不管是把 Kafka 作爲消息隊列、消息、總線還是數據存儲平臺來使用 ，總是需要有一個可以往 Kafka 寫入數據的生產者和一個可以從 Kafka讀取數據的消費者，或者一個兼具兩種角 色的應用程序。
例如，在一個信用卡事務處理系統裏，有一個客戶端應用程序，它可能是一個在線商店， 每當有支付行爲發生時，它負責把事務發送到 Kafka上。另一個應用程序根據規則引擎檢 查這個事務，決定是批准還是拒絕。 批准或拒絕的響應消息被寫回 Kafka，然後發送給發起事務的在線商店。第三個應用程序從 Kafka上讀取事務和審覈狀態，把它們保存到數據 庫， 隨後分析師可以對這些結果進行分析，或許還能借此改進規則引擎 。
開發者們可以使用 Kafka 內置的客戶端 API開發 Kafka應用程序。
在這一章，我們將從 Kafra生產者的設計和組件講起，學習如何使用 Kafka生產者。我們將展示如何創建 KafkaProducer和 ProducerRecords對象、如何將記錄發送給 Kafka，以及如何處理從 Kafka 返回的錯誤，然後介紹用幹控制生產者行爲的重要配置選項，最後深入 探討如何使用不同的分區方法和序列化器，以及如何自定義序列化器和分區器 。
在下一章，我們將會介紹 Kafra的悄費者客戶端，以及如何從 Kafka讀取消息。
生產者概覽
一個應用程序在很多情況下需要往 Kafka 寫入消息 : 記錄用戶的活動(用於審計和分析 )、 記錄度量指標、保存日誌、消息、記錄智能家電的信息、與其他應用程序進行異步通信、 緩衝即將寫入到數據庫的數據，等等。
多樣的使用場景意味着多樣的需求：是否每個消息都很重要?是否允許丟失 一 小部分消息?偶爾出現重複消息是否可以接受?是否有嚴格的延遲和吞吐量要求?
在之前提到的信用卡事務處理系統裏，消息丟失或消息重複是不允許的，可以接受的延遲最大爲 500ms，對吞吐量要求較高，我們希望每秒鐘可以處理一百萬個消息。
保存網站的點擊信息是另 一種使用場景。在這個場景裏，允許丟失少量的消息或出現少量 的消息重複，延遲可以高一些，只要不影響用戶體驗就行。換句話說，只要用戶點擊鏈接 後可以馬上加載頁面，那麼我們並不介意消息要在幾秒鐘之後才能到達 Kafka 服務器。 吞 吐量則取決於網站用戶使用網站的頻度。
不同的使用場景對生產者 API 的使用和配置會有直接的影響。
儘管生產者 API 使用起來很簡單 ，但消息的發送過程還是有點複雜的。下圖展示 了向Kafka 發送消息的主要步驟。
Kafka 生產者組件圖
我們從創建 一個 ProducerRecord 對象開始， ProducerRecord 對象需要包含目標主題和要發送的內容。我們還可以指定鍵或分區。在發送 ProducerRecord對象時，生產者要先把鍵和 值對象序列化成字節數組，這樣它們才能夠在網絡上傳輸 。
接下來，數據被傳給分區器。如果之前在 ProducerRecord對象裏指定了分區，那麼分區器就不會再做任何事情，直接把指定的分區返回。如果沒有指定分區 ，那麼分區器會根據 ProducerRecord對象的鍵來選擇一個分區 。選好分區以後 ，生產者就知道該往哪個主題和分區發送這條記錄了。緊接着，這條記錄被添加到一個記錄批次裏，這個批次裏的所有消息會被髮送到相同的主題和分區上。有一個獨立的線程負責把這些記錄批次發送到相應的 broker 上。
服務器在收到這些消息時會返回一個響應。如果消息成功寫入 Kafka，就返回 一 個 RecordMetaData 對象，它包含了主題和分區信息，以及記錄在分區裏的偏移量。如果寫入 失敗， 就會返回 一個錯誤 。生產者在收到錯誤之後會嘗試重新發送消息，幾次之後如果還是失敗，就返回錯誤信息。
創建Kafka生產者
要往 Kafka寫入消息，首先要創建一個生產者對象，井設置一些屬性。
下面的代碼片段展示瞭如何創建一個新的生產者，這裏只指定了必要的屬性，其他使用默認設置。
private Properties kafkaProps = new Properties();
