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");

10. 學習來源

嗶哩嗶哩：https://www.bilibili.com/video/BV1Xy4y1G7zA

Kafka生產者與消費者

Kafka生產者與消費者

1. kafka客戶端——生產者

1. pom配置

2. 生產者發送消息的基本實現

3.發送消息到指定分區上

4. 未指定分區

5. 同步發送

6. 異步發送消息

7. 關於生產者的ack設置

8. 細節部分

2. kafaka客戶端——消費者

1. 消費者的基本實現

2. 自動提交offset

3. 手動提交offset

4. 消費者的pool消息過程

5 .指定分區消費

6 .指定回溯消費

7. 指定offset消費

8. 指定時間點消費

9. 新消費組的消費偏移量

10. 學習來源

ChatGLM3在Docker環境部署

java上傳文件到FTP制定文件夾

paddleocr 在docker環境下部署

PaddleOCR安裝過程中的ERROR

程序啓動停止的shell腳本

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結