kafka生产者
-
生产者消息发送原理
在消息发送的过程中,涉及到了两个线程——main线程和Sender线程。在main线程中创建了一个双端队列 RecordAccumulator。main线程将消息发送给RecordAccumulator,Sender线程不断从RecordAccumulator 中拉取消息发送到Kafka Broker。
-
生产者参数列表
参数名称 描述 bootstrap.servers 生产者连接集群所需的broker地址清单。例如192.168.233.26:9092,可以设置1个或者多个,中间用逗号隔 开。注意这里并非需要所有的broker地址,因为生产者从给定的broker里查找到其他broker信息。 key.serializer和value.serializer 指定发送消息的key和value的序列化类型。一定要写全类名。 buffer.memory RecordAccumulator缓冲区总大小,默认32m。 batch.size 缓冲区一批数据最大值,默认16k。适当增加该值,可以提高吞吐量,但是如果该值设置太大,会导致数据传输延迟 增加。 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。单位ms,默认值是0ms,表示没 有延迟。生产环境建议该值大小为5-100ms之间。 acks 0:生产者发送过来的数据,不需要等数据落盘应答。 1:生产者发送过来的数据,Leader收到数据后应答。 -1(all):生产者发送过来的数据,Leader+和isr队列里面的所有节点收齐数据后应答。 默认值是-1,-1和all是等价的。 max.in.flight.requests.per.connection 允许最多没有返回ack的次数,默认为5,开启幂等性要保证该值是 1-5的数字。 retries 当消息发送出现错误的时候,系统会重发消息。retries表示重试次数。默认是int最大值,2147483647。 如果设置了重试,还想保证消息的有序性,需要设置 MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION=1否则在重试此失败消息的时候,其他的消息可能发送成功了。 retry.backoff.ms 两次重试之间的时间间隔,默认是100ms。 enable.idempotence 是否开启幂等性,默认true,开启幂等性。 compression.type 生产者发送的所有数据的压缩方式。默认是none,也就是不压缩。 支持压缩类型:none、gzip、snappy、lz4和zstd。
-
普通异步发送
-
1)需求:创建Kafka生产者,采用异步的方式发送到Kafka Broker
2)代码编写
1)创建工程kafka
2)导入依赖
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>3.0.0</version>
</dependency>
3)创建包名:com.lpy.kafka.producer
4)编写不带回调函数的API代码
public class CustomProducer {
public static void main(String[] args) throws InterruptedException {
// 1. 创建kafka生产者的配置对象
Properties properties = new Properties();
// 2. 给kafka配置对象添加配置信息:bootstrap.servers
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.233.26:9092");
// key,value序列化(必须):key.serializer,value.serializer
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");
// 3. 创建kafka生产者对象
KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(properties);
// 4. 调用send方法,发送消息
for (int i = 0; i < 5; i++) {
kafkaProducer.send(new ProducerRecord<>("first","lpy " + i));
}
// 5. 关闭资源
kafkaProducer.close();
}
}
5)测试:
①在192.168.233.26上开启Kafka消费者
bin/kafka-console-consumer.sh --bootstrap-server 192.168.233.26:9092 --topic first
②在IDEA中执行代码,观察192.168.233.26控制台中是否接收到消息。
bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic first
lpy 0
lpy 1
lpy 2
lpy 3
lpy 4
-
带回调函数的异步发送
1:回调函数会在producer收到ack时调用,为异步调用,该方法有两个参数,分别是元数据信息(RecordMetadata)和异常信息 (Exception),如果Exception为null,说明消息发送成功,如果Exception不为null,说明消息发送失败
注意:消息发送失败会自动重试,不需要我们在回调函数中手动重试
2:代码
public class CustomProducerCallback {
public static void main(String[] args) throws InterruptedException {
// 1. 创建kafka生产者的配置对象
Properties properties = new Properties();
// 2. 给kafka配置对象添加配置信息
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.233.26:9092");
// key,value序列化(必须):key.serializer,value.serializer
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
// 3. 创建kafka生产者对象
KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(properties);
// 4. 调用send方法,发送消息
for (int i = 0; i < 5; i++) {
