Kafka 的 Producer 发送消息采用的是 异步发送的方式。
在消息发送的过程中,涉及到了两个线程 ——main 线程和 Sender 线程,以及 一个线程共享变量 ——RecordAccumulator。
引入依赖
<dependency>
<groupId>org.apache.kafkagroupId>
<artifactId>kafka-clientsartifactId>
<version>0.11.0.0version>
dependency>
/**
* @Date 2020/8/19 15:25
* @Version 10.21
* @Author DuanChaojie
*/
public class MyProducer {
public static void main(String[] args) {
// 1,生产者的配置信息
Properties properties = new Properties();
//配置属性可以使用工具类,ProducerConfig,ConsumerConfig,CommonClientConfigs
// 指定连接的kafka集群
properties.put("bootstrap.servers","hadoop:9092");
System.out.println("ProducerConfig.BOOTSTRAP_SERVERS_CONFIG = " + ProducerConfig.BOOTSTRAP_SERVERS_CONFIG);
// ACK应答级别
properties.put("acks","all");
System.out.println("ProducerConfig.ACKS_CONFIG = " + ProducerConfig.ACKS_CONFIG);
// 重试次数
properties.put("retries",3);
System.out.println("ProducerConfig.RETRIES_CONFIG = " + ProducerConfig.RETRIES_CONFIG);
// 批次大小16K
// 只有数据积累到 batch.size 之后,sender 才会发送数据。
properties.put("batch.size",16382);
System.out.println("ProducerConfig.BATCH_SIZE_CONFIG = " + ProducerConfig.BATCH_SIZE_CONFIG);
// 等待时间,1ms
// 如果数据迟迟未达到 batch.size,sender 等待 linger.time 之后就会发送数据。
properties.put("linger.ms",1);
System.out.println("ProducerConfig.LINGER_MS_CONFIG = " + ProducerConfig.LINGER_MS_CONFIG);
// RecordAccumulator缓冲区大小
properties.put("buffer.memory",33554432);
System.out.println("ProducerConfig.BUFFER_MEMORY_CONFIG = " + ProducerConfig.BUFFER_MEMORY_CONFIG);
// key和value的序列化类
properties.put("key.serializer","org.apache.kafka.common.serialization.StringSerializer");
properties.put("value.serializer","org.apache.kafka.common.serialization.StringSerializer");
// 需要创建一个生产者对象,用来发送数据
Producer<String,String> producer = new KafkaProducer<>(properties);
// 发送数据
for (int i = 0; i < 10; i++) {
// 每条数据都要封装成一个 ProducerRecord 对象
producer.send(new ProducerRecord<>("bigdata","woshikey","atguigu---"+i));
}
// 关闭资源
producer.close();
}
}
MyPartitioner
/**
* @Date 2020/8/20 17:55
* @Version 10.21
* @Author DuanChaojie
*/
public class MyPartitioner implements Partitioner {
@Override
public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
return 0;
}
@Override
public void close() {
}
@Override
public void configure(Map<String, ?> configs) {
}
}
PartitionProducer
/**
* @Date 2020/8/20 18:01
* @Version 10.21
* @Author DuanChaojie
*/
public class PartitionProducer {
public static void main(String[] args) {
// 创建配置信息
Properties properties = new Properties();
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop:9092");
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer");
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer");
// 配置自定义分区
properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG,"com.atguigu.partitioner.MyPartitioner");
Producer<String,String> producer = new KafkaProducer<>(properties);
for (int i = 0; i < 10; i++) {
producer.send(new ProducerRecord<>("bigdata", "atguigu++++++" + i), (metadata, exception) -> {
if (exception == null) {
System.out.println(metadata.partition() + "-----------"+ metadata.offset());
}else {
exception.printStackTrace();
}
});
}
producer.close();
}
}
默认的分区策略源码:
DefaultPartitioner
public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
List<PartitionInfo> partitions = cluster.partitionsForTopic(topic);
int numPartitions = partitions.size();
if (keyBytes == null) {
