Kafka基础笔记——从小白到入门（二）

最新推荐文章于 2024-07-27 10:13:06 发布

Alienware^

最新推荐文章于 2024-07-27 10:13:06 发布

阅读量123

点赞数

分类专栏： # Kafka 文章标签：大数据 kafka

本文链接：https://blog.csdn.net/weixin_45417821/article/details/107983589

版权

Kafka 专栏收录该内容

23 篇文章 4 订阅

订阅专栏

这里写目录标题

Kafka API
Kafka Streams

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

在这里插入图片描述 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。

在这里插入图片描述 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。

在这里插入图片描述第二，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：

在这里插入图片描述
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

Alienware^

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Kafka基础笔记——从小白到入门（二）

这里写目录标题Kafka APIProducer API消息发送流程异步发送 API同步发送 APIKafka APIProducer 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
复制链接

扫一扫

专栏目录