1.Kafka安全性配置最佳实践
2.kafkak配置仅允许受信任的消限认消费JNDI连接如何配置？
3.轻松上手 Spring Boot & Kafka 实战！
Kafka安全性配置最佳实践
原文链接：Kafka安全性配置最佳实践
Kafka在大数据生态系统中发挥核心作用，费权对系统数据安全性要求较高，证源者客因此合理的认证安全配置至关重要。
安全配置的户端首要目的是保护数据机密性和完整性，防止信息泄漏和篡改等风险，连接java 支付系统源码从而提高系统的消限认消费可靠性。通过认证、费权授权和加密等方式，证源者客Kafka系统能够确保数据在传输和存储过程中的认证安全性。
认证是户端安全配置的核心，包括SSL安全协议和SASL验证机制。连接SSL协议确保了Kafka服务器和客户端之间的消限认消费通信安全，而SASL机制通过用户名和密码进行身份验证，费权支持包括PLAIN、证源者客SCRAM-SHA-和SCRAM-SHA-在内的多种验证方式。
授权方面，Kafka提供ACL权限控制和RBAC权限管理，允许细粒度的权限控制，确保只有授权的用户或用户组能够访问特定的资源。
加密方面，Kafka支持数据传输加密和数据存储加密，使用SSL和SASL_SSL等协议确保数据在传输过程中的机密性，同时在存储层面上保护数据安全。
在实践层面，配置安全时应遵循集中管理、360全景装修源码支持动态更新和数据与应用分离的原则。认证配置中，建议启用SSL加密，进行双向身份验证，以及使用SASL/Kerberos进行身份认证。授权配置应优化粒度，定期审计权限设置。加密配置则推荐启用TLS/SSL加密和数据加密，根据实际需求选择合适的加密算法。
在特定领域如金融、日志采集系统和云原生环境下使用Kafka时，需要针对各自特点采取相应的安全配置最佳实践，例如使用拦截器过滤攻击数据、对敏感信息进行脱敏处理、限制消息数量以防御DoS攻击，以及在云环境下的访问控制、日志审计和安全组件的使用。
安全配置的漏洞类型主要包括权限泄露、认证失效、数据泄露等，风险评估应考虑攻击者的技能、目标数据价值和资源。安全补丁治理应关注社区更新，及时安装最新版本的程序和组件。对于安全事件，产地防伪溯源码应建立应急处理流程，包括快速响应、问题解决和定期安全评估，以加强系统防护。
kafkak配置仅允许受信任的JNDI连接如何配置？
kafka的配置分为 broker、producter、consumer三个不同的配置
一 BROKER 的全局配置
最为核心的三个配置 broker.id、log.dir、zookeeper.connect 。
------------------------------------------- 系统 相关 -------------------------------------------
##每一个broker在集群中的唯一标示，要求是正数。在改变IP地址，不改变broker.id的话不会影响consumers
broker.id =1
##kafka数据的存放地址，多个地址的话用逗号分割 /tmp/kafka-logs-1，/tmp/kafka-logs-2
log.dirs = /tmp/kafka-logs
##提供给客户端响应的端口
port =
##消息体的最大大小，单位是字节
message.max.bytes =
## broker 处理消息的最大线程数，一般情况下不需要去修改
num.network.threads =3
## broker处理磁盘IO 的线程数 ，数值应该大于你的硬盘数
num.io.threads =8
## 一些后台任务处理的线程数，例如过期消息文件的删除等，一般情况下不需要去做修改
background.threads =4
## 等待IO线程处理的请求队列最大数，若是等待IO的请求超过这个数值，那么会停止接受外部消息，算是一种自我保护机制
queued.max.requests =
##broker的主机地址，若是设置了，那么会绑定到这个地址上，nginx源码编译windows若是没有，会绑定到所有的接口上，并将其中之一发送到ZK，一般不设置
host.name
## 打广告的地址，若是设置的话，会提供给producers, consumers,其他broker连接，具体如何使用还未深究
advertised.host.name
## 广告地址端口，必须不同于port中的设置
advertised.port
## socket的发送缓冲区，socket的调优参数SO_SNDBUFF
socket.send.buffer.bytes =
*## socket的接受缓冲区，socket的调优参数SO_RCVBUFF
socket.receive.buffer.bytes =
*## socket请求的最大数值，防止serverOOM，message.max.bytes必然要小于socket.request.max.bytes，会被topic创建时的指定参数覆盖
