1、概述
1.1 定义
Kafka是一个分布式的基于 发布/订阅模式的消息队列（Message Queue），主要应用于大数据实时处理领域。
1.2 消息队列
1.2.1 使用消息队列的好处
-
解耦
在确保遵循同样的接口约束时，可以独立的扩展或修改对数据的处理过程
-
可恢复性
系统的一部分组件失效时，不会影响到整个系统。消息队列降低了进程间的耦合度，即使一个处理消息的进程挂掉，加入队列中的消息仍然可以在系统恢复后被处理。
-
缓冲
有助于控制和优化数据流经过系统的速度，解决生产消息和消费消息的处理速度不一致的情况
-
灵活性 & 峰值处理能力
使用消息队列 能够使关键组件顶住突发的访问压力，而不会因为突发的超负荷的请求而完全崩溃。
-
异步通信
消息队列提供了异步处理机制，允许用户 把一个消息放入队列，但并不立即处理它。
1.2.2 消息队列的两种模式
-
点对点模式（一对一，消费者主动拉取数据，消息收到后消息清除）
消息生产者生产消息发送到Queue中，然后消息消费者从Queue中取出并且消费消息。 消息被消费以后，queue 中不再有存储，所以消息消费者不可能消费到已经被消费的消息。 Queue 支持存在多个消费者，但是对一个消息而言，只会有一个消费者可以消费。
-
发布/订阅模式（一对多，消费者消费数据之后不会清除消息）
消息生产者（发布）将消息发布到 topic 中，同时有多个消息消费者（订阅）消费该消 息。和点对点方式不同，发布到 topic 的消息会被所有订阅者消费。
1.2.3 Kafka基础架构
-
producer：消息生产者，即向kafka broker发消息的客户端
-
consumer：消息消费者，即向kafka broker取消息的客户端
-
consumer group（CG）：消费者组，由多个consumer组成。
消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费。
消费者组之间互不影响。
所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。 -
broker：一台kafka服务器就是一个broker
一个集群由多个broker组成，一个broker可以容纳多个topic。
-
topic：即队列
生产者和消费者面向的都是一个topic
-
partition：分区
topic具有扩展性，一个非常大的topic可以分不到多个broker上，一个topic可以分为多个partition，每个partition都是一个有序的队列
-
replication-factor：副本
为了保证集群中的某个节点发生故障时，该节点上的partition数据不丢失，且kafka仍让能够继续工作，kafka提供副本机制，一个topic的每个分区都有若干个副本，一个leader和若干个follower。
-
leader
每个分区多个副本的"主"，生产者发送数据的对象，以及消费者消费数据的对象都是leader
-
follower
每个分区多个副本中的“从”，实时从leader中同步数据，保持和leader数据的同步。
leader发生故障时，某个follower会成为新的follower。
2、Kafka快速入门
2.1 集群部署
-
创建环境变量
vim /etc/profile.d/myenv.sh # 添加以下内容 # 5.配置kafka目录 # KAFKA_HOME export KAFKA_HOME=/opt/software/kafka_2.11-0.11.0.0 export PATH=$PATH:$KAFKA_HOME/bin -
修改配置文件$KAFKA_HOME/config/server.properties
vim #KAFKA_HOME/config/server.properties############################# Server Basics ############################# # broker 的全局唯一编号，不能重复 broker.id=1 # 删除 topic 功能使能 delete.topic.enable=true ############################# Socket Server Settings ############################# # 处理网络请求的线程数量 num.network.threads=3 # 用来处理磁盘 IO 的现成数量 num.io.threads=8 # 发送套接字的缓冲区大小 socket.send.buffer.bytes=102400 # 接收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 ############################# Log Basics ############################# # A comma seperated list of directories under which to store log files # 存放数据的地方 log.dirs=/opt/software/kafka_2.11-0.11.0.0/data # kafka 运行日志存放的路径 num.partitions=1 #用来恢复和清理 data 下数据的线程数量 num.recovery.threads.per.data.dir=1 ############################# Log Retention Policy ############################# # segment 文件保留的最长时间，超时将被删除 log.retention.hours=168 ############################# Zookeeper ############################# # 配置连接 Zookeeper 集群地址 zookeeper.connect=pc001:2181,pc002:2181,pc003:2181 -
启动脚本xkafka.sh
#! /bin/bash function kafka_start(){ for host in pc001 pc002 pc003 do echo "============启动kafka服务 $host==============" ssh $host "kafka-server-start.sh -daemon $KAFKA_HOME/config/server.properties" done } function kafka_stop(){ for host in pc001 pc002 pc003 do echo "============关闭kafka服务 $host==============" ssh $host "kafka-server-stop.sh" done } case $1 in "start") kafka_start; ;; "stop") kafka_stop; ;; "restart") kafka_stop; kafka_start; ;; *) echo "Invalid Args!"; echo "Usage: xkafka.sh start|stop|restart"; ;; esac
