#指定kafka节点列表，用于获取metadata，不必全部指定

#需要kafka的服务器地址，来获取每一个topic的分片数等元数据信息。

metadata.broker.list=kafka01:9092,kafka02:9092,kafka03:9092

#生产者生产的消息被发送到哪个block，需要一个分组策略。

#指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到对应分区

#partitioner.class=kafka.producer.DefaultPartitioner

#生产者生产的消息可以通过一定的压缩策略（或者说压缩算法）来压缩。消息被压缩后发送到broker集群，
#而broker集群是不会进行解压缩的，broker集群只会把消息发送到消费者集群，然后由消费者来解压缩。

#是否压缩，默认0表示不压缩，1表示用gzip压缩，2表示用snappy压缩。

#压缩后消息中会有头来指明消息压缩类型，故在消费者端消息解压是透明的无需指定。

#文本数据会以1比10或者更高的压缩比进行压缩。

compression.codec=none

#指定序列化处理类，消息在网络上传输就需要序列化，它有String、数组等许多种实现。

serializer.class=kafka.serializer.DefaultEncoder

#如果要压缩消息，这里指定哪些topic要压缩消息，默认empty，表示不压缩。

#如果上面启用了压缩，那么这里就需要设置

#compressed.topics=

#这是消息的确认机制，默认值是0。在面试中常被问到。

#producer有个ack参数，有三个值，分别代表：

#（1）不在乎是否写入成功；

#（2）写入leader成功；

#（3）写入leader和所有副本都成功；

#要求非常可靠的话可以牺牲性能设置成最后一种。

#为了保证消息不丢失，至少要设置为1，也就

#是说至少保证leader将消息保存成功。

#设置发送数据是否需要服务端的反馈,有三个值0,1,-1，分别代表3种状态：

#0: producer不会等待broker发送ack。生产者只要把消息发送给broker之后，就认为发送成功了，这是第1种情况；

#1: 当leader接收到消息之后发送ack。生产者把消息发送到broker之后，并且消息被写入到本地文件，才认为发送成功，这是第二种情况；#-1: 当所有的follower都同步消息成功后发送ack。不仅是主的分区将消息保存成功了，
#而且其所有的分区的副本数也都同步好了，才会被认为发动成功，这是第3种情况。

request.required.acks=0

#broker必须在该时间范围之内给出反馈，否则失败。

#在向producer发送ack之前,broker允许等待的最大时间 ，如果超时,

#broker将会向producer发送一个error ACK.意味着上一次消息因为某种原因

#未能成功(比如follower未能同步成功)

request.timeout.ms=10000

#生产者将消息发送到broker，有两种方式，一种是同步，表示生产者发送一条，broker就接收一条；
#还有一种是异步，表示生产者积累到一批的消息，装到一个池子里面缓存起来，再发送给broker，
#这个池子不会无限缓存消息，在下面，它分别有一个时间限制（时间阈值）和一个数量限制（数量阈值）的参数供我们来设置。
#一般我们会选择异步。

#同步还是异步发送消息，默认“sync”表同步，"async"表异步。异步可以提高发送吞吐量,
#也意味着消息将会在本地buffer中,并适时批量发送，但是也可能导致丢失未发送过去的消息

producer.type=sync

#在async模式下,当message被缓存的时间超过此值后,将会批量发送给broker,

#默认为5000ms

#此值和batch.num.messages协同工作.

queue.buffering.max.ms = 5000

#异步情况下，缓存中允许存放消息数量的大小。

#在async模式下,producer端允许buffer的最大消息量

#无论如何,producer都无法尽快的将消息发送给broker,从而导致消息在producer端大量沉积

#此时,如果消息的条数达到阀值,将会导致producer端阻塞或者消息被抛弃，默认为10000条消息。

queue.buffering.max.messages=20000

#如果是异步，指定每次批量发送数据量，默认为200

batch.num.messages=500

#在生产端的缓冲池中，消息发送出去之后，在没有收到确认之前，该缓冲池中的消息是不能被删除的，
#但是生产者一直在生产消息，这个时候缓冲池可能会被撑爆，所以这就需要有一个处理的策略。
#有两种处理方式，一种是让生产者先别生产那么快，阻塞一下，等会再生产；另一种是将缓冲池中的消息清空。

