探究Kafka原理-4.API使用

• 作者简介：大家好，我是爱吃芝士的土豆倪，24届校招生Java选手，很高兴认识大家
• 系列专栏：Spring源码、JUC源码、Kafka原理
• 如果感觉博主的文章还不错的话，请三连支持一下博主哦
• 博主正在努力完成2023计划中：源码溯源，一探究竟
• 联系方式：nhs19990716，加我进群，大家一起学习，一起进步，一起对抗互联网寒冬

练习

需求：

写一个生产者，不断地去生成“用户行为事件” 并写入kafka

{“guid”:1,“eventId”:“pageview”,“timestamp”:163786834789}

{“guid”:1,“eventId”:“pageview”,“timestamp”:163786834789}

{“guid”:1,“eventId”:“pageview”,“timestamp”:163786834789}

…

写一个消费者，不断地从kafka种取消费如上 “ 用户行为事件” 数据，并做统计计算，每五分钟，输出一次截至到当时的数据中出现过的用户总数。

生产者

public class KafkaTest{
	public static void main(String[] args){
        MyDataGen myDataGen = new MyDataGen();
        myDataGen.genData();
    }
}


/*
业务数据生成器
*/
class MyDataGen{
    Producer<String, String> produce;
    
    public MyDataGen(){
        Properties props = new Properties();
        //设置 kafka 集群的地址
		props.put("bootstrap.servers", "doitedu01:9092,doitedu02:9092,doitedu03:9092");
        //序列化器
		props.put("key.serializer",
"org.apache.kafka.common.serialization.StringSerializer");
		props.put("value.serializer",
"org.apache.kafka.common.serialization.StringSerializer");
        //ack 模式，取值有 0，1，-1（all） ， all 是最慢但最安全的
props.put("acks", "all")
        producer = new KafkaProducer<>(props);
    }
    
    
    public void genData(){
        UserEvent userEvent = new UserEvent();
        while(true){
            // 造一条随机用户行为事件数据对象
            userEvent.setGuid(RandomUtils.nextInt(1,10000));
            userEvent.setEventId(RandomStringUtils.randomAlphabetic(5,8));
            userEvent.setTimeStamp(System.currentTimeMills());
            
            // 转成json串
            String json = JSON.toJSONString(userEvent);
            
            // 讲业务数据封装成ProducerRecord对象
            ProducerRecord<String,String> record = new ProducerRecord<String,String>("test",json);
            
            // 用producer写入kafka
            producer.send(record);
            
            Thread.sleep(RandomUtils.nextInt(500,2000));
        }
    }
}

@NoArgsConStructor
@AllArgConstructor
@Getter
@Setter
class UserEvent{
    private long guid;
    private String eventId;
    private long timeStamp;
}

Ack 应答机制

Ack 应答机制参数配置

• 0 ： 生产者发出消息后不等待服务端的确认
• 1 ： 生产者发出消息后要求服务端的分区 leader 确保数据存储成功后发送一个确认信息
• -1： 生产者发出消息后要求服务端的分区的 ISR 副本全部同步成功后发送一个确认信息

生产者的 ack=all，也不能完全保证数据发送的 100%可靠性

为什么？因为，如果服务端目标 partition 的同步副本只有 leader 自己了，此时，它收到数据就会给生产者反馈成功！

可以修改服务端的一个参数（分区最小 ISR 数[min.insync.replicas]>=2），来避免此问题；

消费者重要参数

fetch.min.bytes=1B 一次拉取的最小字节数

fetch.max.bytes=50M 一次拉取的最大数据量

fetch.max.wait.ms=500ms 拉取时的最大等待时长

max.partition.fetch.bytes = 1MB 每个分区一次拉取的最大数据量

max.poll.records=500 一次拉取的最大条数

connections.max.idle.ms=540000ms 网络连接的最大闲置时长

request.timeout.ms=30000ms 一次请求等待响应的最大超时时间 consumer 等待请求响应的最长时间

metadata.max.age.ms=300000 元数据在限定时间内没有进行更新，则会被强制更新

reconnect.backoff.ms=50ms 尝试重新连接指定主机之前的退避时间

retry.backoff.ms=100ms 尝试重新拉取数据的重试间隔

isolation.level=read_uncommitted 隔离级别！ 决定消费者能读到什么样的数据
read_uncommitted：可以消费到 LSO（LastStableOffset）位置；
read_committed：可以消费到 HW（High Watermark）位置

