kafka应用实例(kafka简单的入门案例)
kafka快速实战与基本原理详解
背景
kafka是最初由linkedin公司开发,是一个分布式、支持分区的(partition)、多副本的(replica),基于zookeeper协 调的分布式消息系统,它的最大的特性就是可以实时地处理大量数据以满足各种需求场景:比如基于hadoop的批处理系统 统、低延迟的实时系统、storm/spark流式处理引擎,web/nginx日志、访问日志,消息服务等等,用scala语言编写, linkedin于2010年贡献给了apache基金会并成为*开源 项目。
kafka基本概念
kafka是一个分布式的,分区的消息(官方称之为commit log)服务。它提供一个消息系统应该具备的功能,但是确有着独特的设计。可以这样来说,kafka借鉴了jms规范的思想,但是确并没有完全遵循jms规范。
首先,让我们来看一下基础的消息(message)相关术语
名称 | 解释 |
broker | 消息中间件处理节点,一个kafka节点就是一个broker,一个或者多个broker可以组成一个kafka集群 |
topic | kafka根据topic对消息进行归类,发布到kafka集群的每条消息都需要指定一个topic |
producer | 消息生产者,向broker发送消息的客户端 |
consumer | 消息消费者,从broker读取消息的客户端 |
consumergroup | 每个consumer属于一个特定的consumer group,一条消息可以被多个不同的consumer group消费,但是一个consumer group中只能有一个consumer能够消费该消息 |
partition | 物理上的概念,一个topic可以分为多个partition,每个partition内部消息是有序的 |
因此,从一个较高的层面上来看,producer通过网络发送消息到kafka集群,然后consumer来进行消费,如下图:
服务端(brokers)和客户端(producer、consumer)之间通信通过tcp协议来完成.
kafka基本使用
安装前的环境准备
由于kafka是用scala语言开发的,运行在jvm上,因此在安装kafka之前需要先安装jdk。
yum install java-1.8.0-openjdk* -y
kafka依赖zookeeper,所以需要先安装zookeeper
wget https://mirror.bit.edu.cn/apache/zookeeper/zookeeper-3.5.8/apache-zookeeper-3.5.8-bin.tar.gz
tar -zxvf apache-zookeeper-3.5.8-bin.tar.gz
cd apache-zookeeper-3.5.8-bin
cp conf/zoo_sample.cfg conf/zoo.cfg # 启动zookeeper bin/zkserver.sh
start bin/zkcli.sh
ls / #查看zk的根目录相关节点
第一步:下载安装包
下载2.4.1 release版本,并解压:
wget
https://mirror.bit.edu.cn/apache/kafka/2.4.1/kafka_2.11-2.4.1.tgz # 2.11是scala的版本,2.4.1是kafka的版本
tar -xzf kafka_2.11-2.4.1.tgz
cd kafka_2.11-2.4.1
第二步:修改配置
修改配置文件config/server.properties:
#broker.id属性在kafka集群中必须要是唯一 broker.id=0 #kafka部署的机器ip和提供服务的端口号 listeners=
plaintext://192.168.65.60:9092 #kafka的消息存储文件 log.dir=/usr/local/data/kafka-logs #kafka连接zookeeper的地址 zookeeper.connect=192.168.65.60:2181
第三步:启动服务
现在来启动kafka服务:
启动脚本语法:kafka-server-start.sh [-daemon] server.properties
可以看到,server.properties的配置路径是一个强制的参数,-daemon表示以后台进程运行,否则ssh客户端退出后,就会停止服务。(注意,在启动kafka时会使用linux主机名关联的ip地址,所以需要把主机名和linux的ip映射配置到本地host里,用vim /etc/hosts)
# 启动kafka,运行日志在logs目录的server.log文件里
bin/kafka-server-start.sh -daemon config/server.properties
#后台启动,不会打印日志到控制台 或者用
bin/kafka-server-start.sh config/server.properties & # 我们进入zookeeper目录通过zookeeper客户端查看下zookeeper的目录树 bin/zkcli.sh ls / #查看zk的根目录kafka相关节点
ls /brokers/ids #查看kafka节点 # 停止kafka bin/kafka-server-stop.sh
server.properties核心配置详解:
property | default | description |
broker.id | 0 | 每个broker都可以用一个唯一的非负整数id进行标识;这个id可以作为broker的“名字”,你可以选择任意你喜欢的数字作为id,只要id是唯一的即可。 |
log.dirs | /tmp/kafka-logs | kafka存放数据的路径。这个路径并不是唯一的,可以是多个,路径之间只需要使用逗号分隔即可;每当创建新partition时,都会选择在包含最少partitions的路径下进行。 |
listeners | plaintext://192.168.65.60:9092 | server接受客户端连接的端口,ip配置kafka本机ip即可 |
zookeeper.connect | localhost:2181 | zookeeper连接字符串的格式为:hostname:port,此处hostname和port分别是zookeeper集群中某个节点的host和port;zookeeper如果是集群,连接方式为 hostname1:port1, hostname2:port2, hostname3:port3 |
log.retention.hours | 168 | 每个日志文件删除之前保存的时间。默认数据保存时间对所有topic都一样。 |
num.partitions | 1 | 创建topic的默认分区数 |
