【超级详细】熟悉Kafka的基本使用方法的实验【Windows】

---

前言

Kafka 是由 Apache 软件基金会开发的一个开源消息队列平台，它是一种高性能、可扩展、分布式的发布-订阅消息系统。Kafka 的架构被设计为高效、低延迟，并具有高吞吐量、持久性和可靠性。

在 Kafka 中，生产者将消息发布到主题(topic)中，消费者则从主题中消费消息，使用者可以将其看作一个 highly scalable 分布式 commit log 或者消息系统 (Messaging system)，每个消息包含一个 key，一个 value 和一个额外的 timestamp。消息保留时间通过配置进行控制，当时间或空间满了的时候就根据策略来清除老数据，默认情况下老数据只保存 7 天。

特点：
1.高吞吐量：Kafka 在发布-订阅消息方面具有非常高的性能。它可以几乎实时地处理高速流入的大量数据。
实时处理：Kafka 能够处理高达数以百万计的消息，并准确地将消息排序和在群组内进行调度。
2.持久性和可靠性：与传统的消息系统不同，Kafka 具有持久性和可靠性。客户端自己提交当前偏移量，避免了可能出现的重复读取问题。
3.可扩展性：Kafka 可以在不繁琐的配置或修改信息格式等环节就能进行扩展。
4.多样化数据类型和来源：通过使用支持多种编程语言和操作系统的 API，Kafka 可以连接到许多各种来源的应用程序。

总之，Kafka 具有高性能、低时延，适合处理大规模物联网设备、日志、报警信息、传感器数据、消息等。

所以今天就来写一份关于熟悉Kafka的基本使用方法的实验，希望可以与小伙伴们一起探讨~~😉😉

---

一、实验平台

（1）操作系统：Windows7及以上（我用的是Windows 11）
（2）Kafka版本：kafka_2.12-2.4.0
（3）MySQL版本：8.0

二、实验内容

一、Kafka与MySQL的组合使用

1.实验要求

假设有一个学生表student，如下表所示，编写Python程序完成如下操作。
（1）读取student表的数据内容，将其转换为JSON格式，发送给Kafka
（2）从Kafka中获取JSON格式数据，打印出来

sno	sname	ssex	sage
95001	John	M	23
95002	Tom	M	23

2.在MySQL中操作

（1）打开MySQL
方式一：

方式二：

可以通过 DOS 命令启动 MySQL 服务，windows+R，在搜索框中输入cmd，进去之后再输入services.msc，就进去服务系统里了，再启动就行


进去以后输入密码就可以开始执行mysql语句了
（2）创建数据库

create database school001;

（3）查看数据库

show databases;

发现数据库已经被创建完成

（4）使用该数据库

use school001;

（5）在该数据库中创建student表

create table student(sno varchar(10),sname varchar(20),ssex char(2),sage int(5));

（6）查询该数据库中的student表

show tables;

（7）向student表中插入值

insert into student values("95001","John","M",23);

insert into student values("95002","Tom","M",23);

（8）查询student表中的数据

select * from student;

查询结果：

(到这里我们的student表就创建成功了！)😊😊

3.安装Kafka

简单介绍：
Kafka 的运行需要 Java 环境的支持，因此，安装 Kafka 前需要在 Windows 操作系统中安装 JDK
访问 Kafka 官网，下载 Kafka 2.4.0的安装文件 kafka 2.12-2.4.0.1gz，解压缩到" C : \ "目录下(也可以放到D盘，不过最好放在D盘根目录下，不然后续代码容易报错，我试过）
因为 Katka 的运行依赖于 Zookeeper ，因此，还需要下载并安装 Zookeeper 。当然， Kafka 也内置了 Zookeeper 服务，因此，也可以不额外安装 Zookeeper ，直接使用内置的Zookeeper 服务。为简单起见，这里直接使用内置的Zookeeper 服务。

win+r—>输入cmd然后回车

输入命令pip install kafka-python安装python-kafka模块

查看我们安装的模块的版本信息（出现kafka-python2.0.2表示我们安装模块成功）

具体怎么安装可参考：kafka安装部署

4.使用Kafka

在实验中要用到Kafka就要先启动它的Zookeeper服务和Kafka，且在实验过程中，千万不可以将其关闭，一旦关闭，服务就会停止😡😡
在 Windows 操作系统中
打开第1个 cmd 命令行窗口，启动 Zookeeper 服务：

