Kafka入门教程 Golang实现Kafka消息发送、接收
https://blog.csdn.net/tflasd1157/article/details/81985722
安装
参考https://blog.csdn.net/panchang199266/article/details/82113453
Step 1: 下载代码
你可以登录Apache kafka 官方下载。
http://kafka.apache.org/downloads.html
备注：2.11-1.1.0版本才与JDK1.7兼容，否则更高版本需要JDK1.8
Step 2: 启动服务
运行kafka需要使用Zookeeper，所以你需要先启动Zookeeper，如果你没有Zookeeper，你可以使用kafka自带打包和配置好的Zookeeper（PS：在kafka包里）。
/后台启动（推荐）
./zookeeper-server-start.sh ../config/zookeeper.properties 1>/dev/null 2>&1 &现在启动kafka
vim config/server1.properties
broker.id=0
listeners=PLAINTEXT://192.168.48.131:9092
log.dirs=kafka-logs
zookeeper.connect=localhost:2181//后台启动kafka
./kafka-server-start.sh ../config/server1.properties 1>/dev/null 2>&1 &
./kafka-topics.sh --create --zookeeper localhost:2181 --config max.message.bytes=12800000 --config flush.messages=1 --replication-factor 1 --partitions 1 --topic test
命令解析：
--create： 指定创建topic动作
--topic：指定新建topic的名称
--zookeeper： 指定kafka连接zk的连接url，该值和server.properties文件中的配置项{zookeeper.connect}一样
--config：指定当前topic上有效的参数值，参数列表参考文档为: http://kafka.apache.org/082/documentation.html#brokerconfigs
--partitions：指定当前创建的kafka分区数量，默认为1个
--replication-factor：指定每个分区的复制因子个数，默认1个
创建好之后，可以通过运行以下命令，查看已创建的topic信息：
./kafka-topics.sh --list --zookeeper localhost:2181
./kafka-topics.sh --describe --zookeeper localhost:2181 --topic test
命令解析：
--describe： 指定是展示详细信息命令
--zookeeper： 指定kafka连接zk的连接url，该值和server.properties文件中的配置项{zookeeper.connect}一样
--topic：指定需要展示数据的topic名称
发送消息
[root@administrator bin]# ./kafka-console-producer.sh --broker-list localhost:9092 --topic test
>this is a message
>this is another message
//按`Ctrl+C`终止输入
消费消息
./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test --from-beginning
如果你有2台不同的终端上运行上述命令，那么当你在运行生产者时，消费者就能消费到生产者发送的消息。
6: 设置多个broker集群（单机伪集群的配置）
到目前，我们只是单一的运行一个broker，没什么意思。对于Kafka，一个broker仅仅只是一个集群的大小，所有让我们多设几个broker。
首先为每个broker创建一个配置文件:
cp config/server.properties config/server-1.properties
cp config/server.properties config/server-2.properties 修改添加 3个config/server.properties
config/server1.properties:
broker.id=0
listeners=PLAINTEXT://192.168.10.130:9092
log.dirs=kafka-logs
zookeeper.connect=localhost:2181
config/server-1.properties:
broker.id=1
listeners=PLAINTEXT://192.168.10.130:9093
log.dirs=kafka-logs-1
zookeeper.connect=localhost:2181
config/server-2.properties:
broker.id=2
listeners=PLAINTEXT://192.168.10.130:9094
log.dirs=kafka-logs-2
zookeeper.connect=localhost:2181备注2：当使用java客户端访问远程的kafka时，一定要把集群中所有的端口打开，否则会连接超时
/sbin/iptables -I INPUT -p tcp --dport 9092 -j ACCEPT
/sbin/iptables -I INPUT -p tcp --dport 9093 -j ACCEPT
/sbin/iptables -I INPUT -p tcp --dport 9094 -j ACCEPT
/etc/rc.d/init.d/iptables save
broker.id是集群中每个节点的唯一且永久的名称，我们修改端口和日志目录是因为我们现在在同一台机器上运行，我们要防止broker在同一端口上注册和覆盖对方的数据。
我们已经运行了zookeeper和刚才的一个kafka节点，所有我们只需要在启动2个新的kafka节点。
./kafka-server-start.sh ../config/server-1.properties 1>/dev/null 2>&1 &
./kafka-server-start.sh ../config/server-2.properties 1>/dev/null 2>&1 &
现在，我们创建一个新topic，把备份设置为：3
./kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 3 --partitions 1 --topic my-replicated-topic
好了，现在我们已经有了一个集群了，我们怎么知道每个集群在做什么呢？运行命令“describe topics”
>./kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic
//所有分区的摘要
