Java客户端访问Kafka & 重点配置参数理解

最新推荐文章于 2024-07-22 05:15:00 发布

萧炎

最新推荐文章于 2024-07-22 05:15:00 发布

阅读量1.6k

点赞数

分类专栏： # [TL4]分布式框架专题-Kafka 文章标签： kafka java zookeeper

本文链接：https://blog.csdn.net/qq_43631716/article/details/120018970

版权

[TL4]分布式框架专题-Kafka 专栏收录该内容

7 篇文章 8 订阅

订阅专栏

熟悉了Kafka之后，我们来试着使用java代码来操作Kafka。

我们可以先建立一个maven项目。

1 引入maven依赖

创建完maven项目后，我们引入Kafka的依赖：

<dependencies>
        <dependency>
            <groupId>org.apache.kafka</groupId>
            <artifactId>kafka-clients</artifactId>
            <version>2.4.1</version>
        </dependency>
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.1.41</version>
        </dependency>
    </dependencies>

2 创建生产者

依赖导入完成后，我们首先来构建生产者：

public class Order {

    private Integer orderId;
    private Integer productId;
    private Integer productNum;
    private Double orderAmount;
    .......

这里面有一些比较重要的配置参数，需要重点关注一下。

package com.jihu.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;
import java.util.concurrent.TimeUnit;

public class MsgProducet {
    private final static String TOPIC_NAME = "my-replicated-topic";

    public static void main(String[] args) throws InterruptedException {
        Properties properties = new Properties();
        // 设置集群信息
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,
                "192.168.131.171:9092,192.168.131.171:9093,192.168.131.171:9094");
        /*
            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
         */
        // === 默认值为1，电商项目设置成1即可，金融项目需要设置成all
        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);

        // 重试间隔设置
        properties.put(ProducerConfig.RETRY_BACKOFF_MS_CONFIG, 300);

        // ===（在高并发的场景下，Kafka并不是不是一条一条消息发送的，而是会将消息存储在一个缓冲区中，然后会有一个线程从缓冲区中拉取数据达到默认16k的时候，就会批量发送到broker）
        // === （如果现在不是高并发的场景呢？几秒钟才有一条消息，难道要一直放在缓冲区不发送吗？Kafka中海油一个LINGER_MS_CONFIG参数，可以配置多少ms之后都会将消息进行发送！） 
        // 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);

        // kafka本地线程会从缓冲区取数据，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());

        // 构建producer
        Producer<String, String> producer = new KafkaProducer<>(properties);
        int msgNum = 5;
        CountDownLatch countDownLatch = new CountDownLatch(msgNum);
        for (int i = 1; i <= msgNum; i++) {
            // 创建订单
            Order order = new Order(i, 100 + i, 1, 1000.00);
            // 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_NAME
                    , order.getOrderId().toString(), JSON.toJSONString(order));

            // 等待消息发送成功的同步阻塞方法
            /*RecordMetadata metadata = producer.send(producerRecord).get();
            System.out.println("同步方式发送消息结果：" + "topic-" + metadata.topic() + "|partition-"
                    + metadata.partition() + "|offset-" + metadata.offset());*/

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

                    if (null != metadata) {
                        System.out.println("异步方式发送消息结果：" + "topic-" + metadata.topic() + "|partition-"
                                + metadata.partition() + "|offset-" + metadata.offset());
                    }
                    countDownLatch.countDown();
                }
            });
        }
        // 阻塞进程
        countDownLatch.await(5, TimeUnit.SECONDS);
        System.out.println("消息方式完毕！");
        producer.close();
    }
}

在这里插入图片描述
同时消费者端也收到了消息：

3 创建消费者

我们现在使用java代码来构建一个消费者：

package com.jihu.kafka;

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

import java.time.Duration;
import java.util.Arrays;
import java.util.Map;
import java.util.Properties;

public class MsgConsumer {
    private final static String TOPIC_NAME = "my-replicated-topic";
    private final static String CONSUMER_GROUP_NAME = "testGroup";

    public static void main(String[] args) {
        Properties props = new Properties();
        // 设置集群信息
        props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,
                "192.168.131.171:9092,192.168.131.171:9093,192.168.131.171:9094");

        // 消费分组名
        props.put(ConsumerConfig.GROUP_ID_CONFIG, CONSUMER_GROUP_NAME);

        // === 是否自动提交offset(用来记录当前消费者消费消息的索引位置，下次启动可以接着往后消费)，默认就是true
        // === 我们使用的时候一般会关闭自动提交，然后在确认消息消费成功后手动提交offset，这样可以避免自动提交了offset，但是消费的时候宕机引发的消费丢失问题
        // props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");

        // 自动提交offset的间隔时间
        // props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");

        // === 使用的时候一般关闭自动提交offset
        props.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)
        */
        props.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
         */
        props.put(ConsumerConfig.HEARTBEAT_INTERVAL_MS_CONFIG, 1000);

         /*
            服务端broker多久感知不到一个consumer心跳就认为他故障了，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
         */
        props.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
        props.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, 500);

        /*
            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
        */
        props.put(ConsumerConfig.MAX_POLL_INTERVAL_MS_CONFIG, 30 * 1000);

        // key的反序列化
        props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        // value的反序列化
        props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());

        // === 构建消费者
        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);

        // === 消费指定分区
        // consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0),
                new TopicPartition(TOPIC_NAME, 1);

        // === 消息回溯消费(两行代码都是必须的)
        /* consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0)));
        consumer.seekToBeginning(Arrays.asList(new TopicPartition(TOPIC_NAME, 0)));*/

        // === 指定offset消费
        /* consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0)));
        consumer.seek(new TopicPartition(TOPIC_NAME, 0), 10);*/

        // === 从指定时间点开始消费
        /*List<PartitionInfo> topicPartitions = consumer.partitionsFor(TOPIC_NAME);
        //从1小时前开始消费
        long fetchDataTime = new Date().getTime() - 1000 * 60 * 60;
        Map<TopicPartition, Long> map = new HashMap<>();
        for (PartitionInfo par : topicPartitions) {
            map.put(new TopicPartition(topicName, par.partition()), fetchDataTime);
        }
        Map<TopicPartition, OffsetAndTimestamp> parMap = consumer.offsetsForTimes(map);
        for (Map.Entry<TopicPartition, OffsetAndTimestamp> entry : parMap.entrySet()) {
            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
            if (value != null) {
                consumer.assign(Arrays.asList(key));
                consumer.seek(key, offset);
            }
        }*/

        while (true) {
            /*
             * poll() API 是拉取消息的长轮询
             *	 consumer.poll(time)方法会在固定的时间中不断的去尝试拉取消息，一旦拉到消息，
             *	就算还没到达设置的时间也会返回；而如果一直在设置的时间段内都没有拉取到消息，则会结束调用，
             *	等待下一次while循环再去拉取
             */
            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());
                // 为了保证消息消费，可以每消费一条就提交一次offset
                // 但是这样性能不是很好，一般使用消费多条消息后，一次提交。当然需要考虑幂等性
                // consumer.commitSync(Duration.ofDays(record.offset()));
            }

            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
                // 为了保证消息消费，可以每消费一条就提交一次offset
                 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: " + exception.getStackTrace());
                        }
                    }
                });

            }
        }
    }
}