Day450&451&452

for (int i = 0; i < 100; i++) {

producer.send(new ProducerRecord<String, String>(“first”,

Integer.toString(i),

Integer.toString(i)),

new Callback() {

//回调函数，该方法会在 Producer 收到 ack 时调用，为异步调用

@Override

public void onCompletion(RecordMetadata metadata,

Exception exception) {

if (exception == null) {

System.out.println(“success->” + metadata.offset());

} else {

exception.printStackTrace();

}

}

});

}

producer.close();

}

}

---

3、同步发送 API

同步发送的意思就是，一条消息发送之后，会阻塞当前线程，直至返回 ack。

由于 send 方法返回的是一个 Future 对象，根据 Futrue 对象的特点，我们也可以实现同步发送的效果，只需在调用 Future 对象的 get 方发即可。

public class CustomProducer {

public static void main(String[] args) throws ExecutionException,

InterruptedException {

Properties props = new Properties();

props.put(“bootstrap.servers”, “hadoop102:9092”);//kafka 集群，broker-list

props.put(“acks”, “all”);

props.put(“retries”, 1);//重试次数

props.put(“batch.size”, 16384);//批次大小

props.put(“linger.ms”, 1);//等待时间

props.put(“buffer.memory”, 33554432);//RecordAccumulator 缓冲区大小

props.put(“key.serializer”,

“org.apache.kafka.common.serialization.StringSerializer”);

props.put(“value.serializer”,

“org.apache.kafka.common.serialization.StringSerializer”);

Producer<String, String> producer = new KafkaProducer<>(props);

for (int i = 0; i < 100; i++) {

producer.send(new ProducerRecord<String, String>(“first”,

Integer.toString(i),

Integer.toString(i))).get();

}

producer.close();

}

}

---

二、Consumer API

---

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。

1、自动提交 offset

• 导入依赖

org.apache.kafka

kafka-clients

0.11.0.0

• 编写代码

需要用到的类：

• KafkaConsumer：

需要创建一个消费者对象，用来消费数据

• ConsumerConfig：

获取所需的一系列配置参数

• ConsuemrRecord：

每条数据都要封装成一个 ConsumerRecord 对象

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

相同组内，consumer重启不管是否设置 earliest ，都不会重新消费。不同组+设置 earliest 可以重新消费

以下为自动提交 offset 的代码：

public class CustomConsumer {

public static void main(String[] args) {

Properties props = new Properties();

props.put(“bootstrap.servers”, “hadoop102:9092”);

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”);

KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);

consumer.subscribe(Arrays.asList(“first”));

while (true) {

ConsumerRecords<String, String> records = consumer.poll(100);

for (ConsumerRecord<String, String> record : records)

System.out.printf(“offset = %d, key = %s, value= %s%n”, record.offset(), record.key(), record.value());

}

}

}

---

2、手动交提交 offset

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。

• 同步提交 offset

当前线程会阻塞直到 offset 提交成功

由于同步提交 offset 有失败重试机制，故更加可靠，以下为同步提交 offset 的示例。

public class CustomComsumer {

public static void main(String[] args) {

Properties props = new Properties();

//Kafka 集群

props.put(“bootstrap.servers”, “hadoop102:9092”);

//消费者组，只要 group.id 相同，就属于同一个消费者组

props.put(“group.id”, “test”);

props.put(“enable.auto.commit”, “false”);//关闭自动提交 offset

props.put(“key.deserializer”,

“org.apache.kafka.common.serialization.StringDeserializer”);

props.put(“value.deserializer”,

“org.apache.kafka.common.serialization.StringDeserializer”);

KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);

consumer.subscribe(Arrays.asList(“first”));//消费者订阅主题

while (true) {

//消费者拉取数据

ConsumerRecords<String, String> records = consumer.poll(100);

for (ConsumerRecord<String, String> record : records) {

System.out.printf(“offset = %d, key = %s, value = %s%n”, record.offset(), record.key(), record.value());

}

//同步提交，当前线程会阻塞直到 offset 提交成功

consumer.commitSync();

}

}

}

• 异步提交 offset

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。

以下为异步提交 offset 的示例：

public class CustomConsumer {

public static void main(String[] args) {

Properties props = new Properties();

//Kafka 集群

props.put(“bootstrap.servers”, “hadoop102:9092”);

//消费者组，只要 group.id 相同，就属于同一个消费者组

props.put(“group.id”, “test”);

