Kafka生產者與消費者
1. kafka客戶端——生產者
1. pom配置
<properties>
<lombok.version>1.16.18</lombok.version>
<fastjson.version>1.2.66</fastjson.version>
<kafka.version>2.4.1</kafka.version>
</properties>
<dependencies>
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>${kafka.version}</version>
</dependency>
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>fastjson</artifactId>
<version>${fastjson.version}</version>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<version>${lombok.version}</version>
<optional>true</optional>
</dependency>
</dependencies>
2. 生產者發送消息的基本實現
package hcx.kafka.core;
import com.alibaba.fastjson.JSON;
import hcx.kafka.entities.Order;
import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;
import java.util.Properties;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.Future;
import java.util.concurrent.TimeUnit;
public class MyProducer {
private final static String TOPIC_NAME="my-replicated-topic";//主題名稱
public static void main(String[] args) throws ExecutionException, InterruptedException {
Properties props = new Properties();
props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"10.1.48.214:9092,10.1.48.214:9093,10.1.48.214:9094");//設置集羣
//把發送的key從字符串序列化爲字節數組
props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
//把發送的value從字符串序列化爲字節數組
props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
//發消息的客戶端初始化
Producer<String,String> producer = new KafkaProducer<String, String>(props);
//要發送5條消息
final int msgNum=5;
final CountDownLatch countDownLatch=new CountDownLatch(msgNum);
for (int i=1;i<=5;i++){
Order order = new Order((long)i,i);
// //未指定發送分區,具體發送的分區計算公式:hash(key)%partitionNum
// ProducerRecord<String,String> producerRecord=new ProducerRecord<String, String>(TOPIC_NAME,String.valueOf(order.getOrderId()), JSON.toJSONString(order));
//
// //3.3 同步方式發送消息
// Future<RecordMetadata> future = producer.send(producerRecord);
// RecordMetadata metadata = future.get();
// System.out.println("同步方式發送消息結果:" + "topic-" +metadata.topic() + "|partition-"+ metadata.partition() + "|offset-" +metadata.offset());
//指定發送分區
ProducerRecord<String, String> producerRecord = new ProducerRecord<String, String>(TOPIC_NAME, 0 , String.valueOf(order.getOrderId()),JSON.toJSONString(order));
//異步回調方式發送消息
producer.send(producerRecord, new Callback() {
public void onCompletion(RecordMetadata metadata, Exception exception) {
if (exception != null) {
System.err.println("發送消息失敗:" +
exception.getStackTrace());
}
if (metadata != null) {
System.out.println("異步方式發送消息結果:" + "topic-" +metadata.topic() + "|partition-"+ metadata.partition() + "|offset-" + metadata.offset());
}
countDownLatch.countDown();
}
});
}
countDownLatch.await(5,TimeUnit.SECONDS);
// TimeUnit.SECONDS.sleep(10);//方便異步測試
//4.關閉資源
producer.close();
}
}
3.發送消息到指定分區上
ProducerRecord<String, String> producerRecord = new ProducerRecord<String, String>(TOPIC_NAME, 0 , String.valueOf(order.getOrderId()),JSON.toJSONString(order));
4. 未指定分區
//未指定發送分區,具體發送的分區計算公式:hash(key)%partitionNum
ProducerRecord<String,String> producerRecord=new ProducerRecord<String, String>(TOPIC_NAME,String.valueOf(order.getOrderId()), JSON.toJSONString(order));
5. 同步發送
//3.3 同步方式發送消息
Future<RecordMetadata> future = producer.send(producerRecord);
RecordMetadata metadata = future.get();
System.out.println("同步方式發送消息結果:" + "topic-" +metadata.topic() + "|partition-"+ metadata.partition() + "|offset-" +metadata.offset());
6. 異步發送消息
//要發送5條消息
final int msgNum=5;
final CountDownLatch countDownLatch=new CountDownLatch(msgNum);
for (int i=1;i<=5;i++){
Order order = new Order((long)i,i);
//指定發送分區
ProducerRecord<String, String> producerRecord = new ProducerRecord<String, String>(TOPIC_NAME, 0 , String.valueOf(order.getOrderId()),JSON.toJSONString(order));
//異步回調方式發送消息
producer.send(producerRecord, new Callback() {
public void onCompletion(RecordMetadata metadata, Exception exception) {
if (exception != null) {
System.err.println("發送消息失敗:" +
exception.getStackTrace());
}
if (metadata != null) {
System.out.println("異步方式發送消息結果:" + "topic-" +metadata.topic() + "|partition-"+ metadata.partition() + "|offset-" + metadata.offset());
}
countDownLatch.countDown();
}
});
}
7. 關於生產者的ack設置
- 同步場景下會有三種情況:
- ( 1 )acks=0: 表示producer不需要等待任何broker確認收到消息的回覆,就可以繼續發送下一條消息。性能最高,但是最容易丟消息。
- ( 2 )acks=1: 至少要等待leader已經成功將數據寫入本地log,但是不需要等待所有follower是否成功寫入。就可以繼續發送下一條消息。這種情況下,如果follower沒有成功備份數據,而此時leader又掛掉,則消息會丟失。
- ( 3 )acks=-1或all: 需要等待 min.insync.replicas(默認爲 1 ,推薦配置大於等於2) 這個參數配置的副本個數都成功寫入日誌,這種策略會保證只要有一個備份存活就不會丟失數據。這是最強的數據保證。一般除非是金融級別,或跟錢打交道的場景纔會使用這種配置。
