kafka客户端代码解析

转载：http://backend.blog.163.com/blog/static/202294126201431724652597/

可以使用服务器端下载的kafka二进制包及依赖，也可以通过mavne获取(注意实测发现该方式拿到的包是用jdk7打的)：

<dependency>

<groupId>com.sksamuel.kafka</groupId>

<artifactId>kafka_2.10</artifactId>

<version>0.8.0-beta1</version>

</dependency>

 

生产者

下面是开发生产者代码的例子：

Properties props = new Properties();

//指定kafka节点：注意这里无需指定集群中所有Boker，只要指定其中部分即可，它会自动取meta信息并连接到对应的Boker节点

props.put("metadata.broker.list", "172.17.1.163:9093");

//指定采用哪种序列化方式将消息传输给Boker,你也可以在发送消息的时候指定序列化类型，不指定则以此为默认序列化类型

props.put("serializer.class", "kafka.serializer.StringEncoder");

//指定消息发送对应分区方式，若不指定，则随机发送到一个分区，也可以在发送消息的时候指定分区类型。

props.put("partitioner.class", "example.producer.SimplePartitioner");

//该属性表示你需要在消息被接收到的时候发送ack给发送者。以保证数据不丢失

props.put("request.required.acks", "1");

ProducerConfig config = new ProducerConfig(props);

//申明生产者：泛型1为分区key类型，泛型2为消息类型

Producer<String, String> producer = new Producer<String, String>(config);

//创建KeyedMessage发送消息，参数1为topic名，参数2为分区名（若为null则随机发到一个分区），参数3为消息

producer.send(new KeyedMessage<String,String>("topic","partitionKey1","msg1"));

producer.close();

 

//自定义分区：

public class SimplePartitioner implements Partitioner<String> {

    public SimplePartitioner (VerifiableProperties props) {

    }

 

    public int partition(String key, int a_numPartitions) {

       return key.length()%a_numPartitions;

  } 

}

 

消费者

 

消费者api分上层api和底层api，这里是采用上层api的消费者例子（无需关系消息的offset，只是希望获得数据）

注意：

1.上层api将会内部实现持久化每个分区最后读到的消息的offset，数据保存在zookeeper中的消费组名中(如/consumers/id1/offsets/test2/2。其中id1是消费组，test2是topic，最后一个2表示第3个分区)，每间隔一个很短的时间更新一次offset，那么可能在重启消费者时拿到重复的消息。此外，当分区leader发生变更时也可能拿到重复的消息。因此在关闭消费者时最好等待一定时间（10s）然后再shutdown()

2.消费组名是一个全局的信息，要注意在新的消费者启动之前旧的消费者要关闭。如果新的进程启动并且消费组名相同，kafka会添加这个进程到可用消费线程组中用来消费topic和触发重新分配负载均衡，那么同一个分区的消息就有可能发送到不同的进程中。

3.如果消费的线程多于分区数，一些线程可能永远无法看到一些消息。

4.如果分区数多于线程数，一些线程会收到多个分区的消息

5.如果一个线程对应了多个分区，那么接收到的消息是不能保证顺序的。

备注：可用zk的命令查询：get /consumers/id1/owners/test3/2其中id1为消费组，test3为topic,2为分区3.查看里面的内容如：id1_163-PC-1382409386474-1091aef2-1表示该分区被该标示的线程所执行。

下面举例：

Properties props = new Properties();

// 指定zookeeper服务器地址

props.put("zookeeper.connect", "172.17.1.163:2181");

// 指定消费组（没有它会自动添加）

props.put("group.id", "id1");

// 指定kafka等待多久zookeeper回复（ms）以便放弃并继续消费。

props.put("zookeeper.session.timeout.ms", "4000");

// 指定zookeeper同步最长延迟多久再产生异常

props.put("zookeeper.sync.time.ms", "2000");

// 指定多久消费者更新offset到zookeeper中。注意offset更新时基于time而不是每次获得的消息。一旦在更新zookeeper发生异常并重启，将可能拿到已拿到过的消息

props.put("auto.commit.interval.ms", "1000");

ConsumerConnector consumer = Consumer

.createJavaConsumerConnector(new ConsumerConfig(props));

 

// 我们要告诉kafka该进程会有多少个线程来处理对应的topic

Map<String, Integer> topicCountMap = new HashMap<String, Integer>();

int a_numThreads = 3;

// 用3个线程来处理topic:test2

topicCountMap.put("test2", a_numThreads);

// 拿到每个stream对应的topic

Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer

.createMessageStreams(topicCountMap);

List<KafkaStream<byte[], byte[]>> streams = consumerMap.get("test2");

 

