kafka学习-概念与简单实战
目录
1、核心概念
消息和批次
Topic和Partition
Replicas
Offset
broker和集群
生产者和消费者
2、开发实战
2.1、消息发送
介绍
代码实现
2.2、消息消费
介绍
代码实现
2.3、SpringBoot Kafka
pom
application.yaml
KafkaConfig
producer
consumer
1、核心概念
消息和批次
kafka的基本数据单元，由字节数组组成。可以理解成数据库的一条数据。
批次就是一组消息，把同一个主题和分区的消息分批次写入kafka，可以减少网络开销，提高效率；批次越大，单位时间内处理的消息就越多，单个消息的传输时间就越长。
Topic和Partition
topic主题，kafka通过主题进行分类。主题可以理解成数据库的表或者文件系统里的文件夹。
partition分区可以理解成一个FIFO的消息队列。(同一个分区的消息保证顺序消费)
主题可以被分为若干分区，一个主题通过分区将消息存储在kafka集群中，提供横向扩展的能力。消息以追加的方式写入分区，每个分区保证先入先出的顺序读取。在需要严格保证消息顺序消费的场景下，可以将partition设置为1，即主题只有一个分区。
主题的分区策略有如下几种：
- 直接指定分区；
- 根据消息的key散列取模得出分区；
- 轮询指定分区。
Replicas
- 副本，每个分区都有多个副本。其中包含一个首领副本和多个跟随者副本。
- 首领副本用于响应生产者的消息写入请求与消费者的消息读取请求；
- 跟随者副本用于同步首领副本的数据，保持与首领副本一致的状态，有数据备份的功能。
- 一旦首领副本所在的服务器宕机，就会从跟随者中选出一个升级为首领副本。
Offset
偏移量。
生产者offset：每个分区都有一个offset，叫做生产者的offset，可以理解为当前这个分区队列的最大值，下一个消息来的时候，就会将消息写入到offset这个位置。
消费者offset：每个消费者消费分区中的消息时，会记录消费的位置(offset)，下一次消费时就会从这个位置开始消费。
broker和集群
broker为一个独立的kafka服务器；一个kafka集群里有多个broker。
broker接收来自生产者的消息，为消息设置偏移量，并将消息保存到磁盘。同时，broker为消费者提供服务，对读取分区的请求做出响应，返回已经保存到磁盘上的消息。(单个broker可以轻松处理数千个分区以及每秒百万级的消息量)。
集群中同一个主题的同一个分区，会在多个broker上存在；其中一个broker上的分区被称为首领分区，用于与生产者和消费者交互，其余broker上的分区叫做副本分区，用于备份分区数据，防止broker宕机导致消息丢失。
每个集群都有一个broker是集群控制器，作用如下：
- 将分区分配给首领分区的broker；
- 监控broker，首领分区切换
生产者和消费者
生产者生产消息，消息被发布到一个特定的主题上。默认情况下，kafka会将消息均匀地分布到主题的所有分区上。分区策略有如下几种：
- 直接指定分区；
- 根据消息的key散列取模得出分区；
- 轮询指定分区。
消费者通过偏移量来区分已经读过的消息，从而消费消息。消费者是消费组的一部分，消费组可以保证每个分区只能被一个消费者使用，避免重复消费。
2、开发实战
2.1、消息发送
介绍
- 生产者主要有KafkaProducer和ProducerRecord两个对象：KafkaProducer用于发送消息，ProducerRecord用于封装kafka消息。
- 生产者生产消息后，需要broker的确认，可以选择同步或者异步确认：同步确认效率低；异步确认效率高，但需要设置回调对象。
代码实现
public static void main(String[] args) throws InterruptedException, ExecutionException, TimeoutException {
Map configs = new HashMap<>();
// 设置连接Kafka的初始连接⽤到的服务器地址
// 如果是集群，则可以通过此初始连接发现集群中的其他broker
configs.put("bootstrap.servers", "node1:9092");
// 设置key和value的序列化器
configs.put("key.serializer", "org.apache.kafka.common.serialization.IntegerSerializer");
configs.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
configs.put("acks", "1");
KafkaProducer producer = new KafkaProducer(configs);
// 用于封装Producer的消息
ProducerRecord record = new ProducerRecord(
"topic_1", // 主题名称
0, // 分区编号，现在只有⼀个分区，所以是0
0, // 数字作为key
"message 0" // 字符串作为value
);
// 发送消息，同步等待消息的确认
// producer.send(record).get(3_000, TimeUnit.MILLISECONDS);
// 使用回调异步等待消息的确认
producer.send(record, new Callback() {
@Override
public void onCompletion(RecordMetadata metadata, Exception exception) {
if (exception == null) {
System.out.println(
"主题：" + metadata.topic() + "\n"
+ "分区：" + metadata.partition() + "\n"
+ "偏移量：" + metadata.offset() + "\n"
+ "序列化的key字节：" + metadata.serializedKeySize() + "\n"
+ "序列化的value字节：" + metadata.serializedValueSize() + "\n"
+ "时间戳：" + metadata.timestamp()
);
} else {
System.out.println("有异常：" + exception.getMessage());
}
}
});
// 关闭连接
producer.close();
} 2.2、消息消费
介绍
消费者主要有KafkaConsumer对象，用于消费消息。Kafka不支持消息的推送，我们可以通过消息拉取(poll)方式实现消息的消费。KafkaConsumer主要参数如下：
代码实现
public static void main(String[] args) {
Map configs = new HashMap<>();
// 指定bootstrap.servers属性作为初始化连接Kafka的服务器。
// 如果是集群，则会基于此初始化连接发现集群中的其他服务器。
configs.put("bootstrap.servers", "node1:9092");
// key和value的反序列化器
configs.put("key.deserializer", "org.apache.kafka.common.serialization.IntegerDeserializer");
configs.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
configs.put("group.id", "consumer.demo");
// 创建消费者对象
KafkaConsumer consumer = new KafkaConsumer(configs);
final Pattern pattern = Pattern.compile("topic_[0-9]");
// 消费者订阅主题或分区
// consumer.subscribe(pattern);
// consumer.subscribe(pattern, new ConsumerRebalanceListener() {
final List topics = Arrays.asList("topic_1");
consumer.subscribe(topics, new ConsumerRebalanceListener() {
