玩转Kafka的生产者

上篇文章学习kafka的基本安装和基础概念,本文主要是学习kafka的常用API。其中包括生产者和消费者,

多线程生产者,多线程消费者,自定义分区等,当然还包括一些避坑指南。


准备工作

kafka版本:2.11-1.1.1

操作系统:centos7

java:jdk1.8

有了以上这些条件就OK了,具体怎么安装和启动Kafka这里就不强调了,可以看上一篇文章。

新建一个maven工程,需要的依赖如下:


<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka_2.11</artifactId>
<version>1.1.1</version>
</dependency>

<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>1.1.1</version>
</dependency>


主题管理

kafka的核心就是主题,学会使用kafka的脚本创建主题,也需要学习使用Java API来创建主题。

Kafka将zookeeper的操作封装成一个ZkUtils类,通过AdminUtils类来调用ZkUtils,来实现Kafka中元数据的操作。

下面一个例子是使用AdminUtils来创建主题,并同时创建指定大小的分区数。


    // 连接配置
private static final String ZK_CONNECT = "10.0.90.53:2181";

// session过期时间
private static final int SEESSION_TIMEOUT = 30 * 1000;

// 连接超时时间
private static final int CONNECT_TIMEOUT = 30 * 1000;

/**
* 创建主题
*
* @param topic 主题名称
* @param partition 分区数
* @param repilca 副本数
* @param properties 配置信息
*/
public static void createTopic(String topic, int partition, int repilca, Properties properties) {
ZkUtils zkUtils = null;
try {
// 创建zkutil
zkUtils = ZkUtils.apply(ZK_CONNECT, SEESSION_TIMEOUT, CONNECT_TIMEOUT, JaasUtils.isZkSecurityEnabled());
if (!AdminUtils.topicExists(zkUtils, topic)) {
//主题不存在,则创建主题
AdminUtils.createTopic(zkUtils, topic, partition, repilca, properties, AdminUtils.createTopic$default$6());
}
} catch (Exception e) {
e.printStackTrace();
} finally {
zkUtils.close();
}
}


执行该方法,创建主题,

在centos7中查看之前创建的主题:

bin/kafka-topics.sh --list --zookeeper localhost:2181  


删除主题:


/**
 * 删除主题
 *
 * @param topic
 */
public static void deleteTopic(String topic){
    ZkUtils zkUtils = null;
    try {
        zkUtils = ZkUtils.apply(ZK_CONNECT, SEESSION_TIMEOUT, CONNECT_TIMEOUT, JaasUtils.isZkSecurityEnabled());
        AdminUtils.deleteTopic(zkUtils,topic);
    } catch (Exception e) {
        e.printStackTrace();
    } finally {
        zkUtils.close();
    }
}


生产者API

在掌握了创建和删除主题之后,接下来,学习Kafka的生产者API。

Kafka中的生产者,通过KafkaProducer这个类来实现的,在介绍这个类的使用之前,首先介绍kafka的配置项,这也是实际生产中比较关心的。

消息发送流程

实例化生产者时,有三个配置是必须指定的:

  • bootstrap.servers:配置连接代理列表,不必包含Kafka集群的所有代理地址,当连接上一个代理后,会从集群元数据信息中获取其他存活的代理信息。但为了保证能够成功连上Kafka集群,在多代理集群的情况下,建议至少配置两个代理。
  • (由于电脑配置有限,本文实验的是单机情况)
    key.serializer : 用于序列化消息Key的类
  • value.serializer :用于序列化消息值(Value)的类

向Kafka发送一个消息,基本上要经过以下的流程:

1.配置Properties对象,这个是必须的

2.实例化KafkaProducer对象

3.实例化ProducerRecord对象,每条消息对应一个ProducerRecord对象

4.调用KafkaProducer的send方法,发送消息。发送消息有两种,一种是带回调函数的(如果发送消息有异常,会在回调函数中返回),另一种是不带回调函数的。

KafkaProducer默认是异步发送消息,首先它会将消息缓存到消息缓冲区中,当缓存区累积到一定数量时,将消息封装成一个

RecordBatch,统一发送消息。也就是说,发送消息实质上分为两个阶段,第一将消息发送到消息缓冲区,第二执行网络I/O操作

5.关闭KafkaProducer,释放连接的资源。

了解以上的流程,那么接下来就实现Java版本的API。

代码实例

第一步:

新建一个消息实体类,模拟支付订单消息,包含消息的ID,商家名称,创建时间,备注。


public class OrderMessage {

// 订单ID
private String id;

// 商家名称
private String sName;

// 创建时间
private long createTime;

// 备注
private String remake;

public String getId() {
return id;
}

public void setId(String id) {
this.id = id;
}

public String getsName() {
return sName;
}

public void setsName(String sName) {
this.sName = sName;
}

public long getCreateTime() {
return createTime;
}

public void setCreateTime(long createTime) {
this.createTime = createTime;
}

public String getRemake() {
return remake;
}

public void setRemake(String remake) {
this.remake = remake;
}

@Override
public String toString() {
return "OrderMessage{" +
"id='" + id + '\'' +
", sName='" + sName + '\'' +
", createTime=" + createTime +
", remake='" + remake + '\'' +
'}';
}
}

第二步:

这里简单的发送一个消息demo,按照上面的流程,生产者例子如下:


package kafka.producer;

import kafka.OrderMessage;
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;
import java.util.UUID;

/**
* kafka生产者
*/
public class ProducerSimpleDemo {
static Properties properties = new Properties();

//主题名称
static String topic = "myTopic";

//生产者
static KafkaProducer<String, String> producer = null;

//生产者配置
static {
properties.put(org.apache.kafka.clients.producer.ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "10.0.90.53:9092");
properties.put(org.apache.kafka.clients.producer.ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
producer = new KafkaProducer<>(properties);
}

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

/**
* 发送消息
*
* @throws Exception
*/
public static void sendMsg() throws Exception {
ProducerRecord<String, String> record = null;
try {
// 循环发送一百条消息
for (int i = 0; i < 10; i++) {
// 构造待发送的消息
OrderMessage orderMessage = new OrderMessage();
orderMessage.setId(UUID.randomUUID().toString());
long timestamp = System.nanoTime();
orderMessage.setCreateTime(timestamp);
orderMessage.setRemake("remind");
orderMessage.setsName("test");
// 实例化ProducerRecord
record = new ProducerRecord<String, String>(topic, timestamp + "", orderMessage.toString());
producer.send(record, (metadata, e) -> {
// 使用回调函数
if (null != e) {
e.printStackTrace();
}
if (null != metadata) {
System.out.println(String.format("offset: %s, partition:%s, topic:%s timestamp:%s", metadata.offset(), metadata.partition(), metadata.topic(), metadata.timestamp()));
}
});
}

} catch (Exception e) {
e.printStackTrace();
} finally {
producer.close();
}
}
}

运行,结果就出现了,异常。

异常记录:

2018-07-30 18:05:10.755 DEBUG 10272 --- [ad | producer-1] o.apache.kafka.common.network.Selector   : Connection with localhost/127.0.0.1 disconnected
 
java.net.ConnectException: Connection refused: no further information
    at sun.nio.ch.SocketChannelImpl.checkConnect(Native Method) ~[na:1.8.0_111]
    at sun.nio.ch.SocketChannelImpl.finishConnect(Unknown Source) ~[na:1.8.0_111]
    at org.apache.kafka.common.network.PlaintextTransportLayer.finishConnect(PlaintextTransportLayer.java:51) ~[kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.common.network.KafkaChannel.finishConnect(KafkaChannel.java:73) ~[kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.common.network.Selector.pollSelectionKeys(Selector.java:323) [kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.common.network.Selector.poll(Selector.java:291) [kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.clients.NetworkClient.poll(NetworkClient.java:260) [kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.clients.producer.internals.Sender.run(Sender.java:236) [kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.clients.producer.internals.Sender.run(Sender.java:148) [kafka-clients-0.10.1.1.jar:na]
    at java.lang.Thread.run(Unknown Source) [na:1.8.0_111]
可以看到报错第一句显示:Connection with localhost/127.0.0.1 disconnected
但是可以看到自己的配置是正确的。

这里需要在kafka中修改部分配置:

在配置kafka中,首先需要修改kafka的配置server.properties中的

 advertised.listeners=PLAINTEXT://:your.host.name:9092
翻译过来就是hostname和端口是用来建议给生产者和消费者使用的。
如果没有设置,将会使用listeners的配置,如果listeners也没有配置,将使用java.net.InetAddress.getCanonicalHostName()来获取这个hostname和port,对于ipv4,基本就是localhost了。
 