// 添加回调
kafkaProducer.send(new ProducerRecord<>("first", "lpy " + i), new Callback() {
// 该方法在Producer收到ack时调用,为异步调用
@Override
public void onCompletion(RecordMetadata metadata, Exception exception) {
if (exception == null) {
// 没有异常,输出信息到控制台
System.out.println("主题:" + metadata.topic() + "->" + "分区:" + metadata.partition());
} else {
// 出现异常打印
exception.printStackTrace();
}
}
});
// 延迟一会会看到数据发往不同分区
Thread.sleep(2);
}
// 5. 关闭资源
kafkaProducer.close();
}
}
3:测试:
①在192.168.233.26上开启Kafka消费者。
bin/kafka-console-consumer.sh --bootstrap-server 192.168.233.26:9092 --topic first
②在IDEA中执行代码,观察 192.168.233.26控制台中是否接收到消息
bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic first
lpy 0
lpy 1
lpy 2
lpy 3
lpy 4
③在IDEA控制台观察回调信息。
主题:first->分区:0
主题:first->分区:0
主题:first->分区:1
主题:first->分区:1
主题:first->分区:1
- 同步发送API
只需在异步发送的基础上,再调用一下get()方法即可
public class CustomProducerSync {
public static void main(String[] args) throws InterruptedException, ExecutionException {
// 1. 创建kafka生产者的配置对象
Properties properties = new Properties();
// 2. 给kafka配置对象添加配置信息
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.233.26:9092");
// key,value序列化(必须):key.serializer,value.serializer
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
// 3. 创建kafka生产者对象
KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(properties);
// 4. 调用send方法,发送消息
for (int i = 0; i < 10; i++) {
// 异步发送 默认
// kafkaProducer.send(new ProducerRecord<>("first","kafka" + i));
// 同步发送
kafkaProducer.send(new ProducerRecord<>("first","kafka" + i)).get();
}
// 5. 关闭资源
kafkaProducer.close();
}
}
测试:
①在192.168.233.26上开启Kafka消费者。
bin/kafka-console-consumer.sh --bootstrap-server 192.168.233.26:9092 --topic first
②在IDEA中执行代码,观察192.168.233.26控制台中是否接收到消息
bin/kafka-console-consumer.sh --bootstrap-server 192.168.233.26:9092 --topic first
kafka 0
kafka 1
kafka 2
kafka 3
kafka 4
-
生产者分区
1:便于合理使用存储资源:每个partition在一个broker上存储,可以把海量的数据按照分区切割成一块 一块数据存储在多台broker上,合理控制分区的任务,可以实现负载均衡的效果 2:提高并行度:生产者可以以分区为单位发送数据,消费者可以以分区为单位进行消费数据
-
生产者发送消息的分区策略
1)默认的分区器 DefaultPartitioner 1:public ProducerRecord(String topic,Integer partition,K key, V value){} 指明partition的情况下,直接将指明的值作为partition值,例如partition=0,所有的数据会写入分区0 2:public ProducerRecord(String topic,K key, V value){} 没有指明partition值但有key的情况下,将key的hash值与topic的partition数进行取余得到partition值, 例如:key1的hash值为5,key2的hash值为6,topic的partition数=2,那么key1对应的value1写入1号分区, key2对应的value2写入0号分区。 3:既没有partition值又没有key值的情况下,kafka采用sticky partition(粘性分区器),会随机选择一个分区, 并尽可能一直使用这个分区,待带分区的batch已满或者已完成,kafka在随机一个分区进行使用(和上一次的分区不同)。 例如:第一次随机选择0号分区,等0号分区当前批次满了(默认16K)或者linger.ms设置的时间到了,kafka在随机一 个分区进行使用(如果是0会继续随机) 2) 案例 1:将数据发往指定partition的情况下,例如,将所有数据发往分区1中 public class CustomProducerCallbackPartitions { public static void main(String[] args) { // 1. 创建kafka生产者的配置对象 Properties properties = new Properties(); // 2. 