若是设置的话，会提供给producers, consumers,其他broker连接，具体如何使用还未深究
advertised.host.name
## 广告地址端口，必须不同于port中的设置
advertised.port
## socket的发送缓冲区，socket的调优参数SO_SNDBUFF
socket.send.buffer.bytes =
*## socket的接受缓冲区，socket的调优参数SO_RCVBUFF
socket.receive.buffer.bytes =
*## socket请求的最大数值，防止serverOOM，message.max.bytes必然要小于socket.request.max.bytes，会被topic创建时的指定参数覆盖
socket.request.max.bytes =
**------------------------------------------- LOG 相关 -------------------------------------------
## topic的分区是以一堆segment文件存储的，这个控制每个segment的大小，会被topic创建时的指定参数覆盖
log.segment.bytes =
**## 这个参数会在日志segment没有达到log.segment.bytes设置的大小，也会强制新建一个segment 会被 topic创建时的指定参数覆盖
log.roll.hours =*7
## 日志清理策略 选择有：delete和compact 主要针对过期数据的处理，或是日志文件达到限制的额度，会被 topic创建时的指定参数覆盖
log.cleanup.policy = delete
## 数据存储的最大时间 超过这个时间 会根据log.cleanup.policy设置的策略处理数据，也就是消费端能够多久去消费数据
## log.retention.bytes和log.retention.minutes任意一个达到要求，都会执行删除，会被topic创建时的指定参数覆盖
log.retention.minutes=7days
指定日志每隔多久检查看是否可以被删除，默认1分钟
log.cleanup.interval.mins=1
## topic每个分区的最大文件大小，一个topic的大小限制 = 分区数*log.retention.bytes 。-1没有大小限制
## log.retention.bytes和log.retention.minutes任意一个达到要求，都会执行删除，会被topic创建时的指定参数覆盖
log.retention.bytes=-1
## 文件大小检查的周期时间，是否处罚 log.cleanup.policy中设置的策略
log.retention.check.interval.ms=5minutes
## 是否开启日志压缩
log.cleaner.enable=false
## 日志压缩运行的线程数
log.cleaner.threads =1
## 日志压缩时候处理的最大大小
log.cleaner.io.max.bytes.per.second=None
## 日志压缩去重时候的缓存空间 ，在空间允许的情况下，越大越好
log.cleaner.dedupe.buffer.size=
**## 日志清理时候用到的IO块大小 一般不需要修改
log.cleaner.io.buffer.size=
*## 日志清理中hash表的扩大因子 一般不需要修改
log.cleaner.io.buffer.load.factor =0.9
## 检查是否处罚日志清理的间隔
log.cleaner.backoff.ms =
## 日志清理的频率控制，越大意味着更高效的清理，同时会存在一些空间上的浪费，会被topic创建时的指定参数覆盖
log.cleaner.min.cleanable.ratio=0.5
## 对于压缩的日志保留的最长时间，也是客户端消费消息的最长时间，同log.retention.minutes的区别在于一个控制未压缩数据，一个控制压缩后的数据。会被topic创建时的指定参数覆盖
log.cleaner.delete.retention.ms =1day
## 对于segment日志的索引文件大小限制，会被topic创建时的指定参数覆盖
log.index.size.max.bytes =
**## 当执行一个fetch操作后，需要一定的空间来扫描最近的offset大小，设置越大，代表扫描速度越快，但是也更好内存，一般情况下不需要搭理这个参数
log.index.interval.bytes =
## log文件"sync"到磁盘之前累积的消息条数
## 因为磁盘IO操作是一个慢操作,但又是一个"数据可靠性"的必要手段
## 所以此参数的设置,需要在"数据可靠性"与"性能"之间做必要的权衡.
## 如果此值过大,将会导致每次"fsync"的时间较长(IO阻塞)
## 如果此值过小,将会导致"fsync"的次数较多,这也意味着整体的client请求有一定的延迟.
## 物理server故障,将会导致没有fsync的消息丢失.
log.flush.interval.messages=None
## 检查是否需要固化到硬盘的时间间隔
log.flush.scheduler.interval.ms =
## 仅仅通过interval来控制消息的磁盘写入时机,是不足的.
## 此参数用于控制"fsync"的时间间隔,如果消息量始终没有达到阀值,但是离上一次磁盘同步的时间间隔
## 达到阀值,也将触发.
log.flush.interval.ms = None
## 文件在索引中清除后保留的时间 一般不需要去修改
log.delete.delay.ms =
## 控制上次固化硬盘的时间点，以便于数据恢复 一般不需要去修改
log.flush.offset.checkpoint.interval.ms =
------------------------------------------- TOPIC 相关 -------------------------------------------
## 是否允许自动创建topic ，若是false，就需要通过命令创建topic
auto.create.topics.enable =true
## 一个topic ，默认分区的replication个数 ，不得大于集群中broker的个数
default.replication.factor =1
