Kafka 客户端 org.apache.kafka:kafka-clients:2.4.1

最新推荐文章于 2024-08-08 18:53:24 发布

mrathena

最新推荐文章于 2024-08-08 18:53:24 发布

阅读量2.2k

点赞数 3

分类专栏：中间件

本文链接：https://blog.csdn.net/mrathena/article/details/112061337

版权

中间件专栏收录该内容

57 篇文章 2 订阅

订阅专栏

博文目录

文章目录

pom.xml
消息体
生产者
消费者

pom.xml

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <groupId>com.mrathena.middle.ware</groupId>
    <artifactId>kafka.base</artifactId>
    <version>1.0.0</version>
    <dependencies>
        <!-- Toolkit -->
        <dependency>
            <groupId>com.mrathena</groupId>
            <artifactId>toolkit</artifactId>
            <version>1.1.1</version>
        </dependency>
        <!-- Lombok -->
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <version>1.18.12</version>
        </dependency>
        <!-- Junit -->
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.13</version>
            <scope>test</scope>
        </dependency>
        <!-- Kafka -->
        <dependency>
            <groupId>org.apache.kafka</groupId>
            <artifactId>kafka-clients</artifactId>
            <version>2.4.1</version>
        </dependency>
    </dependencies>
    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.8.1</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                    <encoding>UTF-8</encoding>
                </configuration>
            </plugin>
        </plugins>
    </build>
</project>

消息体

package com.mrathena.kafka;

import lombok.*;

import java.io.Serializable;

@Getter
@Setter
@ToString
@NoArgsConstructor
@AllArgsConstructor
public class Order implements Serializable {
	private static final long serialVersionUID = 1L;
	private Long id;
	private String mobile;
	private Long amount;
	private String username;
}

生产者

package com.mrathena.kafka;

import com.alibaba.fastjson.JSON;
import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;
import java.util.concurrent.CountDownLatch;

public class ProducerTest {

	/**
	 * 3-broker, 2-partition, 3-replica
	 */
	private final static String TOPIC = "test-3-2-3";

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

		Properties properties = new Properties();
		properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.2.131:9092,192.168.2.132:9092,192.168.2.133:9092");
		// 发出消息持久化机制参数
		// （1）acks=0： 表示producer不需要等待任何broker确认收到消息的回复，就可以继续发送下一条消息。性能最高，但是最容易丢消息。
		// （2）acks=1： 至少要等待leader已经成功将数据写入本地log，但是不需要等待所有follower是否成功写入。就可以继续发送下一条消息。
		// 这种情况下，如果follower没有成功备份数据，而此时leader又挂掉，则消息会丢失。
		// （3）acks=-1或all： 需要等待 min.insync.replicas (默认为1，推荐配置大于等于2) 这个参数配置的副本个数都成功写入日志，
		// 这种策略会保证只要有一个备份存活就不会丢失数据。这是最强的数据保证。一般除非是金融级别，或跟钱打交道的场景才会使用这种配置。
		// 如果 min.insync.replicas=1, 则acks=all和acks=1的效果一样
		properties.put(ProducerConfig.ACKS_CONFIG, "1");
		// 发送失败会重试，默认重试间隔100ms，重试能保证消息发送的可靠性，但是也可能造成消息重复发送，比如网络抖动，所以需要在接收者那边做好消息接收的幂等性处理
		properties.put(ProducerConfig.RETRIES_CONFIG, 3);
		// 每次重试之间的间隔
		properties.put(ProducerConfig.RETRY_BACKOFF_MS_CONFIG, 300);
		// 设置发送消息的本地缓冲区，如果设置了该缓冲区，消息会先发送到本地缓冲区，可以提高消息发送性能，默认值是33554432，即32MB
		properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);
		// 本地线程会从本地缓冲区取数据，批量发送到broker，设置批量发送消息的大小，默认值是16384，即16kb，就是说一个batch满了16kb就发送出去
		properties.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);
		// 默认值是0，意思就是消息必须立即被发送，但这样会影响性能
		// 一般设置10毫秒左右，就是说这个消息发送完后会进入本地的一个batch，如果10毫秒内，这个batch满了16kb就会随batch一起被发送出去
		// 如果10毫秒内，batch没满，那么也必须把消息发送出去，不能让消息的发送延迟时间太长
		properties.put(ProducerConfig.LINGER_MS_CONFIG, 10);
		// 把发送的key从字符串序列化为字节数组
		properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
		// 把发送消息value从字符串序列化为字节数组
		properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