给kafka配置对象添加配置信息 properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.233.26:9092"); // key,value序列化(必须):key.serializer,value.serializer properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName()); properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName()); KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties); for (int i = 0; i < 5; i++) { // 指定数据发送到1号分区,key为空(IDEA中ctrl + p查看参数) kafkaProducer.send(new ProducerRecord<>("first", 1,"","kafka " + i), new Callback() { @Override public void onCompletion(RecordMetadata metadata, Exception e) { if (e == null){ System.out.println("主题:" + metadata.topic() + "->" + "分区:" + metadata.partition() ); }else { e.printStackTrace(); } } }); } kafkaProducer.close(); } } 测试: ①在192.168.233.26上开启Kafka消费者 bin/kafka-console-consumer.sh --bootstrap-server 1192.168.233.26:9092 --topic first ②在IDEA中执行代码,观察192.168.233.26控制台中是否接收到消息。 bin/kafka-console-consumer.sh --bootstrap-server 192.168.233.26:9092 --topic first kafka 0 kafka 1 kafka 2 kafka 3 kafka 4 ③在IDEA控制台观察回调信息 主题:first->分区:1 主题:first->分区:1 主题:first->分区:1 主题:first->分区:1 主题:first->分区:1 2:没有指明partition值但有key的情况下,将key的hash值与topic的partition数进行取余得到partition值 public class CustomProducerCallback { public static void main(String[] args) { Properties properties = new Properties(); properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.233.26:9092"); properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName()); properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName()); KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties); for (int i = 0; i < 5; i++) { // 依次指定key值为a,b,f ,数据key的hash值与3个分区求余,分别发往1、2、0 kafkaProducer.send(new ProducerRecord<>("first", "a","kafka " + i), new Callback() { @Override public void onCompletion(RecordMetadata metadata, Exception e) { if (e == null){ System.out.println("主题:" + metadata.topic() + "->" + "分区:" + metadata.partition() ); }else { e.printStackTrace(); } } }); } kafkaProducer.close(); } } 测试: ①key="a"时,在控制台查看结果。 主题:first->分区:1 主题:first->分区:1 主题:first->分区:1 主题:first->分区:1 主题:first->分区:1 ②key="b"时,在控制台查看结果。 主题:first->分区:2 主题:first->分区:2 主题:first->分区:2 主题:first->分区:2 主题:first->分区:2 ③key="f"时,在控制台查看结果。 主题:first->分区:0 主题:first->分区:0 主题:first->分区:0 主题:first->分区:0 主题:first->分区:0
-
自定义分区器
如果研发人员可以根据企业需求,自己重新实现分区器。 1)需求 例如我们实现一个分区器实现,发送过来的数据中如果包含kafka,就发往0号分区,不包含kafka,就发往1号分区 2)实现步骤 (1)定义类实现Partitioner接口。 (2)重写partition()方法。 /** * 1. 实现接口Partitioner * 2. 实现3个方法:partition,close,configure * 3. 编写partition方法,返回分区号 */ public class MyPartitioner implements Partitioner { /** * 返回信息对应的分区 * @param topic 主题 * @param key 消息的key * @param keyBytes 消息的key序列化后的字节数组 * @param value 消息的value * @param valueBytes 消息的value序列化后的字节数组 * @param cluster 集群元数据可以查看分区信息 * @return */ @Override public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) { // 获取消息 String msgValue = value.toString(); // 创建partition int partition; // 判断消息是否包含kafka if (msgValue.contains("kafka")){ partition = 0; }else { partition = 1; } // 返回分区号 return partition; } // 关闭资源 @Override public void close() { } // 配置方法 @Override public void configure(Map<String, ?