Topic:my-replicated-topic PartitionCount:1 ReplicationFactor:3 Configs:
//提供一个分区信息，因为我们只有一个分区，所以只有一行。
Topic: my-replicated-topic Partition: 0 Leader: 1 Replicas: 1,2,0 Isr: 1,2,0
“leader”：该节点负责该分区的所有的读和写，每个节点的leader都是随机选择的。
“replicas”：备份的节点列表，无论该节点是否是leader或者目前是否还活着，只是显示。
“isr”：“同步备份”的节点列表，也就是活着的节点并且正在同步leader
其中Replicas和Isr中的1,2,0就对应着3个broker他们的broker.id属性！
我们运行这个命令，看看一开始我们创建的那个节点：
> ./kafka-topics.sh --describe --zookeeper localhost:2181 --topic test
Topic:test PartitionCount:1 ReplicationFactor:1 Configs:
Topic: test Partition: 0 Leader: 0 Replicas: 0 Isr: 0
这并不奇怪，刚才创建的主题没有Replicas，并且在服务器“0”上，我们创建它的时候，集群中只有一个服务器，所以是“0”。
Step 7: 测试集群的容错能力
7.1发布消息到集群
[root@administrator bin]# ./kafka-console-producer.sh --broker-list 192.168.10.130:9092 --topic my-replicated-topic
>cluster message 1
>cluster message 2
//Ctrl+C终止产生消息7.2消费消息
[root@administrator bin]# ./kafka-console-consumer.sh --bootstrap-server 192.168.10.130:9093 --from-beginning --topic my-replicated-topic
cluster message 1
cluster message 2
//Ctrl+C终止消费消息
7.3干掉leader，测试集群容错
首先查询谁是leader
> ./kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic
//所有分区的摘要
Topic:my-replicated-topic PartitionCount:1 ReplicationFactor:3 Configs:
//提供一个分区信息，因为我们只有一个分区，所以只有一行。
Topic: my-replicated-topic Partition: 0 Leader: 1 Replicas: 1,2,0 Isr: 1,2,0
可以看到Leader的broker.id为1，找到对应的Broker
[root@administrator bin]# jps -m
5130 Kafka ../config/server.properties
4861 QuorumPeerMain ../config/zookeeper.properties
1231 Bootstrap start start
7420 Kafka ../config/server-2.properties
7111 Kafka ../config/server-1.properties
9139 Jps -m
通过以上查询到Leader的PID（Kafka ../config/server-1.properties）为7111，杀掉该进程
//杀掉该进程
kill -9 7111
//再查询一下，确认新的Leader已经产生，新的Leader为broker.id=0
[root@administrator bin]# ./kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic
Topic:my-replicated-topic PartitionCount:1 ReplicationFactor:3 Configs:
//备份节点之一成为新的leader，而broker1已经不在同步备份集合里了
Topic: my-replicated-topic Partition: 0 Leader: 0 Replicas: 1,0,2 Isr: 0,2
7.4再次消费消息，确认消息没有丢失
[root@administrator bin]# ./kafka-console-consumer.sh --zookeeper localhost:2181 --from-beginning --topic my-replicated-topic
cluster message 1
cluster message 2
消息依然存在，故障转移成功！！
从kafka读取数据后 数据会自动删除吗
不会，kafka中数据的删除跟有没有消费者消费完全无关。数据的删除，只跟kafka broker上面上面的这两个配置有关：
| 1 2 |
|
默认
log.retention.bytes = -1
log.retention.hours = 168
go调用kafka
参考https://blog.csdn.net/kdpujie/article/details/79093595
https://blog.csdn.net/tflasd1157/article/details/81985722
消费者接收
package main
import (
"github.com/Shopify/sarama"
"fmt"
)
var Address = []string{"192.168.48.131:9092","192.168.48.131:9093","192.168.48.131:9094"}
func main(){
//配置
config := sarama.NewConfig()
//接收失败通知
config.Consumer.Return.Errors = true
//设置使用的kafka版本,如果低于V0_10_0_0版本,消息中的timestrap没有作用.需要消费和生产同时配置
config.Version = sarama.V0_11_0_0
//新建一个消费者
consumer, e := sarama.NewConsumer(Address, config)
if e != nil {
panic("error get consumer")
}
defer consumer.Close()
//根据消费者获取指定的主题分区的消费者,Offset这里指定为获取最新的消息.
partitionConsumer, err := consumer.ConsumePartition("my-replicated-topic", 0, sarama.OffsetNewest)
if err != nil {
fmt.Println("error get partition consumer", err)
}
defer partitionConsumer.Close()
//循环等待接受消息.
for {
select {
//接收消息通道和错误通道的内容.
