文章目录
四、Kafka API实战
1、环境准备
1)在idea中创建一个maven工程
2)在pom文件中添加依赖:
<name>kafka</name>
<url>http://maven.apache.org</url>
<properties>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
</properties>
<dependencies>
<!-- https://mvnrepository.com/artifact/org.apache.kafka/kafka-clients -->
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>0.11.0.2</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.kafka/kafka-streams -->
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-streams</artifactId>
<version>0.11.0.2</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>3.8.1</version>
<scope>test</scope>
</dependency>
</dependencies>
3)启动zk和kafka集群,在kafka集群中打开一个消费者
[1@hadoop1 kafka_2.11-0.11.0.0]$ bin/kafka-console-consumer.sh --zookeeper hadoop1:2181 --topic first
2、Kafka生产者Java API
<1>、创建生产者
package kafka_syllabus;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;
import java.util.ArrayList;
import java.util.List;
import java.util.Properties;
public class CustomerProducer {
public static void main(String[] args) {
Properties prop = new Properties();
//kafka服务端的主机名和端口号
prop.put("bootstrap.servers","hadoop1:9092");
//等待所有副本节点的应答
prop.put("acks","all");
//消息发送最大尝试次数
prop.put("retries","0");
//一批消息处理的大小
prop.put("batch.size","16384");
//请求延时
prop.put("linger.ms","5");
//发送缓存区内存大小
prop.put("buffer.memory","33554432");
//key序列化
prop.put("key.serializer","org.apache.kafka.common.serialization.StringSerializer");
//value序列化
prop.put("value.serializer","org.apache.kafka.common.serialization.StringSerializer");
KafkaProducer<String,String> producer = new KafkaProducer<String, String>(prop);
for (int i=0;i<50;i++){
producer.send(new ProducerRecord<String, String>("test2","zpw"+i));
}
producer.close();
}
}
<2>、创建生产者带回调函数
package kafka_syllabus;
import org.apache.kafka.clients.producer.Callback;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;
import java.util.Properties;
public class CustomerProducer2 {
public static void main(String[] args) {
Properties prop = new Properties();
//kafka服务端的主机名和端口号
prop.put("bootstrap.servers", "hadoop1:9092");
//等待所有副本节点的应答
prop.put("acks", "all");
//消息发送最大尝试次数
prop.put("retries", "0");
//一批消息处理的大小
prop.put("batch.size", "16384");
//请求延时
prop.put("linger.ms", "5");
//发送缓存区内存大小
prop.put("buffer.memory", "33554432");
//key序列化
prop.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
//value序列化
prop.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
KafkaProducer<String, String> producer = new KafkaProducer<String, String>(prop);
for (int i = 0; i < 50; i++) {
//调用producer的send方法,进行消息的发送,每条待发送的消息,都必须封装为一个Record对象,接口回调
producer.send(new ProducerRecord<String, String>("test2", "zpw" + i), new Callback() {
public void onCompletion(RecordMetadata metadata, Exception exception) {
if (metadata != null){
System.out.println(metadata.offset()+"----"+metadata.partition());
}
}
});
}
//关闭释放资源
producer.close();
}
}
<3>、自定义分区生产者
自定义分区
package partitioner;
import org.apache.kafka.clients.producer.Partitioner;
import org.apache.kafka.common.Cluster;
import java.util.Map;
public class CustomerPartitioner1 implements Partitioner {
public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
return 1;
}
public void close() {
}
public void configure(Map<String, ?> configs) {
}
}
在代码中调用
//设置分区
prop.put("partitioner.class","partitioner.CustomerPartitioner1");
3、Kafka消费者Java API
package consumer;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import java.util.Arrays;
import java.util.Properties;
