Kafka项目实战－用户日志上报实时统计之应用概述
1.概述
本课程的视频教程地址：《 Kafka实战项目之应用概述 》
本课程是通过一个用户实时上报日志来展开的，通过介绍 Kafka 的业务和应用场景，并带着大家搭建本 Kafka 项目的实战开发环境。下面我们来看看本课程有哪些课时，如下图所示：
接下来，我们开始第一课时的学习：《 Kafka 回顾 》。
2.内容
2.1 Kafka 回顾
本课时简述 Kafka 平台部署的注意事项，以及 Kafka 在企业中的业务场景和应用场景。让大家了解 Kafka 在企业中的使用。
本课时主要包含以下知识点，如下图所示：
首先，我们来看看Kafka的业务场景，其内容包含以下知识点，如下图所示：
- 第一：解除耦合
在项目启动之初来预测将来项目会碰到什么需求，是极其困难的。消息系统在处理过程中间插入了一个隐含的、基于数据的接口层，两边的处理过程都要实现这一接口。这允许你独立的扩展或修改两边的处理过程，只要确保它们遵守同样的接口约束。
- 第二：增加冗余
有些情况下，处理数据的过程会失败。除非数据被持久化，否则将造成丢失。消息队列把数据进行持久化直到它们已经被完全处理，通过这一方式规避了数据丢失风险。许多消息队列所采用的put-get-delete范式中，在把一个消息从队列中删除之前，需要你的处理系统明确的指出该消息已经被处理完毕，从而确保你的数据被安全的保存直到你使用完毕。
- 第三：提高可扩展性
因为消息队列解耦了你的处理过程，所以增大消息入队和处理的频率是很容易的，只要另外增加处理过程即可。不需要改变代码、不需要调节参数。扩展就像调大电力按钮一样简单。
- 第四：Buffering
在任何重要的系统中，都会有需要不同的处理时间的元素。例如，加载一张图片比应用过滤器花费更少的时间。消息队列通过一个缓冲层来帮助任务最高效率的执行———写入队列的处理会尽可能的快速。该缓冲有助于控制和优化数据流经过系统的速度。
- 第五：异步通信
很多时候，用户不想也不需要立即处理消息。消息队列提供了异步处理机制，允许用户把一个消息放入队列，但并不立即处理它。想向队列中放入多少消息就放多少，然后在需要的时候再去处理它们。
以上就是Kafka的业务场景介绍，下面我给大家介绍Kafka的应用场景。
应用场景的主要内容如下图所示：
- 首先是：Push Message
Kafka可以应用与消息系统，比如：当下较为热门的消息推送，这些消息推送系统的消息源，可以使用Kafka作为系统的核心中间件来完成消息的生产和消息的消费。
- 然后是：Website Tracking
我们可以将企业的Portal，用户的操作记录等信息发送到Kafka中，按照实际业务需求，可以进行实时监控，或者离线处理等。
- 最后一个是：日志收集中心
类似于Flume套件这样的日志收集系统，但Kafka的设计架构采用push/pull.适合异构集群，Kafka可以批量提交消息，对Producer来说，在性能方面基本上是无消耗的，而在Consumer端中，我们可以使用Hadoop，Storm等其他系统化的存储和分析系统。
我们在掌握了Kafka的业务和应用场景后，下面我们来看看实时统计平台搭建需要注意的事项：如下图所示，这是Kafka集群的搭建的架构图。分别由三个kafka节点组成一哥高可用的集群，由ZooKeeper集群连接，提供一个快速，高可用，容错，分布式的协调服务。
平台注意事项包含以下知识点：
- Kafka的HA特性
- 平台核心文件的配置
- 集群启动步骤
- 集群演示
关于详细过程以及演示步骤大家可以观看视频，这里我就不多做赘述了。《 观看地址 》
2.2 项目简要
本课时讲解如何规划一个项目的整体流程，以及如何获取一个项目所需要的数据来源和如何去消费这些数据。
让大家从中掌握项目的开发流程，为后续的项目分析与设计阶段做好准备。
其主要知识点包含以下内容，如下图所示：
接下来，我们从项目的整体流程入手去简述，如下图所示：
这是一个项目的整体流程，本项目是以一个用户日志上报系统为案例，从流程可以看出，我们将该项目的流程分为四个模块：数据收集，数据收集，实时流式计算，数据输出。
使用这套方案的优点有以下：
- 业务模块化
- 功能组件化
我们认为，Kafka在整个环节中充当的职责应该单一，这项目的整个环节她就是一个中间件。整个项目流程如上图所示，这样划分使得各个业务模块化，功能更加的清晰明了。