kafkaProps.put(“bootstrap.servers”,“broker1:9092,broker2:9092”);
kafkaProps.put(“key.serializer”,“org.apache.kafka.common.serialization.StringSerializer”);
kafkaProps.put(“value.seializer”,“org.apache.kafka.common.serialization.StringSerializer”);
producer = new KafkaProducer<String, String>(kafkaProps);
Kafka生產者有 3個必選的屬性
bootstrap.servers
該屬性指定 broker 的地址清單，地址的格式爲 host:port。清單裏不需要包含所有的broker地址，生產者會從給定的 broker裏查找到其他 broker的信息。不過建議至少要提供兩個 broker的信息， 一旦其中一個宕機，生產者仍然能夠連接到集羣上。
key.serializer
broker希望接收到的消息的鍵和值都是字節數組。生產者接口允許使用參數化類型，因此可以把 Java對象作爲鍵和值發送給 broker。這樣的代碼具有良好的可讀性，不過生產者需要知道如何把這些 Java對象轉換成字節數組。 key.serializer必須被設置爲一個實現了org.apache.kafka.common.serialization.Serializer接口的類，生產者會使用這個類把鍵對象序列化成字節數組。 Kafka 客戶端默認提供了ByteArraySerializer(這個只做很少的事情)、 StringSerializer和 IntegerSerializer，因此，如果你只使用常見的幾種 Java對象類型，那麼就沒必要實現自己的序列化器 。要注意， key.serializer是必須設置的，就算你打算只發送值內容。
value.serializer
與 key.serializer一樣， value.serializer指定的類會將值序列化。如果鍵和值都是字符串，可以使用與 key.serializer 一樣的序列化器。如果鍵是整數類型而值是字符扇 ， 那麼需要使用不同的序列化器。
發送消息主要有3種方式
1、發送並忘記( fire-and-forget)：我們把消息發送給服務器，但井不關心它是否正常到達。大多數情況下，消息會正常到達，因爲 Kafka是高可用的，而且生產者會自動嘗試重發。不過，使用這種方式有時候也會丟失一些消息。
2、同步發送：我們使用send()方怯發送消息， 它會返回一個Future對象，調用get()方法進行等待， 就可以知道悄息是否發送成功。
3、異步發送：我們調用 send() 方怯，並指定一個回調函數， 服務器在返回響應時調用該函數。
在下面的幾個例子中 ， 我們會介紹如何使用上述幾種方式來發送消息，以及如何處理可能 發生的異常情況。
本章的所有例子都使用單線程，但其實生產者是可以使用多線程來發送消息的。剛開始的 時候可以使用單個消費者和單個線程。如果需要更高的吞吐量，可以在生產者數量不變的 前提下增加線程數量。如果這樣做還不夠 ， 可以增加生產者數量。
發送消息到Kafka
最簡單的同步發送消息方式如下所示 ：
ProducerRecord<String, String> record = new
ProducerRecord<>(“CustomerCountry”, “Precision Products”, “France”);try{
producer.send(record);
} catch(Exception e) {
e.printStack();
}
生產者的 send() 方住將 ProducerRecord對象作爲參數，它需要目標主題的名字和要發送的鍵和值對象，它們都是字符串。鍵和值對象的類型必須與序列化器和生產者對象相匹配。
