这里写目录标题
Kafka API
Producer 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。
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。
KafkaProducer 发送消息流程
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。
异步发送 API
1)导入依赖
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>0.11.0.0</version>
</dependency>
2)编写代码
需要用到的类:
KafkaProducer:需要创建一个生产者对象,用来发送数据
ProducerConfig:获取所需的一系列配置参数
ProducerRecord:每条数据都要封装成一个 ProducerRecord 对象
1.不带回调函数的 API
public class MyProducer {
public static void main(String[] args) {
//TODO 1 创建kafka生产者的配置信息
Properties props = new Properties();
//TODO 2 指定连接kafka的集群
//props.put( ProducerConfig. )
props.put( "bootstrap.servers", "linux-1:9092" );
//TODO 3 ack应答级别
props.put( "acks", "all" );
//TODO 4 重试次数
props.put( "retries", 3 );
//TODO 5 批次大小 16K (字节)
props.put( "batch.size", 16384 );
//TODO 6 等待时间
props.put( "linger.ms", 1 );
//TODO RecordAccumulator 缓冲区大小
props.put( "buffer.memory", 33554432 );
//TODO k v 序列化机制
props.put( "key.serializer", "org.apache.kafka.common.serialization.StringSerializer" );
props.put( "value.serializer", "org.apache.kafka.common.serialization.StringSerializer" );
//TODO 创建生产者对象
KafkaProducer<String, String> producer = new KafkaProducer<String, String>( props );
//TODO 发送数据
for (int i = 0; i < 10; i++) {
producer.send( new ProducerRecord<String, String>("first","dahuanhuan"+i) );
}
producer.close();
}
}
2.带回调函数的 API
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RecordMetadata 和 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。
public class CallbackProducer {
public static void main(String[] args) {
//TODO 创建配置信息
Properties properties = new Properties();
properties.put( ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"linux-1:9092" );
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" );
//TODO 创建生产者对象
KafkaProducer<String, String> producer = new KafkaProducer<String, String>( properties );
for (int i = 0; i < 10; i++) {
producer.send( new ProducerRecord<String, String>( "first","dahuan"+i ), new Callback() {
@Override
public void onCompletion(RecordMetadata metadata, Exception exception) {
if (exception == null ){
System.out.println(metadata.partition() + "--" +metadata.offset());
}else {
exception.printStackTrace();
}
}
} );
}
//TODO 关闭资源
producer.close();
}
}
3.自定义分区器
public class MyPartition implements Partitioner {
@Override
public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
//TODO 返回0号分区
return 0;
}
@Override
public void close() {
}
@Override
public void configure(Map<String, ?> configs) {
}
}
public class PartitionProducer {
public static void main(String[] args) {
//TODO 1 创建kafka生产者的配置信息
Properties props = new Properties();
//TODO 2 指定连接kafka的集群
//props.put( ProducerConfig. )
props.put( "bootstrap.servers", "linux-1:9092" );
//TODO 3 ack应答级别
props.put( "acks", "all" );
//TODO 4 重试次数
props.put( "retries", 3 );
//TODO 5 批次大小 16K (字节)
props.put( "batch.size", 16384 );
//TODO 6 等待时间
props.put( "linger.ms", 1 );
//TODO RecordAccumulator 缓冲区大小
props.put( "buffer.memory", 33554432 );
//TODO k v 序列化机制
props.put( "key.serializer", "org.apache.kafka.common.serialization.StringSerializer" );
props.put( "value.serializer", "org.apache.kafka.common.serialization.StringSerializer" );
//TODO 添加自定义分区
props.put( ProducerConfig.PARTITIONER_CLASS_CONFIG,"com.dahuan.partition.MyPartition" );
//TODO 创建生产者对象
KafkaProducer<String, String> producer = new KafkaProducer<String, String>( props );
//TODO 发送数据
for (int i = 0; i < 10; i++) {