default.replication.factor | 1 | 自动创建topic的默认副本数量,建议设置为大于等于2 |
min.insync.replicas | 1 | 当producer设置acks为-1时,min.insync.replicas指定replicas的最小数目(必须确认每一个repica的写数据都是成功的),如果这个数目没有达到,producer发送消息会产生异常 |
delete.topic.enable | false | 是否允许删除主题 |
第四步:创建主题
现在我们来创建一个名字为“test”的topic,这个topic只有一个partition,并且备份因子也设置为1:
bin/kafka-topics.sh –create –zookeeper 192.168.65.60:2181 –replication-factor 1 –partitions 1 –topic test
现在我们可以通过以下命令来查看kafka中目前存在的topic
bin/kafka-topics.sh –list –zookeeper 192.168.65.60:2181
除了我们通过手工的方式创建topic,当producer发布一个消息到某个指定的topic,这个topic如果不存在,就自动创建。
删除主题
bin/kafka-topics.sh –delete –topic test –zookeeper 192.168.65.60:2181
第五步:发送消息
kafka自带了一个producer命令客户端,可以从本地文件中读取内容,或者我们也可以以命令行中直接输入内容,并将这些内容以消息的形式发送到kafka集群中。在默认情况下,每一个行会被当做成一个独立的消息。
首先我们要运行发布消息的脚本,然后在命令中输入要发送的消息的内容:
bin/kafka-console-producer.sh –broker-list 192.168.65.60:9092 –topic test >this is a msg >this is a another msg
第六步:消费消息
对于consumer,kafka同样也携带了一个命令行客户端,会将获取到内容在命令中进行输出,默认是消费最新的消息:
bin/kafka-console-consumer.sh –bootstrap-server 192.168.65.60:9092 –topic test
如果想要消费之前的消息可以通过–from-beginning参数指定,如下命令:
bin/kafka-console-consumer.sh –bootstrap-server 192.168.65.60:9092 –from-beginning –topic test
如果你是通过不同的终端窗口来运行以上的命令,你将会看到在producer终端输入的内容,很快就会在consumer的终端窗口上显示出来。
以上所有的命令都有一些附加的选项;当我们不携带任何参数运行命令的时候,将会显示出这个命令的详细用法。
消费多主题
bin/kafka-console-consumer.sh –bootstrap-server 192.168.65.60:9092 –whitelist “test|test-2”
单播消费
一条消息只能被某一个消费者消费的模式,类似queue模式,只需让所有消费者在同一个消费组里即可
分别在两个客户端执行如下消费命令,然后往主题里发送消息,结果只有一个客户端能收到消息
bin/kafka-console-consumer.sh –bootstrap-server 192.168.65.60:9092 –consumer-property group.id=testgroup –topic test
多播消费
一条消息能被多个消费者消费的模式,类似publish-subscribe模式费,针对kafka同一条消息只能被同一个消费组下的某一个消费者消费的特性,要实现多播只要保证这些消费者属于不同的消费组即可。我们再增加一个消费者,该消费者属于testgroup-2消费组,结果两个客户端都能收到消息
bin/kafka-console-consumer.sh –bootstrap-server 192.168.65.60:9092 –consumer-property group.id=testgroup-2 –topic test
查看消费组名
bin/kafka-consumer-groups.sh –bootstrap-server 192.168.65.60:9092 –list
查看消费组的消费偏移量
bin/kafka-consumer-groups.sh –bootstrap-server 192.168.65.60:9092 –describe –group testgroup
current-offset:当前消费组的已消费偏移量
log-end-offset:主题对应分区消息的结束偏移量(hw)
lag:当前消费组未消费的消息数
主题topic和消息日志log
可以理解topic是一个类别的名称,同类消息发送到同一个topic下面。对于每一个topic,下面可以有多个分区(partition)日志文件:
partition是一个有序的message序列,这些message按顺序添加到一个叫做commit log的文件中。每个partition中的消息都有一个唯一的编号,称之为offset,用来唯一标示某个分区中的message。
每个partition,都对应一个commit log文件。一个partition中的message的offset都是唯一的,但是不同的partition中的message的offset可能是相同的。
kafka一般不会删除消息,不管这些消息有没有被消费。只会根据配置的日志保留时间(log.retention.hours)确认消息多久被删除,默认保留最近一周的日志消息。kafka的性能与保留的消息数据量大小没有关系,因此保存大量的数据消息日志信息不会有什么影响。
每个consumer是基于自己在commit log中的消费进度(offset)来进行工作的。在kafka中,消费offset由consumer自己来维护;一般情况下我们按照顺序逐条消费commit log中的消息,当然我可以通过指定offset来重复消费某些消息,或者跳过某些消息。
这意味kafka中的consumer对集群的影响是非常小的,添加一个或者减少一个consumer,对于集群或者其他consumer来说,都是没有影响的,因为每个consumer维护各自的消费offset。
创建多个分区的主题:
bin/kafka-topics.sh –create –zookeeper 192.168.65.60:2181 –replication-factor 1 –partitions 2 –topic test1
查看下topic的情况