case msg := <-partitionConsumer.Messages():
fmt.Println("msg offset: ", msg.Offset, " partition: ", msg.Partition, " timestrap: ",
msg.Timestamp.Format("2006-Jan-02 15:04"), " value: ", string(msg.Value))
case err := <-partitionConsumer.Errors():
fmt.Println(err.Err)
}
}
}
二. 生产者
1. 同步消息模式
import (
"github.com/Shopify/sarama"
"time"
"log"
"fmt"
"os"
"os/signal"
"sync"
)
var Address = []string{"10.130.138.164:9092","10.130.138.164:9093","10.130.138.164:9094"}
func main() {
syncProducer(Address)
//asyncProducer1(Address)
}
//同步消息模式
func syncProducer(address []string) {
config := sarama.NewConfig()
config.Producer.Return.Successes = true
config.Producer.Timeout = 5 * time.Second
p, err := sarama.NewSyncProducer(address, config)
if err != nil {
log.Printf("sarama.NewSyncProducer err, message=%s \n", err)
return
}
defer p.Close()
topic := "test"
srcValue := "sync: this is a message. index=%d"
for i:=0; i<10; i++ {
value := fmt.Sprintf(srcValue, i)
msg := &sarama.ProducerMessage{
Topic:topic,
Value:sarama.ByteEncoder(value),
}
part, offset, err := p.SendMessage(msg)
if err != nil {
log.Printf("send message(%s) err=%s \n", value, err)
}else {
fmt.Fprintf(os.Stdout, value + "发送成功，partition=%d, offset=%d \n", part, offset)
}
time.Sleep(2*time.Second)
}
}
http://bbs.itheima.com/forum.php?mod=viewthread&tid=406586&highlight=go
公司决定使用kafka来作为新一代的消息队列来使用，于是开始对kafka的机制，原理，go客户端的使用，各种了解了一番，过程中也遇到了不少的坑，特地写出来，和大家分享，也供自己参考，加深印象。
首先，kafka的设计思想，各个角色比如broker，producer，consumer，partition等等还有与它们相关的配置，这里就先不作介绍了，官方文档都有，文章后面也会提到。
附上kafka官方文档链接：
http://kafka.apachecn.org/documentation.html
客户端选择：
go连接kafka的客户端不多，综合对比了下，决定使用sarama
“go get github.com/Shopify/sarama”
生产者：
func SaramaProducer() {
config := sarama.NewConfig()
//等待服务器所有副本都保存成功后的响应
config.Producer.RequiredAcks = sarama.WaitForAll
//随机向partition发送消息
config.Producer.Partitioner = sarama.NewRandomPartitioner
//是否等待成功和失败后的响应,只有上面的RequireAcks设置不是NoReponse这里才有用.
config.Producer.Return.Successes = true
config.Producer.Return.Errors = true
//设置使用的kafka版本,如果低于V0_10_0_0版本,消息中的timestrap没有作用.需要消费和生产同时配置
//注意，版本设置不对的话，kafka会返回很奇怪的错误，并且无法成功发送消息
config.Version = sarama.V0_10_0_1
fmt.Println("start make producer")
//使用配置,新建一个异步生产者
producer, e := sarama.NewAsyncProducer([]string{"182.61.9.153:6667","182.61.9.154:6667","182.61.9.155:6667"}, config)
if e != nil {
fmt.Println(e)
return
}
defer producer.AsyncClose()
//循环判断哪个通道发送过来数据.
fmt.Println("start goroutine")
go func(p sarama.AsyncProducer) {
for{
select {
case <-p.Successes():
//fmt.Println("offset: ", suc.Offset, "timestamp: ", suc.Timestamp.String(), "partitions: ", suc.Partition)
case fail := <-p.Errors():
fmt.Println("err: ", fail.Err)
}
}
}(producer)
var value string
for i:=0;;i++ {
time.Sleep(500*time.Millisecond)
time11:=time.Now()
value = "this is a message 0606 "+time11.Format("15:04:05")
// 发送的消息,主题。
// 注意：这里的msg必须得是新构建的变量，不然你会发现发送过去的消息内容都是一样的，因为批次发送消息的关系。
msg := &sarama.ProducerMessage{
Topic: "0606_test",
}
//将字符串转化为字节数组
msg.Value = sarama.ByteEncoder(value)
//fmt.Println(value)
//使用通道发送
producer.Input() <- msg
}
}
这里使用的是异步producer，kafka的producer有个特点是，批次发送，这么做的好处就是，可以提高吞吐量，所以我们在看几个主流的消息队列性能测试对比的时候，kafka的吞吐量是遥遥领先的。
producer还有个特性是，就是每发送一次消息，都会要求broker返回一个消息回执，即ack。如果ack没有收到，producer会进行重发，如果设置了重发次数的话。这个ack有三种模式：
// The level of acknowledgement reliability needed from the broker (defaults
// to WaitForLocal). Equivalent to the `request.required.acks` setting of the JVM producer.
