一.kafaka的异步发送
kafka对于消息的发送,可以支持同步和异步,同步会需要阻塞,而异步不需要等待阻塞的过程,从本质上来说,
kafka都是采用异步的方式来发送消息到broker,但是kafka并不是每次发送消息都会直接发送到broker上,而是把消息放到了一个发送队列中,然后通过一个后台线程不断从队列中取出消息进行发送,发送成功后会触发callback,kafka客户端会积累一定量的消息统一组成一个批量消息发送出去,触发条件是前面提到的batch.size和linger.ms.
而同步发送的方法,无非就是通过future.get()来等待消息的发送返回结果,但是这种方法会严重影响消息发送的功能.
二.batch.size
生产者发送多个消息到broker上的同一个分区时,为了减少网络请求带来的性能开销,通过批量的方式来提交消息,可以通过这个参数来控制批量提交的字节数的大小,默认大小是16384btye.也就是16kb.意味着当一批消息大小达到指定的batch.size的时候会统一发送
三.linger.ms
producer默认会把两次发送时间间隔内收集到的所有requests进行一次聚合然后再发送,以此提高吞吐量,而linger.ms就是为每次发送到broker的请求增加一些delay,以此来聚合更多的message请求
batch.size和linger.ms这两个参数是kafka性能优化的关键参数,很多人会发现batch.size和
linger.ms这两者的作用是一样的,如果两个都配置了,那么怎么工作的呢?实际上,当二者都配
置的时候,只要满足其中一个要求,就会发送请求到broker上
四.kafka中一些基本配置分析
1.group.id
consumer group是kafka提供的可扩展且具有容错性的消费者机制。既然是一个组,那么组内必然可以
有多个消费者或消费者实例(consumer instance),它们共享一个公共的ID,即group ID。组内的所有
消费者协调在一起来消费订阅主题(subscribed topics)的所有分区(partition)。当然,每个分区只能由
同一个消费组内的一个consumer来消费.如下图所示,分别有三个消费者,属于两个不同的group,那
么对于firstTopic这个topic来说,这两个组的消费者都能同时消费这个topic中的消息,对于此时的架构
来说,这个firstTopic就类似于ActiveMQ中的topic概念。如右图所示,如果3个消费者都属于同一个
group,那么此事firstTopic就是一个Queue的概念
2.enable.auto.commit
消费者消费消息以后自动提交,只有当消息提交以后,该消息才不会被再次接收到,还可以配合
auto.commit.interval.ms控制自动提交的频率。
当然,我们也可以通过consumer.commitSync()的方式实现手动提交
3.auto.offset.reset
这个参数是针对新的groupid中的消费者而言的,当有新groupid的消费者来消费指定的topic时,对于
该参数的配置,会有不同的语义
auto.offset.reset=latest情况下,新的消费者将会从其他消费者最后消费的offset处开始消费Topic下的
消息
auto.offset.reset= earliest情况下,新的消费者会从该topic最早的消息开始消费
auto.offset.reset=none情况下,新的消费者加入以后,由于之前不存在offset,则会直接抛出异常。
4.max.poll.records
此设置限制每次调用poll返回的消息数,这样可以更容易的预测每次poll间隔要处理的最大值。通过调
整此值,可以减少poll间隔
五.Springboot+kafka
springboot的版本和kafka的版本,有一个对照表格,如果没有按照正确的版本来引入,那么会存在版
本问题导致ClassNotFound的问题,具体请参考
版本参考
jar包依赖
<dependency>
<groupId>org.springframework.kafka</groupId>
<artifactId>spring-kafka</artifactId>
<version>2.2.0.RELEASE</version>
</dependency>
KafkaProducer
@Component
public class KafkaProducer {
@Autowired
private KafkaTemplate<String, String> kafkaTemplate;
public void send() {
kafkaTemplate.send("test", "msgKey", "msgData");
}
}
KafkaConsumer
@KafkaListener(topics = {"test"})
public void listener(ConsumerRecord record) {
Optional<?> msg = Optional.ofNullable(record.value());
if (msg.isPresent()) {
System.out.println(msg.get());
}
}
application配置
spring.kafka.bootstrap- servers=192.168.13.102:9092,192.168.13.103:9092,192.168.13.104:9092 spring.kafka.producer.key- serializer=org.apache.kafka.common.serialization.StringSerializer spring.kafka.producer.value- serializer=org.apache.kafka.common.serialization.StringSerializer spring.kafka.consumer.group-id=test-consumer-group spring.kafka.consumer.auto-offset-reset=earliest spring.kafka.consumer.enable-auto-commit=true spring.kafka.consumer.key- deserializer=org.apache.kafka.common.serialization.StringDeserializer spring.kafka.consumer.value- deserializer=org.apache.kafka.common.serialization.StringDeserializer
测试
public static void main(String[] args) {
ConfigurableApplicationContext context = SpringApplication.run(KafkaDemoApplication.class, args);
KafkaProducer kafkaProducer = context.getBean(KafkaProducer.class);
for (int i = 0; i < 3; i++) {
kafkaProducer.send();
try {
Thread.sleep(3000);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}