我們使用生產者的 send() 方越發送 ProducerRecord對象。從生產者的架構圖裏可以看到，消息先是被放進緩衝區，然後使用單獨的線程發送到服務器端。 send() 方法會返回一個包含 RecordMetadata 的 Future對象，不過因爲我們會忽略返回值，所以無法知道消息是否發送成功。如果不關心發送結果，那麼可以使用這種發送方式。比如，記錄 Twitter 消息日誌，或記錄不太重要的應用程序日誌。
我們可以忽略發送消息時可能發生的錯誤或在服務器端可能發生的錯誤，但在發送消息之前，生產者還是有可能發生其他的異常。這些異常有可能是 SerializationException (說明序列化消息失敗)、 BufferExhaustedException 或 TimeoutException (說明緩衝區已滿)，又或者是 InterruptException (說明發送線程被中斷)。
同步發送消息
ProducerRecord<String, String> record = new
ProducerRecord<>(“CustomerCountry”, “Precision Products”, “France”);try{
producer.send(record).get();
} catch(Exception e) {
e.printStack();
}
在這裏， producer.send() 方住先返回一個 Future對象，然後調用 Future對象的 get() 方法等待 Kafka 響應。如果服務器返回錯誤， get()方怯會拋出異常。如果沒有發生錯誤，我們會得到一個 RecordMetadata對象，可以用它獲取消息的偏移量。如果在發送數據之前或者在發送過程中發生了任何錯誤 ，比如 broker返回 了一個不允許重發消息的異常或者已經超過了重發的次數 ，那麼就會拋出異常。我們只是簡單地把異常信息打印出來。
如何處理從Kafka生產者返回的錯誤
KafkaProducer一般會發生兩類錯誤。其中一類是可重試錯誤 ，這類錯誤可以通過重發消息來解決。比如對於連接錯誤，可以通過再次建立連接來解決，“無主(noleader)” 錯誤則可 以通過重新爲分區選舉首領來解決。 KafkaProducer可以被配置成自動重試，如果在多次重試後仍無能解決問題，應用程序會收到一個重試異常。另一類錯誤無出通過重試解決 ，比如“消息太大”異常。對於這類錯誤， KafkaProducer不會進行任何重試，直接拋出異常。
異步發送消息
假設消息在應用程序和 Kafka集羣之間一個來回需要 10ms。如果在發送完每個消息後都等待迴應，那麼發送 100個消息需要 1秒。但如果只發送消息而不等待響應，那麼發送100個消息所需要的時間會少很多。大多數時候，我們並不需要等待響應——儘管 Kafka 會把目標主題、分區信息和消息的偏移量發送回來，但對於發送端的應用程序來說不是必需的。不過在遇到消息發送失敗時，我們需要拋出異常、記錄錯誤日誌，或者把消息寫入 “錯誤消息”文件以便日後分析。
爲了在異步發送消息的同時能夠對異常情況進行處理，生產者提供了回調支持 。下面是使用異步發送消息、回調的一個例子。
生產者的配置
到目前爲止 ， 我們只介紹了生產者的幾個必要配置參數——bootstrap.servers API 以及序列化器。
生產者還有很多可配置的參數，在 Kafka文檔裏都有說明，它們大部分都有合理的默認值 ， 所以沒有必要去修改它們 。不過有幾個參數在內存使用、性能和可靠性方面對生產者影響比較大，接下來我們會一一說明。
- acks
acks 參數指定了必須要有多少個分區副本收到消息，生產者纔會認爲消息寫入是成功的。
這個參數對消息丟失的可能性有重要影響。 該參數有如下選項。
• 如果 acks=0， 生產者在成功寫入悄息之前不會等待任何來自服務器的響應。也就是說， 如果當中出現了問題 ， 導致服務器沒有收到消息，那麼生產者就無從得知，消息也就丟 失了。不過，因爲生產者不需要等待服務器的響應，所以它可以以網絡能夠支持的最大 速度發送消息，從而達到很高的吞吐量。