//关闭自动提交 offset

props.put(“enable.auto.commit”, “false”);

props.put(“key.deserializer”,

“org.apache.kafka.common.serialization.StringDeserializer”);

props.put(“value.deserializer”,

“org.apache.kafka.common.serialization.StringDeserializer”);

KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);

consumer.subscribe(Arrays.asList(“first”));//消费者订阅主题

while (true) {

ConsumerRecords<String, String> records = consumer.poll(100);//消费者拉取数据

for (ConsumerRecord<String, String> record : records) {

System.out.printf(“offset = %d, key = %s, value= %s%n”, record.offset(), record.key(), record.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。

---

三、自定义存储 offset

---

场景：kafka处理完后，需要操作mysql

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 Rebalance。

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。

public class CustomConsumer {

private static Map<TopicPartition, Long> currentOffset = new HashMap<>();

public static void main(String[] args) {

//创建配置信息

Properties props = new Properties();

//Kafka 集群

props.put(“bootstrap.servers”, “hadoop102:9092”);

//消费者组，只要 group.id 相同，就属于同一个消费者组

props.put(“group.id”, “test”);

//关闭自动提交 offset

props.put(“enable.auto.commit”, “false”);

//Key 和 Value 的反序列化类

props.put(“key.deserializer”,

“org.apache.kafka.common.serialization.StringDeserializer”);

props.put(“value.deserializer”,

“org.apache.kafka.common.serialization.StringDeserializer”);

//创建一个消费者

KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);

//消费者订阅主题

consumer.subscribe(Arrays.asList(“first”), new ConsumerRebalanceListener() {

//该方法会在 Rebalance 之前调用

@Override

public void onPartitionsRevoked(Collection partitions) {

commitOffset(currentOffset);

}

//该方法会在 Rebalance 之后调用

@Override

public void onPartitionsAssigned(Collection 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) {

ConsumerRecords<String, String> records = consumer.poll(100);//消费者拉取数据

for (ConsumerRecord<String, String> record : records) {

System.out.printf(“offset = %d, key = %s, value= %s%n”, record.offset(), record.key(), record.value());

currentOffset.put(new TopicPartition(record.topic(),

record.partition()),record.offset());

}

commitOffset(currentOffset);//异步提交

}

}

//获取某分区的最新 offset

private static long getOffset(TopicPartition partition) {

//例如，提交后，从mysql拿出来数据做xxxx

return 0;

}

//提交该消费者所有分区的 offset

private static void commitOffset(Map<TopicPartition, Long> currentOffset) {

//例如，提交钱，存入mysql xxxx

}

}

---

四、自定义 Interceptor

---

1、拦截器原理

Producer 拦截器(interceptor)是在 Kafka 0.10 版本被引入的，主要用于实现 clients 端的定制化控制逻辑。

对于 producer 而言，interceptor 使得用户在消息发送前以及 producer 回调逻辑前有机会对消息做一些定制化需求，比如修改消息等。

同时，producer 允许用户指定多个 interceptor按序作用于同一条消息从而形成一个拦截链(interceptor chain)。

Intercetpor 的实现接口是org.apache.kafka.clients.producer.ProducerInterceptor，其定义的方法包括：

（1）configure(configs)

获取配置信息和初始化数据时调用。

（2）onSend(ProducerRecord)：

该方法封装进 KafkaProducer.send 方法中，即它运行在用户主线程中。Producer 确保在消息被序列化以及计算分区前调用该方法。用户可以在该方法中对消息做任何操作，但最好保证不要修改消息所属的 topic 和分区，否则会影响目标分区的计算。

（3）onAcknowledgement(RecordMetadata, Exception)：

该方法会在消息从 RecordAccumulator 成功发送到 Kafka Broker 之后，或者在发送过程中失败时调用。并且通常都是在 producer 回调逻辑触发之前。onAcknowledgement 运行在producer 的 IO 线程中，因此不要在该方法中放入很重的逻辑，否则会拖慢 producer 的消息发送效率。

（4）close：

关闭 interceptor，主要用于执行一些资源清理工作如前所述，interceptor 可能被运行在多个线程中，因此在具体实现时用户需要自行确保线程安全。

另外倘若指定了多个 interceptor，则 producer 将按照指定顺序调用它们，并仅仅是捕获每个 interceptor 可能抛出的异常记录到错误日志中而非在向上传递。这在使用过程中要特别留意。