## 每个topic的分区个数，若是在topic创建时候没有指定的话 会被topic创建时的指定参数覆盖
num.partitions =1
实例 --replication-factor3--partitions1--topic replicated-topic ：名称replicated-topic有一个分区，分区被复制到三个broker上。
----------------------------------复制(Leader、replicas) 相关 ----------------------------------
## partition leader与replicas之间通讯时,socket的超时时间
controller.socket.timeout.ms =
## partition leader与replicas数据同步时,消息的队列尺寸
controller.message.queue.size=
## replicas响应partition leader的最长等待时间，若是超过这个时间，就将replicas列入ISR(in-sync replicas)，并认为它是死的，不会再加入管理中
replica.lag.time.max.ms =
## 如果follower落后与leader太多,将会认为此follower[或者说partition relicas]已经失效
## 通常,在follower与leader通讯时,因为网络延迟或者链接断开,总会导致replicas中消息同步滞后
## 如果消息之后太多,leader将认为此follower网络延迟较大或者消息吞吐能力有限,将会把此replicas迁移
## 到其他follower中.
## 在broker数量较少,或者网络不足的环境中,建议提高此值.
replica.lag.max.messages =
##follower与leader之间的socket超时时间
replica.socket.timeout.ms=
*## leader复制时候的socket缓存大小
replica.socket.receive.buffer.bytes=
*## replicas每次获取数据的最大大小
replica.fetch.max.bytes =
*## replicas同leader之间通信的最大等待时间，失败了会重试
replica.fetch.wait.max.ms =
## fetch的最小数据尺寸,如果leader中尚未同步的数据不足此值,将会阻塞,直到满足条件
replica.fetch.min.bytes =1
## leader 进行复制的线程数，增大这个数值会增加follower的IO
num.replica.fetchers=1
## 每个replica检查是否将最高水位进行固化的频率
replica.high.watermark.checkpoint.interval.ms =
## 是否允许控制器关闭broker ,若是设置为true,会关闭所有在这个broker上的leader，并转移到其他broker
controlled.shutdown.enable =false
## 控制器关闭的尝试次数
controlled.shutdown.max.retries =3
## 每次关闭尝试的时间间隔
controlled.shutdown.retry.backoff.ms =
## 是否自动平衡broker之间的分配策略
auto.leader.rebalance.enable =false
## leader的不平衡比例，若是超过这个数值，会对分区进行重新的平衡
leader.imbalance.per.broker.percentage =
## 检查leader是否不平衡的时间间隔
leader.imbalance.check.interval.seconds =
## 客户端保留offset信息的最大空间大小
offset.metadata.max.bytes
----------------------------------ZooKeeper 相关----------------------------------
##zookeeper集群的地址，可以是多个，多个之间用逗号分割 hostname1:port1,hostname2:port2,hostname3:port3
zookeeper.connect = localhost:
## ZooKeeper的最大超时时间，就是心跳的间隔，若是没有反映，那么认为已经死了，不易过大
zookeeper.session.timeout.ms=
## ZooKeeper的连接超时时间
zookeeper.connection.timeout.ms =
## ZooKeeper集群中leader和follower之间的同步实际那
zookeeper.sync.time.ms =
配置的修改
其中一部分配置是可以被每个topic自身的配置所代替，例如
新增配置
bin/kafka-topics.sh --zookeeper localhost:--create --topic my-topic --partitions1--replication-factor1--config max.message.bytes=--config flush.messages=1
修改配置
bin/kafka-topics.sh --zookeeper localhost:--alter --topic my-topic --config max.message.bytes=
删除配置 ：
bin/kafka-topics.sh --zookeeper localhost:--alter --topic my-topic --deleteConfig max.message.bytes
二 CONSUMER 配置
最为核心的配置是group.id、zookeeper.connect
## Consumer归属的组ID，broker是根据group.id来判断是队列模式还是发布订阅模式，非常重要
group.id
## 消费者的ID，若是没有设置的话，会自增
consumer.id
## 一个用于跟踪调查的ID ，最好同group.id相同
client.id = group id value
## 对于zookeeper集群的指定，可以是多个 hostname1:port1,hostname2:port2,hostname3:port3 必须和broker使用同样的zk配置
zookeeper.connect=localhost:
## zookeeper的心跳超时时间，查过这个时间就认为是dead消费者
zookeeper.session.timeout.ms =
## zookeeper的等待连接时间
zookeeper.connection.timeout.ms =
## zookeeper的follower同leader的同步时间
zookeeper.sync.time.ms =
## 当zookeeper中没有初始的offset时候的处理方式 。smallest ：重置为最小值 largest:重置为最大值 anythingelse：抛出异常
auto.offset.reset = largest
## socket的超时时间，实际的超时时间是：max.fetch.wait + socket.timeout.ms.
socket.timeout.ms=
*## socket的接受缓存空间大小
socket.receive.buffer.bytes=
*##从每个分区获取的消息大小限制
fetch.message.max.bytes =
*## 是否在消费消息后将offset同步到zookeeper，当Consumer失败后就能从zookeeper获取最新的offset
auto.commit.enable =true
## 自动提交的时间间隔
auto.commit.interval.ms =
*## 用来处理消费消息的块，每个块可以等同于fetch.message.max.bytes中数值
queued.max.message.chunks =
## 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 =4
## 每次再平衡的时间间隔
rebalance.backoff.ms =
## 每次重新选举leader的时间
refresh.leader.backoff.ms
## server发送到消费端的最小数据，若是不满足这个数值则会等待，知道满足数值要求
fetch.min.bytes =1
## 若是不满足最小大小(fetch.min.bytes)的话，等待消费端请求的最长等待时间
fetch.wait.max.ms =
## 指定时间内没有消息到达就抛出异常，一般不需要改
consumer.timeout.ms = -1
三 PRODUCER 的配置
比较核心的配置：metadata.broker.list、request.required.acks、producer.type、serializer.class
## 消费者获取消息元信息(topics, partitions and replicas)的地址,配置格式是：host1:port1,host2:port2，也可以在外面设置一个vip
metadata.broker.list
##消息的确认模式
##0：不保证消息的到达确认，只管发送，低延迟但是会出现消息的丢失，在某个server失败的情况下，有点像TCP
##1：发送消息，并会等待leader 收到确认后，一定的可靠性
## -1：发送消息，等待leader收到确认，并进行复制操作后，才返回，最高的可靠性
request.required.acks =0
## 消息发送的最长等待时间
request.timeout.ms =
## socket的缓存大小
send.buffer.bytes=
*## key的序列化方式，若是没有设置，同serializer.class
key.serializer.class
## 分区的策略，默认是取模
partitioner.class=kafka.producer.DefaultPartitioner
## 消息的压缩模式，默认是none，可以有gzip和snappy
compression.codec = none
## 可以针对默写特定的topic进行压缩
compressed.topics=null
## 消息发送失败后的重试次数
message.send.max.retries =3
## 每次失败后的间隔时间
retry.backoff.ms =
## 生产者定时更新topic元信息的时间间隔 ，若是设置为0，那么会在每个消息发送后都去更新数据
topic.metadata.refresh.interval.ms =
*## 用户随意指定，但是不能重复，主要用于跟踪记录消息
client.id=""
------------------------------------------- 消息模式 相关 -------------------------------------------
## 生产者的类型 async:异步执行消息的发送 sync：同步执行消息的发送
producer.type=sync
## 异步模式下，那么就会在设置的时间缓存消息，并一次性发送
queue.buffering.max.ms =
## 异步的模式下 最长等待的消息数
queue.buffering.max.messages =
## 异步模式下，进入队列的等待时间 若是设置为0，那么要么进入队列，要么直接抛弃
queue.enqueue.timeout.ms = -1
## 异步模式下，每次发送的最大消息数，前提是触发了queue.buffering.max.messages或是queue.buffering.max.ms的限制
batch.num.messages=
## 消息体的系列化处理类 ，转化为字节流进行传输
serializer.class= kafka.serializer.DefaultEncoder