cd D:\kafka_2.12-2.4.0（这个是你安装kafka的路径）

.\bin\windows\zookeeper-server-start.bat .\config\zookeeper.Properties

注意，执行上面的命令以后， cmd 命令行窗口中会返回一堆信息，然后停住不动，没有回到命令提示符状态。这时，不要误以为是死机，这表示 Zookeeper 服务器已经启动，正处于服务状态。所以，不要关闭这个 cmd 命令行窗口，一旦关闭， Zookeeper 服务就会停止
如图：

打开第2个 cmd 命令行窗口,然后输入如下命令启动 Kafka 服务：

cd D:\kafka_2.12-2.4.0（这个是你安装kafka的路径）

.\bin\windows\kafka-server-start.bat .\config\server.Properties

同样地，执行上面的命令以后， cmd 命令行窗口中会返回一堆信息，然后停住不动，没有回到命令提示符状态。这时，不要误以为是死机，这表示 Kafka 服务器已经启动，正处于服务状态。所以，不要关闭这个 cmd 命令行窗口，一旦关闭， Kafka 服务就会停止

若执行上面的命令以后，如果启动失败，并且出现提示信息"此时不应有\QuickTime\QTSstem\QTJava.zip "，则需要把环境变量 CLASSPATH 的相关信息删除。具体方法是，

右键单击"计算机"，再单击"属性"一"高级系统设置"一"环境变量"，然后，找到变量 CLASSPATH ,把类似下面的信息删除：
C : Program Files (x86) QuickTime\QTSystem QTJava . zip

然后重新启动计算机，让配置修改生效。重新启动计算机以后，再次按照上面的方法启动Zookeeper和Kafka

为了测试 Kafka ，这里创建一个主题，名称为" topic_test "，其包含一个分区，只有一个副本。在第3个 cmd 命令行窗口中执行如下命令：

cd D:\kafka_2.12-2.4.0（这个是你安装kafka的路径）

.\bin\windows\kafka-topics.bat -- create -- zookeeper localhost:2181-- replication -
 factor 1-- partitions 1-- topic topic_test 

可以继续执行如下命令，查看 topic _ test 是否创建成功：

.\bin\windows\kafka-topics.bat -- list -- zookeeper localhost:2181

如果创建成功，就可以在执行结果中看到 topic _ test
继续在第3个 cmd 命令行窗口中执行如下命令，创建一个生产者来产生消息：

.\bin\windows\kafka-console-producer.bat -- broker-list localhost :9092 -topic topic_test 

该命令执行以后，屏幕上的光标会持续闪烁，这时，可以用键盘输入一些内容，例如：
I love Kafka
Kafka is good
新建第4个 cmd 命令行窗口，执行如下命令来消费消息：

cd D:\kafka_2.12-2.4.0（这个是你安装kafka的路径）

.\bin\windows\kafka-console-consumer.bat --bootstrap-server localhost:9092 --topic_test --from-beginning 

该命令执行以后，屏幕上显示刚才输入的语句" I love Kafka “和” Kafka is good "

5.在PyCharm中操作

1. 创建一个.py文件，写入以下代码，用于实现读取student表的数据内容，将其转换为JSON格式，发送给Kafka的功能

# 运行前先在win上启动zookeap和kafka
# 导入相关模块
from kafka import KafkaProducer
import json

# 连接kafka  json.dumps(v).encode('utf-8')将json格式的数抠转挨为字节类型，然后使用ut了-8进行编码
producer = KafkaProducer(bootstrap_servers='localhost:9092', value_serializer=lambda v: json.dumps(v).encode('utf-8'))
# 定义一个json格式的数第，json格式以键值对形式保存数掂，每个键值对之间使用逗号隔开
data = {
    'sno': '95001',
    'sname': 'John',
    'ssex': 'M',
    'sage': 23
}
# 发送数据
producer.send('test001', data)
# 关闭资源
producer.close()