max.poll.interval.ms 超过时限没有发起 poll 操作，则消费组认为该消费者已离开消费组

enable.auto.commit=true 开启消费位移的自动提交

auto.commit.interval.ms=5000 自动提交消费位移的时间间隔

API 开发：topic 管理

如果希望将管理类的功能集成到公司内部的系统中，打造集管理、监控、运维、告警为一体的生态平台，那么就需要以程序调用 API 方式去实现。如下所示：

为什么在网页上，或者用命令，都能做到topic的创建、删除、列出、查看详情，其底层逻辑是什么？

其本质上是通过不同方式调用了kafka提供的创建topic api

底层逻辑：web的后端java程序中，去调用相关的api

工具类 KafkaAdminClient 可以用来管理 broker、配置和 ACL （Access Control List），管理 topic

构造一个 KafkaAdminClient

AdminClient adminClient = KafkaAdminClient.create(props);

列出主题

ListTopicsResult listTopicsResult = adminClient.listTopics();
Set<String> topics = listTopicsResult.names().get();
System.out.println(topics);

查看主题信息

DescribeTopicsResult describeTopicsResult =
adminClient.describeTopics(Arrays.asList("tpc_4", "tpc_3"));
Map<String, TopicDescription> res = describeTopicsResult.all().get();
Set<String> ksets = res.keySet();
for (String k : ksets) {
	System.out.println(res.get(k));
}

创建主题

// 参数配置
Properties props = new Properties();
props.put(AdminClientConfig.BOOTSTRAP_SERVERS_CONFIG,"doit01:9092,doit02:9092,doit03:
9092");
props.put(AdminClientConfig.REQUEST_TIMEOUT_MS_CONFIG,3000);
          
// 创建 admin client 对象
AdminClient adminClient = KafkaAdminClient.create(props);
// 由服务端 controller 自行分配分区及副本所在 broker
NewTopic tpc_3 = new NewTopic("tpc_3", 2, (short) 1);
// 手动指定分区及副本的 broker 分配
HashMap<Integer, List<Integer>> replicaAssignments = new HashMap<>();
// 分区 0，分配到 broker0，broker1
replicaAssignments.put(0,Arrays.asList(0,1));
// 分区 1，分配到 broker0,broker2
replicaAssignments.put(1,Arrays.asList(0,1));

NewTopic tpc_4 = new NewTopic("tpc_4", replicaAssignments);
CreateTopicsResult result = adminClient.createTopics(Arrays.asList(tpc_3,tpc_4));

// 从 future 中等待服务端返回
try {
	result.all().get();
} catch (Exception e) {
	e.printStackTrace();
}
adminClient.close();

删除主题

DeleteTopicsResult deleteTopicsResult = adminClient.deleteTopics(Arrays.asList("tpc_1",
"tpc_1"));
Map<String, KafkaFuture<Void>> values = deleteTopicsResult.values();
System.out.println(values);

其他管理

除了进行 topic 管理外，KafkaAdminClient 也可进行诸如动态参数管理，分区管理等各类管理操作；

练习

需求：

写一个生产者，不断地去生成“用户行为事件” 并写入kafka

{“guid”:1,“eventId”:“pageview”,“timestamp”:163786834789}

{“guid”:1,“eventId”:“pageview”,“timestamp”:163786834789}

{“guid”:1,“eventId”:“pageview”,“timestamp”:163786834789}

…

写一个消费者，不断地从kafka种取消费如上 “ 用户行为事件” 数据，并做统计计算，每五分钟，输出一次截至到当时的数据中出现过的用户总数。 本质 去重guid数

