Producer API

 

org.apache.kafka.clients.producer.KafkaProducer

 

如果想学习Java工程化、高性能及分布式、深入浅出。微服务、Spring，MyBatis，Netty源码分析的朋友可以加我的Java高级交流：854630135，群里有阿里大牛直播讲解技术，以及Java大型互联网技术的视频免费分享给大家。

 

1 props.put("bootstrap.servers", "192.168.1.128:9092");

 

 2 props.put("acks", "all");

 

 3 props.put("retries", 0);

 

 4 props.put("batch.size", 16384);

 

 5 props.put("linger.ms", 1);

 

 6 props.put("buffer.memory", 33554432);

 

 7 props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");

 

 8 props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");

 

 9 

 

10 Producer<String, String> producer = new KafkaProducer<String, String>(props);

 

11 for (int i = 0; i < 10; i++) {

 

12 producer.send(new ProducerRecord<String, String>("foo", Integer.toString(i), Integer.toString(i)), new Callback() {

 

13 @Override

 

14 public void onCompletion(RecordMetadata recordMetadata, Exception e) {

 

15 if (null != e) {

 

16 e.printStackTrace();

 

17 }else {

 

18 System.out.println("callback: " + recordMetadata.topic() + " " + recordMetadata.offset());

 

19 }

 

20 }

 

21 });

 

22 }

 

23 producer.close();

 

producer由一个缓冲池组成，这个缓冲池中维护着那些还没有被传送到服务器上的记录，而且有一个后台的I/O线程负责将这些记录转换为请求并将其传送到集群上去。

 

send()方法是异步的。当调用它以后就把记录放到buffer中并立即返回。这就允许生产者批量的发送记录。

 

acks配置项控制的是完成的标准，即什么样的请求被认为是完成了的。本例中其值设置的是"all"表示客户端会等待直到所有记录完全被提交，这是最慢的一种方式也是持久化最好的一种方式。

 

如果请求失败了，生产者可以自动重试。因为这里我们设置retries为0，所以它不重试。

 

生产者对每个分区都维护了一个buffers，其中放的是未被发送的记录。这些buffers的大小是通过batch.size配置项来控制的。

 

默认情况下，即使一个buffer还有未使用的空间（PS：buffer没满）也会立即发送。如果你想要减少请求的次数，你可以设置linger.ms为一个大于0的数。这个指令将告诉生产者在发送请求之前先等待多少毫秒，以希望能有更多的记录到达好填满buffer。在本例中，我们设置的是1毫秒，表示我们的请求将会延迟1毫秒发送，这样做是为了等待更多的记录到达，1毫秒之后即使buffer没有被填满，请求也会发送。（PS：稍微解释一下这段话，producer调用send()方法只是将记录放到buffer中，然后由一个后台线程将buffer中的记录传送到服务器上。这里所说的请求指的是从buffer到服务器。默认情况下记录被放到buffer以后立即被发送到服务器，为了减少请求服务器的次数，可以通过设置linger.ms，这个配置项表示等多少毫秒以后再发送，这样做是希望每次请求可以发送更多的记录，以此减少请求次数）

 

如果想学习Java工程化、高性能及分布式、深入浅出。微服务、Spring，MyBatis，Netty源码分析的朋友可以加我的Java高级交流：854630135，群里有阿里大牛直播讲解技术，以及Java大型互联网技术的视频免费分享给大家。

 

buffer.memory控制的是总的buffer内存数量

 

key.serializer 和 value.serializer表示怎样将key和value对象转成字节

 

从kafka 0.11开始，KafkaProducer支持两种模型：the idempotent producer and the transactional producer（幂等producer和事务producer）。幂等producer强调的是至少一次精确的投递。事务producer允许应用程序原子的发送消息到多个分区或者主题。

 

为了启用幂等性，必须将enable.idempotence这个配置的值设为true。如果你这样设置了，那么retries默认是Integer.MAX_VALUE，并且acks默认是all。为了利用幂等producer的优势，请避免应用程序级别的重新发送。

 

为了使用事务producer，你必须配置transactional.id。如果transactional.id被设置，幂等性自动被启用。

 

1 Properties props = new Properties();

 

 2 props.put("bootstrap.servers", "192.168.1.128:9092");

 

 3 props.put("transactional.id", "my-transactional-id");

 

 4 

 

 5 Producer<String, String> producer = new KafkaProducer<String, String>(props, new StringSerializer(), new StringSerializer());

 

 6 

 

 7 producer.initTransactions();

 

 8 

 

 9 try {

 

10 producer.beginTransaction();

 

11 

 

12 for (int i = 11; i < 20; i++) {

 

13 producer.send(new ProducerRecord<String, String>("bar", Integer.toString(i), Integer.toString(i)));

 

14 }

 

15 // This method will flush any unsent records before actually committing the transaction

 

16 producer.commitTransaction();

 

17 } catch (ProducerFencedException | OutOfOrderSequenceException | AuthorizationException e) {

 

18 producer.close();

 

19 } catch (KafkaException e) {

 

20 // By calling producer.abortTransaction() upon receiving a KafkaException we can ensure

 

21 // that any successful writes are marked as aborted, hence keeping the transactional guarantees.

