kafka的事务
Producer的事务
为了实现跨分区跨会话的事务,需要引入一个全局唯一的TransactionID,并将Producer获取的PID和TransactionId,这样Producer重启后就可以通过正在进行的TransactionID获取原来的PID
为了管理事务,Kafka引入了一个新的组件Transaction Coordinator.Producer就是通过和Transaction Coordinator交互获得Transaction ID对应的任务状态,Transaction Coordinator还负责将事务所有写入kafka的内部Topic,这样整个服务重启,由于事务状态得到保存,进行中的事务状态可以得到恢复,从而继续进行
Consumer事务
上述事务是对于Producer而言,事务的保证就会相对较弱,尤其无法保证Commit的信息被精准消费,这是由于Consumer可以通过offset访问任意信息,而且不同SegmentFile声明周期不同,同一事务的信息可能会出现重启后被删除的情况
Kafka API
消息发送流程
kafka的Producer发送消息采用的是异步发送的方式。在消息发送的过程中,涉及到了两个线程----main线程和Sender线程,以及一个线程共享变量----RecordAccumulator.mian线程将消息发送给RecoderAccumulator,Sender线程不断从RecordAccumulator中拉取消息发送到Kafka broker.
相关参数
batch.size:只有数据积累到batch.size之后,sender才会发送数据
linger.ms:如果数据迟迟未达到batch.size,sender等待linger.time之后就会发送数据
Kafka API
caution:同一个消费者组里的消费者不能消费同一个topic中的同一个partion
导入依赖
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>0.11.0.0</version>
</dependency>
生产者
package com.song.producer;
import org.apache.kafka.clients.KafkaClient;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;
import java.util.Properties;
public class MyProducer {
public static void main(String[] args) {
//1.创建kafka生产者的配置信息
Properties properties = new Properties();
//2.指定连接的kafka集群 broker-list----->参数可以不用记参考
properties.put( ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "hadoop01:9092");
//3.ack应答级别
properties.put("acks", 3);
//4.重试次数
properties.put("retries", 3);
//5.批次的大小
properties.put("batch.size", 16384); //16k
//6.等待时间
properties.put("linger.ms", 1);
//7.RecordAccumulator缓冲区大小
properties.put("buffer.memory", 33554432);
//8.kv 序列化
properties.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
properties.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
//9.创建producer
KafkaProducer<String, String> producer = new KafkaProducer<>(properties);
//10.发送数据-->轮询发送两个分区
for (int i = 0; i < 10; i++) {
producer.send(new ProducerRecord<>("first","song---"+i));
}
//11.关闭资源
producer.close();
}
//测试,需要先创建一个topic[first]: bin/kafka-console-consumer.sh --zookeeper hadoop02:2181 --topic first
}
带回调信息的producer
package com.song.producer;
import org.apache.kafka.clients.producer.*;
import java.util.Properties;
public class CallBackProducer {
public static void main(String[] args) {
//1.创建配置信息
Properties properties = new Properties();
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop01:9092");
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer");
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer");
//2.创建生产者对象
KafkaProducer<String, String> producer = new KafkaProducer<>(properties);
//3.发送数据
for (int i = 0; i < 10; i++) {
producer.send(new ProducerRecord<>("first", "song-->" + i), (recordMetadata, e) -> {
if (e==null){
System.out.println(recordMetadata.partition());
System.out.println(recordMetadata.offset());
}else {
e.printStackTrace();
}
});
//4.关闭资源
producer.close();
}
}
}
自定义分区器
package com.song.partitioner;
import org.apache.kafka.clients.producer.Partitioner;
import org.apache.kafka.common.Cluster;
import org.apache.kafka.common.PartitionInfo;
import org.apache.kafka.common.internals.Topic;
import java.util.List;
import java.util.Map;
//自定义的组件不是继承就是实现
//自定义分区可以参考DefaultPartitioner
public class MyPartitioner implements Partitioner {
//k,v已经是序列化的数据了
@Override
public int partition(String topic, Object key, byte[] bytes, Object value, byte[] bytes1, Cluster cluster) {
//确定了存活的partitioner
List<PartitionInfo> partitionInfos = cluster.availablePartitionsForTopic(topic);
/**
Integer count = cluster.partitionCountForTopic(topic);
return key.toString().hashCode()%count;
*/
//这里简单点,都写到1号分区
return 1;
}
@Override
public void close() {
}
@Override
public void configure(Map<String, ?> map) {
}
}
使用自定义分区器,添加到producer配置里面,使用send里面的回调函数查看结果
....
properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG,"com.song.partitioner.MyPartitioner");
....
for (int i = 0; i < 10; i++) {
producer.send(new ProducerRecord<>("first-topic", "song-key","hehehe-value" + i), new Callback() {
@Override
public void onCompletion(RecordMetadata recordMetadata, Exception e) {
if (e==null){
System.out.println("分区 :"+recordMetadata.partition());
}else {
e.printStackTrace();
}
}
});
}
...