"PLAINTEXT"表示协议,可选的值有PLAINTEXT和SSL,hostname可以指定IP地址,也可以用"0.0.0.0"表示对所有的网络接口有效,如果hostname为空表示只对默认的网络接口有效
也就是说如果你没有配置advertised.listeners,就使用listeners的配置通告给消息的生产者和消费者,这个过程是在生产者和消费者获取源数据(metadata)。

修改之后:
advertised.listeners=PLAINTEXT://10.0.90.53:9092

需要注意的是,如果Kafka有多个节点,那么需要每个节点都按照这个节点的实际hostname和port情况进行设置。

修改完毕,重启Kafka服务,开启消费者,接受消息,在服务器中输入:

bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic myTopic --from-beginning

可以看到服务器中的消费者:

玩转Kafka的生产者


成功接收到消息。之前提到过在生产者有回调函数,来看看回调函数的输出:
offset: 0, partition:0, topic:myTopic  timestamp:1533199115840
offset: 1, partition:0, topic:myTopic  timestamp:1533199115850
offset: 2, partition:0, topic:myTopic  timestamp:1533199115850
offset: 3, partition:0, topic:myTopic  timestamp:1533199115850
offset: 4, partition:0, topic:myTopic  timestamp:1533199115850
offset: 5, partition:0, topic:myTopic  timestamp:1533199115850
offset: 6, partition:0, topic:myTopic  timestamp:1533199115850
offset: 7, partition:0, topic:myTopic  timestamp:1533199115852
offset: 8, partition:0, topic:myTopic  timestamp:1533199115852
offset: 9, partition:0, topic:myTopic  timestamp:1533199115852
打印出了偏移值,分区,主题,和时间戳。说明发送成功了。到此就完成第一个Helloworld操作了。
我们可以看到回调函数返回的消息,怎么都在一个分区中呢?下面来研究分区器。

自定义分区器

Kafka在底层摒弃了Java堆缓存机制,采用了操作系统级别的页缓存,同时将随机写操作改为顺序写,再结合Zero-Copy的特性极大地改善了IO性能。

这个在单机上的提高,对于集群,Kafka使用了分区,将topic的消息分散到多个分区上,并保存在不同的机器上。

但是是否分区越多,效率越高呢?也不尽然!

1.每个分区在底层文件系统都有属于自己的一个目录。该目录下通常会有两个文件: base_offset.log和base_offset.index。Kafak的controller和ReplicaManager会为每个broker都保存这两个文件句柄(file handler)。很明显,如果分区数越多,所需要保持打开状态的文件句柄数也就越多,最终可能会突破你的ulimit -n的限制。

2.消费者和生产者都会为分区缓存消息,分区越多,缓存的消息就越多,占用的内存就越大。

3.降低高可用,Kafka是通过高可用来实现高可用性的。我们知道在集群中往往会有一个leader,假设集群中有10个Kafka进程,1个leader,9个follwer,如果一个leader挂了,那么就会重新选出一个leader,如果集群中有10000个分区,那么将要花费很长的时间,这对于高可用是有损耗的。


本身kafka有自己的分区策略的,如果未指定,就会使用默认的分区策略:

Kafka根据传递消息的key来进行分区的分配,即hash(key) % numPartitions。如果Key相同的话,那么就会分配到统一分区。


Kafka提供了自定义的分区器,只要实现Partitioner接口即可,下面是自定义分区的例子:


package kafka.partition;

import org.apache.kafka.clients.producer.Partitioner;
import org.apache.kafka.common.Cluster;

import java.util.Map;

/**
* 自定义分区器
*/
public class PartitionUtil implements Partitioner {

// 分区数
private static final Integer PARTITION_NUM = 6;

@Override
public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
if (null == key){
return 0;
}
String keyValue = String.valueOf(key);
// key取模
int partitionId = (int) (Long.valueOf(key.toString())%PARTITION_NUM);
return partitionId;
}