producer.send( new ProducerRecord<String, String>( "first", "dahuanhuan" + i ), new Callback() {
@Override
public void onCompletion(RecordMetadata metadata, Exception exception) {
if (exception == null){
System.out.println(metadata.partition() + "--" + metadata.offset());
}else {
exception.printStackTrace();
}
}
} );
}
producer.close();
}
}
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,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。
public class MyProducer {
public static void main(String[] args) {
//TODO 1 创建kafka生产者的配置信息
Properties props = new Properties();
//TODO 2 指定连接kafka的集群
//props.put( ProducerConfig. )
props.put( "bootstrap.servers", "linux-1:9092" );
//TODO 3 ack应答级别
props.put( "acks", "all" );
//TODO 4 重试次数
props.put( "retries", 3 );
//TODO 5 批次大小 16K (字节)
props.put( "batch.size", 16384 );
//TODO 6 等待时间
props.put( "linger.ms", 1 );
//TODO RecordAccumulator 缓冲区大小
props.put( "buffer.memory", 33554432 );
//TODO k v 序列化机制
props.put( "key.serializer", "org.apache.kafka.common.serialization.StringSerializer" );
props.put( "value.serializer", "org.apache.kafka.common.serialization.StringSerializer" );
//TODO 创建生产者对象
KafkaProducer<String, String> producer = new KafkaProducer<String, String>( props );
//TODO 发送数据
for (int i = 0; i < 10; i++) {
try {
producer.send( new ProducerRecord<String, String>("first","dahuanhuan"+i) ).get();
} catch (InterruptedException e) {
e.printStackTrace();
} catch (ExecutionException e) {
e.printStackTrace();
}
}
producer.close();
}
}
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
自动提交 offset
1)导入依赖
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>0.11.0.0</version>
</dependency>
2)编写代码
需要用到的类:
KafkaConsumer:需要创建一个消费者对象,用来消费数据
ConsumerConfig:获取所需的一系列配置参数
ConsuemrRecord:每条数据都要封装成一个 ConsumerRecord 对象
为了使我们能够专注于自己的业务逻辑,Kafka 提供了自动提交 offset 的功能。
自动提交 offset 的相关参数:
enable.auto.commit:是否开启自动提交 offset 功能
auto.commit.interval.ms:自动提交 offset 的时间间隔
以下为自动提交 offset 的代码:
public class MyConsumer {
public static void main(String[] args) {
//TODO 1 创建kafka 配置信息
Properties properties = new Properties();
//TODO 2 给配置信息赋值
properties.put( ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "linux-1:9092" ); //连接的集群
properties.put( ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, true ); //是否启动自动提交配置
properties.put( ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000" ); //自动提交延迟 (毫秒为单位),提交到偏移量 (offsets)
//TODO 3 KV 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" );
//TODO 4 消费者组
properties.put( ConsumerConfig.GROUP_ID_CONFIG, "huan" );
//TODO 创建消费者
KafkaConsumer<String, String> consumer = new KafkaConsumer<String, String>( properties );
//TODO 只能用一个集合
// consumer.subscribe( Collections.singletonList( "first" ) );
//TODO 多个topic
// consumer.subscribe( Arrays.asList( "first","second","three" ) );
//TODO 订阅主题 (topic)
consumer.subscribe( Collections.singletonList( "first" ) );
while (true) {
//TODO 获取数据
ConsumerRecords<String, String> consumerRecords = consumer.poll( 100 );
for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
System.out.println( consumerRecord.key() + "--" + consumerRecord.value() );
}
}
}
}
消费者重置offset
public class MyConsumer {
public static void main(String[] args) {
//TODO 1 创建kafka 配置信息
Properties properties = new Properties();
//TODO 2 给配置信息赋值
properties.put( ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "linux-1:9092" ); //连接的集群
properties.put( ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, true ); //是否启动自动提交配置