@Override
public void onPartitionsRevoked(Collection partitions) {
partitions.forEach(tp -> {
System.out.println("剥夺的分区：" + tp.partition());
});
}
@Override
public void onPartitionsAssigned(Collection partitions) {
partitions.forEach(tp -> {
System.out.println(tp.partition());
});
}
});
// 拉取订阅主题的消息
final ConsumerRecords records = consumer.poll(3_000);
// 获取topic_1主题的消息
final Iterable> topic1Iterable = records.records("topic_1");
// 遍历topic_1主题的消息
topic1Iterable.forEach(record -> {
System.out.println("========================================");
System.out.println("消息头字段：" + Arrays.toString(record.headers().toArray()));
System.out.println("消息的key：" + record.key());
System.out.println("消息的值：" + record.value());
System.out.println("消息的主题：" + record.topic());
System.out.println("消息的分区号：" + record.partition());
System.out.println("消息的偏移量：" + record.offset());
});
// 关闭消费者
consumer.close();
} 2.3、SpringBoot Kafka
pom
org.springframework.boot
spring-boot-starter-web
org.springframework.kafka
spring-kafka
application.yaml
spring:
kafka:
bootstrap-servers: node1:9092 # 用于建立初始连接的broker地址
producer:
key-serializer: org.apache.kafka.common.serialization.IntegerSerializer
value-serializer: org.apache.kafka.common.serialization.StringSerializer
batch-size: 16384 # 默认的批处理记录数
buffer-memory: 33554432 # 32MB的总发送缓存
consumer:
key-deserializer: org.apache.kafka.common.serialization.IntegerDeserializer
value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
group-id: spring-kafka-02-consumer # consumer的消费组id
enable-auto-commit: true # 是否自动提交消费者偏移量
auto-commit-interval: 100 # 每隔100ms向broker提交一次偏移量
auto-offset-reset: earliest # 如果该消费者的偏移量不存在，则自动设置为最早的偏移量KafkaConfig
@Configuration
public class KafkaConfig {
@Bean
public NewTopic topic1() {
return new NewTopic("ntp-01", 5, (short) 1);
}
@Bean
public NewTopic topic2() {
return new NewTopic("ntp-02", 3, (short) 1);
}
}producer
@RestController
public class KafkaSyncProducerController {
@Autowired
private KafkaTemplate template;
@RequestMapping("send/sync/{message}")
public String sendSync(@PathVariable String message) {
ListenableFuture future = template.send(new ProducerRecord("topic-spring-02", 0, 1, message));
try {
// 同步等待broker的响应
Object o = future.get();
SendResult result = (SendResult) o;
System.out.println(result.getRecordMetadata().topic() + result.getRecordMetadata().partition() + result.getRecordMetadata().offset());
} catch (InterruptedException e) {
e.printStackTrace();
} catch (ExecutionException e) {
e.printStackTrace();
}
return "success";
}
}
@RestController
public class KafkaAsyncProducerController {
@Autowired
private KafkaTemplate template;
@RequestMapping("send/async/{message}")
public String asyncSend(@PathVariable String message) {
ProducerRecord record = new ProducerRecord("topic-spring-02", 0, 3, message);
ListenableFuture> future = template.send(record);
// 添加回调，异步等待响应
future.addCallback(new ListenableFutureCallback>(){
@Override
public void onFailure(Throwable throwable) {
System.out.println("发送失败: " + throwable.getMessage());
}
@Override
public void onSuccess(SendResult result) {
System.out.println("发送成功：" + result.getRecordMetadata().topic() + "\t" + result.getRecordMetadata().partition() + "\t" + result.getRecordMetadata().offset());
}
});
return "success";
}
} consumer
@Component
public class MyConsumer {
@KafkaListener(topics = "topic-spring-02")
public void onMessage(ConsumerRecord record) {
Optional> optional = Optional.ofNullable(record);
if (optional.isPresent()) {
System.out.println(record.topic() + "\t" + record.partition() + "\t" + record.offset() + "\t" + record.key() + "\t" + record.value());
}
}
} 以上内容为个人学习理解，如有问题，欢迎在评论区指出。
部分内容截取自网络，如有侵权，联系作者删除。