 

22 producer.abortTransaction();

 

23 }

 

24 

 

25 producer.close();

 

如果想学习Java工程化、高性能及分布式、深入浅出。微服务、Spring，MyBatis，Netty源码分析的朋友可以加我的Java高级交流：854630135，群里有阿里大牛直播讲解技术，以及Java大型互联网技术的视频免费分享给大家。

 

Consumer API

 

org.apache.kafka.clients.consumer.KafkaConsumer

 

Offsets and Consumer Position

 

对于分区中的每条记录，kafka维护一个数值偏移量。这个偏移量是分区中一条记录的唯一标识，同时也是消费者在分区中的位置。例如，一个消费者在分区中的位置是5，表示它已经消费了偏移量从0到4的记录，并且接下来它将消费偏移量为5的记录。相对于消费者用户来说，这里实际上有两个位置的概念。

 

消费者的position表示下一条将要消费的记录的offset。每次消费者通过调用poll(long)接收消息的时候这个position会自动增加。

 

committed position表示已经被存储的最后一个偏移量。消费者可以自动的周期性提交offsets，也可以通过调用提交API(e.g. commitSync and commitAsync)手动的提交position。

 

Consumer Groups and Topic Subscriptions

 

Kafka用"consumer groups"（消费者组）的概念来允许一组进程分开处理和消费记录。这些处理在同一个机器上进行，也可以在不同的机器上。同一个消费者组中的消费者实例有相同的group.id

 

组中的每个消费者可以动态设置它们想要订阅的主题列表。Kafka给每个订阅的消费者组都投递一份消息。这归功于消费者组中所有成员之间的均衡分区，以至于每个分区都可以被指定到组中精确的一个消费者。假设一个主题有4个分区，一个组中有2个消费者，那么每个消费者将处理2个分区。

 

消费者组中的成员是动态维护的：如果一个消费者处理失败了，那么分配给它的分区将会被重新分给组中其它消费者。

 

在概念上，你可以把一个消费者组想象成一个单个的逻辑订阅者，并且每个逻辑订阅者由多个进程组成。作为一个多订阅系统，Kafka天生就支持对于给定的主题可以有任意数量的消费者组。

 

Automatic Offset Committing

 

1 Properties props = new Properties();

 

 2 props.put("bootstrap.servers", "192.168.1.128:9092");

 

 3 props.put("group.id", "test");

 

 4 props.put("enable.auto.commit", "true");

 

 5 props.put("auto.commit.interval.ms", "1000");

 

 6 props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");

 

 7 props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");

 

 8 KafkaConsumer<String, String> consumer = new KafkaConsumer<String, String>(props);

 

 9 consumer.subscribe(Arrays.asList("foo", "bar"));

 

10 while (true) {

 

11 ConsumerRecords<String, String> records = consumer.poll(100);

 

12 for (ConsumerRecord<String, String> record : records) {

 

13 System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());

 

14 }

 

15 }

 

设置enable.auto.commit意味着自动提交已消费的记录的offset

 

Manual Offset Control

 

代替消费者周期性的提交已消费的offsets，用户可以控制什么时候记录被认为是已经消费并提交它们的offsets。

 

1 Properties props = new Properties();

 

 2 props.put("bootstrap.servers", "localhost:9092");

 

 3 props.put("group.id", "test");

 

 4 props.put("enable.auto.commit", "false");

 

 5 props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");

 

 6 props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");

 

 7 KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);

 

 8 consumer.subscribe(Arrays.asList("foo", "bar"));

 

 9 final int minBatchSize = 200;

 

10 List<ConsumerRecord<String, String>> buffer = new ArrayList<>();

 

11 while (true) {

 

12 ConsumerRecords<String, String> records = consumer.poll(100);

 

13 for (ConsumerRecord<String, String> record : records) {

 

14 buffer.add(record);

 

15 }

 

16 if (buffer.size() >= minBatchSize) {

 

17 insertIntoDb(buffer);

 

18 consumer.commitSync();

 

19 buffer.clear();

 

20 }

 

21 }