如何使用Python、Apache Kafka和云平台构建健壮的实时数据管道 _数据管道

译者 | 李睿
【如何使用Python、Apache Kafka和云平台构建健壮的实时数据管道】审校 | 重楼
在当今竞争激烈的市场环境中，为了生存和发展，企业必须能够实时收集、处理和响应数据。无论是检测欺诈、个性化用户体验还是监控系统，现在都需要接近即时的数据。

文章插图
然而，构建和运行任务关键型实时数据管道具有挑战性。基础设施必须具有容错性、无限可扩展性，并与各种数据源和应用程序集成。这就是ApacheKafka、Python/ target=_blank class=infotextkey>Python和云平台的用武之地。
这个综合指南中将介绍：

概述Apache Kafka架构
在云中运行Kafka集群
使用Python构建实时数据管道
使用PySpark进行扩展处理
实际示例，例如用户活动跟踪、物联网数据管道，并支持聊天分析

这里将包括大量的代码片段、配置示例和文档链接，以便获得这些非常有用的技术的实践经验。
Apache Kafka架构介绍Apache Kafka是一个分布式、分区、复制的提交日志，用于可靠且大规模地存储数据流。Apache Kafka的核心是提供以下功能：

发布-订阅消息：Kafka允许广播来自生产者的数据流，例如页面浏览量、交易、用户事件等，并支持消费者实时消费。
消息存储：Kafka在消息到达时将其持久保存在磁盘上，并在指定的时间内保留它们。消息通过指示日志中位置的偏移量来存储和索引。
容错：数据在可配置数量的服务器上复制。如果一台服务器宕机，另一台服务器可以保证持续运行。
横向可扩展性：Kafka集群可以通过简单地添加更多的服务器来弹性扩展。这允许无限的存储和处理能力。

Kafka架构由以下主要组件组成：
（1）主题消息被发布到名为“主题”的类别中。每个主题都充当消息提要或消息队列。常见的场景是每个消息类型或数据流的一个主题。Kafka主题中的每条消息都有一个唯一的标识符，称为偏移量，它代表了在主题中的位置。一个主题可以分为多个分区，这些分区是可以存储在不同代理上的主题片段。分区允许Kafka通过在多个消费者之间分配负载来扩展和并行化数据处理。
（2）生产者生产者是向Kafka主题发布消息的应用程序。它们连接到Kafka集群，序列化数据(例如JSON或Avro)，分配一个密钥，并将其发送到适当的主题。
例如，一个Web应用程序可以产生点击流事件，或者一个移动应用程序可以产生使用统计。
（3）消费者消费者从Kafka主题中读取消息并进行处理。处理可能涉及解析数据、验证、聚合、过滤、存储到数据库等。
消费者连接到Kafka集群，并订阅一个或多个主题来获取消息提要，然后根据用例需求进行处理。
（4）代理这是一个Kafka服务器，它接收来自生产者的消息，分配偏移量，将消息提交到存储中，并将数据提供给消费者。Kafka集群由多个代理组成，以实现可扩展性和容错性。
（5）ZooKeeperZooKeeper处理代理之间的协调和共识，例如控制器选举和主题配置。它维护Kafka操作所需的集群状态和配置信息。
这涵盖了Kafka的基础知识。要深入了解，可以参考一些Kafka文档。
以下了解如何通过在云中运行Kafka来简化管理。
在云中运行Kafka虽然Kafka具有高度可扩展性和可靠性，但它的运行涉及部署、基础设施管理、监控、安全、故障处理、升级等方面的大量工作。
值得庆幸的是， Kafka现在是所有主要云计算提供商提供的完全托管服务：
服务
描述
定价
AWS MSK
在AWS上完全托管、高可用的Apache Kafka集群。处理基础设施，扩展，安全，故障处理等。
基于代理的数量
google Cloud Pub/Sub
基于Kafka的无服务器实时消息服务。自动扩展，至少一次交付保证。
基于使用指标
Confluent Cloud
完全管理的事件流平台，由Apache Kafka提供支持。提供免费层。