2.2 Kafka命令行操作
-
查看当前服务器中的所有topic
kafka-topics.sh --list --zookeeper pc001:2181
-
创建topic
kafka-topics.sh --create --topic test --partitions 2 --replication-factor 1 --zookeeper pc001:2181
- --topic 定义topic的名
- --replication-factor 定义副本数
- --partitions 定义分区数
-
删除topic
kafka-topics.sh --delete --topic test --zookeeper pc001:2181
需要 server.properties 中设置 delete.topic.enable=true 否则只是标记删除
-
发送消息
kafka-console-producer.sh --topic test --broker-list pc001:9092 -
消费消息
kafka-console-consumer.sh --topic test --zookeeper pc001:2181 # 等同于 kafka-console-consumer.sh --topic test --bootstrap-server pc001:9092 # 把主题中以往所有的数据都读取出来 kafka-console-consumer.sh --topic test --from-beginning --bootstrap-server pc00 1:9092 -
查看某个topic的详情
kafka-topics.sh --describe --topic test --zookeeper pc001:2181
-
修改分区数
kafka-topics.sh --alter --topic test --partitions 3 --zookeeper pc001:2181
3、kafka架构深入
3.1 kafka工作流程
-
kafka中消息以topic进行分类，无论是生产者生产消息，还是消费者消费消息，都是面向topic的
-
topic是逻辑上的概念，partition是物理上的概念
- 每个partition对应于一个log文件，该log文件中存储的就是producer生产的数据。
- producer生产的数据会被不断追加到该log文件末端，且每条数据都有自己的offset。
- 消费者组中的每个消费者，都会实时记录自己消费到了哪个offset，以便出错时恢复上次的位置，继续消费。
3.2 文件存储机制
-
由于生产者生产的消息会不断追加到log文件末尾，以防止log文件过大导致数据定位效率低下，kafka采取了分片和索引的机制
-
将每个partition分为多个segment
-
每个segment的最大值，由server.properties文件定义
-
-
每个segment对应两个文件：index文件和log文件
- index和log文件以当前segment的第一条消息的offset命名
- index文件存储大量的索引信息
- log文件存储大量的数据
- index文件中的元数据指向对应log数据文件中message的物理偏移地址
-
index文件和log文件，位于一个文件夹下，该文件夹命名规则：topic名称+分区序号
-
3.3 kafka生产者
3.3.1 分区策略
-
分区的原因
-
方便在集群中扩展
每个 Partition 可以通过调整以适应它所在的机器，而一个 topic 又可以有多个 Partition 组成，因此整个集群就可以适应任意大小的数据了
-
可以提高并发
可以以 Partition 为单位读写
-
-
分区的原则
对于producer发送的数据，需要将其封装成一个ProducerRecord对象
- 在指明partition的情况下，直接将指明的值直接作为partition的值
- 没有指明partition值，但是有key的情况下，将key的hash值与topic的partition数进行取余得到partition值
- 既没有partition值又没有key值的情况下，第一次调用时随机生成一个整数（后面每次调用在这个整数上自增），将这个值与topic可用的partition总数取余得到partition值，即round-robin算法
3.3.2 数据可靠性保证
为了保证producer发送的数据，能可靠的发送到指定的topic，topic的每个partition收到producer发送的数据后，都需要向producer发送ack（acknowledgement 确认收到），如果producer收到ack，就会进行下一轮的发送，否则重新发送数据
-
副本同步策略
方案 优点 缺点 半数以上完成同步，就发送 ack 延迟低 选举新的 leader 时，容忍 n 台节点的故障，需要 2n+1 个副 本 全部完成同步，才发送 ack 选举新的 leader 时，容忍 n 台节点的故障，需要 n+1 个副本 延迟高 kafka选取的方案为：全部完成同步，才发送 ack，减少数据冗余，而且网络延迟对kafka的影响较小
-
ISR（in-sync replica set）
-
leader维护了一个动态的in-sync replica set（ISR，动态同步集合）：和leader保持同步的follower集合。
-
当ISR中的follower完成数据的同步之后，leader就会给follower发送ack，如果follower长时间未向leader同步数据，则该follower将被踢出ISR，该时间阈值由replica.lag.time.max.ms参数设定
-
leader发生故障后，就会从ISR中选举出新的leader
-
-
ack应答机制
ack应答机制，控制了数据丢失的容忍度
acks 参数配置 描述 acks=0 producer 不等待 broker 的 ack，这一操作提供了一个最低的延迟，broker 一接收到还 没有写入磁盘就已经返回，当 broker 故障时有可能丢失数据 acks=1 producer 等待 broker 的 ack，partition 的 leader 落盘成功后返回 ack，如果在 follower 同步成功之前 leader 故障，那么将会丢失数据 acks=-1 producer 等待 broker 的 ack，partition 的 leader 和 follower 全部落盘成功后才 返回 ack。但是如果在 follower 同步完成后，broker 发送 ack 之前，leader 发生故障，那么会 造成数据重复。 -