消费者

首先分析思路，可以使用hashmap来进行统计思路，如下所示：

如果存在线程安全的问题，可以使用ConcurrentHashMap。

还有一个业务需求就是 每五分钟去输出一个结果，这个时机、节奏，如何去把控。

实际上就是一个线程源源不断的拉数据，一个线程定期的输出结果。

public class consumer{
    public static void main(String[] args){
        ConcurrentHashMap<Long, String> guidMap = new ConcurrentHashMap<>();
        
        // 启动数据消费线程
        new Thread(new ConsumeRunnable(guidMap)).start();
        
        
        // 启动统计及消费输出结果的线程（每5s输出一次）
        // 优雅一点实现定时调度，可以用各种定时调度器（有第三方的，也可以用JDK自己的，Timer）
        Timer timer = new Timer();
        timer.scheduleAtFixedRate(new StatisticTask(guidMap),0,1000);
        
    }
}

class ConsumeRunnable implements Runnable{
    
    ConcurrentHashMap<Long, String> guidMap;
    
    public ConsumeRunnable(ConcurrentHashMap<Long, String> guidMap){
        this.guidMap = guidMap;
    }
    
    
    public void run(){
        Properties props = new Properties();
        // 定义 kakfa 服务的地址，不需要将所有 broker 指定上
		props.put("bootstrap.servers", "doitedu01);
        // key 的反序列化类
		props.put("key.deserializer",
                  "org.apache.kafka.common.serialization.StringDeserializer");
		// value 的反序列化类
		props.put("value.deserializer",
					"org.apache.kafka.common.serialization.StringDeserializer");
                  
        // 如果没有消费偏移量记录，则自动重设为起始 offset：latest, earliest, none
		props.put("auto.offset.reset","latest");
                  
        // 制定 consumer group
		props.put("group.id", "g1");
                  
                  
                  
        while (true) {
			// 读取数据，读取超时时间为 5000ms
			ConsumerRecords<String, String> records = consumer.poll(5000);
			for (ConsumerRecord<String, String> record : records)
				String eventJson = record.value();
            	UserEvent userEvent = JSON.parseObject(eventJson,UserEvent.class);
            
            	guidMap.put(userEvent.getGuid(), "");
			}
    	}
}
                  
class StatisticTask extends TimerTask{
    
    ConcurrentHashMap<Long, String> guidMap;
    
    public StatisticTask(ConcurrentHashMap<Long, String> guidMap){
        this.guidMap = guidMap;
    }
    
    public void run(){
        System.out.println("截止到当前的用户总数为："+guidMap.size());
    }
}