public class CustomerConsumer1 {
public static void main(String[] args) {
//1配置消费者属性
Properties prop = new Properties();
//kafka服务端的主机名和端口号
prop.put("bootstrap.servers","hadoop1:9092");
//设置消费组
prop.put("group.id","g1");
//是否自动确认offset
prop.put("enable.auto.commit",true);
//key的反序列化
prop.put("key.deserializer","org.apache.kafka.common.serialization.StringDeserializer");
//value的反序列化
prop.put("value.deserializer","org.apache.kafka.common.serialization.StringDeserializer");
//2创建消费者实例
final KafkaConsumer<String,String> consumer = new KafkaConsumer<String, String>(prop);
//4关闭资源
Runtime.getRuntime().addShutdownHook(new Thread(new Runnable() {
public void run() {
if (consumer != null){
consumer.close();
}
}
}));
//3订阅消息主题
consumer.subscribe(Arrays.asList("test2"));
//拉信息
while (true){
//读取数据,读取超时时间是100毫秒
ConsumerRecords<String,String> records = consumer.poll(100);
for ( ConsumerRecord<String, String> record:records){
System.out.println(record.offset()+"---"+record.partition());
}
}
}
}
五、Kafka Producer拦截器
1、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):
该方法会在消息被应答或消息发送失败时调用,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
如前所述,interceptor可能被运行在多个线程中,因此在具体实现时用户需要自行确保线程安全。另外倘若指定了多个interceptor,则producer将按照指定顺序调用它们,并仅仅是捕获每个interceptor可能抛出的异常记录到错误日志中而非在向上传递。这在使用过程中要特别留意。
2、拦截器案例
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。
1、编写时间拦截器
package 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;
/**
* 时间拦截器
*/
public class TimeInterceptor implements ProducerInterceptor<String,String> {
//未进入到kafka进群之前调用
public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
return new ProducerRecord<String, String>("test2",record.partition(),record.key(),
System.currentTimeMillis()+","+record.value());
}
//在消息被应答或消息发送失败的时候调用
public void onAcknowledgement(RecordMetadata metadata, Exception exception) {
}
//释放资源
public void close() {
}
//初始化
public void configure(Map<String, ?> configs) {
}
}
2、统计发送消息成功和发送失败消息数,并在producer关闭时打印这两个计数器
package 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;
/**
* 发送成功和失败次数拦截器
*/
public class CounterInterceptor implements ProducerInterceptor<String,String> {
private long successCount = 0;
private long errorCount = 0;
public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
return record;
}
//应答或发送失败的时候会被调用
public void onAcknowledgement(RecordMetadata metadata, Exception exception) {
if (exception == null){
successCount ++;
}else {
errorCount ++;
}
}
//释放资源
public void close() {
System.out.println("成功的次数" + successCount);
System.out.println("失败的次数" + errorCount);
}
public void configure(Map<String, ?> configs) {
}
}
3、producer主程序
package kafka_syllabus;
import org.apache.kafka.clients.producer.*;
import java.util.ArrayList;
import java.util.List;
import java.util.Properties;
public class CustomerProducer3 {
public static void main(String[] args) {
Properties prop = new Properties();
//kafka服务端的主机名和端口
prop.put("bootstrap.servers","hadoop1:9092");
//等待所有副本节点的应答
prop.put("acks","all");
//消息发送最大尝试数
prop.put("retries",0);
//一批消息处理的大小
prop.put("batch.size","16384");
//请求延时
prop.put("linger.ms",5);
//发送缓存区内存大小
prop.put("buffer.memory","33554432");
//key的序列化
prop.put("key.serializer","org.apache.kafka.common.serialization.StringSerializer");
//value序列化
prop.put("value.serializer","\"org.apache.kafka.common.serialization.StringSerializer");
//设置分区
prop.put("partitioner.class","partitioner.CustomerPartitioner1");
//注册拦截器
List<String> list = new ArrayList<String>();