// 等同于jvm kafka中的`request.required.acks`
RequiredAcks RequiredAcks
type RequiredAcks int16
const (
// 第一个模式，NoResponse doesn't send any response, the TCP ACK is all you get.
NoResponse RequiredAcks = 0
//第二个模式， WaitForLocal waits for only the local commit to succeed before responding.
WaitForLocal RequiredAcks = 1
// 第三个模式，WaitForAll waits for all in-sync replicas to commit before responding.
// The minimum number of in-sync replicas is configured on the broker via
// the `min.insync.replicas` configuration key.
WaitForAll RequiredAcks = -1
)
如果RequiredAcks设置为0，在这种情况下，服务器是否收到请求是没法保证的，并且参数retries（重发）也不会生效（因为客户端无法获得失败信息）。既然提到了重发，可以看一下下面sarama的重发定义：
Retry struct {
// The total number of times to retry sending a message (default 3).
// Similar to the `message.send.max.retries` setting of the JVM producer.
Max int
// How long to wait for the cluster to settle between retries
// (default 100ms). Similar to the `retry.backoff.ms` setting of the
// JVM producer.
Backoff time.Duration
}
消费者：
func SaramaConsumer() {
fmt.Println("start consume")
config := sarama.NewConfig()
//提交offset的间隔时间，每秒提交一次给kafka
config.Consumer.Offsets.CommitInterval = 1 * time.Second
//设置使用的kafka版本,如果低于V0_10_0_0版本,消息中的timestrap没有作用.需要消费和生产同时配置
config.Version = sarama.V0_10_0_1
//consumer新建的时候会新建一个client，这个client归属于这个consumer，并且这个client不能用作其他的consumer
consumer, err := sarama.NewConsumer([]string{"182.61.9.153:6667","182.61.9.154:6667","182.61.9.155:6667"}, config)
if err != nil {
panic(err)
}
//新建一个client，为了后面offsetManager做准备
client, err := sarama.NewClient([]string{"182.61.9.153:6667","182.61.9.154:6667","182.61.9.155:6667"}, config)
if err != nil {
panic("client create error")
}
defer client.Close()
//新建offsetManager，为了能够手动控制offset
offsetManager,err:=sarama.NewOffsetManagerFromClient("group111",client)
if err != nil {
panic("offsetManager create error")
}
defer offsetManager.Close()
//创建一个第2分区的offsetManager，每个partition都维护了自己的offset
partitionOffsetManager,err:=offsetManager.ManagePartition("0606_test",2)
if err != nil {
panic("partitionOffsetManager create error")
}
defer partitionOffsetManager.Close()
fmt.Println("consumer init success")
defer func() {
if err := consumer.Close(); err != nil {
log.Fatalln(err)
}
}()
//sarama提供了一些额外的方法，以便我们获取broker那边的情况
topics,_:=consumer.Topics()
fmt.Println(topics)
partitions,_:=consumer.Partitions("0606_test")
fmt.Println(partitions)
//第一次的offset从kafka获取(发送OffsetFetchRequest)，之后从本地获取，由MarkOffset()得来
nextOffset,_:=partitionOffsetManager.NextOffset()
fmt.Println(nextOffset)
//创建一个分区consumer，从上次提交的offset开始进行消费
partitionConsumer, err := consumer.ConsumePartition("0606_test", 2, nextOffset+1)
if err != nil {
panic(err)
}
defer func() {
if err := partitionConsumer.Close(); err != nil {
log.Fatalln(err)
}
}()
// Trap SIGINT to trigger a shutdown.
signals := make(chan os.Signal, 1)
signal.Notify(signals, os.Interrupt)
fmt.Println("start consume really")
ConsumerLoop:
for {
select {
case msg := <-partitionConsumer.Messages():
log.Printf("Consumed message offset %d\n message:%s", msg.Offset,string(msg.Value))
//拿到下一个offset
nextOffset,offsetString:=partitionOffsetManager.NextOffset()
fmt.Println(nextOffset+1,"...",offsetString)
//提交offset，默认提交到本地缓存，每秒钟往broker提交一次（可以设置）
partitionOffsetManager.MarkOffset(nextOffset+1,"modified metadata")
case <-signals:
break ConsumerLoop
}
}
}
至此，一个初步的consumer构建好了，很多关于consumer的内容见上面代码的注释。可以根据consumer.Partitions(“topic”)来获取这个topic的所有分区，然后为每个分区构建一个consumer，然后进行消费。
这样挺麻烦的，也不够优雅，其实kafka的consumer还有个很重要的机制，就是consumer group，可惜sarama并不支持，不过有另一个开源的库，叫做”github.com/bsm/sarama-cluster”，它是在sarama上加了一层封装，支持了consumer group，这个我会在下一篇文章中写到
725
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
