#指定kafka节点列表，用于获取metadata，不必全部指定

    metadata.broker.list=192.168.2.105:,192.168.2.106:

    # 指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到对应分区

    #partitioner.class=com.meituan.mafka.client.producer.CustomizePartitioner

    # 是否压缩，默认0表示不压缩，1表示用gzip压缩，2表示用snappy压缩。压缩后消息中会有头来指明消息压缩类型，故在消费者端消息解压是透明的无需指定。

    compression.codec=none

    # 指定序列化处理类(mafka client API调用说明-->.序列化约定wiki)，默认为kafka.serializer.DefaultEncoder,即byte[]

    serializer.class=com.meituan.mafka.client.codec.MafkaMessageEncoder

    # serializer.class=kafka.serializer.DefaultEncoder

    # serializer.class=kafka.serializer.StringEncoder

    # 如果要压缩消息，这里指定哪些topic要压缩消息，默认empty，表示不压缩。

    #compressed.topics=

    ########### request ack ###############

    # producer接收消息ack的时机.默认为0.

    # : producer不会等待broker发送ack

    # : 当leader接收到消息之后发送ack

    # : 当所有的follower都同步消息成功后发送ack.

    request.required.acks=

    # 在向producer发送ack之前,broker允许等待的最大时间

    # 如果超时,broker将会向producer发送一个error ACK.意味着上一次消息因为某种

    # 原因未能成功(比如follower未能同步成功)

    request.timeout.ms=

    ########## end #####################

    # 同步还是异步发送消息，默认“sync”表同步，"async"表异步。异步可以提高发送吞吐量,

    # 也意味着消息将会在本地buffer中,并适时批量发送，但是也可能导致丢失未发送过去的消息

    producer.type=sync

    ############## 异步发送 (以下四个异步参数可选) ####################

    # 在async模式下,当message被缓存的时间超过此值后,将会批量发送给broker,默认为5000ms

    # 此值和batch.num.messages协同工作.

    queue.buffering.max.ms = 

    # 在async模式下,producer端允许buffer的最大消息量

    # 无论如何,producer都无法尽快的将消息发送给broker,从而导致消息在producer端大量沉积

    # 此时,如果消息的条数达到阀值,将会导致producer端阻塞或者消息被抛弃，默认为10000

    queue.buffering.max.messages=

    # 如果是异步，指定每次批量发送数据量，默认为200

    batch.num.messages=

    # 当消息在producer端沉积的条数达到"queue.buffering.max.meesages"后

    # 阻塞一定时间后,队列仍然没有enqueue(producer仍然没有发送出任何消息)

    # 此时producer可以继续阻塞或者将消息抛弃,此timeout值用于控制"阻塞"的时间

    # -: 无阻塞超时限制,消息不会被抛弃

    # :立即清空队列,消息被抛弃

    queue.enqueue.timeout.ms=-

    ################ end ###############

    # 当producer接收到error ACK,或者没有接收到ACK时,允许消息重发的次数

    # 因为broker并没有完整的机制来避免消息重复,所以当网络异常时(比如ACK丢失)

    # 有可能导致broker接收到重复的消息,默认值为3.

    message.send.max.retries=

    # producer刷新topic metada的时间间隔,producer需要知道partition leader的位置,以及当前topic的情况

    # 因此producer需要一个机制来获取最新的metadata,当producer遇到特定错误时,将会立即刷新

    # (比如topic失效,partition丢失,leader失效等),此外也可以通过此参数来配置额外的刷新机制，默认值600000

    topic.metadata.refresh.interval.ms=

    # zookeeper连接服务器地址，此处为线下测试环境配置(kafka消息服务-->kafka broker集群线上部署环境wiki)

    # 配置例子："127.0.0.1:3000,127.0.0.1:3001,127.0.0.1:3002"

    zookeeper.connect=192.168.2.225:,192.168.2.225:,192.168.2.225:/config/mobile/mq/mafka