HW和LEO
LEO：指每个副本最大的offset
HW：指消费者能见到的最大offset，ISR队列中最小的LEO
-
follower故障时
follower 发生故障后会被临时踢出 ISR，待该 follower 恢复后，follower 会读取本地磁盘 记录的上次的 HW，并将 log 文件高于 HW 的部分截取掉，从 HW 开始向 leader 进行同步。 等该 follower 的 LEO 大于等于该 Partition 的 HW，即 follower 追上 leader 之后，就可以重 新加入 ISR 了
-
leader故障时
leader 发生故障之后，会从 ISR 中选出一个新的 leader，之后，为保证多个副本之间的数据一致性，其余的 follower 会先将各自的 log 文件高于 HW 的部分截掉，然后从新的 leader 同步数据
注意：这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。
-
-
Exactly Once语义
将服务器的 ACK 级别设置为-1，可以保证 Producer 到 Server 之间不会丢失数据，即 At Least Once 语义。相对的，将服务器 ACK 级别设置为 0，可以保证生产者每条消息只会被 发送一次，即 At Most Once 语义。
-
定义
- 幂等性结合 At Least Once 语 义，就构成了 Kafka 的 Exactly Once 语义。即At Least Once + 幂等性 = Exactly Once。
- 幂等性：是指 Producer 不论 向 Server 发送多少次重复数据，Server 端都只会持久化一条。
- 要启用幂等性，只需要将 Producer 的参数中 enable.idompotence 设置为 true 即可。
-
原理
Kafka 的幂等性实现其实就是将原来下游需要做的去重放在了数据上游。开启幂等性的 Producer 在 初始化的时候会被分配一个 PID，发往同一 Partition 的消息会附带 Sequence Number。而 Broker 端会对<PID, Partition, SeqNumber>做缓存，当具有相同主键的消息提交时，Broker 只 会持久化一条。
-
缺点
因为PID 重启就会变化，同时不同的 Partition 也具有不同主键，所以幂等性无法保证跨 分区跨会话的 Exactly Once
-
3.4 kafka消费者
3.4.1 消费方式
consumer采用pull（拉）模式从broker中读取数据
-
采用push（推）模式的缺点
push（推）模式很难适应消费速率不同的消费者，因为消息发送速率是由 broker 决定的。 它的目标是尽可能以最快速度传递消息，但是这样很容易造成 consumer 来不及处理消息，典型的表现就是拒绝服务以及网络拥塞。而 pull 模式则可以根据 consumer 的消费能力以适当的速率消费消息。
-
pull模式的缺点
pull 模式不足之处是，如果 kafka 没有数据，消费者可能会陷入循环中，一直返回空数据。针对这一点，Kafka 的消费者在消费数据时会传入一个时长参数 timeout，如果当前没有数据可供消费，consumer 会等待一段时间之后再返回，这段时长即为 timeout。
3.3.2 分区分配策略
一个 consumer group 中有多个 consumer，一个 topic 有多个 partition，所以必然会涉及 到 partition 的分配问题，即确定那个 partition 由哪个 consumer 来消费。
Kafka 有两种分配策略，一是 RoundRobin（基于消费者组），一是 Range（基于主题）（系统默认的分配策略）
-
RoundRobin
当多个消费者组交叉订阅多个主题时，由于其将所有主题当成一个整体，可能导致消费错乱，更加适合单消费者组，或多消费者组但所有消费者组的订阅主题相同 的情况
-
Range
其将单个主题当成一个整体，能够避免消费错乱，但是由于同一个消费者组内任意消费者只能消费同一主题下的同一分区，可能导致一个消费者组内一个消费者消费多，而另外的消费者消费少的情况。
当消费者组内成员变化后，重新分配。
3.3.3 offset的维护
由于 consumer 在消费过程中可能会出现断电宕机等故障，consumer 恢复后，需要从故障前的位置的继续消费，所以 consumer 需要实时记录自己消费到了哪个 offset，以便故障恢复后继续消费。
Kafka 0.9 版本之前，consumer 默认将 offset 保存在 Zookeeper 中，从 0.9 版本开始， consumer 默认将 offset 保存在 Kafka 一个内置的 topic 中，该 topic 为__consumer_offsets。
读取offset的步骤：
-
修改配置文件consumer.properties
exclude.internal.topics=false // 保证能够读取系统设置的主题 // 其他 group.id=nuochengze //该项可以指定组名 -
读取offset
-
kafka 0.11.0.0之前版本
kafka-console-consumer.sh --topic __consumer_offsets --zookeeper pc001:2181 --formatter "kafka.coordinator.GroupMetadataManager$OffsetsMessageFormatter" --consumer.config $KAFKA_HOME/config/consumer.properties --from-beginning -
kafka 0.11.0.0之后版本（含）
bin/kafka-console-consumer.sh --topic __consumer_offsets --zookeeper pc001:2181 --formatter "kafka.coordinator.group.GroupMetadataManager$OffsetsMessageFormatter" --consumer.config $KAFKA_HOME/config/consumer.properties --from-beginning
-
3.5 kafka高效读取数据
- 顺序写磁盘
- 零复制技术
3.6 Zookeeper在kafka中的作用
Kafka 集群中有一个 broker 会被选举为 Controller，负责管理集群 broker 的上下线，所有 topic 的分区副本分配和 leader 选举等工作。Controller 的管理工作都是依赖于 Zookeeper。
3.7 Kafka事务