---

2、拦截器案例

• 需求

实现一个简单的双 interceptor 组成的拦截链。

第一个 interceptor 会在消息发送前将时间戳信息加到消息 value 的最前部；

第二个 interceptor 会在消息发送后更新成功发送消息数或失败发送消息数。

• 案例实操

• 增加时间戳拦截器

public class TimeInterceptor implements ProducerInterceptor<String, String> {

@Override

public void configure(Map<String, ?> configs) {}

@Override

public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) { // 创建一个新的 record，把时间戳写入消息体的最前部

return new ProducerRecord(record.topic(),record.partition(), record.timestamp(), record.key(),System.currentTimeMillis() + “,” +record.value().toString());

}

@Override

public void onAcknowledgement(RecordMetadata metadata,Exception exception) {}

@Override

public void close() {}

}

• 统计发送消息成功和发送失败消息数，并在 producer 关闭时打印这两个计数器

public class CounterInterceptor implements ProducerInterceptor<String, String>{

private int errorCounter = 0;

private int successCounter = 0;

@Override

public void configure(Map<String, ?> configs) {}

@Override

public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) { return record;

}

@Override

public void onAcknowledgement(RecordMetadata metadata,Exception exception) {

// 统计成功和失败的次数

if (exception == null) {

successCounter++;

} else {

errorCounter++;

}

}

@Override

public void close() {

// 保存结果

System.out.println("Successful sent: " + successCounter);

System.out.println("Failed sent: " + errorCounter);

}

}

• 主程序

public class InterceptorProducer {

public static void main(String[] args) throws Exception {

// 1 设置配置信息

Properties props = new Properties();

props.put(“bootstrap.servers”, “hadoop102:9092”);

props.put(“acks”, “all”);

props.put(“retries”, 3);

props.put(“batch.size”, 16384);

props.put(“linger.ms”, 1);

props.put(“buffer.memory”, 33554432);

props.put(“key.serializer”,

“org.apache.kafka.common.serialization.StringSerializer”);

props.put(“value.serializer”,

“org.apache.kafka.common.serialization.StringSerializer”);

// 2 构建拦截链，添加我们上面写的拦截器，顺序从上到下执行

List interceptors = new ArrayList<>();

interceptors.add(“com.atguigu.kafka.interceptor.TimeInterceptor”);

interceptors.add(“com.atguigu.kafka.interceptor.CounterInterceptor”);

props.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG,interceptors);

String topic = “first”;

Producer<String, String> producer = new KafkaProducer<>(props);

// 3 发送消息

for (int i = 0; i < 10; i++) {

ProducerRecord<String, String> record = new ProducerRecord<>(topic, “message” + i);

producer.send(record);

}

// 4 一定要关闭 producer，这样才会调用 interceptor 的 close 方法

producer.close();

}

}

• 测试

在 kafka 上启动消费者，然后运行客户端 java 程序。

bin/kafka-console-consumer.sh \ --bootstrap-server hadoop102:9092 --from-beginning --topic first

结果

1501904047034,message0

1501904047225,message1

1501904047230,message2

1501904047234,message3

1501904047236,message4

1501904047240,message5

1501904047243,message6

1501904047246,message7

1501904047249,message8

1501904047252,message9

---

五、Kafka 监控

---

1、Kafka Eagle

• 修改 kafka 启动命令

修改 kafka-server-start.sh 命令中

if [ “x$KAFKA_HEAP_OPTS” = “x” ]; then

export KAFKA_HEAP_OPTS=“-Xmx1G -Xms1G”

fi

为：↓↓↓

if [ “x$KAFKA_HEAP_OPTS” = “x” ]; then

export KAFKA_HEAP_OPTS="-server -Xms2G -Xmx2G -XX:PermSize=128m

-XX:+UseG1GC -XX:MaxGCPauseMillis=200 -XX:ParallelGCThreads=8 -

XX:ConcGCThreads=5 -XX:InitiatingHeapOccupancyPercent=70"

export JMX_PORT=“9999”

#export KAFKA_HEAP_OPTS=“-Xmx1G -Xms1G”