bin/kafka-topics.sh –describe –zookeeper 192.168.65.60:2181 –topic test1
- leader节点负责给定partition的所有读写请求。
- replicas 表示某个partition在哪几个broker上存在备份。不管这个几点是不是”leader“,甚至这个节点挂了,也会列出。
- isr 是replicas的一个子集,它只列出当前还存活着的,并且已同步备份了该partition的节点。
增加topic的分区数量(目前kafka不支持减少分区):
bin/kafka-topics.sh -alter –partitions 3 –zookeeper 192.168.65.60:2181 –topic test
可以这么来理解topic,partition和broker
一个topic,代表逻辑上的一个业务数据集,比如按数据库里不同表的数据操作消息区分放入不同topic,订单相关操作消息放入订单topic,用户相关操作消息放入用户topic,对于大型网站来说,后端数据都是海量的,订单消息很可能是非常巨量的,比如有几百个g甚至达到tb级别,如果把这么多数据都放在一台机器上肯定会有容量限制问题,那么就可以在topic内部划分多个partition来分片存储数据,不同的partition可以位于不同的机器上,每台机器上都运行一个kafka的进程broker。
为什么要对topic下数据进行分区存储?
1、commit log文件会受到所在机器的文件系统大小的限制,分区之后可以将不同的分区放在不同的机器上,相当于对数据做了分布式存储,理论上一个topic可以处理任意数量的数据。
2、为了提高并行度。
kafka集群实战
对于kafka来说,一个单独的broker意味着kafka集群中只有一个节点。要想增加kafka集群中的节点数量,只需要多启动几个broker实例即可。为了有更好的理解,现在我们在一台机器上同时启动三个broker实例。
首先,我们需要建立好其他2个broker的配置文件:
cp config/server.properties config/server-1.properties
cp config/server.properties config/server-2.properties
配置文件的需要修改的内容分别如下:
config/server-1.properties:
#broker.id属性在kafka集群中必须要是唯一 broker.id=1 #kafka部署的机器ip和提供服务的端口号 listeners=
plaintext://192.168.65.60:9093 log.dir=/usr/local/data/kafka-logs-1 #kafka连接zookeeper的地址,要把多个kafka实例组成集群,对应连接的zookeeper必须相同 zookeeper.connect=192.168.65.60:2181
config/server-2.properties:
broker.id=2 listeners=plaintext://192.168.65.60:9094 log.dir=/usr/local/data/kafka-logs-2 zookeeper.connect=192.168.65.60:2181
目前我们已经有一个zookeeper实例和一个broker实例在运行了,现在我们只需要在启动2个broker实例即可:
bin/kafka-server-start.sh -daemon config/server-1.properties bin/kafka-server-start.sh -daemon config/server-2.properties
查看zookeeper确认集群节点是否都注册成功:
创建一个新的topic,副本数设置为3,分区数设置为2:
bin/kafka-topics.sh –create –zookeeper 192.168.65.60:2181 –replication-factor 3 –partitions 2 –topic my-replicated-topic
查看下topic的情况
bin/kafka-topics.sh –describe –zookeeper 192.168.65.60:2181 –topic my-replicated-topic
- leader节点负责给定partition的所有读写请求,同一个主题不同分区leader副本一般不一样(为了容灾)
- replicas 表示某个partition在哪几个broker上存在备份。不管这个几点是不是”leader“,甚至这个节点挂了,也会列出。
- isr 是replicas的一个子集,它只列出当前还存活着的,并且已同步备份了该partition的节点。
kafka将很多集群关键信息记录在zookeeper里,保证自己的无状态,从而在水平扩容时非常方便。
集群消费
log的partitions分布在kafka集群中不同的broker上,每个broker可以请求备份其他broker上partition上的数据。kafka集群支持配置一个partition备份的数量。
针对每个partition,都有一个broker起到“leader”的作用,0个或多个其他的broker作为“follwers”的作用。leader处理所有的针对这个partition的读写请求,而followers被动复制leader的结果,不提供读写(主要是为了保证多副本数据与消费的一致性)。如果这个leader失效了,其中的一个follower将会自动地变成新的leader。
producers
生产者将消息发送到topic中去,同时负责选择将message发送到topic的哪一个partition中。通过round-robin做简单的负载均衡。也可以根据消息中的某一个关键字来进行区分。通常第二种方式使用得更多。
consumers
传统的消息传递模式有2种:队列( queue) 和(publish-subscribe)
- queue模式:多个consumer从服务器中读取数据,消息只会到达一个consumer。
- publish-subscribe模式:消息会被广播给所有的consumer。
kafka基于这2种模式提供了一种consumer的抽象概念:consumer group。
- queue模式:所有的consumer都位于同一个consumer group 下。
- publish-subscribe模式:所有的consumer都有着自己唯一的consumer group。
由2个broker组成的kafka集群,某个主题总共有4个partition(p0-p3),分别位于不同的broker上。这个集群由2个consumer group消费, a有2个consumer instances ,b有4个。
