大数据
by smallnest

Kafka 配置参数

Kafka为broker,producer和consumer提供了很多的配置参数。 了解并理解这些配置参数对于我们使用kafka是非常重要的。
本文列出了一些重要的配置参数。

官方的文档 Configuration比较老了，很多参数有所变动， 有些名字也有所改变。我在整理的过程中根据0.8.2的代码也做了修正。

Boker配置参数

下表列出了Boker的重要的配置参数， 更多的配置请参考 kafka.server.KafkaConfig

name默认值描述
brokeridnone每一个boker都有一个唯一的id作为它们的名字。 这就允许boker切换到别的主机/端口上， consumer依然知道
enable.zookeepertrue允许注册到zookeeper
log.flush.interval.messagesLong.MaxValue在数据被写入到硬盘和消费者可用前最大累积的消息的数量
log.flush.interval.msLong.MaxValue在数据被写入到硬盘前的最大时间
log.flush.scheduler.interval.msLong.MaxValue检查数据是否要写入到硬盘的时间间隔。
log.retention.hours168控制一个log保留多长个小时
log.retention.bytes-1控制log文件最大尺寸
log.cleaner.enablefalse是否log cleaning
log.cleanup.policydeletedelete还是compat. 其它控制参数还包括log.cleaner.threads，log.cleaner.io.max.bytes.per.second，log.cleaner.dedupe.buffer.size，log.cleaner.io.buffer.size，log.cleaner.io.buffer.load.factor，log.cleaner.backoff.ms，log.cleaner.min.cleanable.ratio，log.cleaner.delete.retention.ms
log.dir/tmp/kafka-logs指定log文件的根目录
log.segment.bytes110241024*1024单一的log segment文件大小
log.roll.hours24 * 7开始一个新的log文件片段的最大时间
message.max.bytes1000000 + MessageSet.LogOverhead一个socket 请求的最大字节数
num.network.threads3处理网络请求的线程数
num.io.threads8处理IO的线程数
background.threads10后台线程序
num.partitions1默认分区数
socket.send.buffer.bytes102400socket SO_SNDBUFF参数
socket.receive.buffer.bytes102400socket SO_RCVBUFF参数
zookeeper.connectlocalhost:2182/kafka指定zookeeper连接字符串， 格式如hostname:port/chroot。chroot是一个namespace
zookeeper.connection.timeout.ms6000指定客户端连接zookeeper的最大超时时间
zookeeper.session.timeout.ms6000连接zk的session超时时间
zookeeper.sync.time.ms2000zk follower落后于zk leader的最长时间

High-level Consumer配置参数

下表列出了high-level consumer的重要的配置参数。
更多的配置请参考 kafka.consumer.ConsumerConfig

name默认值描述
groupidgroupid一个字符串用来指示一组consumer所在的组
socket.timeout.ms30000socket超时时间
socket.buffersize64*1024socket receive buffer
fetch.size300 * 1024控制在一个请求中获取的消息的字节数。 这个参数在0.8.x中由fetch.message.max.bytes,fetch.min.bytes取代
backoff.increment.ms1000这个参数避免在没有新数据的情况下重复频繁的拉数据。 如果拉到空数据，则多推后这个时间
queued.max.message.chunks2high level consumer内部缓存拉回来的消息到一个队列中。 这个值控制这个队列的大小
auto.commit.enabletrue如果true,consumer定期地往zookeeper写入每个分区的offset
auto.commit.interval.ms10000往zookeeper上写offset的频率
auto.offset.resetlargest如果offset出了返回，则 smallest: 自动设置reset到最小的offset. largest : 自动设置offset到最大的offset. 其它值不允许，会抛出异常.
consumer.timeout.ms-1默认-1,consumer在没有新消息时无限期的block。如果设置一个正值， 一个超时异常会抛出
rebalance.retries.max4rebalance时的最大尝试次数

Producer配置参数

下表列出了producer的重要的参数。
更多的配置请参考 kafka.producer.ProducerConfig

name默认值描述
serializer.classkafka.serializer.DefaultEncoder必须实现kafka.serializer.Encoder接口，将T类型的对象encode成kafka message
key.serializer.classserializer.classkey对象的serializer类
partitioner.classkafka.producer.DefaultPartitioner必须实现kafka.producer.Partitioner，根据Key提供一个分区策略
producer.typesync指定消息发送是同步还是异步。异步asyc成批发送用kafka.producer.AyncProducer， 同步sync用kafka.producer.SyncProducer
metadata.broker.listboker list使用这个参数传入boker和分区的静态信息，如host1:port1,host2:port2, 这个可以是全部boker的一部分
compression.codecNoCompressionCodec消息压缩，默认不压缩
compressed.topicsnull在设置了压缩的情况下，可以指定特定的topic压缩，为指定则全部压缩
message.send.max.retries3消息发送最大尝试次数
retry.backoff.ms300每次尝试增加的额外的间隔时间
topic.metadata.refresh.interval.ms600000定期的获取元数据的时间。当分区丢失，leader不可用时producer也会主动获取元数据，如果为0，则每次发送完消息就获取元数据，不推荐。如果为负值，则只有在失败的情况下获取元数据。
queue.buffering.max.ms5000在producer queue的缓存的数据最大时间，仅仅for asyc
queue.buffering.max.message10000producer 缓存的消息的最大数量，仅仅for asyc
queue.enqueue.timeout.ms-10当queue满时丢掉，负值是queue满时block,正值是queue满时block相应的时间，仅仅for asyc
batch.num.messages200一批消息的数量，仅仅for asyc
request.required.acks00表示producer毋须等待leader的确认，1代表需要leader确认写入它的本地log并立即确认，-1代表所有的备份都完成后确认。 仅仅for sync
request.timeout.ms10000确认超时时间

kafka.serializer.DefaultEncoder
默认的这个Encoder事实上不做任何处理，接收到什么byte[]就返回什么byte[]:

1
2
3
class DefaultEncoder(props: VerifiableProperties = null) extends Encoder[Array[Byte]] {
  override def toBytes(value: Array[Byte]): Array[Byte] = value
}

NullEncoder则不管接收什么都返回null:

1
2
3
class NullEncoder[T](props: VerifiableProperties = null) extends Encoder[T] {
  override def toBytes(value: T): Array[Byte] = null
}

StringEncoder则返回字符串，默认UTF-8格式：

1
2
3
4
5
6
7
8
9
10
11
12
13
class StringEncoder(props: VerifiableProperties = null) extends Encoder[String] {
  val encoding = 
    if(props == null) 
      "UTF8" 
    else 
      props.getString("serializer.encoding", "UTF8")
  
  override def toBytes(s: String): Array[Byte] = 
    if(s == null)
      null
    else
      s.getBytes(encoding)
}

kafka.producer.DefaultPartitioner
默认的分区函数为DefaultPartitioner,它根据key的hashcode与分区数取余，得到相应的分区。

1
2
3
4
5
6
7
class DefaultPartitioner(props: VerifiableProperties = null) extends Partitioner {
  private val random = new java.util.Random
  
  def partition(key: Any, numPartitions: Int): Int = {
    Utils.abs(key.hashCode) % numPartitions
  }
}

但是如果key为null时会发送到哪个分区？在一定时间内往一个特定的分区发送，超过一定时间又会随机选择一个，请参考 key为null时Kafka会将消息发送给哪个分区?.所以推荐你发送Kafka消息时总是指定一个key,以便消息能均匀的分到每个分区上。