properties.put( ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000" ); //自动提交延迟 (毫秒为单位),提交到偏移量 (offsets)
//TODO 3 KV 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" );
//TODO 4 消费者组
properties.put( ConsumerConfig.GROUP_ID_CONFIG, "huan" );
//TODO 5 重置消费者的offset
properties.put( ConsumerConfig.AUTO_OFFSET_RESET_CONFIG,"earliest" );
//TODO 创建消费者
KafkaConsumer<String, String> consumer = new KafkaConsumer<String, String>( properties );
//TODO 只能用一个集合
// consumer.subscribe( Collections.singletonList( "first" ) );
//TODO 多个topic
// consumer.subscribe( Arrays.asList( "first","second","three" ) );
//TODO 订阅主题 (topic)
consumer.subscribe( Collections.singletonList( "first" ) );
while (true) {
//TODO 获取数据
ConsumerRecords<String, String> consumerRecords = consumer.poll( 100 );
for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
System.out.println( consumerRecord.key() + "--" + consumerRecord.value() );
}
}
}
}
手动提交 offset
虽然自动提交 offset 十分简介便利,但由于其是基于时间提交的,开发人员难以把握offset 提交的时机。因此 Kafka 还提供了手动提交 offset 的 API。
手动提交 offset 的方法有两种:分别是 commitSync(同步提交)和 commitAsync(异步提交)。两者的相同点是,都会将本次 poll 的一批数据最高的偏移量提交;不同点是,commitSync 阻塞当前线程,一直到提交成功,并且会自动失败重试(由不可控因素导致,也会出现提交失败);而 commitAsync 则没有失败重试机制,故有可能提交失败。
1)同步提交 offset
由于同步提交 offset 有失败重试机制,故更加可靠,以下为同步提交 offset 的示例。
public class CustomComsumer {
public static void main(String[] args) {
Properties props = new Properties();
//Kafka 集群
props.put( "bootstrap.servers", "linux-1:9092" );
//消费者组,只要 group.id 相同,就属于同一个消费者组
props.put( "group.id", "huan" );
props.put( "enable.auto.commit", "false" );//关闭自动提交 offset
props.put( "key.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer" );
props.put( "value.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer" );
KafkaConsumer<String, String> consumer = new
KafkaConsumer<String, String>( props );
consumer.subscribe( Arrays.asList( "first" ) );//消费者订阅主题
while (true) {
//消费者拉取数据
ConsumerRecords<String, String> records =
consumer.poll( 100 );
for (ConsumerRecord<String, String> record : records) {
System.out.println(record.offset() + "--" +record.key() + "--" + record.value());
}
//同步提交,当前线程会阻塞直到 offset 提交成功
consumer.commitSync();
}
}
}
2)异步提交 offset
虽然同步提交 offset 更可靠一些,但是由于其会阻塞当前线程,直到提交成功。因此吞吐量会收到很大的影响。因此更多的情况下,会选用异步提交 offset 的方式。
以下为异步提交 offset 的示例:
public class CustomComsumer {
public static void main(String[] args) {
Properties props = new Properties();
//Kafka 集群
props.put( "bootstrap.servers", "linux-1:9092" );
//消费者组,只要 group.id 相同,就属于同一个消费者组
props.put( "group.id", "dahuan" );
props.put( "enable.auto.commit", "false" );//关闭自动提交 offset
props.put( "key.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer" );
props.put( "value.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer" );
KafkaConsumer<String, String> consumer = new
KafkaConsumer<String, String>( props );
consumer.subscribe( Arrays.asList( "first" ) );//消费者订阅主题
while (true) {
//消费者拉取数据
ConsumerRecords<String, String> records =
consumer.poll( 100 );
for (ConsumerRecord<String, String> record : records) {
System.out.println(record.offset() + "--" +record.key() + "--" + record.value());
}
//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);
}
}
});
}
}
}
3) 数据漏消费和重复消费分析
无论是同步提交还是异步提交 offset,都有可能会造成数据的漏消费或者重复消费。先提交 offset 后消费,有可能造成数据的漏消费;而先消费后提交 offset,有可能会造成数据的重复消费。
自定义存储 offset
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 Rebalace。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。
public class CustomComsumer {
private static Map<TopicPartition, Long> currentOffset = new HashMap<TopicPartition, Long>();
