Kafka 中使用 Avro 序列化組件(三)：Confluent Schema Registry【轉載】

1. schema 註冊表

無論是使用傳統的Avro API自定義序列化類和反序列化類還是使用Twitter的Bijection類庫實現Avro的序列化與反序列化，這兩種方法都有一個缺點：在每條Kafka記錄裏都嵌入了schema，這會讓記錄的大小成倍地增加。但是不管怎樣，在讀取記錄時仍然需要用到整個 schema，所以要先找到 schema。有沒有什麼方法可以讓數據共用一個schema？

我們遵循通用的結構模式並使用"schema註冊表"來達到目的。"schema註冊表"的原理如下：

把所有寫入數據需要用到的 schema 保存在註冊表裏，然後在記錄裏引用 schema 的 ID。負責讀取數據的應用程序使用 ID 從註冊表里拉取 schema 來反序列化記錄。序列化器和反序列化器分別負責處理 schema 的註冊和拉取。

schema註冊表並不屬於Kafka，現在已經有一些開源的schema 註冊表實現。比如本文要討論的Confluent Schema Registry。

2. 案例說明

現有 schema 文件 user.json，其中內容如下：

{
    "type": "record",
    "name": "User",
    "fields": [
        {"name": "id", "type": "int"},
        {"name": "name",  "type": "string"},
        {"name": "age", "type": "int"}
    ]
}

需求：把這個 schema 中的內容註冊到 Confluent Schema Registry 中，Kafka Producer 和 Kafka Consumer 通過識別 Confluent Schema Registry 中的 schema 內容來序列化和反序列化。

3. 實操步驟

(1) 啓動 Confluent Schema Registry 服務

• Confluent 下載地址：https://www.confluent.io/download/，我這裏使用confluent-oss-4.1.1-2.11.tar.gz
• 下載好後上傳到服務器，解壓即可用
• 進入confluent-4.1.1/etc/schema-registry/目錄下，修改schema-registry.properties文件，內容及註釋如下：

# Confluent Schema Registry 服務的訪問IP和端口
listeners=http://192.168.42.89:8081

# Kafka集羣所使用的zookeeper地址，如果不配置，會使用Confluent內置的Zookeeper地址(localhost:2181)
kafkastore.connection.url=192.168.42.89:2181/kafka-1.1.0-cluster

# Kafka集羣的地址(上一個參數和這個參數配置一個就可以了)
# kafkastore.bootstrap.servers=192.168.42.89:9092,192.168.42.89:9093,192.168.42.89:9094

# 存儲 schema 的 topic
kafkastore.topic=_schemas

# 其餘保持默認即可

• 啓動 Confluent Schema Registry

[root@confluent confluent-4.1.1]# bin/schema-registry-start etc/schema-registry/schema-registry.properties
# 省略一些內容......
[2018-06-22 16:10:26,442] INFO Server started, listening for requests... (io.confluent.kafka.schemaregistry.rest.SchemaRegistryMain:45)

(2) 註冊 User 的 schema 註冊到對應的 topic 下

• 首先把原來的 schema 文件加上 "schema" 標記

{
    "schema": "{
        "type": "record",
        "name": "User",
        "fields": [
            {"name": "id", "type": "int"},
            {"name": "name",  "type": "string"},
            {"name": "age", "type": "int"}
        ]
    }"
}

• 部分"需要轉義：

{
    "schema": "{
        \"type\": \"record\",
        \"name\": \"User\",
        \"fields\": [
            {\"name\": \"id\", \"type\": \"int\"},
            {\"name\": \"name\",  \"type\": \"string\"},
            {\"name\": \"age\", \"type\": \"int\"}
        ]
    }"
}

• 註冊 schema 的命令如下

curl -X POST -H "Content-Type: application/vnd.schemaregistry.v1+json" \
--data '' \ 
http://192.168.42.89:8081/subjects/dev3-yangyunhe-topic001-value/versions

說明： <1> ''之間需要填寫schema字符串 <2> 我用來測試的 topic 爲 dev3-yangyunhe-topic001，而且我只對 Kafka 的 value 進行 avro 的序列化，所以註冊的地址爲http://192.168.42.89:8081/subjects/dev3-yangyunhe-topic001-value/versions <3> http://192.168.42.89:8081需要根據自己的配置進行修改

• 把轉義後 schema 填充到 --data ''的兩個單引號中

curl -X POST -H "Content-Type: application/vnd.schemaregistry.v1+json" \
--data '{"schema": "{\"type\": \"record\", \"name\": \"User\", \"fields\": [{\"name\": \"id\", \"type\": \"int\"}, {\"name\": \"name\",  \"type\": \"string\"}, {\"name\": \"age\", \"type\": \"int\"}]}"}' \
http://192.168.42.89:8081/subjects/dev3-yangyunhe-topic001-value/versions