• 如果 acks=1，只要集羣的首領節點收到消息，生產者就會收到 一個來自服務器的成功 響應。如果消息無撞到達首領節點(比如首領節點崩憤，新的首領還沒有被選舉出來)， 生產者會收到一個錯誤響應，爲了避免數據丟失，生產者會重發消息。不過，如果一個 沒有收到消息的節點成爲新首領，消息還是會丟失。這個時候的吞吐量取決於使用的是 同步發送還是異步發送。如果讓發送客戶端等待服務器的響應(通過調用 Future對象 的 get()方法)，顯然會增加延遲(在網絡上傳輸一個來回的延遲)。如果客戶端使用異步回調，延遲問題就可以得到緩解，不過吞吐量還是會受發送中消息數量的限制(比如，生 產者在收到服務器響應之前可以發送多少個消息)。
• 如果 acks=all，只有當所有參與複製的節點全部收到消息時，生產者纔會收到一個來自服務器的成功響應。這種模式是最安全的，它可以保證不止一個服務器收到消息，就算有服務器發生崩潰，整個集羣仍然可以運行(第 5 章將討論更多的細節)。不過，它的延遲比 acks=1時更高，因爲我們要等待不只一個服務器節點接收消息。
- buffer.memory
該參數用來設置生產者內存緩衝區的大小，生產者用它緩衝要發送到服務器的消息。如果 應用程序發送消息的速度超過發送到服務器的速度，會導致生產者空間不足。這個時候， send()方法調用要麼被阻塞，要麼拋出異常，取決於如何設置 block.on.buffe.full 參數 (在0.9.0.0版本里被替換成了max.block.ms，表示在拋出異常之前可以阻塞一段時間)。
- compression.type
默認情況下，消息發送時不會被壓縮。該參數可以設置爲 snappy、 gzip 或 lz4，它指定了消息被髮送給 broker之前使用哪一種壓縮算法進行壓縮。 snappy 壓縮算怯由 Google巳發明， 它佔用較少 的 CPU，卻能提供較好的性能和相當可觀的壓縮比，如果比較關注性能和網絡帶寬，可以使用這種算法。 gzip壓縮算法一般會佔用較多的 CPU，但會提供更高的壓縮比，所以如果網絡帶寬比較有限，可以使用這種算法。使用壓縮可以降低網絡傳輸開銷和存儲開銷，而這往往是向 Kafka發送消息的瓶頸所在。
- retries
生產者從服務器收到的錯誤有可能是臨時性的錯誤(比如分區找不到首領)。在這種情況下， retries參數的值決定了生產者可以重發消息的次數，如果達到這個次數，生產者會放棄重試並返回錯誤。默認情況下，生產者會在每次重試之間等待 1OOms，不過可以通過 retries.backoff.ms 參數來改變這個時間間隔。建議在設置重試次數和重試時間間隔之前， 先測試一下恢復一個崩潰節點需要多少時間(比如所有分區選舉出首領需要多長時間)， 讓總的重試時間比 Kafka集羣從崩潰中恢復的時間長，否則生產者會過早地放棄重試。不過有些錯誤不是臨時性錯誤，沒辦怯通過重試來解決(比如“悄息太大”錯誤)。一般情 況下，因爲生產者會自動進行重試，所以就沒必要在代碼邏輯裏處理那些可重試的錯誤。 你只需要處理那些不可重試的錯誤或重試次數超出上限的情況。
- batch.size
當有多個消息需要被髮送到同一個分區時，生產者會把它們放在放一個批次裏。該參數指定了一個批次可以使用的內存大小，按照字節數計算(而不是消息個數)。當批次被填滿，批次裏的所有消息會被髮送出去。不過生產者井不一定都會等到批次被填滿才發送，半捕 的批次，甚至只包含一個消息的批次也有可能被髮送。所以就算把批次大小設置得很大， 也不會造成延遲，只是會佔用更多的內存而已。但如果設置得太小，因爲生產者需要更頻繁地發送消息，會增加一些額外的開銷。
該參數指定了生產者在發送批次之前等待更多消息加入批次的時間。 KafkaProducer 會在批次填滿或 linger.ms達到上限時把批次發送出去。默認情況下，只要有可用的線程， 生產者就會把消息發送出去，就算批次裏只有一個消息。把 linger.ms設置成比0大的數， 讓生產者在發送批次之前等待一會兒，使更多的消息加入到這個批次 。雖然這樣會增加延遲，但也會提升吞吐量(因爲一次性發送更多的消息，每個消息的開銷就變小了)。