事务可以保证 Kafka 在 Exactly Once 语义的基 础上，生产和消费可以跨分区和会话，要么全部成功，要么全部失败。
3.7.1 Producer事务
为了实现跨分区跨会话的事务，需要引入一个全局唯一的 Transaction ID，并将 Producer 获得的PID 和Transaction ID 绑定。这样当Producer 重启后就可以通过正在进行的 Transaction ID 获得原来的 PID。
为了管理 Transaction，Kafka 引入了一个新的组件 Transaction Coordinator。Producer 就 是通过和 Transaction Coordinator 交互获得 Transaction ID 对应的任务状态。Transaction Coordinator 还负责将所有事务状态写入 Kafka 的一个内部 Topic，这样即使整个服务重启，由于事务状态得到保存，进行中的事务状态可以得到恢复，从而继续进行。
3.7.2 Consumer事务
事务机制主要是从 Producer 方面考虑，对于 Consumer 而言，事务的保证就会相对 较弱，尤其是无法保证 Commit 的信息被精确消费。这是由于 Consumer 可以通过 offset 访 问任意信息，而且不同的 Segment File 生命周期不同，同一事务的消息可能会出现重启后被 删除的情况
4、Kafka API
4.1 Producer API
4.1.1 消息发送流程
Kafka 的 Producer 发送消息采用的是异步发送的方式。在消息发送的过程中，涉及到了 两个线程——main 线程和 Sender 线程，以及一个线程共享变量——RecordAccumulator。 main 线程将消息发送给 RecordAccumulator，Sender 线程不断从 RecordAccumulator 中拉取消息发送到 Kafka broker。
- batch.size：只有数据累计到batch.size之后，sender才会发送数据
- linger.ms：如果数据迟迟未到达batch.size，sender等待linger.time之后就会发送数据
4.1.2 异步发送API
-
导入依赖
<dependency> <groupId>org.apache.kafka</groupId> <artifactId>kafka-clients</artifactId> <version>0.11.0.0</version> </dependency> -
不带回调函数的API
package kafka; import org.apache.kafka.clients.producer.KafkaProducer; import org.apache.kafka.clients.producer.ProducerConfig; import org.apache.kafka.clients.producer.ProducerRecord; import java.util.Properties; /* KafkaProducer：需要创建一个生产者对象，用来发送数据 ProducerConfig：获取所需的一系列配置参数 ProducerRecord：每条数据都要封装成一个 ProducerRecord 对象 */ public class CustomeProducer { public static void main(String[] args) throws Exception { // 创建配置对象 Properties properties = new Properties(); // kafka集群 properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "pc001:9092"); // ack properties.put(ProducerConfig.ACKS_CONFIG, "all"); // 重试次数 properties.put(ProducerConfig.RETRIES_CONFIG, 1); // batch.size properties.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384); // linger.ms properties.put(ProducerConfig.LINGER_MS_CONFIG, "1"); // RecordAccumulator缓冲区大小,默认为32MB properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432); // key,value序列化类 properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer"); properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer"); // 创建kafka生产者对象 KafkaProducer<String, String> producer = new KafkaProducer<String, String>(properties); // 发送消息 for (int i = 0; i < 10; i++) { producer.send(new ProducerRecord<String, String>("test", "nuochengze —— " + i)); } // 关闭IO流 producer.close(); } } -
带回调函数的API
回调函数会在 producer 收到 ack 时调用，为异步调用，该方法有两个参数，分别是 RecordMetadata 和 Exception，如果 Exception 为 null，说明消息发送成功，如果 Exception 不为 null，说明消息发送失败
注意：消息发送失败会自动重试，不需要我们在回调函数中手动重试