同步发送 API
同步发送的意思就是,一条消息发送之后,会阻塞当前线程,直至返回 ack。 由于 send 方法返回的是一个 Future 对象,根据 Futrue 对象的特点【futrue.get()获取的返回值会阻塞线程】,我们也可以实现同步发送的效果,只需在调用 Future 对象的 get 方发即可。
Consumer API
Consumer 消费数据时的可靠性是很容易保证的,因为数据在 Kafka 中是持久化的,故
不用担心数据丢失问题。
由于 consumer 在消费过程中可能会出现断电宕机等故障,consumer 恢复后,需要从故
障前的位置的继续消费,所以 consumer 需要实时记录自己消费到了哪个 offset,以便故障恢
复后继续消费。
所以 offset 的维护是 Consumer 消费数据是必须考虑的问题。
package com.song.consumer;
import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.common.serialization.StringDeserializer;
import java.util.Arrays;
import java.util.Properties;
public class MyConsumer {
public static void main(String[] args) {
Properties properties = new Properties();
properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "hadoop01:9092");
//开启自动提交offset
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, true);
//自动提交的延迟
properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000"); // 默认自动提交
//k,v的反序列化
properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
//自定义的消费者组
properties.put(ConsumerConfig.GROUP_ID_CONFIG, "bigdata");
//重置消费者offset[earliest,later],换组 或者 offSet失效 时这个参数生效
properties.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);
//订阅主题,也可以是多个主题
consumer.subscribe(Arrays.asList("first", "second"));
while (true) {
//获取数据,
ConsumerRecords<String, String> consumerRecords = consumer.poll(100);
//解析并打印
for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
String key = consumerRecord.key();
String value = consumerRecord.value();
System.out.println(key + "--->" + value);
}
}
}
}
notice : 当offset不设置为自动提交时,只有在每一次启动时才会读取保存在__consumer或者保存在zk里面的旧的offset,否则consumer会读取维护在内存中的offset
手动提交offset(了解)
由于自动提交是基于时间提交的,开发人员难以把握offset提交的时机,因此kafka提供了手动提交offset的API
手动提交有两种:commitAsync(异步) commitSync(同步)
//设置手动提交
....
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);
...
while(true){
...
//异步提交
consumer.commitAsync(new OffsetCommitCallback() { @Override public void onComplete(Map<TopicPartition, OffsetAndMetadata> offsets, Exception exception) { if (exception != null) { System.err.println("Commit failed for" + offsets); } } });
}
官方提供了一种自定义offset(consumer 最终解决方案)
Kafka 0.9 版本之前,offset 存储在 zookeeper,0.9 版本及之后,默认将 offset 存储在 Kafka的一个内置的 topic 中。除此之外,Kafka 还可以选择自定义存储 offset。 offset 的维护是相当繁琐的,因为需要考虑到消费者的 Rebalance。 当有新的消费者加入消费者组、已有的消费者推出消费者组或者所订阅的主题的分区发生变化,就会触发到分区的重新分配,重新分配的过程叫做 Rebalance。 消费者发生 Rebalance 之后,每个消费者消费的分区就会发生变化。因此消费者要首先获取到自己被重新分配到的分区,并且定位到每个分区最近提交的 offset 位置继续消费。
要实现自定义存储 offset,需要借助 ConsumerRebalanceListener,以下为示例代码,其中提交和获取 offset 的方法,需要根据所选的 offset 存储系统自行实现。
package com.song.consumer;
import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;
import java.util.*;
import java.util.function.Consumer;
public class CustomerConsumer {
private static Map<TopicPartition, Long> currentOffset = new HashMap<>();
public static void main(String[] args) {
//创建配置信息
Properties properties = new Properties();
properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "hadoop01:9092");
properties.put(ConsumerConfig.GROUP_ID_CONFIG, "bigdata");
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);
//k,v的反序列化
properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
//创建消费者
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);
//订阅主题,也可以是多个主题
consumer.subscribe(Arrays.asList("first", "second"), new ConsumerRebalanceListener() {
//before rebanlce
@Override
public void onPartitionsRevoked(Collection<TopicPartition> collection) {
commitOffset(currentOffset);
}
//after rebanlce
@Override
public void onPartitionsAssigned(Collection<TopicPartition> partitions) {
partitions.clear();
for (TopicPartition partition : partitions) {
//定位到最近提交offset位置继续
consumer.seek(partition, getOffset(partition));
}
}
});
while (true) {
ConsumerRecords<String, String> consumerRecords = consumer.poll(100);
for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
System.out.printf("offset = %d, key = %s, value = %s%n", consumerRecord.offset(), consumerRecord.key(), consumerRecord.value());
currentOffset.put(new TopicPartition(consumerRecord.topic(), consumerRecord.partition()), consumerRecord.offset());
}
//异步提交
commitOffset(currentOffset);
}
