Kafka原理剖析及实战演练视频课程，资源下载分享

Kafka是流式处理系统如Spark streaming，Strom及Flink事实上的标准数据入口。本课程将分析Kafka的架构，Topic与Partition的关系，Kafka如何使用Consumer group实现group内的消息单播和group间的消息广播，Kafka如何利用Partition实现水平扩展以及Kafka如何实现高吞吐率。并结合源码分析Kafka实现数据复制，Leader election及Consumer rebalance的原理。同时介绍实用的Kafka监控工具kafka manager。并结合实例介绍Kafka如何与其它流行的开源系统（如Flume，Storm，Spark streaming）集成。

对kafka感兴趣的大数据工程师，需要熟悉Linux，需要有Java/Scala编程基础。

1.1 为什么需要消息系统

1.2 Kafka设计目标

1.3 如何安装和使用Kafka集群

第二课. Kafka架构

2.1 Kafka整体架构

2.2 Topic & Partition

2.3 Partitioner

2.4 Sync Producer vs. Async Producer

2.5 Producer重试机制

第三课. Kafka HA

3.1 Kafka一致性重要机制之ISR

3.2 Kafka数据复制机制

3.3 Fail over

第四课. Zookeeper与Kafka

4.1 Zookeeper典型用法

4.2 Zookeeper使用注意事项

4.3 Kafka如何使用Zookeeper

第五课. Kafka领导选举

5.1 领导选举算法

5.2 Kafka“各自为政”领导选举算法

5.3 Kafka基于Controller的领导选举

第六课. Consumer

6.1 Pull vs Push

6.2 Low level API vs. High level API

6.3 单播 vs. 多播

6.4 Consumer rebalance

第七课. Consumer offset管理

7.1 基于Zookeeper的offset管理

7.2 基于broker的offset管理

第八课. Consumer的stream接口

8.1 Blocking接口

8.2 Stream接口

第九课. Kafka高性能之道

9.1 顺序写磁盘

9.2 零拷贝

9.3 批处理

9.4 基于ISR的动态平衡一致性算法

第十课. kafka监控工具

9.1 Zookeeper viewer

9.2 Kafka manager

第十一课. Kafka运维

第十二课. Kafka性能测试

资源下载

此资源下载价格为8学分，VIP免费，请先登录

充值比例 1元=1学分
资源失效，请咨询客服
客服QQ 980264305