該參數可以是任意的字符串，服務器會用它來識別消息的來源，還可以用在日誌和配額指標裏。
- max.in.flight.requests.per.connection
該參數指定了生產者在收到服務器晌應之前可以發送多少個消息。它的值越高，就會佔用越多的內存，不過也會提升吞吐量。 把它設爲 1 可以保證消息是按照發送的順序寫入服務器的，即使發生了重試。
request.timeout.ms指定了生產者在發送數據時等待服務器返回響應的時間，metadata.fetch.timeout.ms指定了生產者在獲取元數據(比如目標分區的首領是誰)時等待服務器返回響應的時間。如果等待響應超時，那麼生產者要麼重試發送數據，要麼返回 一個錯誤 (拋出異常或執行回調)。timeout.ms 指定了 broker 等待同步副本返回消息確認的時間，與 asks 的配置相匹配一一如果在指定時間內沒有收到同步副本的確認，那麼 broker就會返回 一個錯誤 。
該參數指定了在調用 send() 方法或使用 parttitionFor() 方能獲取元數據時生產者的阻塞 時間。當生產者的發送緩衝區已捕，或者沒有可用的元數據時，這些方屈就會阻塞。在阻塞時間達到 max.block.ms時，生產者會拋出超時異常。
11 . max.request.size
該參數用於控制生產者發送的請求大小。它可以指能發送的單個消息的最大值，也可以指單個請求裏所有消息總的大小。例如，假設這個值爲 1MB，那麼可以發送的單個最大消息爲 1MB，或者生產者可以在單個請求裏發送一個批次，該批次包含了 1000個消息，每個消息大小爲 1KB 。另外， broker對可接收的消息最大值也有自己的限制( message.max.bytes)，所以兩邊的配置最好可以匹配，避免生產者發送的消息被 broker拒絕 。
- receive.buffer.bytes 和 send.buffer.bytes
這兩個參數分別指定了 TCP socket接收和發送數據包的緩衝區大小 。 如果它們被設爲 -1 , 就使用操作系統的默認值。如果生產者或消費者與 broker處於不同的數據中心，那麼可以適當增大這些值，因爲跨數據中心的網絡一般都有比較高的延遲和比較低的帶寬。
順序保證
Kafka可以保證同一個分區裏的消息是有序的。也就是說，如果生產者按照一定的順序發送消息， broker就會按照這個順序把它們寫入分區，消費者也會按照同樣的順序讀取它們。在某些情況下 ， 順序是非常重要的。如果把retries 設爲非零整數，同時把 max.in.flight.requests.per.connection 設爲比 1大的數，那麼，如果第一個批次消息寫入失敗，而第二個批次寫入成功， broker會重試寫入第一個批次。如果此時第一個批次也寫入成功，那 麼兩個批次的順序就反過來了。
一般來說，如果某些場景要求消息是有序的，那麼消息是否寫入成功也是 很關鍵的，所以不建議把順序是非常重要的。如果把retries 設爲 0。可以把 max.in.flight.requests.per.connection設爲 1，這樣在生產者嘗試發送第一批消息時，就不會有其他的消息發送給 broker。不過這樣會嚴重影響生產者的吞吐量 ，所以只有在 對消息的順序有嚴格要求的情況下才能這麼做。
我自己是一名從事了十餘年的後端的老程序員，辭職後目前在做講師，近期我花了一個月整理了一份最適合2019年學習的JAVA乾貨（裏面有高可用、高併發、高性能及分佈式、Jvm性能調優、Spring源碼，MyBatis，Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多個知識點的架構資料）從事後端的小夥伴們都可以來了解一下的，這裏是程序員祕密聚集地，各位還在架構師的道路上掙扎的小夥伴們速來。
加QQ羣：728821520（名額有限）