Kafka 项目技术文档
2024-12-20 18:53:00作者:彭桢灵Jeremy
1. 安装指南
1.1 环境要求
在安装 Kafka 之前,请确保您的系统满足以下要求:
- Java 8 或更高版本
- ZooKeeper(Kafka 依赖于 ZooKeeper 进行协调管理)
1.2 下载 Kafka
您可以从 Apache Kafka 的官方网站下载最新版本的 Kafka。下载完成后,解压缩文件到您选择的目录。
1.3 配置 ZooKeeper
Kafka 依赖于 ZooKeeper 进行集群管理。您需要先启动 ZooKeeper 服务。
- 进入 ZooKeeper 的安装目录。
- 运行以下命令启动 ZooKeeper:
bin/zkServer.sh start
1.4 启动 Kafka 服务器
- 进入 Kafka 的安装目录。
- 运行以下命令启动 Kafka 服务器:
bin/kafka-server-start.sh config/server.properties
2. 项目的使用说明
2.1 创建主题
在 Kafka 中,消息是通过主题(Topic)进行分类的。您可以使用以下命令创建一个新的主题:
bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic my_topic
2.2 发送消息
使用 Kafka 提供的生产者工具,您可以向指定的主题发送消息:
bin/kafka-console-producer.sh --broker-list localhost:9092 --topic my_topic
2.3 接收消息
使用 Kafka 提供的消费者工具,您可以从指定的主题接收消息:
bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic my_topic --from-beginning
3. 项目API使用文档
3.1 生产者 API
Kafka 提供了 Java 生产者 API,您可以使用它来发送消息到 Kafka 集群。以下是一个简单的示例:
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerRecord;
import java.util.Properties;
public class ProducerExample {
public static void main(String[] args) {
Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
KafkaProducer<String, String> producer = new KafkaProducer<>(props);
producer.send(new ProducerRecord<>("my_topic", "key", "value"));
producer.close();
}
}
3.2 消费者 API
Kafka 提供了 Java 消费者 API,您可以使用它来从 Kafka 集群接收消息。以下是一个简单的示例:
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import java.time.Duration;
import java.util.Collections;
import java.util.Properties;
public class ConsumerExample {
public static void main(String[] args) {
Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("group.id", "my_group");
props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
consumer.subscribe(Collections.singletonList("my_topic"));
while (true) {
ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(100));
for (ConsumerRecord<String, String> record : records) {
System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
}
}
}
}
4. 项目安装方式
4.1 从源码安装
如果您希望从源码安装 Kafka,可以按照以下步骤进行:
- 克隆 Kafka 的 GitHub 仓库:
git clone https://github.com/apache/kafka.git - 进入 Kafka 目录并编译项目:
cd kafka ./gradlew build - 编译完成后,您可以在
build目录下找到生成的二进制文件。
4.2 使用 Docker 安装
Kafka 也提供了 Docker 镜像,您可以使用 Docker 快速部署 Kafka 环境:
- 拉取 Kafka 的 Docker 镜像:
docker pull confluentinc/cp-kafka - 启动 Kafka 容器:
docker run -d --name kafka -p 9092:9092 -e KAFKA_ADVERTISED_HOST_NAME=localhost -e KAFKA_ZOOKEEPER_CONNECT=localhost:2181 confluentinc/cp-kafka
通过以上步骤,您可以成功安装并使用 Kafka 项目。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0159- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
hotgoHotGo 是一个基于 vue 和 goframe2.0 开发的全栈前后端分离的开发基础平台和移动应用平台,集成jwt鉴权,动态路由,动态菜单,casbin鉴权,消息队列,定时任务等功能,提供多种常用场景文件,让您把更多时间专注在业务开发上。Go02
热门内容推荐
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
596
3.98 K
Ascend Extension for PyTorch
Python
433
516
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
913
749
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
365
237
暂无简介
Dart
837
204
昇腾LLM分布式训练框架
Python
130
153
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
128
173
React Native鸿蒙化仓库
JavaScript
321
371
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
111
165
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.45 K
809