通常一个topic会有几个consumer group,每个consumer group都是一个逻辑上的订阅者( logical subscriber )。每个consumer group由多个consumer instance组成,从而达到可扩展和容灾的功能。
消费顺序
一个partition同一个时刻在一个consumer group中只能有一个consumer instance在消费,从而保证消费顺序。
consumer group中的consumer instance的数量不能比一个topic中的partition的数量多,否则,多出来的consumer消费不到消息。
kafka只在partition的范围内保证消息消费的局部顺序性,不能在同一个topic中的多个partition中保证总的消费顺序性。
如果有在总体上保证消费顺序的需求,那么我们可以通过将topic的partition数量设置为1,将consumer group中的consumer instance数量也设置为1,但是这样会影响性能,所以kafka的顺序消费很少用。
java客户端访问kafka
引入maven依赖
<dependency> <groupid>org.apache.kafka</groupid> <artifactid>kafka-clients</artifactid> <version>2.4.1</version> </dependency>
消息发送端代码(生产者)
package com.yundasys.usercenter.collect.api.vo.req;
import com.alibaba.fastjson.json;
import com.fasterxml.jackson.databind.ser.std.stringserializer;
import org.apache.kafka.clients.producer.*;
import java.util.properties;
import java.util.concurrent.countdownlatch;
import java.util.concurrent.executionexception;
import java.util.concurrent.timeunit;
/**
* @program: usercenter-portrait-collect
* @description: msgproducer
* @author: yxh-word
* @create: 2021-07-14
* @version: v1.0.0 创建文件, yxh-word, 2021-07-14
**/
public class msgproducer {
private final static string topic_name = "my-replicated-topic";
public static void main(string[] args) throws interruptedexception, executionexception {
properties props = new properties();
props.put(producerconfig.bootstrap_servers_config, "192.168.65.60:9092,192.168.65.60:9093,192.168.65.60:9094");
/*
发出消息持久化机制参数
(1)acks=0: 表示producer不需要等待任何broker确认收到消息的回复,就可以继续发送下一条消息。性能最高,但是最容易丢消息。
(2)acks=1: 至少要等待leader已经成功将数据写入本地log,但是不需要等待所有follower是否成功写入。就可以继续发送下一
条消息。这种情况下,如果follower没有成功备份数据,而此时leader又挂掉,则消息会丢失。
(3)acks=-1或all: 需要等待 min.insync.replicas(默认为1,推荐配置大于等于2) 这个参数配置的副本个数都成功写入日志,这种策略会保证
只要有一个备份存活就不会丢失数据。这是最强的数据保证。一般除非是金融级别,或跟钱打交道的场景才会使用这种配置。
*/
/*props.put(producerconfig.acks_config, "1");
*//*
发送失败会重试,默认重试间隔100ms,重试能保证消息发送的可靠性,但是也可能造成消息重复发送,比如网络抖动,所以需要在
接收者那边做好消息接收的幂等性处理
*//*
props.put(producerconfig.retries_config, 3);
//重试间隔设置
props.put(producerconfig.retry_backoff_ms_config, 300);
//设置发送消息的本地缓冲区,如果设置了该缓冲区,消息会先发送到本地缓冲区,可以提高消息发送性能,默认值是33554432,即32mb
props.put(producerconfig.buffer_memory_config, 33554432);
*//*
kafka本地线程会从缓冲区取数据,批量发送到broker,
设置批量发送消息的大小,默认值是16384,即16kb,就是说一个batch满了16kb就发送出去
*//*
props.put(producerconfig.batch_size_config, 16384);
*//*
默认值是0,意思就是消息必须立即被发送,但这样会影响性能
一般设置10毫秒左右,就是说这个消息发送完后会进入本地的一个batch,如果10毫秒内,这个batch满了16kb就会随batch一起被发送出去
如果10毫秒内,batch没满,那么也必须把消息发送出去,不能让消息的发送延迟时间太长
*//*
props.put(producerconfig.linger_ms_config, 10);*/
//把发送的key从字符串序列化为字节数组
props.put(producerconfig.key_serializer_class_config, stringserializer.class.getname());
//把发送消息value从字符串序列化为字节数组
props.put(producerconfig.value_serializer_class_config, stringserializer.class.getname());
producer<string, string> producer = new kafkaproducer<string, string>(props);
int msgnum = 5;
final countdownlatch countdownlatch = new countdownlatch(msgnum);