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

		int times = 9;
		final CountDownLatch countDownLatch = new CountDownLatch(times);
		for (long i = 1; i <= times; i++) {

			Order order = new Order(i, "1823408981" + i, 123L * i, "mrathena" + i);

			// 指定发送分区
//			ProducerRecord<String, String> producerRecord = new ProducerRecord<>(TOPIC_NAME, 0, order.getId().toString(), JSON.toJSONString(order));
//			ProducerRecord<String, String> producerRecord = new ProducerRecord<>(TOPIC_NAME, 1, order.getId().toString(), JSON.toJSONString(order));

			// 未指定发送分区，具体发送的分区计算公式：hash(key)%partitionNum
			ProducerRecord<String, String> producerRecord = new ProducerRecord<>(TOPIC, order.getId().toString(), JSON.toJSONString(order));

			// 同步阻塞方法, 等待消息发送成功, send本质是异步的, 返回值是Future<RecordMetadata>, 通过get获取其最终结果
			RecordMetadata metadata = producer.send(producerRecord).get();
			System.out.println("同步方式发送消息结果：" + metadata);

			// 异步发送, 不接收回调
//			producer.send(producerRecord);

			// 异步回调方式发送消息
//			producer.send(producerRecord, new Callback() {
//				public void onCompletion(RecordMetadata metadata, Exception exception) {
//					if (exception != null) {
//						System.err.println("发送消息失败：" + Arrays.toString(exception.getStackTrace()));
//
//					}
//					if (metadata != null) {
//						System.out.println("异步方式发送消息结果：" + metadata);
//					}
//					countDownLatch.countDown();
//				}
//			});

		}

//		countDownLatch.await(5, TimeUnit.SECONDS);
		producer.close();
	}

}

消费者

package com.mrathena.kafka;

import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.PartitionInfo;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.*;

public class ConsumerTest {

	private final static String TOPIC = "test-3-2-3";
	private final static String GROUP = "group";

	public static void main(String[] args) {

		Properties properties = new Properties();
		properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.2.131:9092,192.168.2.132:9092,192.168.2.133:9092");
		// 消费分组名
		properties.put(ConsumerConfig.GROUP_ID_CONFIG, GROUP);
		// 是否自动提交offset，默认就是true
//		properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");
		// 自动提交offset的间隔时间, 每1000毫秒提交一次
//		properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");
		// 是否自动提交offset
		properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");
		// 当消费主题的是一个新的消费组，或者指定offset的消费方式，offset不存在，那么应该如何消费
		// latest(默认) ：只消费自己启动之后才发送到主题的消息
		// earliest：第一次从头开始消费，以后按照消费offset记录继续消费，这个需要区别于consumer.seekToBeginning(每次都从头开始消费)
		properties.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");
		// consumer给broker发送心跳的间隔时间，broker接收到心跳如果此时有rebalance发生会通过心跳响应将rebalance方案下发给consumer，这个时间可以稍微短一点
		properties.put(ConsumerConfig.HEARTBEAT_INTERVAL_MS_CONFIG, 1000);
		// broker接收不到一个consumer的心跳, 持续该时间, 就认为故障了，会将其踢出消费组，对应的Partition也会被重新分配给其他consumer，默认是10秒
		properties.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, 10 * 1000);
		// 一次poll最大拉取消息的条数，如果消费者处理速度很快，可以设置大点，如果处理速度一般，可以设置小点
		properties.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, 100);
		// 如果两次poll操作间隔超过了这个时间，broker就会认为这个consumer处理能力太弱，会将其踢出消费组，将分区分配给别的consumer消费
		properties.put(ConsumerConfig.MAX_POLL_INTERVAL_MS_CONFIG, 30 * 1000);
		// 把消息的key从字节数组反序列化为字符串
		properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
		// 把消息的value从字节数组反序列化为字符串
		properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());