package kafka; import org.apache.kafka.clients.producer.*; import java.util.Properties; public class CollbackProducer { public static void main(String[] args) { // 创建配置信息 Properties properties = new Properties(); // kafka集群 properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "pc001:9092"); // ack properties.put(ProducerConfig.ACKS_CONFIG, "all"); // 重试次数 properties.put(ProducerConfig.RETRIES_CONFIG, 1); // batch.size properties.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384); // linger.ms properties.put(ProducerConfig.LINGER_MS_CONFIG, "1"); // RecordAccumulator缓冲区大小,默认为32MB properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432); // key,value序列化类 properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer"); properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer"); KafkaProducer<String, String> producer = new KafkaProducer<>(properties); for (int i = 0; i < 10; i++) { producer.send(new ProducerRecord<String, String>("test", "nuochengze——" + i), new Callback() { //回调函数，该方法会在 Producer 收到 ack 时调用，为异步调用 @Override public void onCompletion(RecordMetadata metadata, Exception exception) { if(exception==null){ System.out.println(metadata.toString()); }else{ exception.printStackTrace(); } } }); } producer.close(); } }
4.1.3 同步发送API
同步发送的意思就是，一条消息发送之后，会阻塞当前线程，直至返回 ack。
由于 send 方法返回的是一个 Future 对象，根据 Futrue 对象的特点，我们也可以实现同 步发送的效果，只需在调用 Future 对象的 get 方发即可。
4.2 Consumer API
由于 consumer 在消费过程中可能会出现断电宕机等故障，consumer 恢复后，需要从故障前的位置继续消费，所以 consumer 需要实时记录自己消费到了哪个 offset，以便故障恢复后继续消费。 所以 offset 的维护是 Consumer 消费数据是必须考虑的问题。
4.2.1 自动提交offset
-
导入依赖
<dependency> <groupId>org.apache.kafka</groupId> <artifactId>kafka-clients</artifactId> <version>0.11.0.0</version> </dependency> -
代码
package kafka; import org.apache.kafka.clients.consumer.ConsumerConfig; import org.apache.kafka.clients.consumer.ConsumerRecord; import org.apache.kafka.clients.consumer.ConsumerRecords; import org.apache.kafka.clients.consumer.KafkaConsumer; import java.util.Arrays; import java.util.Properties; /* KafkaConsumer：需要创建一个消费者对象，用来消费数据 ConsumerConfig：获取所需的一系列配置参数 ConsuemrRecord：每条数据都要封装成一个 ConsumerRecord 对象 */ public class CustomConsumer { public static void main(String[] args) { // 定义配置信息 Properties properties = new Properties(); // 集群信息 properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "pc001:9092"); // 消费者组，只要 group.id 相同，就属于同一个消费者组 properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test"); // 是否开启自动提交 offset 功能 properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true"); // 自动提交 offset 的时间间隔 properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000"); // 反序列化key,value properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); // 申明consumer对象 KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties); // 订阅主题 consumer.subscribe(Arrays.asList("test")); // 接收消息 while (true) { ConsumerRecords<String, String> records = consumer.poll(100); for (ConsumerRecord<String, String> record : records) { System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value()); } } } }
4.2.2 手动提交offset
虽然自动提交 offset 十分简介便利，但由于其是基于时间提交的，开发人员难以把握 offset 提交的时机。因此 Kafka 还提供了手动提交 offset 的 API。
手动提交 offset 的方法有两种：分别是 commitSync（同步提交）和 commitAsync（异步 提交）。两者的相同点是，都会将本次 poll 的一批数据最高的偏移量提交；不同点是， commitSync 阻塞当前线程，一直到提交成功，并且会自动失败重试（由不可控因素导致， 也会出现提交失败）；而 commitAsync 则没有失败重试机制，故有可能提交失败。
数据漏消费和重复消费分析：