> configs) { } } (3)使用分区器的方法,在生产者的配置中添加分区器参数。 public class CustomProducerCallbackPartitions { public static void main(String[] args) throws InterruptedException { Properties properties = new Properties(); properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.178.233.26:9092"); properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName()); properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName()); // 添加自定义分区器 properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG,"com.LPY.kafka.producer.MyPartitioner"); KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties); for (int i = 0; i < 5; i++) { kafkaProducer.send(new ProducerRecord<>("first", "kafka" + i), new Callback() { @Override public void onCompletion(RecordMetadata metadata, Exception e) { if (e == null){ System.out.println("主题:" + metadata.topic() + "->" + "分区:" + metadata.partition() ); }else { e.printStackTrace(); } } }); } kafkaProducer.close(); } } (4)测试 ①在hadoop102上开启Kafka消费者。 bin/kafka-console-consumer.sh --bootstrap-server 192.178.233.26:9092 --topic first ②在IDEA控制台观察回调信息。 主题:first->分区:0 主题:first->分区:0 主题:first->分区:0 主题:first->分区:0 主题:first->分区:0
-
生产者如何提高吞吐量
1:batch.size:批次大小,默认16K linger.ms:等待时间,修改为5-100ms compression.type:压缩snappy RecordAccumulator:缓冲区大小,修改为64m public class CustomProducerParameters { public static void main(String[] args) throws InterruptedException { // 1. 创建kafka生产者的配置对象 Properties properties = new Properties(); // 2. 给kafka配置对象添加配置信息:bootstrap.servers properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.233.26:9092"); // key,value序列化(必须):key.serializer,value.serializer 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"); // batch.size:批次大小,默认16K properties.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384); // linger.ms:等待时间,默认0 properties.put(ProducerConfig.LINGER_MS_CONFIG, 1); // RecordAccumulator:缓冲区大小,默认32M:buffer.memory properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432); // compression.type:压缩,默认none,可配置值gzip、snappy、lz4和zstd properties.put(ProducerConfig.COMPRESSION_TYPE_CONFIG,"snappy"); // 3. 创建kafka生产者对象 KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(properties); // 4. 调用send方法,发送消息 for (int i = 0; i < 5; i++) { kafkaProducer.send(new ProducerRecord<>("first","kafka " + i)); } // 5. 关闭资源 kafkaProducer.close(); } } 测试: ①在192.168.233.26上开启Kafka消费者。 bin/kafka-console-consumer.sh --bootstrap-server 192.168.233.26:9092 --topic first ②在IDEA中执行代码,观察192.168.233.26控制台中是否接收到消息。 bin/kafka-console-consumer.sh --bootstrap-server 192.168.233.26:9092 --topic first kafka 0 kafka 1 kafka 2 kafka 3 kafka 4
-
数据可靠性
