kafka 修改副本數(shù)

本文完全參考官網(wǎng):
官網(wǎng)鏈接:https://kafka.apache.org/21/documentation.html#basic_ops_increase_replication_factor
例如,以下示例將主題foo的分區(qū)0的復(fù)制因子從1增加到3。在增加復(fù)制因子之前往核,該分區(qū)的唯一副本存在于broker.id為5的節(jié)點(diǎn)上屑埋,我們將在broker.id為6和7的節(jié)點(diǎn)上各增加一個(gè)副本寞忿。
第一步先創(chuàng)建一個(gè)Json文件品追,格式如下:

>cat increase-replication-factor.json

{"version":1,
"partitions":[{"topic":"foo","partition":0,"replicas":[5,6,7]}]}

然后,將json文件與--execute選項(xiàng)一起使用以開(kāi)始重新分配過(guò)程:

> bin/kafka-reassign-partitions.sh --zookeeper localhost:2181 \
--reassignment-json-file increase-replication-factor.json --execute

運(yùn)行結(jié)果:

Current partition replica assignment
 
{"version":1,
"partitions":[{"topic":"foo","partition":0,"replicas":[5]}]}
 
Save this to use as the --reassignment-json-file option during rollback
Successfully started reassignment of partitions
{"version":1,
"partitions":[{"topic":"foo","partition":0,"replicas":[5,6,7]}]}

驗(yàn)證結(jié)果:

> bin/kafka-topics.sh --zookeeper localhost:2181 --topic foo --describe
Topic:foo   PartitionCount:1    ReplicationFactor:3 Configs:
  Topic: foo    Partition: 0    Leader: 5   Replicas: 5,6,7 Isr: 5,6,7

多分區(qū)修改副本數(shù)示例:

{"version":1,
"partitions":[{"topic":"event","partition":0,"replicas":[530,531]},
          {"topic":"event","partition":1,"replicas":[531,528]},
          {"topic":"event","partition":2,"replicas":[528,529]}
         ]
}
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末怎憋,一起剝皮案震驚了整個(gè)濱河市写半,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌尉咕,老刑警劉巖叠蝇,帶你破解...
    沈念sama閱讀 219,589評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異年缎,居然都是意外死亡悔捶,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,615評(píng)論 3 396
  • 文/潘曉璐 我一進(jìn)店門(mén)单芜,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)蜕该,“玉大人,你說(shuō)我怎么就攤上這事洲鸠√玫” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 165,933評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵扒腕,是天一觀的道長(zhǎng)绢淀。 經(jīng)常有香客問(wèn)我,道長(zhǎng)瘾腰,這世上最難降的妖魔是什么皆的? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,976評(píng)論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮蹋盆,結(jié)果婚禮上费薄,老公的妹妹穿的比我還像新娘硝全。我一直安慰自己,他們只是感情好楞抡,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,999評(píng)論 6 393
  • 文/花漫 我一把揭開(kāi)白布伟众。 她就那樣靜靜地躺著,像睡著了一般拌倍。 火紅的嫁衣襯著肌膚如雪赂鲤。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 51,775評(píng)論 1 307
  • 那天柱恤,我揣著相機(jī)與錄音数初,去河邊找鬼。 笑死梗顺,一個(gè)胖子當(dāng)著我的面吹牛泡孩,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播寺谤,決...
    沈念sama閱讀 40,474評(píng)論 3 420
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼仑鸥,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了变屁?” 一聲冷哼從身側(cè)響起眼俊,我...
    開(kāi)封第一講書(shū)人閱讀 39,359評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎粟关,沒(méi)想到半個(gè)月后疮胖,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,854評(píng)論 1 317
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡闷板,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,007評(píng)論 3 338
  • 正文 我和宋清朗相戀三年澎灸,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片遮晚。...
    茶點(diǎn)故事閱讀 40,146評(píng)論 1 351
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡性昭,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出县遣,到底是詐尸還是另有隱情糜颠,我是刑警寧澤,帶...
    沈念sama閱讀 35,826評(píng)論 5 346
  • 正文 年R本政府宣布萧求,位于F島的核電站括蝠,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏饭聚。R本人自食惡果不足惜忌警,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,484評(píng)論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧法绵,春花似錦箕速、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,029評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至徙赢,卻和暖如春字柠,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背狡赐。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,153評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工窑业, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人枕屉。 一個(gè)月前我還...
    沈念sama閱讀 48,420評(píng)論 3 373
  • 正文 我出身青樓常柄,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親搀擂。 傳聞我的和親對(duì)象是個(gè)殘疾皇子西潘,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,107評(píng)論 2 356

推薦閱讀更多精彩內(nèi)容

  • 簡(jiǎn)介 Kafka從0.8.x版本開(kāi)始引入副本機(jī)制,這樣可以極大的提高集群的可靠性和穩(wěn)定性哨颂。不過(guò)這也使得Kafka變...
    朱小廝閱讀 1,930評(píng)論 0 1
  • 1 前言 Kafka的流行歸功于它設(shè)計(jì)和操作簡(jiǎn)單喷市、存儲(chǔ)系統(tǒng)高效、充分利用磁盤(pán)順序讀寫(xiě)等特性威恼、非常適合在線日志收集等...
    愛(ài)情小傻蛋閱讀 6,108評(píng)論 0 2
  • Design 1. Motivation 我們?cè)O(shè)計(jì)Kafka用來(lái)作為統(tǒng)一的平臺(tái)來(lái)處理大公司可能擁有的所有實(shí)時(shí)數(shù)據(jù)源...
    BlackManba_24閱讀 1,381評(píng)論 0 8
  • 6.消息投遞 我們已經(jīng)了解了一些生產(chǎn)者和消費(fèi)者是如何工作的品姓,現(xiàn)在讓我們討論在生產(chǎn)者和消費(fèi)者之間,kafka提供的語(yǔ)...
    阿飛的博客閱讀 1,318評(píng)論 1 5
  • Kafka是當(dāng)前分布式系統(tǒng)中最流行的消息中間件之一沃测,憑借著其高吞吐量的設(shè)計(jì),在日志收集系統(tǒng)和消息系統(tǒng)的應(yīng)用場(chǎng)景中深...
    Dali王閱讀 422評(píng)論 0 0