int nextValue = nextValue(topic);
List<PartitionInfo> availablePartitions = cluster.availablePartitionsForTopic(topic);
if (availablePartitions.size() > 0) {
int part = Utils.toPositive(nextValue) % availablePartitions.size();
return availablePartitions.get(part).partition();
} else {
// no partitions are available, give a non-available partition
return Utils.toPositive(nextValue) % numPartitions;
}
} else {
// hash the keyBytes to choose a partition
return Utils.toPositive(Utils.murmur2(keyBytes)) % numPartitions;
}
}
回调函数会在 producer 收到 ack 时调用,为异步调用,该方法有两个参数,分别是RecordMetadata 和 Exception,如果 Exception 为 null,说明消息发送成功,如果Exception 不为 null,说明消息发送失败。
- 注意:消息发送失败会自动重试,不需要我们在回调函数中手动重试。
/**
* @Date 2020/8/19 15:48
* @Version 10.21
* @Author DuanChaojie
*/
public class CallbackProducer {
public static void main(String[] args) {
// 创建配置信息
Properties properties = new Properties();
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop:9092");
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer");
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer");
// 创建生产者对象
KafkaProducer<String,String> producer = new KafkaProducer<>(properties);
// 发送数据
for (int i = 0; i < 10; i++) {
producer.send(new ProducerRecord<>("bigdata", "atguigu====" + i), (metadata, exception) -> {
if (exception == null) {
System.out.println(metadata.partition() + "-----------"+ metadata.offset());
}else {
exception.printStackTrace();
}
});
}
producer.close();
}
}
- Consumer 消费数据时的可靠性是很容易保证的,因为数据在 Kafka 中是持久化的,故不用担心数据丢失问题。
- 由于 consumer 在消费过程中可能会出现断电宕机等故障,consumer 恢复后,需要从故障前的位置的继续消费,所以 consumer 需要实时记录自己消费到了哪个 offset,以便故障恢复后继续消费。
- 所以 offset 的维护是 Consumer 消费数据是必须考虑的问题。
引入依赖
<dependency>
<groupId>org.apache.kafkagroupId>
<artifactId>kafka-clientsartifactId>
<version>0.11.0.0version>
dependency>
代码实现
为了使我们能够专注于自己的业务逻辑,Kafka 提供了自动提交 offset 的功能。自动提交 offset 的相关参数:
enable.auto.commit :是否开启自动提交 offset 功能
auto.commit.interval.ms :自动提交offset的时间间隔
/**
* @Date 2020/8/20 18:44
* @Version 10.21
* @Author DuanChaojie
*/
public class MyConsumer {
public static void main(String[] args) {
Properties properties = new Properties();
properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop:9092");
// 开启自动提交
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,true);
// 自动提交的延时
properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,"1000");
// key和value的反序列化
properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringDeserializer");
properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringDeserializer");
// 消费者组
properties.put(ConsumerConfig.GROUP_ID_CONFIG,"bigdata");
// 创建消费者
KafkaConsumer consumer = new KafkaConsumer<>(properties);
// 订阅主题
consumer.subscribe(Arrays.asList("bigdata"));
while (true){
// timeout,维护长轮询--防止空转
// 每条数据都要封装成一个 ConsumerRecord 对象
ConsumerRecords<String,String> consumerRecords = consumer.poll(100);
for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
System.out.println(consumerRecord.key() + "------" + consumerRecord.value());
}
}
}
}
虽然自动提交 offset 十分简介便利,但由于其是基于时间提交的,开发人员难以把握offset 提交的时机。因此 Kafka 还提供了手动提交 offset 的 API。
手动提交 offset 的方法有两种:
分别是 commitSync(同步提交)和 commitAsync(异步提交)。
两者的相同点是,都会将次 本次 poll 的一批数据最高的偏移量提交;
不同点是,commitSync 阻塞当前线程,一直到提交成功,并且会自动失败重试(由不可控因素导致,也会出现提交失败);而 commitAsync 则没有失败重试机制,故有可能提交失败。
由于同步提交 offset 有失败重试机制,故更加可靠
//关闭自动提交 offset
properties.put("enable.auto.commit", "false");
// ....