ConcurrentHashMap 中无论 key 还是 Value都不能填 null值，具体在源码中有体现：

其 put流程如下：

	public V put(K key, V value) {
        return putVal(key, value, false);
        // onlyIfAbsent如果是false，那么每次都会用新值替换掉旧值
    }
    final V putVal(K key, V value, boolean onlyIfAbsent) {
        if (key == null || value == null) throw new NullPointerException();
        // 其中 spread 方法会综合高位低位, 具有更好的 hash 性
        int hash = spread(key.hashCode());
        int binCount = 0;
        // 死循环
        for (Node<K,V>[] tab = table;;) {
            // f 是链表头节点
            // fh 是链表头结点的 hash
            // i 是链表在 table 中的下标
            Node<K,V> f; int n, i, fh;
            // 要创建 table
            if (tab == null || (n = tab.length) == 0)
                // 初始化 table 使用了 cas, 无需 synchronized 创建成功, 进入下一轮循环
                // 因为是懒惰初始化的，所以直到现在才开始创建 初始化使用cas 创建，其它失败得再次进入循环，没有用syn 我们得线程并没有被阻塞住
                tab = initTable();
                // 要创建链表头节点
            else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
                // 添加链表头使用了 cas, 无需 synchronized
                // 用cas将头节点加进去，如果加入失败了，继续循环
                if (casTabAt(tab, i, null,
                        new Node<K,V>(hash, key, value, null)))
                    break;
            }
            // 帮忙扩容
            // 其实就是看你的头结点是不是 ForwardingNode，其对应得MOVED是一个负数
            else if ((fh = f.hash) == MOVED)
                // 帮忙之后, 进入下一轮循环
                // 锁住当前的链表，帮助去扩容
                tab = helpTransfer(tab, f);
            // 能进入这个else，说明 table既不处于扩容中，也不是处于table的初始化过程中，而且这时肯定发生了锁下标的冲突
            else {
                V oldVal = null;
                // 锁住链表头节点
                // 并没有锁住整个tab，而是锁住这个桶链表的头节点
                synchronized (f) {
                    // 再次确认链表头节点没有被移动
                    if (tabAt(tab, i) == f) {
                        // 链表
                        // 链表的头节点hash码大于等于 0 
                        if (fh >= 0) {
                            binCount = 1;
                            // 遍历链表
                            for (Node<K,V> e = f;; ++binCount) {
                                K ek;
// 找到相同的 key
                                if (e.hash == hash &&
                                        ((ek = e.key) == key ||
                                                (ek != null && key.equals(ek)))) {
                                    oldVal = e.val;
                                    // 更新
                                    if (!onlyIfAbsent)
                                        e.val = value;
                                    break;
                                }
                                Node<K,V> pred = e;
                                // 已经是最后的节点了, 新增 Node, 追加至链表尾
                                if ((e = e.next) == null) {
                                    pred.next = new Node<K,V>(hash, key,
                                            value, null);
                                    break;
                                }
                            }
                        }
                        // 红黑树
                        else if (f instanceof TreeBin) {
                            Node<K,V> p;
                            binCount = 2;
                            // putTreeVal 会看 key 是否已经在树中, 是, 则返回对应的 TreeNode
                            if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
                                    value)) != null) {
                                oldVal = p.val;
                                if (!onlyIfAbsent)
                                    p.val = value;
                            }
                        }
                    }
                    // 释放链表头节点的锁
                }

                if (binCount != 0) {
                    if (binCount >= TREEIFY_THRESHOLD)
                        // 如果链表长度 >= 树化阈值(8), 进行链表转为红黑树
                        treeifyBin(tab, i);
                    if (oldVal != null)
                        return oldVal;
                    break;
                }
            }
        }
        // 增加 size 计数
        addCount(1L, binCount);
        return null;
    }
    private final Node<K,V>[] initTable() {
        Node<K,V>[] tab; int sc;
        // 这个hash有没有被创建
        while ((tab = table) == null || tab.length == 0) {
            if ((sc = sizeCtl) < 0)
                // 让出cpu的使用权，如果cpu的时间片没有其它线程了，那么还是会分给这个线程，只是让他不至于充分利用cpu，少占用一点cpu的时间。
                Thread.yield();
                // 尝试将 sizeCtl 设置为 -1（表示初始化 table）
            
            // 而其它的线程，再次进入循环，首先 不小于0了，其次，之前的 sc也已经变了，cas失败，再次循环的时候，发现 tab已经不为空了，结束循环
            else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
                // 获得锁, 创建 table, 这时其它线程会在 while() 循环中 yield 直至 table 创建
                try {
                    if ((tab = table) == null || tab.length == 0) {
                        int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
                        Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
                        table = tab = nt;
                        // 计算出下一次要扩容的阈值
                        sc = n - (n >>> 2);
                    }
                } finally {
                    // 计算出下一次要扩容的阈值
                    sizeCtl = sc;
                }
                break;
            }
        }
        return tab;
    }


    // check 是之前 binCount 的个数
	// 运用了 longadder 的思想
    private final void addCount(long x, int check) {
        CounterCell[] as; long b, s;
        if (
            // 已经有了 counterCells, 向 cell 累加
            // 累加单元数组不为空
                (as = counterCells) != null ||
                        // 还没有, 向 baseCount 累加
            // 一个基础数值累加
                        !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)
        ) {
            CounterCell a; long v; int m;
            boolean uncontended = true;
            if (
                // 还没有 counterCells
                    as == null || (m = as.length - 1) < 0 ||
                            // 还没有 cell
                            (a = as[ThreadLocalRandom.getProbe() & m]) == null ||
                            // cell cas 增加计数失败
                            !(uncontended = U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))
            ) {
                // 创建累加单元数组和cell, 累加重试
                fullAddCount(x, uncontended);
                return;
            }
            if (check <= 1)
                return;
            // 获取元素个数
            s = sumCount();
        }
        if (check >= 0) {
            Node<K,V>[] tab, nt; int n, sc;
            // 看看元素的个数是否大于扩容的阈值
            while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
                    (n = tab.length) < MAXIMUM_CAPACITY) {
                int rs = resizeStamp(n);
                if (sc < 0) {
                    if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
                            sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
                            transferIndex <= 0)
                        break;
                    // newtable 已经创建了，帮忙扩容
                    if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
                        // 首次调用，因为是懒惰初始化的，所以还没有创建
                        transfer(tab, nt);
                }
                // 需要扩容，这时 newtable 未创建
                else if (U.compareAndSwapInt(this, SIZECTL, sc,
                        (rs << RESIZE_STAMP_SHIFT) + 2))
                    transfer(tab, null);
                s = sumCount();
            }
        }
    }