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

		// 订阅主题
		consumer.subscribe(Collections.singletonList(TOPIC));

		// 消费指定分区, 订阅主题:subscribe和分配分区:assign, 只需要一个就好, assign里已经包含了topic的信息了
//		consumer.assign(Collections.singletonList(new TopicPartition(TOPIC, 0)));
//		consumer.assign(Collections.singletonList(new TopicPartition(TOPIC, 1)));

		// 消息回溯消费(每次都从log的最开始消费)
//		consumer.assign(Collections.singletonList(new TopicPartition(TOPIC, 0)));
//		consumer.seekToBeginning(Collections.singletonList(new TopicPartition(TOPIC, 0)));

		// 指定offset起消费
//		consumer.assign(Collections.singletonList(new TopicPartition(TOPIC, 0)));
//		consumer.seek(new TopicPartition(TOPIC, 0), 37);

		// 从指定时间点开始消费
		/*List<PartitionInfo> topicPartitions = consumer.partitionsFor(TOPIC);
		// 从3小时前开始消费
		long fetchBeginAt = System.currentTimeMillis() - 1000 * 60 * 60 * 3;
		// 确认每个分区的开始消费时刻
		Map<TopicPartition, Long> topicPartitionBeginAtMap = new HashMap<>();
		for (PartitionInfo partition : topicPartitions) {
			topicPartitionBeginAtMap.put(new TopicPartition(TOPIC, partition.partition()), fetchBeginAt);
		}
		// 根据每个分区的开始消费时刻找到对应时刻的offset和timestamp
		Map<TopicPartition, OffsetAndTimestamp> topicPartitionOffsetAndTimestampMap = consumer.offsetsForTimes(topicPartitionBeginAtMap);
		for (Map.Entry<TopicPartition, OffsetAndTimestamp> entry : topicPartitionOffsetAndTimestampMap.entrySet()) {
			// 轮流消费每个分区的指定起始offset的消息
			TopicPartition key = entry.getKey();
			OffsetAndTimestamp value = entry.getValue();
			if (key == null || value == null) continue;
			long offset = value.offset();
			System.out.println("partition-" + key.partition() + "|offset-" + offset);
			System.out.println();
			// 根据消费里的timestamp确定offset
			consumer.assign(Collections.singletonList(key));
			consumer.seek(key, offset);
			// 然后开始消费, 先不写了, 和下面的消费流程一样
		}*/

		while (true) {
			// poll(duration): 长轮询, 即duration时段内没拿到消息就一直重复尝试拿, 知道时间到或者拿到消息才返回结果
			ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(1000));
			for (ConsumerRecord<String, String> record : records) {
				System.out.printf("收到消息：partition = %d,offset = %d, key = %s, value = %s%n", record.partition(), record.offset(), record.key(), record.value());
			}

			if (records.count() > 0) {
				// 手动同步提交offset，当前线程会阻塞直到offset提交成功, 一般使用同步提交，因为提交之后一般也没有什么逻辑代码了
				consumer.commitSync();

				// 手动异步提交offset，当前线程提交offset不会阻塞，可以继续处理后面的程序逻辑
				/*consumer.commitAsync(new OffsetCommitCallback() {
					@Override
					public void onComplete(Map<TopicPartition, OffsetAndMetadata> offsets, Exception exception) {
						if (exception != null) {
							System.err.println("Commit failed for " + offsets);
							System.err.println("Commit failed exception: " + Arrays.toString(exception.getStackTrace()));
						}
					}
				});*/
			}
		}

	}
}