for (int i = 1; i <= msgnum; i++) {
order order = new order(i, 100 + i, 1, 1000.00);
//指定发送分区
/*producerrecord<string, string> producerrecord = new producerrecord<string, string>(topic_name
, 0, order.getorderid().tostring(), json.tojsonstring(order));*/
//未指定发送分区,具体发送的分区计算公式:hash(key)%partitionnum
producerrecord<string, string> producerrecord = new producerrecord<string, string>(topic_name
, order.getorderid().tostring(), json.tojsonstring(order));
//等待消息发送成功的同步阻塞方法
/*recordmetadata metadata = producer.send(producerrecord).get();
system.out.println("同步方式发送消息结果:" + "topic-" + metadata.topic() + "|partition-"
+ metadata.partition() + "|offset-" + metadata.offset());*/
//异步回调方式发送消息
producer.send(producerrecord, new callback() {
public void oncompletion(recordmetadata metadata, exception exception) {
if (exception != null) {
system.err.println("发送消息失败:" + exception.getstacktrace());
}
if (metadata != null) {
system.out.println("异步方式发送消息结果:" + "topic-" + metadata.topic() + "|partition-"
+ metadata.partition() + "|offset-" + metadata.offset());
}
countdownlatch.countdown();
}
});
//送积分 todo
}
countdownlatch.await(5, timeunit.seconds);
producer.close();
}
}
消费者代码
package com.yundasys.usercenter.collect.api.vo.req;
import com.fasterxml.jackson.databind.deser.std.stringdeserializer;
import org.apache.kafka.clients.consumer.consumerconfig;
import org.apache.kafka.clients.consumer.consumerrecord;
import org.apache.kafka.clients.consumer.consumerrecords;
import org.apache.kafka.clients.consumer.kafkaconsumer;
import java.time.duration;
import java.util.arrays;
import java.util.properties;
/**
* @program: usercenter-portrait-collect
* @description: msgconsumer
* @author: yxh-word
* @create: 2021-07-14
* @version: v1.0.0 创建文件, yxh-word, 2021-07-14
**/
public class msgconsumer {
private final static string topic_name = "my-replicated-topic";
private final static string consumer_group_name = "testgroup";
public static void main(string[] args) {
properties props = new properties();
props.put(consumerconfig.bootstrap_servers_config, "192.168.65.60:9092,192.168.65.60:9093,192.168.65.60:9094");
// 消费分组名
props.put(consumerconfig.group_id_config, consumer_group_name);
// 是否自动提交offset,默认就是true
props.put(consumerconfig.enable_auto_commit_config, "true");
// 自动提交offset的间隔时间
props.put(consumerconfig.auto_commit_interval_ms_config, "1000");
//props.put(consumerconfig.enable_auto_commit_config, "false");
/*
当消费主题的是一个新的消费组,或者指定offset的消费方式,offset不存在,那么应该如何消费
latest(默认) :只消费自己启动之后发送到主题的消息
earliest:第一次从头开始消费,以后按照消费offset记录继续消费,这个需要区别于consumer.seektobeginning(每次都从头开始消费)
*/
//props.put(consumerconfig.auto_offset_reset_config, "earliest");
/*
consumer给broker发送心跳的间隔时间,broker接收到心跳如果此时有rebalance发生会通过心跳响应将
rebalance方案下发给consumer,这个时间可以稍微短一点
*/
props.put(consumerconfig.heartbeat_interval_ms_config, 1000);
/*
服务端broker多久感知不到一个consumer心跳就认为他故障了,会将其踢出消费组,
对应的partition也会被重新分配给其他consumer,默认是10秒
*/
props.put(consumerconfig.session_timeout_ms_config, 10 * 1000);