socket.request.max.bytes =
**------------------------------------------- LOG 相关 -------------------------------------------
## topic的分区是以一堆segment文件存储的，这个控制每个segment的大小，会被topic创建时的指定参数覆盖
log.segment.bytes =
**## 这个参数会在日志segment没有达到log.segment.bytes设置的大小，也会强制新建一个segment 会被 topic创建时的指定参数覆盖
log.roll.hours =*7
## 日志清理策略 选择有：delete和compact 主要针对过期数据的处理，或是日志文件达到限制的额度，会被 topic创建时的指定参数覆盖
log.cleanup.policy = delete
## 数据存储的最大时间 超过这个时间 会根据log.cleanup.policy设置的策略处理数据，也就是消费端能够多久去消费数据
## log.retention.bytes和log.retention.minutes任意一个达到要求，都会执行删除，会被topic创建时的指定参数覆盖
log.retention.minutes=7days
指定日志每隔多久检查看是否可以被删除，默认1分钟
log.cleanup.interval.mins=1
## topic每个分区的最大文件大小，一个topic的大小限制 = 分区数*log.retention.bytes 。-1没有大小限制
## log.retention.bytes和log.retention.minutes任意一个达到要求，都会执行删除，热点龙头公式源码会被topic创建时的指定参数覆盖
log.retention.bytes=-1
## 文件大小检查的周期时间，是否处罚 log.cleanup.policy中设置的策略
log.retention.check.interval.ms=5minutes
## 是否开启日志压缩
log.cleaner.enable=false
## 日志压缩运行的线程数
log.cleaner.threads =1
## 日志压缩时候处理的最大大小
log.cleaner.io.max.bytes.per.second=None
## 日志压缩去重时候的缓存空间 ，在空间允许的情况下，越大越好
log.cleaner.dedupe.buffer.size=
**## 日志清理时候用到的IO块大小 一般不需要修改
log.cleaner.io.buffer.size=
*## 日志清理中hash表的扩大因子 一般不需要修改
log.cleaner.io.buffer.load.factor =0.9
## 检查是否处罚日志清理的间隔
log.cleaner.backoff.ms =
## 日志清理的频率控制，越大意味着更高效的清理，同时会存在一些空间上的浪费，会被topic创建时的指定参数覆盖
log.cleaner.min.cleanable.ratio=0.5
## 对于压缩的日志保留的最长时间，也是客户端消费消息的最长时间，同log.retention.minutes的区别在于一个控制未压缩数据，一个控制压缩后的数据。会被topic创建时的指定参数覆盖
log.cleaner.delete.retention.ms =1day
## 对于segment日志的索引文件大小限制，会被topic创建时的指定参数覆盖
log.index.size.max.bytes =
**## 当执行一个fetch操作后，需要一定的空间来扫描最近的offset大小，设置越大，代表扫描速度越快，但是也更好内存，一般情况下不需要搭理这个参数
log.index.interval.bytes =
## log文件"sync"到磁盘之前累积的消息条数
## 因为磁盘IO操作是一个慢操作,但又是一个"数据可靠性"的必要手段
## 所以此参数的设置,需要在"数据可靠性"与"性能"之间做必要的权衡.
## 如果此值过大,将会导致每次"fsync"的时间较长(IO阻塞)
## 如果此值过小,将会导致"fsync"的次数较多,这也意味着整体的client请求有一定的延迟.
## 物理server故障,将会导致没有fsync的消息丢失.
log.flush.interval.messages=None
## 检查是否需要固化到硬盘的时间间隔
log.flush.scheduler.interval.ms =
## 仅仅通过interval来控制消息的磁盘写入时机,是不足的.
## 此参数用于控制"fsync"的时间间隔,如果消息量始终没有达到阀值,但是离上一次磁盘同步的时间间隔
## 达到阀值,也将触发.
log.flush.interval.ms = None
## 文件在索引中清除后保留的时间 一般不需要去修改
log.delete.delay.ms =
## 控制上次固化硬盘的时间点，以便于数据恢复 一般不需要去修改
log.flush.offset.checkpoint.interval.ms =
------------------------------------------- TOPIC 相关 -------------------------------------------