fi

注意：修改之后在启动 Kafka 之前要分发之其他节点

• 上传压缩包 kafka-eagle-bin-1.3.7.tar.gz 到集群/opt/software 目录

• 解压到本地

tar -zxvf kafka-eagle-bin-1.3.7.tar.gz

• 进入刚才解压的目录

ll

kafka-eagle-web-1.3.7-bin.tar.gz

• 将 kafka-eagle-web-1.3.7-bin.tar.gz 解压至/opt/module

tar -zxvf kafka-eagle-web-1.3.7-bin.tar.gz -C /opt/module/

• 修改名称

mv kafka-eagle-web-1.3.7/ eagle

• 给启动文件执行权限

chmod 777 ke.sh

• 修改配置文件

######################################

multi zookeeper&kafka cluster list

######################################

kafka.eagle.zk.cluster.alias=cluster1

cluster1.zk.list=hadoop102:2181,hadoop103:2181,hadoop104:2181

######################################

kafka offset storage

######################################

cluster1.kafka.eagle.offset.storage=kafka

######################################

enable kafka metrics

######################################

kafka.eagle.metrics.charts=true

kafka.eagle.sql.fix.error=false

######################################

kafka jdbc driver address

######################################

kafka.eagle.driver=com.mysql.jdbc.Driver

kafka.eagle.url=jdbc:mysql://hadoop102:3306/ke?useUnicode=true&ch

aracterEncoding=UTF-8&zeroDateTimeBehavior=convertToNull

kafka.eagle.username=root

kafka.eagle.password=000000

• 添加环境变量

export KE_HOME=/opt/module/eagle

export PATH=$PATH:$KE_HOME/bin

注意：source /etc/profile

• 启动

bin/ke.sh start

启动内容↓

… …

… …

---

**

• Kafka Eagle Service has started success.

• Welcome, Now you can visit ‘http://192.168.9.102:8048/ke’

• Account:admin ,Password:123456

---

**

• ke.sh [start|status|stop|restart|stats]

• https://www.kafka-eagle.org/

---

**

注意：启动之前需要先启动 ZK 以及 KAFKA

• 登录页面查看监控数据

http://192.168.9.102:8048/ke

---

六、Kafka 面试题

---

• 1.Kafka 中的ISR(InSyncRepli)、OSR(OutSyncRepli)、AR(AllRepli)代表什么？

ISR+OSR=AR

• 2.Kafka 中的 HW、LEO 等分别代表什么？

HW高水位，一个分区中所有副本最小的offset

LEO低水位，没个副本的最后条消息的offset

• 3.Kafka 中是怎么体现消息顺序性的？

分区顺序性

• 4.Kafka 中的分区器、序列化器、拦截器是否了解？它们之间的处理顺序是什么？

了解，拦截器—>序列化器—>分区器

• 5.Kafka 生产者客户端的整体结构是什么样子的？使用了几个线程来处理？分别是什么？

2个线程，主线程和send线程

• 6.“消费组中的消费者个数如果超过 topic 的分区，那么就会有消费者消费不到数据”这句话是否正确？

正确，我们需要控制让分区数和消费者的数量是一致的

• 7.消费者提交消费位移时提交的是当前消费到的最新消息的 offset 还是 offset+1？

offset+1

• 8.有哪些情形会造成重复消费？

先处理业务，再ack；如果出现宕机，就会出现重复消费

• 9.那些情景会造成消息漏消费？

先ack，再处理业务；如果出现宕机，就会出现漏消费

• 10.当你使用 kafka-topics.sh 创建（删除）了一个 topic 之后，Kafka 背后会执行什么逻辑？

• 会在 zookeeper 中的/brokers/topics 节点下创建一个新的 topic 节点，如：

/brokers/topics/first

• 触发 Controller 的监听程序

• kafka Controller 负责 topic 的创建工作，并更新 metadata cache

先去zk创建对应topic节点，然后监听Controller的程序，然后Controller就会创建任务，并更新源数据缓存

• 11.topic 的分区数可不可以增加？如果可以怎么增加？如果不可以，那又是为什么？

• 12.topic 的分区数可不可以减少？如果可以怎么减少？如果不可以，那又是为什么？

• 13.Kafka 有内部的 topic 吗？如果有是什么？有什么所用？

__consumer_offsets,保存消费者offset

• 14.Kafka 分区分配的概念？

RoundRobin：根据消费者组分配

Range：分区分配

• 15.简述 Kafka 的日志目录结构？

• 16.如果我指定了一个 offset，Kafka Controller 怎么查找到对应的消息？

有个offset，就用二分查找去index中找offset位置对应的log位置，

然后再去log文件中去对这个位置进行查找

• 17.聊一聊 Kafka Controller 的作用？

根据择优连接机制选举抢，资源方式，作为个节点的代表与zk进行交互

• 18.Kafka 中有那些地方需要选举？这些地方的选举策略又有哪些？

Controller择优选举，抢资源方式

leader选举，通过isr方式，1、同步时间2、同步条数

• 19.失效副本是指什么？有那些应对措施？

• 20.Kafka 的哪些设计让它有如此高的性能？

零拷贝