public static void main(String[] args) {
//创建配置信息
Properties props = new Properties();
//Kafka 集群
props.put( "bootstrap.servers", "linux-1:9092" );
//消费者组,只要 group.id 相同,就属于同一个消费者组
props.put( "group.id", "dahuan" );
//关闭自动提交 offset
props.put( "enable.auto.commit", "false" );
//Key 和 Value 的反序列化类
props.put( "key.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer" );
props.put( "value.deserializer",
"org.apache.kafka.common.serialization.StringDeserializer" );
//创建一个消费者
final KafkaConsumer<String, String> consumer = new
KafkaConsumer<String, String>( props );
//消费者订阅主题
consumer.subscribe( Arrays.asList( "first" ), new
ConsumerRebalanceListener() {
//该方法会在 Rebalance 之前调用
@Override
public void
onPartitionsRevoked(Collection<TopicPartition> partitions) {
commitOffset( currentOffset );
}
//该方法会在 Rebalance 之后调用
@Override
public void
onPartitionsAssigned(Collection<TopicPartition> partitions) {
currentOffset.clear();
for (TopicPartition partition : partitions) {
consumer.seek( partition, getOffset( partition ) );//定位到最近提交的 offset 位置继续消费
}
}
} );
while (true) {
ConsumerRecords<String, String> records =
consumer.poll( 100 );//消费者拉取数据
for (ConsumerRecord<String, String> record : records) {
System.out.println(record.offset()+"--"+record.key() + "--"+ record.value());
currentOffset.put( new TopicPartition( record.topic(),
record.partition() ), record.offset() );
}
commitOffset( currentOffset );//异步提交
}
}
//获取某分区的最新 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 Interceptor
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
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。
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。
2)案例实操
(1)增加时间戳拦截器
public class TimeInterceptor implements ProducerInterceptor<String,String> {
@Override
public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
//获取record
String value = record.value();
return new ProducerRecord<String, String>( record.topic(),record.partition(),record.key(),System.currentTimeMillis()+","+value );
}
@Override
public void onAcknowledgement(RecordMetadata metadata, Exception exception) {
}
@Override
public void close() {
}
@Override
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
public class CounterInterceptor implements ProducerInterceptor<String,String> {
int success;
int error;
@Override
public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
return record;
}
@Override
public void onAcknowledgement(RecordMetadata metadata, Exception exception) {
if (metadata != null) {
success++;
}else{
error++;
}
}
@Override
public void close() {
System.out.println("success:"+success);
System.out.println("error:"+error);
}
@Override
public void configure(Map<String, ?> configs) {
}
}
(3)producer 主程序
public class InterceptorProducer {
public static void main(String[] args) {
//TODO 1 创建kafka生产者的配置信息
Properties props = new Properties();
//TODO 2 指定连接kafka的集群
//props.put( ProducerConfig. )
props.put( "bootstrap.servers", "linux-1:9092" );
//TODO 3 ack应答级别
props.put( "acks", "all" );
//TODO 4 重试次数
props.put( "retries", 3 );
//TODO 5 批次大小 16K (字节)
props.put( "batch.size", 16384 );
//TODO 6 等待时间
props.put( "linger.ms", 1 );
//TODO RecordAccumulator 缓冲区大小
props.put( "buffer.memory", 33554432 );
//TODO k v 序列化机制
props.put( "key.serializer", "org.apache.kafka.common.serialization.StringSerializer" );
props.put( "value.serializer", "org.apache.kafka.common.serialization.StringSerializer" );
//TODO 添加拦截器
ArrayList<String> arrayList = new ArrayList<String>();
