新功能
允许消费者从最近的副本进行获取
为 Consumer Rebalance Protocol 增加对增量协同重新均衡(incremental cooperative rebalancing)的支持
新增 MirrorMaker 2.0 (MM2),新的多集群跨数据中心复制引擎
引入新的 Java 授权程序接口
支持 KTable 中的非密钥连接
用于重新分配副本的 Administrative API
保护内部连接的 REST 端点
新增删除消费者偏移并通过 AdminClient 公开的 API
改进
[KAFKA-5609] - 连接 log4j 会默认记录到文件
[KAFKA-6263] - 为群组的元数据加载持续时间暴露指标(Metric)
[KAFKA-6883] - KafkaShortnamer 允许将 Kerberos 主体名称转换为大写用户名
[KAFKA-6958] - 允许使用 KStreams DSL 定义自定义处理器名称
[KAFKA-7018] - 持久使用 memberId 以重新启动消费者
[KAFKA-7149] - 减少分配数据大小以提高 kafka 流的可伸缩性
[KAFKA-7190] - 在数据传输拥挤的情况下,清除分区 topic 会引起关于 UNKNOWN_PRODUCER_ID 的 WARN 语句
[KAFKA-7197] - 升级至 Scala 2.13.0
2.4 Java Api Demo
这里使用官网推荐的,kafka-client 方便 灵活
引入依赖:
org.apache.kafka
kafka-clients
2.4.0
生产者示例:
public class SimpleProvider {
public static void main(String[] args) {
Properties properties = new Properties();
properties.put("bootstrap.servers", "kafka01:9092,kafka02:9092");
properties.put("acks", "all");
properties.put("retries", 0);
properties.put("batch.size", 16384);
properties.put("linger.ms", 1);
properties.put("buffer.memory", 33554432);
properties.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
properties.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
KafkaProducer kafkaProducer = new KafkaProducer(properties);
for (int i = 1; i <= 600; i++) {
kafkaProducer.send(new ProducerRecord("topic", "message"+i));
System.out.println("message"+i);
}
kafkaProducer.close();
}
}
消费者示例:
public class SingleApplication {
public static void main(String[] args) {
Properties props = new Properties();
props.put("bootstrap.servers", "kafka01:9092,kafka02:9092");
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");
props.put("auto.offset.reset","earliest");
KafkaConsumer consumer = new KafkaConsumer<>(props);
consumer.subscribe(Arrays.asList("foo", "bar"));
try{
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());
}
}
}finally{
consumer.close();
}
}
}
其他多线程等示例,详见Github地址:
https://github.com/tree1123/Kafka-Demo-2.4
更多实时计算,Flink,Kafka等相关技术博文,欢迎关注实时流式计算