但是这里使用一个hashmap去记录去重的guid是有弊端的。

利用map或者set来记录guid本身，比较占用内存还有性能。

guid是一个Long值，8个byte，如果咱们的用户规模达到了10亿，那你这个set或者map中存储的guid就将达到10亿个。

相当于8 * 1000000000 /1024/1024 = 7629MB相当于一个Hashmap中存储了7G数据

那么有一些经典的数据结构，bitmap、bloomfilter、hyperloglog都可以解决去统计个数、判重的场景。

输出个数：有几个1，就是出现过几种 guid：

之前使用hashmap存，直接存guid，8个byte一个guid == 64bit 现在bitmap里面，记一个guid，只要一个bit

并且hashmap是按需扩容的，这个过程是很浪费性能的，而bigmap要一开始初始化10亿个bit，有点浪费空间。

但是api会对最原始的bitmap进行一些优化，比如说稀疏型的向量的场景中，例如roaringbitmap工具包进行了优化，慢慢的进行了扩容。

public class consumer{
    public static void main(String[] args){

        // 使用roaringbitmap来记录
        RoaringBitmap bitmap = RoaringBitmap.bigmapOf();
        
        // 启动数据消费线程
        new Thread(new ConsumeRunnable(bitmap)).start();
        
        
        // 启动统计及消费输出结果的线程（每5s输出一次）
        // 优雅一点实现定时调度，可以用各种定时调度器（有第三方的，也可以用JDK自己的，Timer）
        Timer timer = new Timer();
        timer.scheduleAtFixedRate(new StatisticTask(bitmap),0,1000);
        
    }
}

class ConsumeRunnable implements Runnable{
    
    RoaringBitmap bitmap;
    
    public ConsumeRunnable(RoaringBitmap bitmap){
        this.bitmap = bitmap;
    }
    
    
    public void run(){
        Properties props = new Properties();
        // 定义 kakfa 服务的地址，不需要将所有 broker 指定上
		props.put("bootstrap.servers", "doitedu01);
        // key 的反序列化类
		props.put("key.deserializer",
                  "org.apache.kafka.common.serialization.StringDeserializer");
		// value 的反序列化类
		props.put("value.deserializer",
					"org.apache.kafka.common.serialization.StringDeserializer");
                  
        // 如果没有消费偏移量记录，则自动重设为起始 offset：latest, earliest, none
		props.put("auto.offset.reset","latest");
                  
        // 制定 consumer group
		props.put("group.id", "g1");
                  
                  
                  
        while (true) {
			// 读取数据，读取超时时间为 5000ms
			ConsumerRecords<String, String> records = consumer.poll(5000);
			for (ConsumerRecord<String, String> record : records)
				String eventJson = record.value();
            	UserEvent userEvent = JSON.parseObject(eventJson,UserEvent.class);
            
            	bitmap.add(userEvent.getGuid());
			}
    	}
}
                  
class StatisticTask extends TimerTask{
    
    RoaringBitmap bitmap;
    
    public StatisticTask(RoaringBitmap bitmap){
        this.bitmap = bitmap;
    }
    
    public void run(){
        System.out.println("截止到当前的用户总数为："+bitmap.getCardinality());
    }
}

