Kafka 生产者缓存

不建议使用：

public void produce(String message) {
    DmsProducer<String, String> producer = new DmsProducer<String, String>();
    try {
        producer.produce("test1",0, "key", message);
    } finally {
        producer.close();
    }
}

原因：
每次调用produce函数时，都会新建一个producer，每次都需要进行新建与broker连接->获取分区元数据->生产消息的过程，存在性能瓶颈

正确用法：

private DmsProducer producer;

public void init() {
    this.producer = new DmsProducer();
}

public void produce(String message) {
    if (producer == null) {
        this.init();
    }
    produce(message);
}

public void tearDown() {
    if (this.producer != null) {
        producer.close();
    }
}

进阶优化：

按照上面的使用方式，如果在多线程的环境下，可能会出现一个producer单个sender线程会有性能瓶颈（单发送线程），可能导致，导致入大于出，最终缓存堆积

示例代码：

private ProducerLru cache = new ProducerLru(5);

class ProducerLru<k, v> extends LinkedHashMap<k, v> {
    
    private int capacity;
    
    public ProducerLru(int capacity) {
        super(capacity, 0.75f, true);
        this.capacity = capacity;
    }
    
    @Override
    protected boolean removeEldestEntry(Map.Entry<k, v> eldest) {
        if (size() > capacity) {
            if (eldest.getValue() instanceof  DmsProducer) {
                DmsProducer producer = (DmsProducer) eldest.getValue();
                producer.close();
            }
        }
        return super.size() > capacity;
    }
    
}

public static void main(String[] args) throws Exception {
    Main main = new Main();
    String topicA = "topicA";
    DmsProducer producer;
    if (main.cache.get(topicA) != null) {
        producer = (DmsProducer) main.cache.get(topicA);
        main.cache.put(topicA, producer);
    } else {
        producer = new DmsProducer();
    }
    main.cache.put(topicA, producer);
}

上述示例中，producerLru的key可以是topic名称，如果是多个用户场景下，也可以以用户名作为key，可以根据实际业务场景进行调整