在最近的一些项目中,我使用Apache Kafka开发了一些数据管道。在性能测试方面,数据生成总是会在整个活动中引入一些样板代码,例如创建客户端实例,编写控制流以发送数据,根据业务逻辑随机化有效负载等等。
在测试设置期间,拥有一个处理所有繁重工作的框架会很好,因此只需要回答两个基本和基本的问题:
- 数据应该是什么样的?(架构)
- 要生成多少数据?(体积)
有了Kafka Connect,事实证明实现自定义源连接器能够实现这一目标。以下是用于生成测试数据的示例属性列表的快速概述。
topic.name = generated.events
poll.size = 10
poll.interval.ms = 5000
message.template = {“status”:“foo”,“direction”:“up”}
random.fields = status:foo | bar |巴兹,方向:向上|向下|向左|向右
这些属性是不言自明的。为了回答上述两个基本问题:message.template
和random.fields
控制模式,而poll.size
和poll.interval.ms
控制音量。
基于这些属性,我创建了一个名为“kafka-connect-datagen”(或简称“datagen”)的自定义源连接器,可在GitHub上获得。
在下一节中,我将简要介绍一些实现细节。
实现自定义连接器
Kafka Connect源连接器将数据从数据存储复制到Kafka,而接收器连接则相反。虽然是源连接器,但datagen不会链接到任何数据存储; 它从内部生成数据。其实施的其余部分根据是标准卡夫卡连接开发指南:它延伸SourceConnector
和SourceTask
,并实现了一些生命周期方法的钩。以下片段缩写自datagen。
如代码所示,Connector
定义Task
要运行的类型和要为其设置的配置Task
,同时Task
是执行自定义逻辑的工作单元。两者Connector
和Task
实例都在一个Worker
进程中运行。该汇合的文档详细介绍了这些概念。
除了实现这两个类之外,还有一个步骤在运行演示之前:ConfigDef
为用户定义配置列表()。之后,这些类可以打包为Connector插件。在全面实施可以在GitHub上找到。
在下一节中,我将演示如何将插件与dockerized本地群集设置一起使用。
快速入门演示
在本快速入门示例中,我们使用docker-compose
管理所有必需的服务,如ZooKeeper,Kafka和Kafka Connect。要显示所有这些服务,请运行docker-compose up -d
,然后运行docker-compose ps
以打印状态信息,如下所示。
Name State Ports
----------------------------------------------- --------------------
quickstart_broker_1 Up 0.0.0.0:9092->9092/tcp
quickstart_connect_1 Up 0.0.0.0:8083->8083/tcp,t ...
quickstart_kafka- connect-ui_1 Up 0.0.0.0:8001->8000/tcp
quickstart_kafka-rest-proxy_1 Up 0.0.0.0:8082->8082/tcp
quickstart_kafka-topics-ui_1 Up 0.0.0.0:8000->8000/tcp
quickstart_zookeeper_1 Up 0.0。 0.0:2181-> 2181 / tcp,...
Kafka和Kafka Connect将需要更长的时间才能开始。感谢Landoop Ltd,我们有这些不错的UI工具:打开http:// localhost:8000查看Kafka主题UI,http:// localhost:8001查看Kafka Connect UI。您也可以运行docker-compose logs -f
以查看日志。
由于通常Kafka Connect服务是最后一个完成启动的服务,我们可以通过运行docker-compose logs -f connect
来查看其日志,以查看如下的正常运行指标。
INFO使用config offset -1(org.apache.kafka.connect.runtime.distributed.DistributedHerder)
启动连接器和任务INFO完成启动连接器和任务(org.apache.kafka.connect.runtime.distributed.DistributedHerder)
当所有服务完全启动时,是时候创建“datagen”连接器实例了。以下是用于此演示的配置示例。它基本上设置“datagen”任务,每5秒生成10条消息。每条消息都使用定义的JSON消息模板和一些随机字段。运行以下命令以实例化Connector和Task。
curl -X POST http:// localhost:8083 / connectors \
-H'Content-Type:application / json'\
-H'Eccept:application / json'\
-d @ connect.source.datagen.json
现在,在Kafka主题UI中,我们能够看到以generated.events
定义的速率发布到主题的随机JSON消息。
kafka-connect-datagen发布消息
要停止生成,我们可以转到Kafka Connect UI并暂停或删除连接器。同样,我们可以使用如下所示的REST API来实现相同的结果。查看此Confluent文档以获取更多操作。
#pause连接器(如果成功则为空响应)
curl -X PUT http:// localhost:8083 / connectors / connect.source.datagen / pause
#delete连接器(如果成功则为空响应)
curl -X DELETE http:// localhost:8083 / connectors / connect.source.datagen
总之,我们能够利用Kafka Connect,这是一种现成的工具,可以很好地与Kafka集成,以最少的样板代码实现随机数据生成。自定义连接器插件 - kafka-connect-datagen - 具有高度可移植性,可以进一步扩展以支持集成测试和不同消息格式等功能。