    # zookeeper的session过期时间，默认5000ms，用于检测消费者是否挂掉，当消费者挂掉，其他消费者要等该指定时间才能检查到并且触发重新负载均衡

    zookeeper.session.timeout.ms=

    zookeeper.connection.timeout.ms=

    # 指定多久消费者更新offset到zookeeper中。注意offset更新时基于time而不是每次获得的消息。一旦在更新zookeeper发生异常并重启，将可能拿到已拿到过的消息

    zookeeper.sync.time.ms=

    #指定消费组

    group.id=xxx

    # 当consumer消费一定量的消息之后,将会自动向zookeeper提交offset信息

    # 注意offset信息并不是每消费一次消息就向zk提交一次,而是现在本地保存(内存),并定期提交,默认为true

    auto.commit.enable=true

    # 自动更新时间。默认60 *

    auto.commit.interval.ms=

    # 当前consumer的标识,可以设定,也可以有系统生成,主要用来跟踪消息消费情况,便于观察

    conusmer.id=xxx

    # 消费者客户端编号，用于区分不同客户端，默认客户端程序自动产生

    client.id=xxxx

    # 最大取多少块缓存到消费者(默认10)

    queued.max.message.chunks=

    # 当有新的consumer加入到group时,将会reblance,此后将会有partitions的消费端迁移到新

    # 的consumer上,如果一个consumer获得了某个partition的消费权限,那么它将会向zk注册

    # "Partition Owner registry"节点信息,但是有可能此时旧的consumer尚没有释放此节点,

    # 此值用于控制,注册节点的重试次数.

    rebalance.max.retries=

    # 获取消息的最大尺寸,broker不会像consumer输出大于此值的消息chunk

    # 每次feth将得到多条消息,此值为总大小,提升此值,将会消耗更多的consumer端内存

    fetch.min.bytes=

    # 当消息的尺寸不足时,server阻塞的时间,如果超时,消息将立即发送给consumer

    fetch.wait.max.ms=

    socket.receive.buffer.bytes=

    # 如果zookeeper没有offset值或offset值超出范围。那么就给个初始的offset。有smallest、largest、

    # anything可选，分别表示给当前最小的offset、当前最大的offset、抛异常。默认largest

    auto.offset.reset=smallest

    # 指定序列化处理类(mafka client API调用说明-->.序列化约定wiki)，默认为kafka.serializer.DefaultDecoder,即byte[]

    derializer.class=com.meituan.mafka.client.codec.MafkaMessageDecoder

#partitioner.class=

metadata.broker.list=127.0.0.1:9092,127.0.0.1:9093

##,127.0.0.1:9093

producer.type=sync

compression.codec=0

serializer.class=kafka.serializer.StringEncoder

##在producer.type=async时有效

#batch.num.messages=100

package com.test.kafka;

import java.util.ArrayList;

import java.util.Collection;

import java.util.List;

import java.util.Properties;

import kafka.javaapi.producer.Producer;

import kafka.producer.KeyedMessage;

import kafka.producer.ProducerConfig;

public class LogProducer {

    private Producer<String,String> inner;

    public LogProducer() throws Exception{

        Properties properties = new Properties();

        properties.load(ClassLoader.getSystemResourceAsStream("producer.properties"));

        ProducerConfig config = new ProducerConfig(properties);

        inner = new Producer<String, String>(config);

    }

    public void send(String topicName,String message) {

        if(topicName == null || message == null){

            return;

        }

        KeyedMessage<String, String> km = new KeyedMessage<String, String>(topicName,message);

        inner.send(km);

    }

    public void send(String topicName,Collection<String> messages) {

        if(topicName == null || messages == null){

            return;

        }

        if(messages.isEmpty()){

            return;

        }

        List<KeyedMessage<String, String>> kms = new ArrayList<KeyedMessage<String, String>>();

        for(String entry : messages){

            KeyedMessage<String, String> km = new KeyedMessage<String, String>(topicName,entry);

            kms.add(km);

