该篇博客是Kafka API的使用,ConsumerRebalanceListener
更多高级用法请看我的博客Kafka系列
参考:
https://www.orchome.com/451
https://www.w3cschool.cn/apache_kafka/apache_kafka_workflow.html
一. 简介
kafka概念相关的介绍请看官方文档和其他博文
官方中文文档
kafka入门介绍
ConsumerRebalanceListener再均衡监听器提供两个方法:
- onPartitionsRevoked(Collection) 在均衡开始之前和消费者停止读取消息之后调用,一般用来提交偏移量
- onPartitionsAssigned(Collection) 在重新分配分区之后和消费者开始读取消息之前调用,一般用来指定消费偏移量
二. 实现
2.1 引入依赖
主要是spring-kafka依赖
<dependencies>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.11</version>
<scope>test</scope>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit-dep</artifactId>
<version>4.9</version>
<scope>test</scope>
</dependency>
<!-- kafka start -->
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka_2.11</artifactId>
<version>0.10.1.1</version>
</dependency>
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>0.10.1.1</version>
</dependency>
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-streams</artifactId>
<version>0.10.1.1</version>
</dependency>
<!-- kafka end -->
<dependency>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-assembly-plugin</artifactId>
<version>2.2-beta-5</version>
</dependency>
<dependency>
<groupId>commons-lang</groupId>
<artifactId>commons-lang</artifactId>
<version>2.3</version>
</dependency>
<dependency>
<groupId>commons-collections</groupId>
<artifactId>commons-collections</artifactId>
<version>3.2.1</version>
</dependency>
</dependencies>
2.2 使用事例
ConsumerRebalanceListenerTest.java
import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;
import java.util.*;
/**
* Kafka消费者ConsumerRebalanceListener使用
*/
public class ConsumerRebalanceListenerTest {
/**
* 简单消费者--订阅主题带再均衡处理器
*/
public static void subscribeWithRebalence() {
Properties props = new Properties();
props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");
// 消费者组
props.put(ConsumerConfig.GROUP_ID_CONFIG, "test");
// key序列化方式
props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
// value序列化方式
props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
// ------ 可选参数 -------
props.put(ConsumerConfig.CLIENT_ID_CONFIG, "client");
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
// 1.主题 2.消费者发生平衡操作时回调进行相应的业务处理
consumer.subscribe(Arrays.asList("my-topic"),
new ConsumerRebalanceListener() {
// 在均衡开始之前和消费者停止读取消息之后调用
@Override
public void onPartitionsRevoked(Collection<TopicPartition> partitions) {
// 提交位移
consumer.commitSync();
}
// 在重新分配分区之后和消费者开始读取消息之前调用
@Override
public void onPartitionsAssigned(Collection<TopicPartition> partitions) {
long committedOffset = -1;
for (TopicPartition topicPartition : partitions) {
// 获取该分区已消费的位移
committedOffset = consumer.committed(topicPartition).offset();
// 重置位移到上一次提交的位移处开始消费
consumer.seek(topicPartition, committedOffset + 1);
}
}
});
// 订阅指定的分区
// consumer.assign(Arrays.asList(new TopicPartition("my-topic", 0), new TopicPartition("my-topic", 2)));
try {
while (true) {
// 拉取消息
ConsumerRecords<String, String> records = consumer.poll(100);
for (ConsumerRecord<String, String> record : records) {
System.out.printf(
"partition = %d, offset = %d,key= %s value = %s%n",
record.partition(), record.offset(), record.key(), record.value());
}
}
} catch (Exception e) {
// TODO 异常处理
e.printStackTrace();
} finally {
consumer.close();
}
}
/**
* 提交指定偏移量 和 再均衡处理器实现
*/
public static void commitCurrentOffsets() {
Properties props = new Properties();
props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");
// 消费者组
props.put(ConsumerConfig.GROUP_ID_CONFIG, "test");
// key序列化方式
props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
// value序列化方式
props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
// 自动提交偏移量
// 如果设置成true,偏移量由auto.commit.interval.ms控制自动提交的频率
// 如果设置成false,不需要定时的提交offset,可以自己控制offset,当消息认为已消费过了,这个时候再去提交它们的偏移量。
// 这个很有用的,当消费的消息结合了一些处理逻辑,这个消息就不应该认为是已经消费的,直到它完成了整个处理。
props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");
// ------ 可选参数 -------
props.put(ConsumerConfig.CLIENT_ID_CONFIG, "client");
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
Map<TopicPartition, OffsetAndMetadata> currentOffsets = new HashMap<>();
// 1.主题 2.消费者发生平衡操作时回调进行相应的业务处理
consumer.subscribe(Arrays.asList("my-topic"),
new ConsumerRebalanceListener() {
// 在均衡开始之前和消费者停止读取消息之后调用
@Override
public void onPartitionsRevoked(Collection<TopicPartition> partitions) {
System.out.println("Lost partitions in rebalance. committing current offsets:" + currentOffsets);
// 提交位移
consumer.commitSync(currentOffsets);
}
// 在重新分配分区之后和消费者开始读取消息之前调用
@Override
public void onPartitionsAssigned(Collection<TopicPartition> partitions) {
// Do nothing, 也可以如下指定消费偏移量
// long committedOffset = -1;
// for (TopicPartition topicPartition : partitions) {
// // 获取该分区已消费的位移
// committedOffset = consumer.committed(topicPartition).offset();
// // 重置位移到上一次提交的位移处开始消费
// consumer.seek(topicPartition, committedOffset + 1);
// }
}
});
// 订阅指定的分区
try {
while (true) {
// 拉取消息, 参数100ms是poll timeout时间
ConsumerRecords<String, String> records = consumer.poll(100);
for (ConsumerRecord<String, String> record : records) {
System.out.printf(
"partition = %d, offset = %d,key= %s value = %s%n",
record.partition(), record.offset(), record.key(), record.value());
// 设置需要提交的偏移量
currentOffsets.put(new TopicPartition(record.topic(), record.partition()),
new OffsetAndMetadata(record.offset() + 1, "no metadata")
);
}
// 手动异步提交指定偏移量
consumer.commitAsync(currentOffsets, null);
}
} catch (Exception e) {
// TODO 异常处理
e.printStackTrace();
} finally {
try {
consumer.commitSync(currentOffsets);
} finally {
consumer.close();
System.out.println("closed consumer...");
}
}
}
public static void main(String[] args) {
}
}
源码地址
IT-CLOUD-KAFKA-CLIENT :spring整合kafka教程源码。博文在本CSDN kafka系列中。
项目推荐
IT-CLOUD :IT服务管理平台,集成基础服务,中间件服务,监控告警服务等。
IT-CLOUD-ACTIVITI6 :Activiti教程源码。博文在本CSDN Activiti系列中。
IT-CLOUD-ELASTICSEARCH :elasticsearch教程源码。博文在本CSDN elasticsearch系列中。
IT-CLOUD-KAFKA :spring整合kafka教程源码。博文在本CSDN kafka系列中。
IT-CLOUD-KAFKA-CLIENT :kafka client教程源码。博文在本CSDN kafka系列中。开源项目,持续更新中,喜欢请 Star~