arrayList.add( "com.dahuan.interceptor.TimeInterceptor" );
arrayList.add( "com.dahuan.interceptor.CounterInterceptor" );
props.put( ProducerConfig.INTERCEPTOR_CLASSES_CONFIG,arrayList );
//TODO 创建生产者对象
KafkaProducer<String, String> producer = new KafkaProducer<String, String>( props );
//TODO 发送数据
for (int i = 0; i < 10; i++) {
producer.send( new ProducerRecord<String, String>("first","huan","dahuanhuan"+i) );
}
producer.close();
}
}
3)测试
(1)在 kafka 上启动消费者,然后运行客户端 java 程序。
[root@linux-1 kafka]$ bin/kafka-console-consumer.sh \
--bootstrap-server linux-1:9092 --from-beginning --topic
first
huan--1597390446869,dahuanhuan0
huan--1597390447761,dahuanhuan1
huan--1597390447761,dahuanhuan2
huan--1597390447762,dahuanhuan3
huan--1597390447763,dahuanhuan4
huan--1597390447764,dahuanhuan5
huan--1597390447764,dahuanhuan6
huan--1597390447765,dahuanhuan7
huan--1597390447765,dahuanhuan8
huan--1597390447766,dahuanhuan9
Kafka Streams
概述
Kafka Streams
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。
Kafka Streams特点
1)功能强大 ,高扩展性,弹性,容错
2)轻量级,无需专门的集群 ,一个库,而不是框架
3)完全集成 ,100%的Kafka 0.10.0版本兼容,易于集成到现有的应用程序
4)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
为什么要有Kafka Stream
当前已经有非常多的流式处理系统,最知名且应用最多的开源流式处理系统有Spark Streaming和Apache Storm。Apache Storm发展多年,应用广泛,提供记录级别的处理能力,当前也支持SQL on Stream。而Spark Streaming基于Apache Spark,可以非常方便与图计算,SQL处理等集成,功能强大,对于熟悉其它Spark应用开发的用户而言使用门槛低。另外,目前主流的Hadoop发行版,如Cloudera和Hortonworks,都集成了Apache Storm和Apache Spark,使得部署更容易。
既然Apache Spark与Apache Storm拥用如此多的优势,那为何还需要Kafka Stream呢?主要有如下原因。
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。
Kafka Stream数据清洗案例
0)需求:
实时处理单词带有”>>>”前缀的内容。例如输入”dahuan>>>ximenqing”,最终处理成“ximenqing”
1)需求分析:
2)案例实操
(1)创建一个工程,并添加依赖
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>0.11.0.2</version>
</dependency>
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-streams</artifactId>
<version>0.11.0.2</version>
</dependency>
(2)创建主类
public class Application {
public static void main(String[] args) {
//TODO 创建拓扑对象
TopologyBuilder builder = new TopologyBuilder();
//TODO 创建配置文件
Properties props = new Properties();
props.put( "application.id","Application" );
props.put( "bootstrap.servers","huan01:9092" );
//TODO 构建拓扑结构
builder.addSource( "SOURCE","first" )
.addProcessor("PROCESSOR", new ProcessorSupplier() {
@Override
public Processor get() {
return new LogProcessor();
}
},"SOURCE" )
.addSink( "SINK", "second","PROCESSOR");
//TODO 创建流对象
KafkaStreams kafkaStreams = new KafkaStreams( builder, props );
//TODO 开始运行
kafkaStreams.start();
}
}
(3)具体业务处理
public class LogProcessor implements Processor<byte[],byte[]> {
private ProcessorContext context;
@Override
public void init(ProcessorContext processorContext) {
context = processorContext;
}
@Override
public void process(byte[] key, byte[] value) {
//TODO 获取一行数据
String line = new String( value );
// 如果包含“>>>”则只保留该标记后面的内容
if (line.contains( ">>>" )){
line = line.split( ">>>" )[1].trim();
//TODO 输出到下一个topic
context.forward( "LogProcessor".getBytes(),line.getBytes() );
}else {
context.forward( "LogProcessor".getBytes(),line.getBytes() );
}
}
@Override
public void punctuate(long timestamp) {
}
@Override
public void close() {
}
}
(4)运行程序
(5)在huan01上启动生产者
[root@huan01 kafka]$ bin/kafka-console-producer.sh \
--broker-list huan01:9092 --topic first
>hello>>>world
>h>>>dahuanhuan
>hahaha
(6)在huan02上启动消费者
[root@huan02 kafka]$ bin/kafka-console-consumer.sh \
--zookeeper huan01:2181 --from-beginning --topic second
world
dahuanhuan
hahaha