        }

        inner.send(kms);

    }

    public void close(){

        inner.close();

    }

    /**

     * @param args

     */

    public static void main(String[] args) {

        LogProducer producer = null;

        try{

            producer = new LogProducer();

            int i=0;

            while(true){

                producer.send("test-topic", "this is a sample" + i);

                i++;

                Thread.sleep(2000);

            }

        }catch(Exception e){

            e.printStackTrace();

        }finally{

            if(producer != null){

                producer.close();

            }

        }

    }

}

zookeeper.connect=127.0.0.1:2181,127.0.0.1:2182,127.0.0.1:2183

##,127.0.0.1:2182,127.0.0.1:2183

# timeout in ms for connecting to zookeeper

zookeeper.connectiontimeout.ms=1000000

#consumer group id

group.id=test-group

#consumer timeout

#consumer.timeout.ms=5000

package com.test.kafka;

import java.util.HashMap;

import java.util.List;

import java.util.Map;

import java.util.Properties;

import java.util.concurrent.ExecutorService;

import java.util.concurrent.Executors;

import kafka.consumer.Consumer;

import kafka.consumer.ConsumerConfig;

import kafka.consumer.ConsumerIterator;

import kafka.consumer.KafkaStream;

import kafka.javaapi.consumer.ConsumerConnector;

import kafka.message.MessageAndMetadata;

public class LogConsumer {

    private ConsumerConfig config;

    private String topic;

    private int partitionsNum;

    private MessageExecutor executor;

    private ConsumerConnector connector;

    private ExecutorService threadPool;

    public LogConsumer(String topic,int partitionsNum,MessageExecutor executor) throws Exception{

        Properties properties = new Properties();

        properties.load(ClassLoader.getSystemResourceAsStream("consumer.properties"));

        config = new ConsumerConfig(properties);

        this.topic = topic;

        this.partitionsNum = partitionsNum;

        this.executor = executor;

    }

    public void start() throws Exception{

        connector = Consumer.createJavaConsumerConnector(config);

        Map<String,Integer> topics = new HashMap<String,Integer>();

        topics.put(topic, partitionsNum);

        Map<String, List<KafkaStream<byte[], byte[]>>> streams = connector.createMessageStreams(topics);

        List<KafkaStream<byte[], byte[]>> partitions = streams.get(topic);

        threadPool = Executors.newFixedThreadPool(partitionsNum);

        for(KafkaStream<byte[], byte[]> partition : partitions){

            threadPool.execute(new MessageRunner(partition));

        }

    }

    public void close(){

        try{

            threadPool.shutdownNow();

        }catch(Exception e){

            //

        }finally{

            connector.shutdown();

        }

    }

    class MessageRunner implements Runnable{

        private KafkaStream<byte[], byte[]> partition;

        MessageRunner(KafkaStream<byte[], byte[]> partition) {

            this.partition = partition;

        }

        public void run(){

            ConsumerIterator<byte[], byte[]> it = partition.iterator();

            while(it.hasNext()){

                MessageAndMetadata<byte[],byte[]> item = it.next();

                System.out.println("partiton:" + item.partition());

                System.out.println("offset:" + item.offset());

                executor.execute(new String(item.message()));//UTF-8

            }

        }

    }

    interface MessageExecutor {

        public void execute(String message);

    }

    /**

     * @param args

     */

    public static void main(String[] args) {

        LogConsumer consumer = null;

        try{

            MessageExecutor executor = new MessageExecutor() {

                public void execute(String message) {

                    System.out.println(message);

                }

            };

            consumer = new LogConsumer("test-topic", 2, executor);

            consumer.start();

        }catch(Exception e){

            e.printStackTrace();

        }finally{

//            if(consumer != null){

//                consumer.close();

//            }

        }

    }

}