## 是否允许自动创建topic ，若是false，就需要通过命令创建topic
auto.create.topics.enable =true
## 一个topic ，默认分区的replication个数 ，不得大于集群中broker的个数
default.replication.factor =1
## 每个topic的分区个数，若是在topic创建时候没有指定的话 会被topic创建时的指定参数覆盖
num.partitions =1
实例 --replication-factor3--partitions1--topic replicated-topic ：名称replicated-topic有一个分区，分区被复制到三个broker上。
----------------------------------复制(Leader、replicas) 相关 ----------------------------------
## partition leader与replicas之间通讯时,socket的超时时间
controller.socket.timeout.ms =
## partition leader与replicas数据同步时,消息的队列尺寸
controller.message.queue.size=
## replicas响应partition leader的最长等待时间，若是超过这个时间，就将replicas列入ISR(in-sync replicas)，并认为它是死的，不会再加入管理中
replica.lag.time.max.ms =
## 如果follower落后与leader太多,将会认为此follower[或者说partition relicas]已经失效
## 通常,在follower与leader通讯时,因为网络延迟或者链接断开,总会导致replicas中消息同步滞后
## 如果消息之后太多,leader将认为此follower网络延迟较大或者消息吞吐能力有限,将会把此replicas迁移
## 到其他follower中.
## 在broker数量较少,或者网络不足的环境中,建议提高此值.
replica.lag.max.messages =
##follower与leader之间的socket超时时间
replica.socket.timeout.ms=
*## leader复制时候的socket缓存大小
replica.socket.receive.buffer.bytes=
*## replicas每次获取数据的最大大小
replica.fetch.max.bytes =
*## replicas同leader之间通信的最大等待时间，失败了会重试
replica.fetch.wait.max.ms =
## fetch的最小数据尺寸,如果leader中尚未同步的数据不足此值,将会阻塞,直到满足条件
replica.fetch.min.bytes =1
## leader 进行复制的线程数，增大这个数值会增加follower的IO
num.replica.fetchers=1
## 每个replica检查是否将最高水位进行固化的频率
replica.high.watermark.checkpoint.interval.ms =
## 是否允许控制器关闭broker ,若是设置为true,会关闭所有在这个broker上的leader，并转移到其他broker
controlled.shutdown.enable =false
## 控制器关闭的尝试次数
controlled.shutdown.max.retries =3
## 每次关闭尝试的时间间隔
controlled.shutdown.retry.backoff.ms =
## 是否自动平衡broker之间的分配策略
auto.leader.rebalance.enable =false
## leader的不平衡比例，若是超过这个数值，会对分区进行重新的平衡
leader.imbalance.per.broker.percentage =
## 检查leader是否不平衡的时间间隔
leader.imbalance.check.interval.seconds =
## 客户端保留offset信息的最大空间大小
offset.metadata.max.bytes
----------------------------------ZooKeeper 相关----------------------------------
##zookeeper集群的地址，可以是多个，多个之间用逗号分割 hostname1:port1,hostname2:port2,hostname3:port3
zookeeper.connect = localhost:
## ZooKeeper的最大超时时间，就是心跳的间隔，若是没有反映，那么认为已经死了，不易过大
zookeeper.session.timeout.ms=
## ZooKeeper的连接超时时间
zookeeper.connection.timeout.ms =
## ZooKeeper集群中leader和follower之间的同步实际那
zookeeper.sync.time.ms =
配置的修改
其中一部分配置是可以被每个topic自身的配置所代替，例如
新增配置
bin/kafka-topics.sh --zookeeper localhost:--create --topic my-topic --partitions1--replication-factor1--config max.message.bytes=--config flush.messages=1