无论是同步提交还是异步提交 offset，都有可能会造成数据的漏消费或者重复消费。先 提交 offset 后消费，有可能造成数据的漏消费；而先消费后提交 offset，有可能会造成数据 的重复消费。
-
同步提交offset
package kafka; import org.apache.kafka.clients.consumer.ConsumerConfig; import org.apache.kafka.clients.consumer.ConsumerRecord; import org.apache.kafka.clients.consumer.ConsumerRecords; import org.apache.kafka.clients.consumer.KafkaConsumer; import java.util.Arrays; import java.util.Properties; /* KafkaConsumer：需要创建一个消费者对象，用来消费数据 ConsumerConfig：获取所需的一系列配置参数 ConsuemrRecord：每条数据都要封装成一个 ConsumerRecord 对象 */ public class CustomConsumer { public static void main(String[] args) { // 定义配置信息 Properties properties = new Properties(); // 集群信息 properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "pc001:9092"); // 消费者组，只要 group.id 相同，就属于同一个消费者组 properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test"); // 是否开启自动提交 offset 功能 properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "fasle"); // 自动提交 offset 的时间间隔 // properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000"); // 反序列化key,value properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); // 申明consumer对象 KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties); // 订阅主题 consumer.subscribe(Arrays.asList("test")); // 接收消息 while (true) { ConsumerRecords<String, String> records = consumer.poll(100); for (ConsumerRecord<String, String> record : records) { System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value()); } // 同步提交，当前线程会阻塞直到offset提交成功 consumer.commitSync(); } } } -
异步提交offset
虽然同步提交 offset 更可靠一些，但是由于其会阻塞当前线程，直到提交成功。因此吞 吐量会收到很大的影响。因此更多的情况下，会选用异步提交 offset 的方式。
package kafka; import org.apache.kafka.clients.consumer.*; import org.apache.kafka.common.TopicPartition; import java.util.Arrays; import java.util.Map; import java.util.Properties; /* KafkaConsumer：需要创建一个消费者对象，用来消费数据 ConsumerConfig：获取所需的一系列配置参数 ConsuemrRecord：每条数据都要封装成一个 ConsumerRecord 对象 */ public class CustomConsumer { public static void main(String[] args) { // 定义配置信息 Properties properties = new Properties(); // 集群信息 properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "pc001:9092"); // 消费者组，只要 group.id 相同，就属于同一个消费者组 properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test"); // 是否开启自动提交 offset 功能 properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false"); // 自动提交 offset 的时间间隔 //properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000"); // 反序列化key,value properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); // 申明consumer对象 KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties); // 订阅主题 consumer.subscribe(Arrays.asList("test")); // 接收消息 while (true) { ConsumerRecords<String, String> records = consumer.poll(100); for (ConsumerRecord<String, String> record : records) { System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value()); } // 异步提交 consumer.commitAsync(new OffsetCommitCallback() { @Override public void onComplete(Map<TopicPartition, OffsetAndMetadata> offsets, Exception exception) { if (exception != null){ System.out.println("Commit failed for" + offsets); } } }); } } }
4.2.3 自定义存储offset
