本篇为第四篇。
第四篇和第五篇源码下载:
链接:https://pan.baidu.com/s/19xXTe9_xYdxLCLywhevntg 密码:7s63
本篇会用到以下依赖:
<dependency>
<groupId>org.apache.kafkagroupId>
<artifactId>kafka-clientsartifactId>
<version>0.10.2.0version>
dependency>
<dependency>
<groupId>org.apache.kafkagroupId>
<artifactId>kafka-streamsartifactId>
<version>0.10.2.0version>
dependency>
参考官方文档中 KafkaProducer 的介绍。
Kafka客户端用于向 Kafka 集群发布记录。生产者是线程安全的,跨线程共享一个生产者实例通常比拥有多个实例要快。这是一个简单的例子,使用生产者发送包含序列号的字符串作为键/值对的记录,代码如下。
package com.github.abel533.kafka.api;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerRecord;
import java.util.Properties;
public class ProducerApi {
public static void main(String[] args) {
Properties props = new Properties();
props.put("bootstrap.servers", "192.168.16.150:9092");
props.put("acks", "all");
props.put("retries", 0);
props.put("batch.size", 16384);
props.put("linger.ms", 1);
props.put("buffer.memory", 33554432);
props.put("key.serializer",
"org.apache.kafka.common.serialization.StringSerializer");
props.put("value.serializer",
"org.apache.kafka.common.serialization.StringSerializer");
Producer producer = new KafkaProducer<>(props);
for (int i = 0; i < 100; i++) {
producer.send(new ProducerRecord(
"t1", Integer.toString(i), Integer.toString(i)));
}
producer.close();
}
}
生产者包括一个缓冲区池,它保存尚未发送到服务器的记录,以及一个后台I/O线程,负责将这些记录转换为请求并将其传输到集群。使用后未能关闭生产者将泄漏这些资源。
该send()
方法是异步的。当被调用时,它将记录添加到待处理记录发送的缓冲区并立即返回。这允许生产者将各个记录收集在一起以获得效率。
acks
配置其请求被视为完整性的标准。"all"
意味着领导者将等待完整的同步副本来确认记录。只要至少有一个同步复制品仍然存在,这将保证记录不会丢失。这是最强大的保证。这相当于设置acks = -1。
如果请求失败,生产者可以自动重试,但是由于我们指定retries
为0
,所以不会重试。启用重试还会产生重复的可能性(有关详细信息,请参阅有关消息传递语义的文档 )。
生产者维护每个分区的未发送出去的缓冲区。这些缓冲区的大小由batch.size
指定。使此更大可以缓存更多,但需要更多的内存(因为我们通常会为每个活动分区提供缓冲区)。
默认情况下,即使缓冲区中存在额外的未使用空间,缓冲区也可立即发送。但是,如果要减少请求数可以设置linger.ms
为大于0 的毫秒数。这将指示生产者在发送请求之前等待该毫秒数,这样将有更多记录到达缓冲区。这类似于Nagle在TCP中的算法。例如,在上面的代码片段中,可能所有100条记录都将在单个请求中发送,因为我们将延迟时间设置为1毫秒。但是,如果我们没有填满缓冲区,则此设置会为我们的请求增加1毫秒的延迟,以便等待更多记录到达。在重负荷下 ,即使linger.ms=0
,在时间上紧接在一起的记录也将一起批量处理。将其设置为大于0的值可能会让请求更少和更高效,而不是在最大负载下以少量延迟为代价。
buffer.memory
控制生产者可用于缓冲的总内存量。如果记录的发送速度比可以传输到服务器的速度快,那么这个缓冲空间就会耗尽。当缓冲区空间耗尽时,附加的发送呼叫将被阻塞。max.block.ms
决定阻塞时间的阈值,超出此时间时,会引发TimeoutException
。
key.serializer
和value.serializer
指导如何将用户提供的ProducerRecord
的键和值转换成字节。您可以使用提供的ByteArraySerializer
或 StringSerializer
用于简单的字符串或字节类型。
该客户端可以与0.10.0版本或更高版本的broker进行通信。旧的或较新的broker可能不支持某些功能。当调用运行的broker程序版本不可用的API时,会产生UnsupportedVersionException
异常。
有关生产者更多的配置属性可以参考Producer Configs。
参考官方文档中的 KafkaConsumer 介绍。
从Kafka集群中消费记录的客户端。
这个客户端透明地处理卡夫卡经纪人的失败,并透明地适应作为在集群中迁移的主题分区。该客户端还与代理商进行交互,以允许消费群体使用消费者群体来负载平衡消费。
消费者保持TCP连接到必要的经纪人以获取数据。使用后未能关闭消费者将泄漏这些连接。消费者不是线程安全的。有关详细信息,请参阅多线程处理。
下面这个例子使用了自动提交,设定了每1000ms提交一次偏移(就是当前已读取消息的位置)。
package com.github.abel533.kafka.api;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import java.util.Arrays;
import java.util.Properties;
public class ConsumerAOC {
public static void main(String[] args) {
final Properties props = new Properties();
props.put("bootstrap.servers", "192.168.16.150:9092");
props.put("group.id", "test");
props.put("enable.auto.commit", "true");
props.put("auto.commit.interval.ms", "1000");
props.put("key.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer");
props.put("value.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer");
KafkaConsumer consumer = new KafkaConsumer<>(props);
consumer.subscribe(Arrays.asList("t1"));
while (true) {
ConsumerRecords records = consumer.poll(1000);
for (ConsumerRecord record : records)
System.out.printf("offset = %d, key = %s, value = %s%n",
record.offset(), record.key(), record.value());
}
}
}
首先通过bootstrap.servers
设置要连接的Broker,多个可以使用逗号隔开。通过group.id
设置了当前的分组id,同一个分组id中的多个消费者可以通过负载均衡处理消息(消费者数量多于主题的分区数时,多出来的消费者不会被分配任何消息)。
通过设置enable.auto.commit
为true
开启自动提交,自动提交的频率由 auto.commit.interval.ms
设置。
后面两个 deserializer
用于序列化 key 和 value。
通过 consumer.subscribe
定义了主题 t1
,一个消费者可以订阅多个主题。通过consumer.poll