修改配置
bin/kafka-topics.sh --zookeeper localhost:--alter --topic my-topic --config max.message.bytes=
删除配置 ：
bin/kafka-topics.sh --zookeeper localhost:--alter --topic my-topic --deleteConfig max.message.bytes
二 CONSUMER 配置
最为核心的配置是group.id、zookeeper.connect
## Consumer归属的组ID，broker是根据group.id来判断是队列模式还是发布订阅模式，非常重要
group.id
## 消费者的ID，若是没有设置的话，会自增
consumer.id
## 一个用于跟踪调查的ID ，最好同group.id相同
client.id = group id value
## 对于zookeeper集群的指定，可以是多个 hostname1:port1,hostname2:port2,hostname3:port3 必须和broker使用同样的zk配置
zookeeper.connect=localhost:
## zookeeper的心跳超时时间，查过这个时间就认为是dead消费者
zookeeper.session.timeout.ms =
## zookeeper的等待连接时间
zookeeper.connection.timeout.ms =
## zookeeper的follower同leader的同步时间
zookeeper.sync.time.ms =
## 当zookeeper中没有初始的offset时候的处理方式 。smallest ：重置为最小值 largest:重置为最大值 anythingelse：抛出异常
auto.offset.reset = largest
## socket的超时时间，实际的超时时间是：max.fetch.wait + socket.timeout.ms.
socket.timeout.ms=
*## socket的接受缓存空间大小
socket.receive.buffer.bytes=
*##从每个分区获取的消息大小限制
fetch.message.max.bytes =
*## 是否在消费消息后将offset同步到zookeeper，当Consumer失败后就能从zookeeper获取最新的offset
auto.commit.enable =true
## 自动提交的时间间隔
auto.commit.interval.ms =
*## 用来处理消费消息的块，每个块可以等同于fetch.message.max.bytes中数值
queued.max.message.chunks =
## 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 =4
## 每次再平衡的时间间隔
rebalance.backoff.ms =
## 每次重新选举leader的时间
refresh.leader.backoff.ms
## server发送到消费端的最小数据，若是不满足这个数值则会等待，知道满足数值要求
fetch.min.bytes =1
## 若是不满足最小大小(fetch.min.bytes)的话，等待消费端请求的最长等待时间
fetch.wait.max.ms =
## 指定时间内没有消息到达就抛出异常，一般不需要改
consumer.timeout.ms = -1
三 PRODUCER 的配置
比较核心的配置：metadata.broker.list、request.required.acks、producer.type、serializer.class
## 消费者获取消息元信息(topics, partitions and replicas)的地址,配置格式是：host1:port1,host2:port2，也可以在外面设置一个vip
metadata.broker.list
##消息的确认模式
##0：不保证消息的到达确认，只管发送，低延迟但是会出现消息的丢失，在某个server失败的情况下，有点像TCP
##1：发送消息，并会等待leader 收到确认后，一定的可靠性
## -1：发送消息，等待leader收到确认，并进行复制操作后，才返回，最高的可靠性
request.required.acks =0
## 消息发送的最长等待时间
request.timeout.ms =
## socket的缓存大小
send.buffer.bytes=
*## key的序列化方式，若是没有设置，同serializer.class
key.serializer.class
## 分区的策略，默认是取模
partitioner.class=kafka.producer.DefaultPartitioner
## 消息的压缩模式，默认是none，可以有gzip和snappy
compression.codec = none
## 可以针对默写特定的topic进行压缩
compressed.topics=null
## 消息发送失败后的重试次数
message.send.max.retries =3
## 每次失败后的间隔时间
retry.backoff.ms =