//一次poll最大拉取消息的条数,如果消费者处理速度很快,可以设置大点,如果处理速度一般,可以设置小点
props.put(consumerconfig.max_poll_records_config, 500);
/*
如果两次poll操作间隔超过了这个时间,broker就会认为这个consumer处理能力太弱,
会将其踢出消费组,将分区分配给别的consumer消费
*/
props.put(consumerconfig.max_poll_interval_ms_config, 30 * 1000);
props.put(consumerconfig.key_deserializer_class_config, stringdeserializer.class.getname());
props.put(consumerconfig.value_deserializer_class_config, stringdeserializer.class.getname());
kafkaconsumer<string, string> consumer = new kafkaconsumer<string, string>(props);
consumer.subscribe(arrays.aslist(topic_name));
// 消费指定分区
//consumer.assign(arrays.aslist(new topicpartition(topic_name, 0)));
//消息回溯消费
/*consumer.assign(arrays.aslist(new topicpartition(topic_name, 0)));
consumer.seektobeginning(arrays.aslist(new topicpartition(topic_name, 0)));*/
//指定offset消费
/*consumer.assign(arrays.aslist(new topicpartition(topic_name, 0)));
consumer.seek(new topicpartition(topic_name, 0), 10);*/
//从指定时间点开始消费
/*list<partitioninfo> topicpartitions = consumer.partitionsfor(topic_name);
//从1小时前开始消费
long fetchdatatime = new date().gettime() - 1000 * 60 * 60;
map<topicpartition, long> map = new hashmap<>();
for (partitioninfo par : topicpartitions) {
map.put(new topicpartition(topicname, par.partition()), fetchdatatime);
}
map<topicpartition, offsetandtimestamp> parmap = consumer.offsetsfortimes(map);
for (map.entry<topicpartition, offsetandtimestamp> entry : parmap.entryset()) {
topicpartition key = entry.getkey();
offsetandtimestamp value = entry.getvalue();
if (key == null || value == null) continue;
long offset = value.offset();
system.out.println("partition-" + key.partition() + "|offset-" + offset);
system.out.println();
//根据消费里的timestamp确定offset
if (value != null) {
consumer.assign(arrays.aslist(key));
consumer.seek(key, offset);
}
}*/
while (true) {
/*
* poll() api 是拉取消息的长轮询
*/
consumerrecords<string, string> records = consumer.poll(duration.ofmillis(1000));
for (consumerrecord<string, string> record : records) {
system.out.printf("收到消息:partition = %d,offset = %d, key = %s, value = %s%n", record.partition(),
record.offset(), record.key(), record.value());
}
/*if (records.count() > 0) {
// 手动同步提交offset,当前线程会阻塞直到offset提交成功
// 一般使用同步提交,因为提交之后一般也没有什么逻辑代码了
consumer.commitsync();
// 手动异步提交offset,当前线程提交offset不会阻塞,可以继续处理后面的程序逻辑
consumer.commitasync(new offsetcommitcallback() {
@override
public void oncomplete(map<topicpartition, offsetandmetadata> offsets, exception exception) {
if (exception != null) {
system.err.println("commit failed for " + offsets);
system.err.println("commit failed exception: " + exception.getstacktrace());
}
}
});
}*/
}
}
}
spring boot整合kafka
引入spring boot kafka依赖:
<dependency> <groupid>org.springframework.kafka</groupid> <artifactid>spring-kafka</artifactid> </dependency>
application.yml配置如下:
server:
port: 8080
spring:
kafka:
bootstrap-servers: 192.168.65.60:9092,192.168.65.60:9093,192.168.65.60:9094
producer: # 生产者
retries: 3 # 设置大于0的值,则客户端会将发送失败的记录重新发送