获取消息,参数1000(毫秒)的含义是,当缓冲区中没有可用消息时,以此时间进行轮训等待。当设置为0时,理解返回当前可用的消息或者返回空。
消费者不是必须自动提交偏移。用户也可以手动控制提交偏移来决定消息是否已被消费。当消息需要经过一些特殊逻辑进行处理时,手动提交就非常有必要,没有经过处理的消息不应该当成已消费。
package com.github.abel533.kafka.api;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
import java.util.Properties;
public class ConsumerManual {
public static void main(String[] args) {
Properties props = new Properties();
props.put("bootstrap.servers", "192.168.16.150:9092");
props.put("group.id", "test");
props.put("enable.auto.commit", "false");
props.put("key.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer");
props.put("value.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer");
KafkaConsumer consumer = new KafkaConsumer<>(props);
consumer.subscribe(Arrays.asList("t1", "t2"));
final int minBatchSize = 200;
List> buffer = new ArrayList<>();
while (true) {
ConsumerRecords records = consumer.poll(100);
for (ConsumerRecord record : records) {
buffer.add(record);
}
if (buffer.size() >= minBatchSize) {
//逻辑处理,例如保存到数据库
consumer.commitSync();
buffer.clear();
}
}
}
}
在这个例子中,我们将enable.auto.commit
设置为false
,这是因为这个值默认情况下是true
,只有手动设置为false
后才能进行手动提交。
每当buffer的大小超过设置的批量大小后就会通过consumer.commitSync()
进行提交。
在某些情况下,您可能希望通过明确指定偏移量来更精确地控制已经提交的记录。在下面的例子中,我们在完成处理每个分区中的记录之后提交偏移量。
package com.github.abel533.kafka.api;
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.clients.consumer.OffsetAndMetadata;
import org.apache.kafka.common.TopicPartition;
import java.util.*;
public class ConsumerManualPartition {
public static void main(String[] args) {
Properties props = new Properties();
props.put("bootstrap.servers", "192.168.16.150:9092");
props.put("group.id", "test2");
props.put("enable.auto.commit", "false");
props.put("key.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer");
props.put("value.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer");
KafkaConsumer consumer = new KafkaConsumer<>(props);
consumer.subscribe(Arrays.asList("t1"));
try {
while(true) {
ConsumerRecords records = consumer.poll(Long.MAX_VALUE);
for (TopicPartition partition : records.partitions()) {
List> partitionRecords =
records.records(partition);
for (ConsumerRecord record : partitionRecords) {
System.out.println(partition.partition() + ": "
+ record.offset() + ": "
+ record.value());
}
long lastOffset = partitionRecords.get(
partitionRecords.size() - 1).offset();
consumer.commitSync(
Collections.singletonMap(partition,
new OffsetAndMetadata(lastOffset + 1)));
}
}
} finally {
consumer.close();
}
}
}
因为每个主题可能存在多个分区,每个分区都维护了一个索引,因此上面针对不同的分区进行处理。
消费者API中还存在很多有用的方法,可以通过查看官方的API文档了解更多。
参考官方文档中 KafkaStreams 的介绍。
流API允许对来自一个或多个主题的消息进行连续计算,并将结果发送到零个,一个或多个主题中。
可以从Kafka获取某个主题的消息,经过处理后输出到另一个主题。相当于是对主题做了一个加工。下面是一个示例,这个示例从t1主题获取消息,然后计算数字的平方后发送消息到t2主题中。
package com.github.abel533.kafka.api;
import org.apache.kafka.common.serialization.Serdes;
import org.apache.kafka.streams.KafkaStreams;
import org.apache.kafka.streams.StreamsConfig;
import org.apache.kafka.streams.kstream.KStreamBuilder;
import java.util.HashMap;
import java.util.Map;
public class StreamApi {
public static void main(String[] args) {
Map props = new HashMap<>();
props.put(StreamsConfig.APPLICATION_ID_CONFIG, "my-stream-processing-application");
props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.16.150:9092");
props.put(StreamsConfig.KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());
props.put(StreamsConfig.VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());
StreamsConfig config = new StreamsConfig(props);
KStreamBuilder builder = new KStreamBuilder();
builder.stream("t1").mapValues(value -> {
Integer i = Integer.parseInt((String)value);
return String.valueOf(i * i);
}).to("t2");
KafkaStreams streams = new KafkaStreams(builder, config);
streams.start();
}
}
在例子中StreamsConfig.APPLICATION_ID_CONFIG
用于设置当前流处理的ID,具有相同流ID的应用会根据输入主题的分区来分配任务。当流处理应用的数量大于主题的分区数时,超出部分的流处理不会被分配任何消息。
以上是关于Kafka基本API的应用。