#当消息在producer端沉积的条数达到"queue.buffering.max.meesages"后阻塞一定时间后,
#队列仍然没有enqueue(producer仍然没有发送出任何消息)

#此时producer可以继续阻塞或者将消息抛弃,此timeout值用于控制"阻塞"的时间

#-1: 不限制阻塞超时时间，让produce一直阻塞,这个时候消息就不会被抛弃

#0: 立即清空队列,消息被抛弃

queue.enqueue.timeout.ms=-1

#当producer接收到error ACK,或者没有接收到ACK时,允许消息重发的次数

#因为broker并没有完整的机制来避免消息重复,所以当网络异常时(比如ACK丢失)

#有可能导致broker接收到重复的消息,默认值为3.

message.send.max.retries=3

#producer刷新topic metada的时间间隔,producer需要知道partition leader

#的位置,以及当前topic的情况

#因此producer需要一个机制来获取最新的metadata,当producer遇到特定错误时,

#将会立即刷新

#(比如topic失效,partition丢失,leader失效等),此外也可以通过此参数来配置

#额外的刷新机制，默认值600000

topic.metadata.refresh.interval.ms=60000

#消费者集群通过连接Zookeeper来找到broker。

#zookeeper连接服务器地址

zookeeper.connect=zk01:2181,zk02:2181,zk03:2181

#zookeeper的session过期时间，默认5000ms，用于检测消费者是否挂掉

zookeeper.session.timeout.ms=5000

#当消费者挂掉，其他消费者要等该指定时间才能检查到并且触发重新负载均衡

zookeeper.connection.timeout.ms=10000

#这是一个时间阈值。

#指定多久消费者更新offset到zookeeper中。

#注意offset更新时基于time而不是每次获得的消息。

#一旦在更新zookeeper发生异常并重启，将可能拿到已拿到过的消息

zookeeper.sync.time.ms=2000

#指定消费

group.id=xxxxx

#这是一个数量阈值，经测试是500条。

#当consumer消费一定量的消息之后,将会自动向zookeeper提交offset信息#注意offset信息并不是每消费一次消息就向zk提交

#一次,而是现在本地保存(内存),并定期提交,默认为true

auto.commit.enable=true

# 自动更新时间。默认60 * 1000

auto.commit.interval.ms=1000

# 当前consumer的标识,可以设定,也可以有系统生成,

#主要用来跟踪消息消费情况,便于观察

conusmer.id=xxx

# 消费者客户端编号，用于区分不同客户端，默认客户端程序自动产生

client.id=xxxx

# 最大取多少块缓存到消费者(默认10)

queued.max.message.chunks=50

# 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=5

#每拉取一批消息的最大字节数

#获取消息的最大尺寸,broker不会像consumer输出大于

#此值的消息chunk 每次feth将得到多条消息,此值为总大小,

#提升此值,将会消耗更多的consumer端内存

fetch.min.bytes=6553600

#当消息的尺寸不足时,server阻塞的时间,如果超时,

#消息将立即发送给consumer

#数据一批一批到达，如果每一批是10条消息，如果某一批还

#不到10条，但是超时了，也会立即发送给consumer。

fetch.wait.max.ms=5000

socket.receive.buffer.bytes=655360

# 如果zookeeper没有offset值或offset值超出范围。

#那么就给个初始的offset。有smallest、largest、

#anything可选，分别表示给当前最小的offset、

#当前最大的offset、抛异常。默认largest

auto.offset.reset=smallest

# 指定序列化处理类

derializer.class=kafka.serializer.DefaultDecoder

#broker的全局唯一编号，不能重复

broker.id=0

#用来监听链接的端口，producer或consumer将在此端口建立连接

port=9092

#处理网络请求的线程数量，也就是接收消息的线程数。

#接收线程会将接收到的消息放到内存中，然后再从内存中写入磁盘。

num.network.threads=3

#消息从内存中写入磁盘是时候使用的线程数量。

#用来处理磁盘IO的线程数量

num.io.threads=8