offset 的维护是相当繁琐的，因为需要考虑到消费者的 Rebalace：
当有新的消费者加入消费者组、已有的消费者退出消费者组或者所订阅的主题的分区发生变化，就会触发到分区的重新分配，重新分配的过程叫做 Rebalance
package kafka;
import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;
import java.util.Arrays;
import java.util.Collection;
import java.util.Map;
import java.util.Properties;
/*
KafkaConsumer：需要创建一个消费者对象，用来消费数据
ConsumerConfig：获取所需的一系列配置参数
ConsuemrRecord：每条数据都要封装成一个 ConsumerRecord 对象
ConsumerRebalanceListener：rebalance时需要获取分区信息
*/
/*
消费者发生 Rebalance 之后，每个消费者消费的分区就会发生变化。因此消费者要首先获取到自己被重新分配到的分区，并且定位到每个分区最近提交的 offset 位置继续消费
* */
public class CustomConsumer {
public static void main(String[] args) {
// 定义配置信息
Properties properties = new Properties();
// 集群信息
properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "pc001:9092");
// 消费者组，只要 group.id 相同，就属于同一个消费者组
properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test");
// 是否开启自动提交 offset 功能
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");
// 自动提交 offset 的时间间隔
//properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");
// 反序列化key,value
properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
// 申明consumer对象
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);
// 订阅主题
consumer.subscribe(Arrays.asList("test"), new ConsumerRebalanceListener() {
// 该方法会在Rebalance之前调用
@Override
public void onPartitionsRevoked(Collection<TopicPartition> partitions) {
// todo
}
// 该方法会在Rebalance之后调用
@Override
public void onPartitionsAssigned(Collection<TopicPartition> partitions) {
// todo
}
});
// 接收消息
while (true) {
ConsumerRecords<String, String> records = consumer.poll(100);
for (ConsumerRecord<String, String> record : records) {
System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
}
// 异步提交
consumer.commitAsync(new OffsetCommitCallback() {
@Override
public void onComplete(Map<TopicPartition, OffsetAndMetadata> offsets, Exception exception) {
if (exception != null){
System.out.println("Commit failed for" + offsets);
}
}
});
}
}
}
4.3 自定义拦截器（Interceptor）
4.3.1 拦截器原理
Producer 拦截器(interceptor)是在 Kafka 0.10 版本被引入的，主要用于实现 clients 端的定 制化控制逻辑。
对于 producer 而言，interceptor 使得用户在消息发送前以及 producer 回调逻辑前有机会 对消息做一些定制化需求，比如修改消息等。同时，producer 允许用户指定多个 interceptor 按序作用于同一条消息从而形成一个拦截链(interceptor chain)。
Intercetpor 的实现接口是 org.apache.kafka.clients.producer.ProducerInterceptor，其定义的方法包括：
-
configure（configs）
获取配置信息和初始化数据时调用
-
onSend(ProducerRecord)
该方法封装进KafkaProducer.send方法中，即它运行在用户主线程中，Producer确保在消息被序列化以及计算分区前调用该方法。
用户可以在该方法中对消息做任何操作，但最好保证不要修改消息所属的topic和分区，否则会影响目标分区的计算。
-
onAcknowledgement(RecordMetadata,Exception)
该方法会在消息从RecordAccumulator成功发送到Kafka Broker之后，或者在发送过程中失败时调用。
并且通常都是在producer回调逻辑触发之前。
onAcknowledgement运行在producer的IO线程中，因此不要在该方法中放入重逻辑，否则拖慢producer的发送效率。
-
close
关闭interceptor，主要用于执行一些资源清理工作。
interceptor 可能被运行在多个线程中，因此在具体实现时用户需要自行确保 线程安全。另外倘若指定了多个 interceptor，则 producer 将按照指定顺序调用它们，并仅仅 是捕获每个 interceptor 可能抛出的异常记录到错误日志中而非在向上传递。
4.3.2 拦截器案例
-
interceptor 会在消息发送前将时间 戳信息加到消息 value 的最前部
