apache kafka区QQ群:162272557
1.依赖包
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka_2.10</artifactId>
<version>0.8.1</version>
</dependency>
2.producer程序开发样例
2.1 producer參数说明
metadata.broker.list=192.168.2.105:9092,192.168.2.106:9092
# 指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到相应分区
#partitioner.class=com.meituan.mafka.client.producer.CustomizePartitioner
# 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。
compression.codec=none
# 指定序列化处理类(mafka client API调用说明-->3.序列化约定wiki)，默觉得kafka.serializer.DefaultEncoder,即byte[]
serializer.class=com.meituan.mafka.client.codec.MafkaMessageEncoder
# serializer.class=kafka.serializer.DefaultEncoder
# serializer.class=kafka.serializer.StringEncoder
# 假设要压缩消息。这里指定哪些topic要压缩消息，默认empty，表示不压缩。
#compressed.topics=
########### request ack ###############
# producer接收消息ack的时机.默觉得0.
# 0: producer不会等待broker发送ack
# 1: 当leader接收到消息之后发送ack
# 2: 当全部的follower都同步消息成功后发送ack.
request.required.acks=0
# 在向producer发送ack之前,broker同意等待的最大时间
# 假设超时,broker将会向producer发送一个error ACK.意味着上一次消息由于某种
# 原因未能成功(比方follower未能同步成功)
request.timeout.ms=10000
########## end #####################
# 同步还是异步发送消息，默认“sync”表同步，"async"表异步。异步能够提高发送吞吐量,
# 也意味着消息将会在本地buffer中,并适时批量发送，可是也可能导致丢失未发送过去的消息
producer.type=sync
############## 异步发送 (下面四个异步參数可选) ####################
# 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,默觉得5000ms
# 此值和batch.num.messages协同工作.
queue.buffering.max.ms = 5000
# 在async模式下,producer端同意buffer的最大消息量
# 不管怎样,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,假设消息的条数达到阀值,将会导致producer端堵塞或者消息被抛弃，默觉得10000
queue.buffering.max.messages=20000
# 假设是异步，指定每次批量发送数据量。默觉得200
batch.num.messages=500
# 当消息在producer端沉积的条数达到"queue.buffering.max.meesages"后
# 堵塞一定时间后,队列仍然没有enqueue(producer仍然没有发送出不论什么消息)
# 此时producer能够继续堵塞或者将消息抛弃,此timeout值用于控制"堵塞"的时间
# -1: 无堵塞超时限制,消息不会被抛弃
# 0:马上清空队列,消息被抛弃
queue.enqueue.timeout.ms=-1
################ end ###############
# 当producer接收到error ACK,或者没有接收到ACK时,同意消息重发的次数
# 由于broker并没有完整的机制来避免消息反复,所以当网络异常时(比方ACK丢失)
# 有可能导致broker接收到反复的消息,默认值为3.
message.send.max.retries=3
# producer刷新topic metada的时间间隔,producer须要知道partition leader的位置,以及当前topic的情况
# 因此producer须要一个机制来获取最新的metadata,当producer遇到特定错误时,将会马上刷新
# (比方topic失效,partition丢失,leader失效等),此外也能够通过此參数来配置额外的刷新机制，默认值600000
topic.metadata.refresh.interval.ms=60000
import java.util.*;
import kafka.javaapi.producer.Producer;
import kafka.producer.KeyedMessage;
import kafka.producer.ProducerConfig;
public class TestProducer {
public static void main(String[] args) {
long events = Long.parseLong(args[0]);
Random rnd = new Random();
Properties props = new Properties();
props.put("metadata.broker.list", "192.168.2.105:9092");
props.put("serializer.class", "kafka.serializer.StringEncoder"); //默认字符串编码消息
props.put("partitioner.class", "example.producer.SimplePartitioner");
props.put("request.required.acks", "1");
ProducerConfig config = new ProducerConfig(props);
Producer<String, String> producer = new Producer<String, String>(config);
for (long nEvents = 0; nEvents < events; nEvents++) {
long runtime = new Date().getTime();
String ip = “192.168.2.” + rnd.nextInt(255);
String msg = runtime + “,www.example.com,” + ip;
KeyedMessage<String, String> data = new KeyedMessage<String, String>("page_visits", ip, msg);
producer.send(data);
}
producer.close();
}
}2.1 指定keywordkey。发送消息到指定partitions
public class CustomizePartitioner implements Partitioner {
public CustomizePartitioner(VerifiableProperties props) {
}
/**
* 返回分区索引编号
* @param key sendMessage时，输出的partKey
* @param numPartitions topic中的分区总数
* @return
*/
@Override
public int partition(Object key, int numPartitions) {
System.out.println("key:" + key + " numPartitions:" + numPartitions);
String partKey = (String)key;
if ("part2".equals(partKey))
return 2;
// System.out.println("partKey:" + key);
........
........
return 0;
}
}3.consumer程序开发样例
3.1 consumer參数说明
# 配置样例："127.0.0.1:3000,127.0.0.1:3001,127.0.0.1:3002"
zookeeper.connect=192.168.2.225:2181,192.168.2.225:2182,192.168.2.225:2183/config/mobile/mq/mafka
# zookeeper的session过期时间，默认5000ms。用于检測消费者是否挂掉，当消费者挂掉，其它消费者要等该指定时间才干检查到而且触发又一次负载均衡
zookeeper.session.timeout.ms=5000
zookeeper.connection.timeout.ms=10000
#当consumer reblance时，重试失败时时间间隔。
#指定消费组
group.id=xxx
# 当consumer消费一定量的消息之后,将会自己主动向zookeeper提交offset信息
# 注意offset信息并非每消费一次消息就向zk提交一次,而是如今本地保存(内存),并定期提交,默觉得true
auto.commit.enable=true
# 自己主动更新时间。默认60 * 1000
auto.commit.interval.ms=1000
# 当前consumer的标识,能够设定,也能够有系统生成,主要用来跟踪消息消费情况,便于观察
conusmer.id=xxx
# 消费者client编号。用于区分不同client，默认client程序自己主动产生
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增加到group时,将会reblance,此后将会有partitions的消费端迁移到新