#发送套接字的缓冲区大小

socket.send.buffer.bytes=102400

#接受套接字的缓冲区大小

socket.receive.buffer.bytes=102400

#请求套接字的缓冲区大小

socket.request.max.bytes=104857600

#kafka运行日志存放的路径

log.dirs=/export/servers/logs/kafka

#topic在当前broker上的分片个数

num.partitions=2

#我们知道segment文件默认会被保留7天的时间，超时的话就

#会被清理，那么清理这件事情就需要有一些线程来做。这里就是

#用来设置恢复和清理data下数据的线程数量

num.recovery.threads.per.data.dir=1

#segment文件保留的最长时间，默认保留7天（168小时），

#超时将被删除，也就是说7天之前的数据将被清理掉。

log.retention.hours=168

#滚动生成新的segment文件的最大时间

log.roll.hours=168

#日志文件中每个segment的大小，默认为1G

log.segment.bytes=1073741824

#上面的参数设置了每一个segment文件的大小是1G，那么

#就需要有一个东西去定期检查segment文件有没有达到1G，

#多长时间去检查一次，就需要设置一个周期性检查文件大小

#的时间（单位是毫秒）。

log.retention.check.interval.ms=300000

#日志清理是否打开

log.cleaner.enable=true

#broker需要使用zookeeper保存meta数据

zookeeper.connect=zk01:2181,zk02:2181,zk03:2181

#zookeeper链接超时时间

zookeeper.connection.timeout.ms=6000

#上面我们说过接收线程会将接收到的消息放到内存中，然后再从内存

#写到磁盘上，那么什么时候将消息从内存中写入磁盘，就有一个

#时间限制（时间阈值）和一个数量限制（数量阈值），这里设置的是

#数量阈值，下一个参数设置的则是时间阈值。

#partion buffer中，消息的条数达到阈值，将触发flush到磁盘。

log.flush.interval.messages=10000

#消息buffer的时间，达到阈值，将触发将消息从内存flush到磁盘，

#单位是毫秒。

log.flush.interval.ms=3000

#删除topic需要server.properties中设置delete.topic.enable=true否则只是标记删除

delete.topic.enable=true

#此处的host.name为本机IP(重要),如果不改,则客户端会抛出:

#Producer connection to localhost:9092 unsuccessful 错误!

host.name=kafka01

advertised.host.name=192.168.239.128

日志文件的删除策略非常简单:启动一个后台线程定期扫描log file列表,把保存时间超过阀值的文件直接删除(根据文件的创建时间).清理参数在server.properties文件中：

Kafka日志管理器允许定制删除策略。目前的策略是删除修改时间在N天之前的日志（按时间删除），也可以使用另外一个策略：保留最后的N GB数据的策略(按大小删除)。为了避免在删除时阻塞读操作，采用了copy-on-write形式的实现，删除操作进行时，读取操作的二分查找功能实际是在一个静态的快照副本上进行的，这类似于Java的CopyOnWriteArrayList。

Kafka消费日志删除思想：Kafka把topic中一个parition大文件分成多个小文件段，通过多个小文件段，就容易定期清除或删除已经消费完文件，减少磁盘占用

Kafka日志管理器允许压缩策略

将数据压缩，只保留每个key最后一个版本的数据。首先在broker的配置中设置log.cleaner.enable=true启用cleaner，这个默认是关闭的。在Topic的配置中设置log.cleanup.policy=compact启用压缩策略。

在整个数据流中，每个Key都有可能出现多次，压缩时将根据Key将消息聚合，只保留最后一次出现时的数据。这样，无论什么时候消费消息，都能拿到每个Key的最新版本的数据。
    压缩后的offset可能是不连续的，比如上图中没有5和7，因为这些offset的消息被merge了，当从这些offset消费消息时，将会拿到比这个offset大的offset对应的消息，比如，当试图获取offset为5的消息时，实际上会拿到offset为6的消息，并从这个位置开始消费。
    这种策略只适合特俗场景，比如消息的key是用户ID，消息体是用户的资料，通过这种压缩策略，整个消息集里就保存了所有用户最新的资料。
    压缩策略支持删除，当某个Key的最新版本的消息没有内容时，这个Key将被删除，这也符合以上逻辑。