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();
}
}
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
。
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
}
}
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
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= P A T H : 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
- 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