list.add("interceptor.TimeInterceptor");
list.add("interceptor.CounterInterceptor");
prop.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG,list);
KafkaProducer<String,String> producer = new KafkaProducer<String, String>(prop);
for (int i=0;i<50;i++) {
producer.send(new ProducerRecord<String, String>("test2", "zpw" + i), new Callback() {
public void onCompletion(RecordMetadata metadata, Exception exception) {
if (metadata != null){
System.out.println(metadata.offset()+"---"+metadata.partition());
}
}
});
}
//释放资源
producer.close();
}
}
六、Kafka Streams
1、概述
Kafka Streams。Apache Kafka开源项目的一个组成部分。是一个功能强大,易于使用的库。用于在Kafka上构建高可分布式、拓展性,容错的应用程序。
2、特点
- 功能强大:高扩展性,弹性,容错
- 轻量级:无需专门的集群;是一个库,而不是一个框架
- 完全集成:100%的Kafka0.10.0版本兼容;易于集成到现有的应用程序
- 实时性:毫秒级延迟;并非微批处理;窗口允许乱序数据;允许迟到数据
3、为什么要有Kafka Streams
第一,Spark和Storm都是流式处理框架,而Kafka Stream提供的是一个基于Kafka的流式处理类库。框架要求开发者按照特定的方式去开发逻辑部分,供框架调用。开发者很难了解框架的具体运行方式,从而使得调试成本高,并且使用受限。而Kafka Stream作为流式处理类库,直接提供具体的类给开发者调用,整个应用的运行方式主要由开发者控制,方便使用和调试。
第二,虽然Cloudera与Hortonworks方便了Storm和Spark的部署,但是这些框架的部署仍然相对复杂。而Kafka Stream作为类库,可以非常方便的嵌入应用程序中,它对应用的打包和部署基本没有任何要求。
第三,就流式处理系统而言,基本都支持Kafka作为数据源。例如Storm具有专门的kafka-spout,而Spark也提供专门的spark-streaming-kafka模块。事实上,Kafka基本上是主流的流式处理系统的标准数据源。换言之,大部分流式系统中都已部署了Kafka,此时使用Kafka Stream的成本非常低。
第四,使用Storm或Spark Streaming时,需要为框架本身的进程预留资源,如Storm的supervisor和Spark on YARN的node manager。即使对于应用实例而言,框架本身也会占用部分资源,如Spark Streaming需要为shuffle和storage预留内存。但是Kafka作为类库不占用系统资源。
第五,由于Kafka本身提供数据持久化,因此Kafka Stream提供滚动部署和滚动升级以及重新计算的能力。
第六,由于Kafka Consumer Rebalance机制,Kafka Stream可以在线动态调整并行度。
4、Kafka Streams数据清洗案例
需求:实时处理单词带有“>>>”前缀的内容。例如输入”atguigu>>>ximenqing”,最终处理成“ximenqing”
需求分析:
具体业务处理:
package stream;
import org.apache.kafka.streams.processor.Processor;
import org.apache.kafka.streams.processor.ProcessorContext;
public class LogProcessor implements Processor<byte[],byte[]> {
private ProcessorContext processorContext;
//初始化
public void init(ProcessorContext processorContext) {
this.processorContext = processorContext;
}
//每条数据都会调用该方法
public void process(byte[] bytes, byte[] bytes2) {
String inputOri = new String(bytes2);
//如果数据中有">>>"则删除
if (inputOri.contains(">>>")){
inputOri = inputOri.split(">>>")[1];
}
processorContext.forward(bytes,inputOri.getBytes());
}
//周期性调用该方法
public void punctuate(long l) {
}
//释放资源
public void close() {
}
}
主类:
package stream;
import org.apache.kafka.streams.KafkaStreams;
import org.apache.kafka.streams.StreamsConfig;
import org.apache.kafka.streams.processor.Processor;
import org.apache.kafka.streams.processor.ProcessorSupplier;
import org.apache.kafka.streams.processor.TopologyBuilder;
import java.util.Properties;
public class App {
public static void main(String[] args) {
String fromTopic = "test2";
String toTopic = "test3";
Properties prop = new Properties();
prop.put(StreamsConfig.APPLICATION_ID_CONFIG,"logProcessor");
prop.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop1:9092,hadoop2:9092,hadoop3:9092");
//实例化StreamsConfig
StreamsConfig streamsConfig = new StreamsConfig(prop);
//构建拓扑
TopologyBuilder topologyBuilder = new TopologyBuilder();
topologyBuilder.addSource("SOURCE",fromTopic).addProcessor("PROCESSOR", new ProcessorSupplier<byte[],byte[]>() {
public Processor<byte[], byte[]> get() {
return new LogProcessor();
}
},"SOURCE").addSink("SINK",toTopic,"PROCESSOR");
//根据"StreamsConfig对象"以及用于构建拓扑的Builder对象"实例化Kafka streams
KafkaStreams kafkaStreams = new KafkaStreams(topologyBuilder,streamsConfig);
kafkaStreams.start();
}
}