}
//获取某分区最新的offset
private static long getOffset(TopicPartition partition) {
return 0;
}
//提交该消费者所有分区的offset
private static void commitOffset(Map<TopicPartition, Long> currentOffset) {
}
}
自定义拦截器
拦截器原理
Producer 拦截器(interceptor)是在 Kafka 0.10 版本被引入的,主要用于实现 clients 端的定制化控制逻辑。 对于 producer而言,interceptor 使得用户在消息发送前以及 producer 回调逻辑前有机会对消息做一些定制化需求,比如修改消息等同时,producer 允许用户指定多个 interceptor按序作用于同一条消息从而形成一个拦截链(interceptor chain)。Intercetpor 的实现接口是org.apache.kafka.clients.producer.ProducerInterceptor,其定义的方法包括:
(1)configure(configs)
获取配置信息和初始化数据时调用。
(2)onSend(ProducerRecord):
该方法封装进 KafkaProducer.send 方法中,即它运行在用户主线程中。Producer 确保在消息被序列化以及计算分区前调用该方法。用户可以在该方法中对消息做任何操作,但最好保证不要修改消息所属的 topic 和分区,否则会影响目标分区的计算
(3)onAcknowledgement(RecordMetadata, Exception):
该方法会在消息从 RecordAccumulator 成功发送到 Kafka Broker 之后,或者在发送过程中失败时调用。并且通常都是在 producer 回调逻辑触发之前。onAcknowledgement 运行在producer 的 IO 线程中,因此不要在该方法中放入很重的逻辑,否则会拖慢 producer 的消息发送效率。
(4)close:
关闭 interceptor,主要用于执行一些资源清理工作
拦截器案例
1)需求:
实现一个简单的双 interceptor 组成的拦截链。第一个 interceptor 会在消息发送前将时间
戳信息加到消息 value 的最前部;第二个 interceptor 会在消息发送后更新成功发送消息数或
失败发送消息数。
package com.song.interceptor;
import org.apache.kafka.clients.producer.ProducerInterceptor;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;
import java.util.Map;
public class TimeInterceptor implements ProducerInterceptor {
@Override
public void configure(Map<String, ?> map) {
}
@Override
public ProducerRecord onSend(ProducerRecord producerRecord) {
//取出数据
Object value = producerRecord.value();
//创建一个对象
return new ProducerRecord(producerRecord.topic(), producerRecord.partition(), producerRecord.timestamp(), producerRecord.key(), System.currentTimeMillis() + "," + value);
}
@Override
public void onAcknowledgement(RecordMetadata recordMetadata, Exception e) {
}
@Override
public void close() {
}
}
package com.song.interceptor;
import org.apache.kafka.clients.producer.ProducerInterceptor;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;
import java.util.Map;
public class CounterInterceptor implements ProducerInterceptor {
int success;
int error;
@Override
public ProducerRecord onSend(ProducerRecord producerRecord) {
return producerRecord;
}
@Override
public void onAcknowledgement(RecordMetadata recordMetadata, Exception e) {
if (recordMetadata!=null){
success++;
}else {
error++;
}
}
@Override
public void close() {
System.out.println("success"+success);
System.out.println("error"+error);
}
@Override
public void configure(Map<String, ?> map) {
}
}
拦截器和分区器一样 ,在配置文件中添加
....
interceptors.add("com.song.interceptor.TimeInterceptor");
interceptors.add("com.song.interceptor.CounterInterceptor");
properties.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG,interceptors);
...
Kafka监控
Kafka Eagle
1.修改 kafka 启动命令 修改 kafka-server-start.sh 命令中
if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
fi
为
if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
export KAFKA_HEAP_OPTS="-server -Xms2G -Xmx2G -XX:PermSize=128m -XX:+UseG1GC -XX:MaxGCPauseMillis=200 -XX:ParallelGCThreads=8 XX:ConcGCThreads=5 -XX:InitiatingHeapOccupancyPercent=70"
export JMX_PORT="9999"
#export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
fi
注意:修改之后在启动 Kafka 之前要分发之其他节点
2.上传压缩包 kafka-eagle-bin-1.3.7.tar.gz 到集群/opt/software 目录
3.解压到本地
tar -zxvf kafka-eagle-bin1.3.7.tar.gz
#进入到解压的目录
#将 kafka-eagle-web-1.3.7-bin.tar.gz 解压至/opt/module
tar -zxvf kafka-eagleweb-1.3.7-bin.tar.gz -C /opt/module/
#修改名称
mv kafka-eagle-web-1.3.7/ eagle
#.给启动文件执行权限
bin]chmod 777 ke.sh
4.修改配置文件
kafka.eagle.zk.cluster.alias=cluster1
cluster1.zk.list=hadoop01:2181,hadoop02:2181,hadoop03:2181,
cluster1.kafka.eagle.offset.storage=kafka
kafka.eagle.metrics.charts=true
kafka.eagle.sql.fix.error=false
kafka.eagle.driver=com.mysql.jdbc.Driver
kafka.eagle.url=jdbc:mysql://hadoop01:3306/ke?useUnicode=true&ch aracterEncoding=UTF-8&zeroDateTimeBehavior=convertToNull
kafka.eagle.username=root
kafka.eagle.password=000000
5.添加环境变量
export KE_HOME=/opt/module/eagle
export PATH=$PATH:$KE_HOME/bin
source /etc/profile
6.启动(注意:启动之前需要先启动 ZK 以及 KAFKA )
eagle]$ bin/ke.sh start
7.登录页面查看监控数据
http://hadoop01:8084/ke
Kafka对接flume 略