props.put(ProducerConfig.ACKS_CONFIG, "1"); //設置ack
8. 細節部分
- 發送會默認會重試 3 次,每次間隔100ms
- 發送的消息會先進入到本地緩衝區(32mb),kakfa會跑一個線程,該線程去緩衝區中取16k的數據,發送到kafka,如果到 10 毫秒數據沒取滿16k,也會發送一次。
2. kafaka客戶端——消費者
1. 消費者的基本實現
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 org.apache.kafka.common.serialization.StringDeserializer;
import java.time.Duration;
import java.util.Arrays;
import java.util.Properties;
public class MyConsumer {
private final static String TOPIC_NAME = "my-replicated-topic";
private final static String CONSUMER_GROUP_NAME = "testGroup";
public static void main(String[] args) {
Properties props = new Properties();
props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"10.1.48.214:9092,10.1.48.214:9093,10.1.48.214:9094");
// 消費分組名
props.put(ConsumerConfig.GROUP_ID_CONFIG, CONSUMER_GROUP_NAME);
props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());
//創建一個消費者的客戶端
KafkaConsumer<String, String> consumer = new KafkaConsumer<String,String>(props);
// 消費者訂閱主題列表
consumer.subscribe(Arrays.asList(TOPIC_NAME));
while (true) {
/*
* poll() API 是拉取消息的⻓輪詢
*/
ConsumerRecords<String, String> records =consumer.poll(Duration.ofMillis( 1000 ));
for (ConsumerRecord<String, String> record : records) {
System.out.printf("收到消息:partition = %d,offset = %d, key =%s, value = %s%n", record.partition(),record.offset(), record.key(), record.value());
}
}
}
}
2. 自動提交offset
- 設置自動提交參數 - 默認
// 是否自動提交offset,默認就是true
props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");
// 自動提交offset的間隔時間
props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");
-
消費者poll到消息後默認情況下,會自動向broker的_consumer_offsets主題提交當前主題-分區消費的偏移量。
-
自動提交會丟消息: 因爲如果消費者還沒消費完poll下來的消息就自動提交了偏移量,那麼此 時消費者掛了,於是下一個消費者會從已提交的offset的下一個位置開始消費消息。之前未被消費的消息就丟失掉了。
3. 手動提交offset
- 設置手動提交參數 - 默認
props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");
-
手動同步提交
if (records.count() > 0 ) { // 手動同步提交offset,當前線程會阻塞直到offset提交成功 // 一般使用同步提交,因爲提交之後一般也沒有什麼邏輯代碼了 consumer.commitSync(); }
-
手動異步提交
if (records.count() > 0 ) { // 手動異步提交offset,當前線程提交offset不會阻塞,可以繼續處理後面的程序邏輯 consumer.commitAsync(new OffsetCommitCallback() { @Override public void onComplete(Map<TopicPartition, OffsetAndMetadata>offsets, Exception exception) { if (exception != null) { System.err.println("Commit failed for " + offsets); System.err.println("Commit failed exception: " +exception.getStackTrace()); } } }); }
4. 消費者的pool消息過程
-
消費者建立了與broker之間的⻓連接,開始poll消息。
-
默認一次poll 500條消息
props.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, 500 );
-
可以根據消費速度的快慢來設置,因爲如果兩次poll的時間如果超出了30s的時間間隔,kafka會認爲其消費能力過弱,將其踢出消費組。將分區分配給其他消費者。
可以通過ConsumerConfig.MAX_POLL_INTERVAL_MS_CONFIG進行設置:
props.put(ConsumerConfig.MAX_POLL_INTERVAL_MS_CONFIG, 30*1000 );
-
如果每隔1s內沒有poll到任何消息,則繼續去poll消息,循環往復,直到poll到消息。如果超出了1s,則此次⻓輪詢結束
ConsumerRecords<String, String> records =consumer.poll(Duration.ofMillis( 1000 ));
-
消費者發送心跳的時間間隔
props.put(ConsumerConfig.HEARTBEAT_INTERVAL_MS_CONFIG, 1000 );
-
kafka如果超過 10 秒沒有收到消費者的心跳,則會把消費者踢出消費組,進行rebalance,把分區分配給其他消費者。
props.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, 10 * 1000 );
5 .指定分區消費
consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0 )));
6 .指定回溯消費
consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0 )));
consumer.seekToBeginning(Arrays.asList(new TopicPartition(TOPIC_NAME,0 )));
7. 指定offset消費
consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0 )));
consumer.seek(new TopicPartition(TOPIC_NAME, 0 ), 10 );
8. 指定時間點消費
List<PartitionInfo> topicPartitions =consumer.partitionsFor(TOPIC_NAME);
//從 1 小時前開始消費
long fetchDataTime = new Date().getTime() - 1000 * 60 * 60 ;
Map<TopicPartition, Long> map = new HashMap<>();
for (PartitionInfo par : topicPartitions) {
map.put(new TopicPartition(TOPIC_NAME, par.partition()),fetchDataTime);
}
Map<TopicPartition, OffsetAndTimestamp> parMap =consumer.offsetsForTimes(map);
for (Map.Entry<TopicPartition, OffsetAndTimestamp> entry :parMap.entrySet()) {
TopicPartition key = entry.getKey();
OffsetAndTimestamp value = entry.getValue();
if (key == null || value == null) continue;
Long offset = value.offset();
System.out.println("partition-" + key.partition() +"|offset-" + offset);
System.out.println();
//根據消費裏的timestamp確定offset
if (value != null) {
consumer.assign(Arrays.asList(key));
consumer.seek(key, offset);
}
}
9. 新消費組的消費偏移量
當消費主題的是一個新的消費組,或者指定offset的消費方式,offset不存在,那麼應該如何消費?
存在兩種情況:
- latest(默認) :只消費自己啓動之後發送到主題的消息
- earliest:第一次從頭開始消費,以後按照消費offset記錄繼續消費,這個需要區別於consumer.seekToBeginning(每次都從頭開始消費)
props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");