// 调用thread pool来处理topic

ExecutorService executor = Executors.newFixedThreadPool(a_numThreads);

for (final KafkaStream stream : streams) {

executor.submit(new Runnable() {

public void run() {

ConsumerIterator<byte[], byte[]> it = stream.iterator();

while (it.hasNext()) {

System.out.println(Thread.currentThread() + ":"

+ new String(it.next().message()));

}

}

});

}

System.in.read();

// 关闭

if (consumer != null) consumer.shutdown();

if (executor != null) executor.shutdown();

 

 

下面是采用底层api实现的消费者（需要多次读消息，或从部分分区里读数据，或用事务保证消息只处理一次）

 

注意：

1.你必须自己实现当停止消费时如何持久化offset

2.你必须自己找到哪个broker是leader以便处理topic和分区

3.你必须自己处理leader变更

 

使用阶段：

1.找到那些broker是leader以便读取topic和partition

2.自己决定哪个副本作为你的topic和分区

3.建立自己需要请求并自定义获取你感兴趣的数据

4.获取数据

5.当leader变更时自己识别和恢复。

例子：

String topic = "test2";

int partition = 1;

String brokers = "172.17.1.163:9093";

int maxReads = 100; // 读多少条数据

// 1.找leader

PartitionMetadata metadata = null;

for (String ipPort : brokers.split(",")) {

//我们无需要把所有的brokers列表加进去，目的只是为了获得metedata信息，故只要有broker可连接即可

SimpleConsumer consumer = null;

try {

String[] ipPortArray = ipPort.split(":");

consumer = new SimpleConsumer(ipPortArray[0],

Integer.parseInt(ipPortArray[1]), 100000, 64 * 1024,

"leaderLookup");

List<String> topics = new ArrayList<String>();

topics.add(topic);

TopicMetadataRequest req = new TopicMetadataRequest(topics);

// 取meta信息

TopicMetadataResponse resp = consumer.send(req);

 

//获取topic的所有metedate信息(目测只有一个metedata信息，何来多个？)

List<TopicMetadata> metaData = resp.topicsMetadata();

for (TopicMetadata item : metaData) {

for (PartitionMetadata part : item.partitionsMetadata()) {

//获取每个meta信息的分区信息,这里我们只取我们关心的partition的metedata

System.out.println("----"+part.partitionId());

if (part.partitionId() == partition) {

metadata = part;

break;

}

}

}

} catch (Exception e) {

System.out.println("Error communicating with Broker [" + ipPort

+ "] to find Leader for [" + topic + ", " + partition

+ "] Reason: " + e);

} finally {

if (consumer != null)

consumer.close();

}

}

if (metadata == null || metadata.leader() == null) {

System.out.println("meta data or leader not found, exit.");

return;

}

// 拿到leader

Broker leadBroker = metadata.leader();

// 获取所有副本

System.out.println(metadata.replicas());

 

// 2.获取lastOffset(这里提供了两种方式：从头取或从最后拿到的开始取，下面这个是从头取)

long whichTime = kafka.api.OffsetRequest.EarliestTime();

//这个是从最后拿到的开始取

// long whichTime = kafka.api.OffsetRequest.LatestTime();

System.out.println("lastTime:"+whichTime);

String clientName = "Client_" + topic + "_" + partition;

SimpleConsumer consumer = new SimpleConsumer(leadBroker.host(),

leadBroker.port(), 100000, 64 * 1024, clientName);

TopicAndPartition topicAndPartition = new TopicAndPartition(topic,

partition);

Map<TopicAndPartition, PartitionOffsetRequestInfo> requestInfo = new HashMap<TopicAndPartition, PartitionOffsetRequestInfo>();

requestInfo.put(topicAndPartition, new PartitionOffsetRequestInfo(

whichTime, 1));

OffsetRequest request = new OffsetRequest(requestInfo,

kafka.api.OffsetRequest.CurrentVersion(), clientName);

// 获取指定时间前有效的offset列表

OffsetResponse response = consumer.getOffsetsBefore(request);

if (response.hasError()) {

System.out

.println("Error fetching data Offset Data the Broker. Reason: "

+ response.errorCode(topic, partition));

return;

}

// 千万不要认为offset一定是从0开始的

long[] offsets = response.offsets(topic, partition);

System.out.println("offset list:" + Arrays.toString(offsets));

long offset = offsets[0];

 

// 读数据

while (maxReads > 0) {

// 注意不要调用里面的replicaId()方法，这是内部使用的。

FetchRequest req = new FetchRequestBuilder().clientId(clientName)

.addFetch(topic, partition, offset, 100000).build();