package kafka; import org.apache.kafka.clients.producer.ProducerInterceptor; import org.apache.kafka.clients.producer.ProducerRecord; import org.apache.kafka.clients.producer.RecordMetadata; import java.util.Map; public class TimeInterceptor implements ProducerInterceptor { @Override public ProducerRecord onSend(ProducerRecord record) { // 创建一个新的 record，把时间戳写入消息体的最前部 return new ProducerRecord(record.topic(), record.partition(), record.key(), (System.currentTimeMillis() + "," + record.value()).toString()); } @Override public void onAcknowledgement(RecordMetadata metadata, Exception exception) { } @Override public void close() { } @Override public void configure(Map<String, ?> configs) { } } -
统计发送消息成功和发送失败消息数，并在 producer 关闭时打印这两个计数器
package kafka; import org.apache.kafka.clients.producer.ProducerInterceptor; import org.apache.kafka.clients.producer.ProducerRecord; import org.apache.kafka.clients.producer.RecordMetadata; import java.util.Map; public class CounterInterceptor implements ProducerInterceptor { private int success; private int error; @Override public ProducerRecord onSend(ProducerRecord record) { return record; // 因为不涉及对数据的更改，原样返回 } @Override public void onAcknowledgement(RecordMetadata metadata, Exception exception) { // 统计成功和失败的次数 if (exception == null) { success++; } else { error++; } } @Override public void close() { System.out.println("Success: " + success); System.out.println("error: " + error); } @Override public void configure(Map<String, ?> configs) { } } -
producer主程序
package kafka; import org.apache.kafka.clients.producer.KafkaProducer; import org.apache.kafka.clients.producer.ProducerConfig; import org.apache.kafka.clients.producer.ProducerRecord; import java.util.ArrayList; import java.util.Properties; public class InterceptorProducer { public static void main(String[] args) { Properties properties = new Properties(); // kafka集群 properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "pc001:9092"); // ack properties.put(ProducerConfig.ACKS_CONFIG, "all"); // 重试次数 properties.put(ProducerConfig.RETRIES_CONFIG, 1); // batch.size properties.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384); // linger.ms properties.put(ProducerConfig.LINGER_MS_CONFIG, "1"); // RecordAccumulator缓冲区大小,默认为32MB properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432); // key,value序列化类 properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer"); properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer"); // 添加拦截器 ArrayList<String> interceptorClassList = new ArrayList<String>(); interceptorClassList.add("kafka.TimeInterceptor"); interceptorClassList.add("kafka.CounterInterceptor"); properties.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG, interceptorClassList); // 创建producer对象 KafkaProducer<String, String> producer = new KafkaProducer<>(properties); // 发送消息 for (int i = 0; i < 10; i++) { producer.send(new ProducerRecord<String, String>("test", "nuochengze——" + i)); } // 关闭producer对象 producer.close(); } } -
在终端启动消费者
kafka-console-consumer.sh --topic test --bootstrap-server pc001:9092 -
结果展示
-
主程序
-
消费者端
-