while( true ){
// timeout,维护长轮询--防止空转
// 每条数据都要封装成一个 ConsumerRecord 对象
ConsumerRecords<String,String> consumerRecords = consumer.poll(100);
for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
System.out.println(consumerRecord.key() + "------" + consumerRecord.value());
}
//同步提交,当前线程会阻塞直到 offset 提交成功
consumer.commitSync();
}
虽然同步提交 offset 更可靠一些,但是由于其会阻塞当前线程,直到提交成功。因此吞吐量会收到很大的影响。因此更多的情况下,会选用异步提交 offset 的方式。
//关闭自动提交 offset
properties.put("enable.auto.commit", "false");
// ....
while( true ){
// timeout,维护长轮询--防止空转
// 每条数据都要封装成一个 ConsumerRecord 对象
ConsumerRecords<String,String> consumerRecords = consumer.poll(100);
for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
System.out.println(consumerRecord.key() + "------" + consumerRecord.value());
}
//异步提交
consumer.commitAsync(new OffsetCommitCallback() {
@Override
public void onComplete(Map<TopicPartition,
OffsetAndMetadata> offsets, Exception exception) {
if (exception != null) {
System.err.println("Commit failed for" + offsets);
}
}
});
}
数据漏消费和重复消费分析
- 无论是同步提交还是异步提交 offset,都有可能会造成数据的漏消费或者重复消费。
先提交 offset 后消费,有可能造成数据的漏消费;而先消费后提交 offset,有可能会造成数据的重复消费。
- Kafka 0.9 版本之前,offset 存储在 zookeeper,0.9 版本及之后,默认将 offset 存储在 Kafka的一个内置的 topic 中。
- 除此之外,Kafka 还可以选择自定义存储 offset。offset 的维护是相当繁琐的,因为需要考虑到消费者的 Rebalace。
- 当有新的消费者加入消费者组、已有的消费者推出消费者组或者所订阅的主题的分区发生变化,就会触发到分区的重新分配,重新分配的过程叫做 Rebalance。消费者发生 Rebalance 之后,每个消费者消费的分区就会发生变化。因此消费者要首先获取到自己被重新分配到的分区,并且定位到每个分区最近提交的 offset 位置继续消费。
- 要实现自定义存储 offset,需要借助
ConsumerRebalanceListener
,以下为示例代码,其中提交和获取 offset 的方法,需要根据所选的 offset 存储系统自行实现。
/**
* @Date 2020/8/20 23:26
* @Version 10.21
* @Author DuanChaojie
*/
public class MyOffset {
private static Map<TopicPartition, Long> currentOffset = new HashMap<>();
public static void main(String[] args) {
Properties properties = new Properties();
properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop:9092");
// 开启自动提交
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,true);
// 自动提交的延时
properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,"1000");
// key和value的反序列化
properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringDeserializer");
properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringDeserializer");
// 消费者组
properties.put(ConsumerConfig.GROUP_ID_CONFIG,"bigdata");
// 创建消费者
KafkaConsumer consumer = new KafkaConsumer<>(properties);
// 订阅主题
consumer.subscribe(Arrays.asList("bigdata"), new ConsumerRebalanceListener() {
// 该方法会在 Rebalance 之前调用
@Override
public void onPartitionsRevoked(Collection<TopicPartition> partitions) {
commitOffset(currentOffset);
}
// 该方法会在 Rebalance 之后调用
@Override
public void onPartitionsAssigned(Collection<TopicPartition> partitions) {
currentOffset.clear();
for (TopicPartition partition : partitions) {
//定位到最近提交的 offset 位置继续消费
consumer.seek(partition, getOffset(partition));
}
}
});
while (true){
// timeout,维护长轮询--防止空转
ConsumerRecords<String,String> consumerRecords = consumer.poll(100);
for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
System.out.println(consumerRecord.key() + "------" + consumerRecord.value());
}
// 异步提交
commitOffset(currentOffset);
}
}
private static void commitOffset(Map<TopicPartition, Long> currentOffset) {
}
private static long getOffset(TopicPartition partition) {
return 0;
}
}