运行结果如下图所示：

2. 创建一个.py文件，写入以下代码，用于实现从Kafka中获取JSON格式数据，打印出来的功能

# 运行前先在win上启动mysql
# 导入消费模块
import json
# 导入kafka的消费模块
from kafka import KafkaConsumer
import json
import pymysql.cursors

# 连接kafka
consumer = KafkaConsumer('test001', bootstrap_servers='localhost:9092', group_id=None, auto_offset_reset='earliest')
# 对获取的数据进行解析
for msg in consumer:
    # 转换为字符串类型
    msg1 = str(msg.value, encoding=('utf-8'))
    # 将字符串的数据加载为字典
    dict = json.loads(msg1)
    # 连接数据库
    connect = pymysql.Connect(
        host='localhost',
        port=3306,
        user='root',
        passwd='xxxxxxxx',#这是你MySQL数据库的密码
        db='school001',
        charset='utf8'
    )
    # 获取操作数抠库的对象<游标>
    cursor = connect.cursor()
    # 将数抠织存到mysqL(插入数掷)
    # 定义sql语句
    sql = "select * from student;"
    # 将数据作为参数传速给sqL，保存到hrgsql
    cursor.execute(sql)
    # 提交
    connect.commit()
    for row in cursor.fetchall():
        print("sno：%s\tsname:%s\tssex:%s\tsage:%d" % row)
    print("共查询出", cursor.rowcount, '条数据')
    connect.close()

运行结果如下图所示：

二、消费者手动提交

1.实验要求

生成一个data.json文件，内容如下：
data = [
{“name”: “Tony”, “age”: 21, “hobbies”: [“basketball”, “tennis”]},
{“name”: “Lisa”, “age”: 20, “hobbies”: [“sing”, “dance”]},
]
根据上面给出的data.json文件，执行如下操作。
（1）编写生产者程序，将JSON文件数据发送给Kafka。
（2）编写消费者程序，读取Kafka的JSON格式数据，并手动提交偏移量。

2.在PyCharm中操作

1. 创建一个Test写入以下代码，来实现生成data.json文件的功能:

import json

data = [
    {"name": "Tony", "age": 21, "hobbies": ["basketball", "tennis"]},
    {"name": "Lisa", "age": 20, "hobbies": ["sing", "dance"]},
]

with open('../../data.json', 'w') as f:
    json.dump(data, f)

2. 创建一个.py文件，编写生产者程序，来实现将JSON文件数据发送给Kafka的功能

# 可以使用 Python 的 json 模块读取 data.json 文件，并将数据转换为字符串后发送给 Kafka

from kafka import KafkaProducer
import json

data = [
    {
        "name": "Tony",
        "age": 21,
        "hobbies": ["basketball", "tennis"]
    },
    {
        "name": "Lisa",
        "age": 20,
        "hobbies": ["sing", "dance"]
    }
]

producer = KafkaProducer(bootstrap_servers='localhost:9092')
for item in data:
    # 将数据转换为字符串格式并发送给 Kafka 主题 test
    message = json.dumps(item).encode('utf-8')
    producer.send('test', value=message)

producer.close()

运行结果如下图所示：

3. 创建一个.py文件，编写消费者程序，来实现读取Kafka的JSON格式数据，并手动提交偏移量的功能

# 我们可以使用 Kafka 消费者 API 进行数据消费，并在处理完每个消息后手动提交偏移量。

from kafka import KafkaConsumer
import json

# 配置 Kafka 消费者，指定主题和分组等信息
consumer = KafkaConsumer(
    'test',
    bootstrap_servers=['localhost:9092'],
    auto_offset_reset='earliest',
    enable_auto_commit=False,  # 禁止自动提交偏移量
    group_id='my-group')

# 循环消费 Kafka 消息
for message in consumer:
    # 将传入的二进制消息内容解码为 JSON 格式的字符串
    item = json.loads(message.value.decode('utf-8'))
    print(item)