batch-size: 16384
buffer-memory: 33554432
acks: 1
# 指定消息key和消息体的编解码方式
key-serializer: org.apache.kafka.common.serialization.stringserializer
value-serializer: org.apache.kafka.common.serialization.stringserializer
consumer:
group-id: default-group
enable-auto-commit: false
auto-offset-reset: earliest
key-deserializer: org.apache.kafka.common.serialization.stringdeserializer
value-deserializer: org.apache.kafka.common.serialization.stringdeserializer
listener:
# 当每一条记录被消费者监听器(listenerconsumer)处理之后提交
# record
# 当每一批poll()的数据被消费者监听器(listenerconsumer)处理之后提交
# batch
# 当每一批poll()的数据被消费者监听器(listenerconsumer)处理之后,距离上次提交时间大于time时提交
# time
# 当每一批poll()的数据被消费者监听器(listenerconsumer)处理之后,被处理record数量大于等于count时提交
# count
# time | count 有一个条件满足时提交
# count_time
# 当每一批poll()的数据被消费者监听器(listenerconsumer)处理之后, 手动调用acknowledgment.acknowledge()后提交
# manual
# 手动调用acknowledgment.acknowledge()后立即提交,一般使用这种
# manual_immediate
ack-mode: manual_immediate
生产者代码:
package com.yundasys.usercenter.collect.api.vo.req;
import org.springframework.beans.factory.annotation.autowired;
import org.springframework.kafka.core.kafkatemplate;
import org.springframework.web.bind.annotation.requestmapping;
/**
* @program: usercenter-portrait-collect
* @description: kafkacontroller
* @author: yxh-word
* @create: 2021-07-14
* @version: v1.0.0 创建文件, yxh-word, 2021-07-14
**/
public class kafkacontroller {
private final static string topic_name = "my-replicated-topic";
@autowired
private kafkatemplate<string, string> kafkatemplate;
@requestmapping("/send")
public void send() {
kafkatemplate.send(topic_name, 0, "key", "this is a msg");
}
}
消费者代码:
package com.yundasys.usercenter.collect.api.vo.req;
import org.apache.kafka.clients.consumer.consumerrecord;
import org.springframework.kafka.annotation.kafkalistener;
import org.springframework.kafka.support.acknowledgment;
/**
* @program: usercenter-portrait-collect
* @description: myconsumer
* @author: yxh-word
* @create: 2021-07-14
* @version: v1.0.0 创建文件, yxh-word, 2021-07-14
**/
public class myconsumer {
/**
* @kafkalistener(groupid = "testgroup", topicpartitions = {
* @topicpartition(topic = "topic1", partitions = {"0", "1"}),
* @topicpartition(topic = "topic2", partitions = "0",
* partitionoffsets = @partitionoffset(partition = "1", initialoffset = "100"))
* },concurrency = "6")
* //concurrency就是同组下的消费者个数,就是并发消费数,必须小于等于分区总数
* @param record
*/
@kafkalistener(topics = "my-replicated-topic",groupid = "yundagroup")
public void listenzhugegroup(consumerrecord<string, string> record, acknowledgment ack) {
string value = record.value();
system.out.println(value);
system.out.println(record);
//手动提交offset
ack.acknowledge();
}
/*//配置多个消费组
@kafkalistener(topics = "my-replicated-topic",groupid = "likegroup")
public void listentulinggroup(consumerrecord<string, string> record, acknowledgment ack) {
string value = record.value();
system.out.println(value);
system.out.println(record);
ack.acknowledge();
}*/
}
下一篇: ajax框架教程(详解ajax框架作用)