# 的consumer上,假设一个consumer获得了某个partition的消费权限,那么它将会向zk注冊
# "Partition Owner registry"节点信息,可是有可能此时旧的consumer尚没有释放此节点,
# 此值用于控制,注冊节点的重试次数.
rebalance.max.retries=5
# 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,将会消耗很多其它的consumer端内存
fetch.min.bytes=6553600
# 当消息的尺寸不足时,server堵塞的时间,假设超时,消息将马上发送给consumer
fetch.wait.max.ms=5000
socket.receive.buffer.bytes=655360
# 假设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(mafka client API调用说明-->3.序列化约定wiki)，默觉得kafka.serializer.DefaultDecoder,即byte[]
derializer.class=com.meituan.mafka.client.codec.MafkaMessageDecoder
3.2 多线程并行消费topic
import kafka.consumer.ConsumerIterator;
import kafka.consumer.KafkaStream;
public class ConsumerTest implements Runnable {
private KafkaStream m_stream;
private int m_threadNumber;
public ConsumerTest(KafkaStream a_stream, int a_threadNumber) {
m_threadNumber = a_threadNumber;
m_stream = a_stream;
}
public void run() {
ConsumerIterator<byte[], byte[]> it = m_stream.iterator();
while (it.hasNext())
System.out.println("Thread " + m_threadNumber + ": " + new String(it.next().message()));
System.out.println("Shutting down Thread: " + m_threadNumber);
}
}ConsumerGroupExample类
import kafka.consumer.ConsumerConfig;
import kafka.consumer.KafkaStream;
import kafka.javaapi.consumer.ConsumerConnector;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Properties;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
public class ConsumerGroupExample {
private final ConsumerConnector consumer;
private final String topic;
private ExecutorService executor;
public ConsumerGroupExample(String a_zookeeper, String a_groupId, String a_topic) {
consumer = kafka.consumer.Consumer.createJavaConsumerConnector(
createConsumerConfig(a_zookeeper, a_groupId));
this.topic = a_topic;
}
public void shutdown() {
if (consumer != null) consumer.shutdown();
if (executor != null) executor.shutdown();
}
public void run(int a_numThreads) {
Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
topicCountMap.put(topic, new Integer(a_numThreads));
Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer.createMessageStreams(topicCountMap);
List<KafkaStream<byte[], byte[]>> streams = consumerMap.get(topic);
// 启动全部线程
executor = Executors.newFixedThreadPool(a_numThreads);
// 開始消费消息
int threadNumber = 0;
for (final KafkaStream stream : streams) {
executor.submit(new ConsumerTest(stream, threadNumber));
threadNumber++;
}
}
private static ConsumerConfig createConsumerConfig(String a_zookeeper, String a_groupId) {
Properties props = new Properties();
props.put("zookeeper.connect", "192.168.2.225:2183/config/mobile/mq/mafka");
props.put("group.id", "push-token");
props.put("zookeeper.session.timeout.ms", "60000");
props.put("zookeeper.sync.time.ms", "2000");
props.put("auto.commit.interval.ms", "1000");
return new ConsumerConfig(props);
}
public static void main(String[] args) {
String zooKeeper = args[0];
String groupId = args[1];
String topic = args[2];
int threads = Integer.parseInt(args[3]);
ConsumerGroupExample example = new ConsumerGroupExample(zooKeeper, groupId, topic);
example.run(threads);
try {
Thread.sleep(10000);
} catch (InterruptedException ie) {
}
example.shutdown();
}
}
总结：
kafka消费者api分为high api和low api，眼下上述demo是都是使用kafka high api，高级api不用关心维护消费状态信息和负载均衡。系统会依据配置參数，
定期flush offset到zk上，假设有多个consumer且每一个consumer创建了多个线程，高级api会依据zk上注冊consumer信息，进行自己主动负载均衡操作。
注意事项：
1.高级api将会内部实现持久化每一个分区最后读到的消息的offset，数据保存在zookeeper中的消费组名中(如/consumers/push-token-group/offsets/push-token/2。
当中push-token-group是消费组，push-token是topic，最后一个2表示第3个分区)，每间隔一个(默认1000ms)时间更新一次offset。
那么可能在重新启动消费者时拿到反复的消息。此外。当分区leader发生变更时也可能拿到反复的消息。因此在关闭消费者时最好等待一定时间（10s）然后再shutdown()
2.消费组名是一个全局的信息，要注意在新的消费者启动之前旧的消费者要关闭。
假设新的进程启动而且消费组名同样。kafka会加入这个进程到可用消费线程组中用来消费
topic和触发又一次分配负载均衡，那么同一个分区的消息就有可能发送到不同的进程中。
3.假设消费者组中全部consumer的总线程数量大于分区数，一部分线程或某些consumer可能无法读取消息或处于空暇状态。
4.假设分区数多于线程数(假设消费组中执行者多个消费者，则线程数为消费者组内全部消费者线程总和)。一部分线程会读取到多个分区的消息
5.假设一个线程消费多个分区消息，那么接收到的消息是不能保证顺序的。
备注：可用zookeeper web ui工具管理查看zk文件夹树数据： xxx/consumers/push-token-group/owners/push-token/2当中
push-token-group为消费组，push-token为topic,2为分区3.查看里面的内容如：
push-token-group-mobile-platform03-1405157976163-7ab14bd1-0表示该分区被该标示的线程所运行。