- 首先是数据收集模块：我们采用的是Apache的Flume NG来实现的，主要负责从各个节点上实时收集用户上报的日志数据。
- 接着是数据接入模块：由于收集的数据的速度和数据处理的速度不一定是一致的，因此，这里我们添加一个中间件来做处理，所使用的是Apache的Kafka，另外，这里有一部分数据是流向HDFS分布式文件系统的，方便于为离线统计业务提供数据源。
- 然后接下来是实时流式：我们在收集到数据后，我们需要对这些数据做实时处理，所选用的是Apache的Storm。关于Storm集群的安装比较简单，具体安装细节，大家可以去观看视频，《 观看地址 》。
-
在我们完成流式计算模块后，最后是数据输出模块：在使用Storm对数据做处理后，我们需要将处理的结果做持久化，由于对响应速度要求较高，这里采用Redis和MySQL来做持久化。
这就算整个流程的架构图。在介绍完整个架构的流程图，接下来，我们来看看数据源生产介绍，如下图所示：
从图中，我们可以看出由Flume NG组建的日志收集集群，将日志集中收集起来，然后通过Flume的Sink组件将数据发送到指定的Kafka中间件中，这样在Kafka的Producer端，就有了数据源。从Flume到Kafka，通过Sink来完成数据源的生产阶段。
在完成了数据源的生产后，下面我们来看看如何去消费这些数据。关于数据源的消费，我们来看看下面这张图：
从上图中，我们可以看出数据源存在Kafka中，通过KafkaSpout将数据输送到Storm，然后Storm将Kafka中的数据进行消费处理，通过Storm的计算模块，按照业务需求将数据做对应的处理，完成数据的消费，最后将统计的结果持久化到DB库当中。
关于更加详细的内容，大家可以去观看视频教程，《 观看地址 》。
2.3 Kafka 工程准备
本课时讲解创建一个本项目的工程，以及编写本项目需要准备的基础环境，包含 Kafka 的监控系统，Storm 群的准备。为完成编码实践奠定良好的基础。
其主要知识点包含以下内容，如下所示：
下面，我们来看看，基础环境需要准备有哪些内容。内容如下所示：
- 概述。
- 基础软件介绍。
- 使用技巧。
- 预览及演示。
在Kafka项目时，在消费端使用Storm来做计算处理，因而，我们使用的开发语言是Java，编写Java的相关代码都是在IDE中来完成的，IDE为开发者编码提供了方便。课程中所使用的IDE是JBoss Studio 8，这是RedHat公司开发的一款IDE，其本质是Eclipse，只是该IDE集成的插件比较丰富，大家若是需要可以到它的官网去下载。另外，在开发过程当中，我们还需要一个比较重要的插件 —— Kafka的监控工具。这个工具可以给我们观察Kafka数据生产和消费提供方便，另外一个就Storm的UI管理界面，我们可以通过Storm UI来观察Storm作业的运行情况。
在熟悉基础软件和插件的使用后，我们来创建Kafka工程，在创建Kafka工程时需要注意以下几点：
- 相关基础环境的准备，如：Java的基础开发包JDK，这个需要准备好，不然，我们无法编译执行相关Java代码
另外，准备好Maven环境，方便打包我们的工程。
- 在我们已有的基础环境下，我们来创建相关Kafka工程。下面为大家演示具体的操作流程。
关于演示详细过程，大家可以去观看视频，这里我就不多做赘述了。《 观看地址 》。
3.总结
本课程我们回顾了 Kafka的相关内容，简述了项目的基本流出以及基础软件的使用等知识，我们应该掌握以下知识点，如下图所示：
4.结束语
这就是本课程的主要内容，主要就对 Kafka 项目做前期准备，对后续学习 Kafka 项目实战内容奠定良好的基础。
如果本教程能帮助到您，希望您能点击进去观看一下，谢谢您的支持！
转载请注明出处，谢谢合作！
本课程的视频教程地址：《 Kafka实战项目之应用概述 》
正文到此结束
热门推荐
相关文章
近期评论
-
文章和留言都翻到11页了 没有OOM
-
-
朋友，翻页到11页，及以后，会出现OOM，无法访问
-
-
搞个gitee的项目
-
-
版本号是多少，你可以下载哪个代码仓库，jdk选1.8 直接跑就行
-
-
-
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