@Override
public void close() {

}

@Override
public void configure(Map<String, ?> configs) {

}
}

还是刚才分区的代码,只要在之前的配置中加上

properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG, PartitionUtil.class.getName());
运行生产者,回调函数打印如下:
offset: 3, partition:5, topic:MyOrder  timestamp:1533205894785
offset: 5, partition:3, topic:MyOrder  timestamp:1533205893202
offset: 6, partition:3, topic:MyOrder  timestamp:1533205894784
offset: 2, partition:2, topic:MyOrder  timestamp:1533205894785
offset: 4, partition:1, topic:MyOrder  timestamp:1533205894785
offset: 5, partition:1, topic:MyOrder  timestamp:1533205894785
offset: 5, partition:0, topic:MyOrder  timestamp:1533205894784
offset: 6, partition:0, topic:MyOrder  timestamp:1533205894784
offset: 7, partition:0, topic:MyOrder  timestamp:1533205894785
offset: 8, partition:0, topic:MyOrder  timestamp:1533205894786
分区成功了,在实际生产过程中,可以根据项目的实际需要进行分区设计。


线程池生产者

在实际生产过程中,通常消息数量是比较多的,就可以考虑使用线程池。

使用线程池发送消息时,要考虑两点:1.需要结合实际情况,合理设计线程池的大小;2.使用线程池时,消息的发送是无序的,如果对消息的顺序有要求,不建议使用。

如果使用线程池,建议是只实例化一个KafkaProducer对象,这样性能最好。代码如下:

首先写一个线程类:


package kafka.producer;

import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerRecord;

/**
* 生产者线程
*/
public class ProducerThread implements Runnable {

private KafkaProducer<String, String> producer = null;
private ProducerRecord<String, String> record = null;

public ProducerThread(KafkaProducer<String, String> producer, ProducerRecord<String, String> record) {
this.producer = producer;
this.record = record;
}

@Override
public void run() {
producer.send(record, (metadata, e) -> {
if (null != e) {
e.printStackTrace();
}
if (null != metadata) {
System.out.println("消息发送成功 : "+String.format("offset: %s, partition:%s, topic:%s timestamp:%s",
metadata.offset(), metadata.partition(), metadata.topic(), metadata.timestamp()));
}
});
}

}


接着完成启动类,启动类中自定义了一个线程池,这里还是有一些遐思,就是没有自定义,线程创建工厂,没有指定创建的线程名称,在实际生产中,最好是自定义线程工厂。

代码如下:


package kafka.producer;

import kafka.OrderMessage;
import kafka.partition.PartitionUtil;
import org.apache.kafka.clients.producer.*;
import org.apache.kafka.clients.producer.ProducerConfig;

import java.util.Properties;
import java.util.UUID;
import java.util.concurrent.*;

/**
* 线程池生产者
*
* @author tangj
* @date 2018/7/29 20:15
*/
public class ProducerDemo {
static Properties properties = new Properties();

static String topic = "MyOrder";

static KafkaProducer<String, String> producer = null;

// 核心池大小
static int corePoolSize = 5;

// 最大值
static int maximumPoolSize = 20;

// 无任务时存活时间
static long keepAliveTime = 60;

// 时间单位
static TimeUnit timeUnit = TimeUnit.SECONDS;

// 阻塞队列
static BlockingQueue blockingQueue = new LinkedBlockingQueue();

// 线程池
static ExecutorService service = null;

static {
// 配置项
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "10.0.90.53:9092");
properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG, PartitionUtil.class.getName());
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");
producer = new KafkaProducer<>(properties);
// 初始化线程池
service = new ThreadPoolExecutor(corePoolSize, maximumPoolSize, keepAliveTime, timeUnit, blockingQueue);
}

public static void main(String args[]) throws Exception {
for (int i = 0; i < 6; i++) {
service.submit(createMsgTask());
}
}


/**
* 生产消息
*
* @return
*/
public static ProducerThread createMsgTask() {
OrderMessage orderMessage = new OrderMessage();
orderMessage.setId(UUID.randomUUID().toString());
long timestamp = System.nanoTime();
orderMessage.setCreateTime(timestamp);
orderMessage.setRemake("rem");
orderMessage.setsName("test");
ProducerRecord<String, String> record = new ProducerRecord<String, String>(topic, timestamp + "", orderMessage.toString());
ProducerThread task = new ProducerThread(producer, record);
return task;
}

}




上一篇:万里扬集团全系统上云 #科技有温度#


下一篇:大数据应用催生万亿产业 多地筹建数据交易中心