1:ack应答原理 acks:0 生产者发送过来的数据,不需要等数据落盘应答。 数据可靠性分析:丢数据 1:生产者发送过来数据,leader收到数据后应答。 数据可靠性分析:丢数据 当leader应答完成之后,还没有开始同步副本,这个时候leader挂了,那么新的leader不会 收到生产者发送的消息,因为生产者已经认为发送成功了,会丢失数据 -1:生产者发送过来的数据,leader和ISR队列里面的所有节点收到数据后应答 思考:当leader收到数据,所有的follower都开始同步数据,但是有一个follower,因为某种故障,迟迟不能与 leader进行同步,那么这个问题怎么解决? leader维护了一个动态的in-sync replica set(ISR),意为和leader保持同步的follower+leader集合, (leader:0,isr:0,1,2)。 如果follower长时间未向leader发送通信请求或同步数据,则该follower将被踢出ISR,该时间 阈值由replica.lag.time.max.ms参数设定,默认30s,例如follower2超时,则(leader:0,ISR:0,1) 这样就不用等长期联系不上或者已经故障的节点。 数据可靠性分析:如果分区副本设置为1,或者ISR里应答的最小副本数量min.insync.replica默认为1,和ack=1的效果是一样的 仍然有丢失的风险(leader:0,ISR:0). 数据完全可靠条件 = ack级别设为-1 + 分区副本大于等于2 + ISR中应答的最小副本数量大于等与2 可靠性总结: acks=0,生产者发送过来数据就不管了,可靠性差,效率高 acks=1,生产者发送过来的数据leader应答,可靠性中等,效率中等 acks=-1,生产者发送过来数据leader和ISR队列中所有的follower应答,可靠性高,效率低 在生产环境中,acks=0很少使用,acks=1一般用于传输普通日志,允许丢失个别数据,acks=-1.一般用于 传输和钱相关的数据,对可靠性要求比较高的场景 2:数据重复分析: acks=-1,生产者发送过来的数据,leader和ISR队列中所有的节点收到数据后应答 如果leader和follower都收到数据了,但是此时leader发出应答时挂掉了,那么生产者会根据配置的重试次数, 进行重试,次数发生数据重复 public class CustomProducerAck { public static void main(String[] args) throws InterruptedException { // 1. 创建kafka生产者的配置对象 Properties properties = new Properties(); // 2. 给kafka配置对象添加配置信息:bootstrap.servers properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.233.26:9092"); // key,value序列化(必须):key.serializer,value.serializer properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName()); properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName()); // 设置acks properties.put(ProducerConfig.ACKS_CONFIG, "all"); // 重试次数retries,默认是int最大值,2147483647 properties.put(ProducerConfig.RETRIES_CONFIG, 3); // 3. 创建kafka生产者对象 KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(properties); // 4. 调用send方法,发送消息 for (int i = 0; i < 5; i++) { kafkaProducer.send(new ProducerRecord<>("first","kafka " + i)); } // 5. 关闭资源 kafkaProducer.close(); } }
-
数据去重
1:至少一次:ack级别设置为-1 + 分区副本大于等于2 + ISR中应答的最小副本数大于等于2 2:最多一次:ack级别设置为0 总结:至少一次可以保证数据不丢失,但是不能保证数据不重复 最多一次可以保证数据不重复,但是不能保证数据不丢失 精确一次:对于一些非常重要的消息,比如和钱相关的数据,要求数据既不能重复也不能丢失,kafka引入和一项重大特性, 幂等性和事务
-
幂等性
1:幂等性原理: 幂等性就是指producer不论向broker发送多少次重复请求,broker都只会持久化一条,保证了不重复, 精确一次 = 幂等性 + 至少一次(ack = -1 + 分区副本>=2 + ISR最小副本数量>=2)。 重复数据的判断标准:具有<PID,Partition,SeqNumber>相同主键的消息提交时,broker只会持久化一条, 其中PID是kafak每次重启都会分配一个新的,partition表示分区号,Sequence Number是单调自增的。 所以幂等性只能保证的是在单个分区内单会话内不重复 2:如何使用幂等性 开启参数enable.idempotence 默认为true,false关闭
-
生产者事务
1)Kafka事务介绍 Kafka同时引入了事务的特性,为了实现跨分区跨会话的事务,需要引入一个全局唯一的Transaction ID,并将Producer获得的PID和Transaction ID绑定。这样当Producer重启后就可以通过正在进行的Transaction ID获得原来的PID。 为了管理Transaction,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的一个内部Topic,这样即使整个服务重启,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。 注意:提前开启幂等性!!!
-
数据有序
单分区内,有序,但是有条件,
多分区,分区与分区间无序
-
数据乱序
1:kafka在1.x版本之前保证数据单分区有序,条件如下: max.in.flight.requests.per.connection=1 不需要考虑是否开启幂等性 2:kafka在1.x及以后版本保证数据单分区有序,条件如下: 1:未开启幂等性 max.in.flight.requests.per.connection需要设置为1 2:开启幂等性 max.in.flight.requests.per.connection需要设置小于等于5 原因说明:因为kafka1.x以后,启用幂等后,kafka服务端会缓存producer发来的最近5个request的元数据, 故无论如何,都可以保证最近5个request的数据都是有序的 InFlightRequests,默认每个broker最多缓存5个请求 如果开启了幂等性且缓存的请求个数小于5个,会在服务端重新排序