但是如果涉及到了多维聚合，那么单纯的使用bitmap可能还不够

比如 省市区 用户数 、 省市 用户数

江苏省，南京市，鼓楼区，5

江苏省，南京市，下关区，6

…

从用户访问记录中统计各区域的用户数

江苏省，南京市，鼓楼区，[0,1,0,1,1,1,0,1,0,0,0,0] 5

江苏省，南京市，下关区，[1,1,0,0,0,0,0,0,1,1,1,1] 6

要到的：江苏省，南京市 [1,1,0,1,1,1,0,1,1,1,1,1] 10

这也就是使用bitmap来实现高效率的，维度再均衡

所以这也就是数据结构与应用解耦

消费者

需求2：写一个消费者，不断地从kafka中消费如上"用户行为事件"，并做出如下加工处理

给每一条数据，添加一个字段来标识，该条数据所属的用户今天是否第一次出现，如是，则标注1，否则标注0

{“guid”:1,“eventId”:“pageview”,“timestamp”:163786834789,“flag”:1}

{“guid”:1,“eventId”:“pageview”,“timestamp”:163786834789,“flag”:0}

{“guid”:1,“eventId”:“pageview”,“timestamp”:163786834789,“flag”:1}

这个需求可以用HashMap来做

也可以用bitmap来做，启动bitmap.contain()能够判断是是否包含

如果是判重字符串，用bitmap就不太方便了，可以使用bloomfilter，但是bloomfilter会牺牲一定的准确率（因为bloomfilter会误判）

在判重方面，布隆过滤器比bitmap.contain()更适合。

布隆过滤器具有以下优势：

1. 内存占用更小：布隆过滤器使用位数组和哈希函数来表示数据集合，相比于bitmap.contain()方法，它可以以较小的内存占用来存储大规模的数据集合。
2. 高效的查询性能：布隆过滤器可以在常数时间内完成判重操作，即使数据集合非常庞大，也能以较高的速度进行查询。而bitmap.contain()方法可能需要遍历整个位图数组，时间复杂度较高。
3. 可扩展性：布隆过滤器可以动态地添加新的元素，并且支持删除操作。相比之下，bitmap.contain()方法需要预先确定数据范围，不便于动态扩展。

虽然布隆过滤器具有以上优势，但也需要注意它存在一定的误判率（即可能将不存在的元素判断为存在）。因此，在判重的关键场景中，如果对结果的准确性要求非常高，可以使用其他更精确的去重方法进行验证。

public class consumer{
    public static void main(String[] args){  
        // 启动数据消费线程
        new Thread(new ConsumeRunnable()).start();
    }
}

class ConsumeRunnable implements Runnable{
    
    BloomFilter<Long> bloomFilter;
    
    Properties props;
    
    public ConsumeRunnable(){
        bloomFilter = BloomFilter.create(Funnels.longFunnel(),1000000000,0.01);
        props = new Properties();
        // 定义 kakfa 服务的地址，不需要将所有 broker 指定上
		props.put("bootstrap.servers", "doitedu01);
        // key 的反序列化类
		props.put("key.deserializer",
                  "org.apache.kafka.common.serialization.StringDeserializer");
		// value 的反序列化类
		props.put("value.deserializer",
					"org.apache.kafka.common.serialization.StringDeserializer");
                  
        // 如果没有消费偏移量记录，则自动重设为起始 offset：latest, earliest, none
		props.put("auto.offset.reset","latest");
                  
        // 制定 consumer group
		props.put("group.id", "g1");
    }
    
    
    public void run(){
   
        while (true) {
			// 读取数据，读取超时时间为 5000ms
			ConsumerRecords<String, String> records = consumer.poll(5000);
			for (ConsumerRecord<String, String> record : records)
				String eventJson = record.value();
            	UserEvent userEvent = JSON.parseObject(eventJson,UserEvent.class);
            
            	// 去布隆过滤器判断一下
            	boolean mightContain = bloomFilter.mightContain(userEvent.getGuid());
            	if(mightContain){
                    userEvent.setFlag(0);
                }else{
                    userEvent.setFlag(1);
                    bloomFilter.put(userEvent.getGuid());
                }
			}
    	}
}