FetchResponse fetchResponse = consumer.fetch(req);

if (fetchResponse.hasError()) {

// 出错处理。这里只直接返回了。实际上可以根据出错的类型进行判断，如code == ErrorMapping.OffsetOutOfRangeCode()表示拿到的offset错误

// 一般出错处理可以再次拿offset,或重新找leader，重新建立consumer。可以将上面的操作都封装成方法。再在该循环来进行消费

// 当然，在取所有leader的同时可以用metadata.replicas()更新最新的节点信息。另外zookeeper可能不会立即检测到有节点挂掉，故如果发现老的leader和新的leader一样，可能是leader根本没挂，也可能是zookeeper还没检测到，总之需要等等。

short code = fetchResponse.errorCode(topic, partition);

System.out.println("Error fetching data from the Broker:"

+ leadBroker + " Reason: " + code);

return;

}

//取一批消息

boolean empty = true;

for (MessageAndOffset messageAndOffset : fetchResponse.messageSet(

topic, partition)) {

empty = false;

long curOffset = messageAndOffset.offset();

//下面这个检测有必要，因为当消息是压缩的时候，通过fetch获取到的是一个整块数据。块中解压后不一定第一个消息就是offset所指定的。就是说存在再次取到已读过的消息。

if (curOffset < offset) {

System.out.println("Found an old offset: " + curOffset

+ " Expecting: " + offset);

continue;

}

// 可以通过当前消息知道下一条消息的offset是多少

offset = messageAndOffset.nextOffset();

ByteBuffer payload = messageAndOffset.message().payload();

byte[] bytes = new byte[payload.limit()];

payload.get(bytes);

System.out.println(String.valueOf(messageAndOffset.offset())

+ ": " + new String(bytes, "UTF-8"));

maxReads++;

}

//进入循环中，等待一会后获取下一批数据

if(empty){

Thread.sleep(1000);

}

}

// 退出（这里象征性的写一下）

if (consumer != null)

consumer.close();

另外还有采用hadoop专用api实现消息保存到hadoop中(这里略)

 

消费者配置

 

消费者或consumer.properties配置：

zookeeper.connect：zookeeper连接服务器地址

zookeeper.session.timeout.ms对zookeeper的session过期时间，默认6000ms，用于检测消费者是否挂掉，当消费者挂掉，其他消费者要等该指定时间才能检查到并且触发重新负载均衡

group.id：指定消费组

auto.commit.enable:是否自动提交：这里提交意味着客户端会自动定时更新offset到zookeeper.默认为true

auto.commit.interval.ms:自动更新时间。默认60 * 1000

auto.offset.reset：如果zookeeper没有offset值或offset值超出范围。那么就给个初始的offset。有smallest、largest、anything可选，分别表示给当前最小的offset、当前最大的offset、抛异常。默认largest

consumer.timeout.ms:如果一段时间没有收到消息，则抛异常。默认-1

fetch.message.max.bytes：每次取的块的大小（默认1024*1024），多个消息通过块来批量发送给消费者，指定块大小可以指定有多少消息可以一次取出。注意若一个消息就超过了该块指定的大小，它将拿不到

queued.max.message.chunks：最大取多少块缓存到消费者(默认10)。

更多配置可参见ConsumerConfig类

 

生产者配置

 

生产者或producer.properties配置：

metadata.broker.list:指定kafka节点列表，用于获取metadata，不必全部指定

request.required.acks:指定生产者发送请求如何确认完成：0（默认）表示生产者不用等待broker返回ack。1表示当有复本（该复本节点不一定是同步）收到了消息后发回ack给生产者（如果leader挂掉且刚好收到消息的复本也挂掉则消息丢失）。-1表示所有已同步的复本收到了消息后发回ack给生产者（可以保证只要有一个已同步的复本存活就不会有数据丢失）。

producer.type:同步还是异步，默认2表同步，1表异步。异步可以提高发送吞吐量，但是也可能导致丢失未发送过去的消息

queue.buffering.max.ms:如果是异步，指定每次发送最大间隔时间

queue.buffering.max.messages：如果是异步，指定每次发送缓存最大数据量

serializer.class：指定序列化处理类，默认为kafka.serializer.DefaultEncoder,即byte[]

key.serializer.class：单独序列化key处理类，默认和serializer.class一致

partitioner.class：指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到对应分区

message.send.max.retries：消息发送重试次数，默认3次

retry.backoff.ms：消息发送重试间隔次数

compression.codec：是否压缩，默认0表示不压缩，1表示用gzip压缩，2表示用snappy压缩。压缩后消息中会有头来指明消息压缩类型，故在消费者端消息解压是透明的无需指定。

compressed.topics：如果要压缩消息，这里指定哪些topic要压缩消息，默认empty，表示全压缩。

更多配置可参见ProducerConfig类