• 註冊成功會返回這個 schema 的 ID

{"id":102}

(3) 在 maven 工程中引入 Confluent Schema Registry 相關的 jar 包

這些 jar 包在 maven 倉庫中下載不到，需要自己手動添加到集羣中，confluent-4.1.1 解壓後，其 share/java/目錄下有 confluent 各個組件的 jar 包：

我們需要 confluent-common 目錄下的common-config-4.1.1.jar、common-utils-4.1.1.jar和全部以jackson開頭的 jar 包以及 kafka-serde-tools 目錄下的kafka-schema-registry-client-4.1.1.jar和kafka-avro-serializer-4.1.1.jar，關於如何添加本地的 jar 包到 java 工程中，本文不再贅述。

(4) Kafka Producer 發送數據

package com.bonc.rdpe.kafka110.producer;

import java.util.Properties;
import java.util.Random;

import org.apache.avro.Schema;
import org.apache.avro.generic.GenericData;
import org.apache.avro.generic.GenericRecord;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerRecord;

/**
 * @Title ConfluentProducer.java 
 * @Description 使用Confluent實現的Schema Registry服務來發送Avro序列化後的對象
 * @Author YangYunhe
 * @Date 2018-06-25 10:49:19
 */
public class ConfluentProducer {
    
    public static final String USER_SCHEMA = "{\"type\": \"record\", \"name\": \"User\", " + 
            "\"fields\": [{\"name\": \"id\", \"type\": \"int\"}, " + 
            "{\"name\": \"name\",  \"type\": \"string\"}, {\"name\": \"age\", \"type\": \"int\"}]}";
    
    public static void main(String[] args) throws Exception {
        
        Properties props = new Properties();
        props.put("bootstrap.servers", "192.168.42.89:9092,192.168.42.89:9093,192.168.42.89:9094");
        props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        // 使用Confluent實現的KafkaAvroSerializer
        props.put("value.serializer", "io.confluent.kafka.serializers.KafkaAvroSerializer");
        // 添加schema服務的地址，用於獲取schema
        props.put("schema.registry.url", "http://192.168.42.89:8081");

        Producer<String, GenericRecord> producer = new KafkaProducer<>(props);
        
        Schema.Parser parser = new Schema.Parser();
        Schema schema = parser.parse(USER_SCHEMA);
        
        Random rand = new Random();
        int id = 0;

        while(id < 100) {
            id++;
            String name = "name" + id;
            int age = rand.nextInt(40) + 1;
            GenericRecord user = new GenericData.Record(schema);
            user.put("id", id);
            user.put("name", name);
            user.put("age", age);
            
            ProducerRecord<String, GenericRecord> record = new ProducerRecord<>("dev3-yangyunhe-topic001", user);
            
            producer.send(record);
            Thread.sleep(1000);
        }

        producer.close();

    }

}

(5) Kafka Consumer 消費數據

package com.bonc.rdpe.kafka110.consumer;

import java.util.Collections;
import java.util.Properties;

import org.apache.avro.generic.GenericRecord;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;

/**
 * @Title ConfluentConsumer.java
 * @Description 使用Confluent實現的Schema Registry服務來消費Avro序列化後的對象
 * @Author YangYunhe
 * @Date 2018-06-25 11:42:21
 */
public class ConfluentConsumer {

    public static void main(String[] args) throws Exception {

        Properties props = new Properties();
        props.put("bootstrap.servers", "192.168.42.89:9092,192.168.42.89:9093,192.168.42.89:9094");
        props.put("group.id", "dev3-yangyunhe-group001");
        props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        // 使用Confluent實現的KafkaAvroDeserializer
        props.put("value.deserializer", "io.confluent.kafka.serializers.KafkaAvroDeserializer");
        // 添加schema服務的地址，用於獲取schema
        props.put("schema.registry.url", "http://192.168.42.89:8081");
        KafkaConsumer<String, GenericRecord> consumer = new KafkaConsumer<>(props);

        consumer.subscribe(Collections.singletonList("dev3-yangyunhe-topic001"));

        try {
            while (true) {
                ConsumerRecords<String, GenericRecord> records = consumer.poll(1000);
                for (ConsumerRecord<String, GenericRecord> record : records) {
                    GenericRecord user = record.value();
                    System.out.println("value = [user.id = " + user.get("id") + ", " + "user.name = "
                            + user.get("name") + ", " + "user.age = " + user.get("age") + "], "
                            + "partition = " + record.partition() + ", " + "offset = " + record.offset());
                }
            }
        } finally {
            consumer.close();
        }
    }
}

(6) 測試結果

Kafka Consumer 的控制檯輸出內容如下：

value = [user.id = 1, user.name = name1, user.age = 20], partition = 1, offset = 696
value = [user.id = 2, user.name = name2, user.age = 27], partition = 0, offset = 696
value = [user.id = 3, user.name = name3, user.age = 35], partition = 2, offset = 695
value = [user.id = 4, user.name = name4, user.age = 7], partition = 1, offset = 697
value = [user.id = 5, user.name = name5, user.age = 34], partition = 0, offset = 697

......