## 生产者定时更新topic元信息的时间间隔 ，若是设置为0，那么会在每个消息发送后都去更新数据
topic.metadata.refresh.interval.ms =
*## 用户随意指定，但是不能重复，主要用于跟踪记录消息
client.id=""
------------------------------------------- 消息模式 相关 -------------------------------------------
## 生产者的类型 async:异步执行消息的发送 sync：同步执行消息的发送
producer.type=sync
## 异步模式下，那么就会在设置的时间缓存消息，并一次性发送
queue.buffering.max.ms =
## 异步的模式下 最长等待的消息数
queue.buffering.max.messages =
## 异步模式下，进入队列的等待时间 若是设置为0，那么要么进入队列，要么直接抛弃
queue.enqueue.timeout.ms = -1
## 异步模式下，每次发送的最大消息数，前提是触发了queue.buffering.max.messages或是queue.buffering.max.ms的限制
batch.num.messages=
## 消息体的系列化处理类 ，转化为字节流进行传输
serializer.class= kafka.serializer.DefaultEncoder
轻松上手 Spring Boot & Kafka 实战！
Kafka集群安装、配置和启动
Kafka需要依赖zookeeper，并且自身集成了zookeeper，zookeeper至少需要3个节点保证集群高可用，下面是在单机linux下创建kafka3个节点伪集群模式。
1、下载包
下载地址： kafka.apache.org/downlo...
2、解压包
tar -zxvf kafka_2.-1.0.0.tgz mv kafka_2.-1.0.0 kafka1 mv kafka_2.-1.0.0 kafka2 mv kafka_2.-1.0.0 kafka3
3、创建ZK集群
修改ZK配置文件：kafka1-3/config/zookeeper.properties分别修改对应的参数。
/usr/local/kafka/zookeeper1-3目录下分别创建myid文件，内容对应1~3
启动ZK，分别进行Kafka1-3目录:
bin/zookeeper-server-start.sh config/zookeeper.properties &
启动报文件失败，需要手动创建文件目录并赋予对应的权限。
4、创建Kafka集群
配置文件：kafka1-3/config/server.properties分别修改对应的参数。
启动Kafka，分别进行Kafka1-3目录:
bin/kafka-server-start.sh config/server.properties &
启动报文件失败，需要手动创建文件目录并赋予对应的权限。
5、集群测试
在kafka1上面发送消息：
bin/kafka-console-producer.sh --broker-list localhost: --topic test
在kafka2、kafka3消费消息：
bin/kafka-console-consumer.sh --zookeeper localhost: --from-beginning --topic my-replicated-topic
Spring Boot 集成 Kafka 实战
1、添加spring-kafka依赖
2、添加Spring Boot的自动配置
自动配置类：
org.springframework.boot.autoconfigure.kafka.KafkaAutoConfiguration
配置属性类：
org.springframework.boot.autoconfigure.kafka.KafkaProperties
3、发送消息
4、接收消息
在任何bean里面，添加@KafkaListener，支持消息接收。
5、参考资料
Spring Boot & Kafka官方文档：
docs.spring.io/spring-b...
Spring for Apache Kafka官方文档：
记得关注我，分享更主流的Java技术～
更多 Spring Boot 干货：
Spring Boot 宣布移除 run 命令，真让我猝不及防！
Spring Boot 定时任务开启后，怎么符合条件自动停止？
Spring Boot 保护敏感配置的 4 种方法，让你的系统不再裸奔！！
Spring Boot 集成 Flyway，数据库也能做版本控制，太牛逼了！
个官方 Spring Boot Starters 出炉！别再重复造轮子了……
Spring Boot Redis 实现分布式锁，真香！！
Spring Boot 之配置导入，强大到不行！
年轻人的第一个自定义 Spring Boot Starter！
Spring Boot 面试，一个问题就干趴下了！（下）
Spring Boot 最核心的 个注解，都是干货！
好了，最后栈长再送你一份Spring Boot 学习笔记，包括底层实现原理及代码实战，非常齐全，助你快速打通 Spring Boot 的各个环节。
链接: pan.baidu.com/s/wLzA6... 提取码: ztsj
最后，别忘了点在看、转发哦，需要你的鼓励～