    # 手动提交偏移量，确保下次消费时从正确的位置开始
    consumer.commit()

运行结果如下图所示：

三、Kafka消费者订阅分区

1.实验要求

在命令行窗口中启动Kafka后，手动创建主题 “assign_topic” ，分区数量为2。具体命令如下：

.\bin\windows\kafka-topics.bat --create --zookeeper localhost:2181 --replication-factor 1 --partitions 2 --topic assign_topic

根据上面给出的主题，完成如下操作。
（1）编写生产者程序，以通过唯一标识符UUID作为消息，发送给主题 “ assign_topic” 。
（2）编写消费者程序1，订阅主题的分区0，只消费分区0数据。
（3）编写消费者程序2，订阅主题的分区1，只消费分区1数据。

2.在终端操作

首先要完成主题以及分区的创建才能编写程序，不然程序会报错
步骤：

1. 使用windows+r，在弹窗中输入cmd打开终端
2. 在终端中输入命令，创建主题和分区：

cd D:\kafka_2.12-2.4.0（这个是你安装kafka的路径）

.\bin\windows\kafka-topics.bat --create --zookeeper localhost:2181 --replication-factor 1 --partitions 2 --topic assign_topic

结果如下图（这是我之前已经创建好的结果图）：

3.在PyCharm中操作

1. 创建一个.py文件，写入以下代码，用于实现编写生产者程序，以通过唯一标识符UUID作为消息，发送给主题 “ assign_topic的功能:

from kafka import KafkaProducer
import uuid

producer = KafkaProducer(bootstrap_servers=['localhost:9092'])

for i in range(5):
    message = str(uuid.uuid4()).encode('utf-8')
    producer.send('assign_topic', value=message)

producer.close()

运行结果如下图所示：

2. 创建一个.py文件，写入以下代码，用于实现订阅主题的分区0，只消费分区0数据的功能:

from kafka import KafkaConsumer, TopicPartition

consumer = KafkaConsumer(
    bootstrap_servers=['localhost:9092'],
    auto_offset_reset='earliest',
    enable_auto_commit=False,
    consumer_timeout_ms=1000
)
consumer.assign([TopicPartition('assign_topic', 0)])

for message in consumer:
    print("Partition 0 - Message value: {}".format(message.value))

consumer.close()

运行结果如下图所示：

3. 创建一个.py文件，写入以下代码，用于实现订阅主题的分区1，只消费分区1数据的功能:

from kafka import KafkaConsumer, TopicPartition

consumer = KafkaConsumer(
    bootstrap_servers=['localhost:9092'],
    auto_offset_reset='earliest',
    enable_auto_commit=False,
    consumer_timeout_ms=1000
)
consumer.assign([TopicPartition('assign_topic', 1)])

for message in consumer:
    print("Partition 1 - Message value: {}".format(message.value))

consumer.close()

运行结果如下图所示：

三、实验小bug

1. Kafka连接报错：kafka.errors.NoBrokersAvailable: NoBrokersAvailable 是什么原因：？
答：是因为程序运行了多次的原因
把tmp文件和logs文件里面的东西都删掉，就可以解决了


2. 为什么消费者程序1中有东西输出而消费者程序2中什么却什么也没输出？

消费者程序1和消费者程序2是对同一个主题的两个消费者应用程序。可以针对以下情况进行分析。
在主题 assign_topic 中，Kafka有多个分区，可用于并行处理消息。在这里，被消费的消息都来自此主题的第一个分区（即分区 0）。
消费者程序1使用了 .subscribe() 方法来订阅主题，这将导致消费者加入到消费组中，然后通过负载均衡策略从所有分区接收消息。因此，消费者程序1输出打印了分区 0 中的消息。
消费者程序2使用了 .assign() 方法手动分配消费者处理的分区，而且只分配了主题 assign_topic 的第一个分区（即分区 0）。但是，由于该程序没有运行足够长的时间，并且没有消费到任何未提交的偏移量，所以当应用程序终止时不会向Kafka服务器发送任何提交请求，这就可能导致在下一次启动时重复消费确认过的消息。因此，在生产环境中，请务必根据具体情况定期地提交所消费的分区的偏移量。

---

总结

以上就是对Kafka的基本使用方法的实验啦，有不明白的地方可以留言哦，希望能共同进步~~😀😀😀😀😀😀