Kafka 详解(三)------Producer生产者
在第一篇博客我们了解到一个kafka系统,通常是生产者Producer 将消息发送到 Broker,然后消费者 Consumer 去 Broker 获取,那么本篇博客我们来介绍什么是生产者Producer。
1、生产者概览
我们知道一个系统在运行过程中会有很多消息产生,比如前面说的对于一个购物网站,通常会记录用户的活动,网站的运行度量指标以及一些日志消息等等,那么产生这些消息的组件我们都可以称为生产者。
而对于生产者产生的消息重要程度又有不同,是否都很重要不允许丢失,是否允许丢失一部分?以及是否有严格的延迟和吞吐量要求?
对于这些场景在 Kafka 中会有不同的配置,以及不同的 API 使用。
2、生产者发送消息步骤
下图是生产者向 Kafka 发送消息的主要步骤:
①、首先要构造一个 ProducerRecord 对象,该对象可以声明主题Topic、分区Partition、键 Key以及值 Value,主题和值是必须要声明的,分区和键可以不用指定。
②、调用send() 方法进行消息发送。
③、因为消息要到网络上进行传输,所以必须进行序列化,序列化器的作用就是把消息的 key 和 value对象序列化成字节数组。
④、接下来数据传到分区器,如果之间的 ProducerRecord 对象指定了分区,那么分区器将不再做任何事,直接把指定的分区返回;如果没有,那么分区器会根据 Key 来选择一个分区,选择好分区之后,生产者就知道该往哪个主题和分区发送记录了。
⑤、接着这条记录会被添加到一个记录批次里面,这个批次里所有的消息会被发送到相同的主题和分区。会有一个独立的线程来把这些记录批次发送到相应的 Broker 上。
③、Broker成功接收到消息,表示发送成功,返回消息的元数据(包括主题和分区信息以及记录在分区里的偏移量)。发送失败,可以选择重试或者直接抛出异常。
3、Java Producer API
首先在POM 文件中导入 kafka client。
- <dependency>
- <groupId>org.apache.kafka</groupId>
- <artifactId>kafka-clients</artifactId>
- <version>2.0.0</version>
- </dependency>
实例代码:
- package com.ys.utils;
- import org.apache.kafka.clients.producer.*;
- import java.util.Properties;
- /**
- * Create by YSOcean
- */
- public class KafkaProducerUtils {
- public static void main(String[] args) {
- Properties kafkaProperties = new Properties();
- //配置broker地址信息
- kafkaProperties.put("bootstrap.servers", "192.168.146.200:9092,192.168.146.201:9092,192.168.146.202:9092");
- //配置 key 的序列化器
- kafkaProperties.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
- //配置 value 的序列化器
- kafkaProperties.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
- //通过上面的配置文件生成 Producer 对象
- Producer producer = new KafkaProducer(kafkaProperties);
- //生成 ProducerRecord 对象,并制定 Topic,key 以及 value
- ProducerRecord<String,String> record =
- new ProducerRecord<String, String>("testTopic","key1","hello Producer");
- //发送消息
- producer.send(record);
- }
- }
通过运行上述代码,我们向名为 testTopic 的主题中发送了一条键为 key1,值为 hello Producer 的消息。
4、属性配置
在上面的实例中,我们配置了如下三个属性:
①、bootstrap.servers:该属性指定 brokers 的地址清单,格式为 host:port。清单里不需要包含所有的 broker 地址,生产者会从给定的 broker 里查找到其它 broker 的信息。——建议至少提供两个 broker 的信息,因为一旦其中一个宕机,生产者仍然能够连接到集群上。
②、key.serializer:将 key 转换为字节数组的配置,必须设定为一个实现了 org.apache.kafka.common.serialization.Serializer 接口的类,生产者会用这个类把键对象序列化为字节数组。——kafka 默认提供了 StringSerializer和 IntegerSerializer、ByteArraySerializer。当然也可以自定义序列化器。
③、value.serializer:和 key.serializer 一样,用于 value 的序列化。
以上三个属性是必须要配置的,下面还有一些别的属性可以不用配置,默认。
④、acks:此配置指定了必须要有多少个分区副本收到消息,生产者才会认为消息写入是成功的,这个参数保障了消息发送的可靠性。默认值为 1。
一、acks=0。生产者不会等待服务器的反馈,该消息会被立刻添加到 socket buffer 中并认为已经发送完成。也就是说,如果发送过程中发生了问题,导致服务器没有接收到消息,那么生产者也无法知道。在这种情况下,服务器是否收到请求是没法保证的,并且参数retries也不会生效(因为客户端无法获得失败信息)。每个记录返回的 offset 总是被设置为-1。好处就是由于生产者不需要等待服务器的响应,所以它可以以网络能够支持的最大速度发送消息,从而达到很高的吞吐量。
二、acks=1。只要集群首领收到消息,生产者就会收到一个来自服务器的成功响应。如果消息无法到达首领节点(比如首领节点崩溃,新首领还没有被选举出来),生产者会收到一个错误的响应,为了避免丢失消息,生产者会重发消息(根据配置的retires参数确定重发次数)。不过如果一个没有收到消息的节点成为首领,消息还是会丢失,这个时候的吞吐量取决于使用的是同步发送还是异步发送。
三、acks=all。只有当集群中参与复制的所有节点全部收到消息时,生产者才会收到一个来自服务器的成功响应。这种模式是最安全的,但是延迟最高。
⑤、buffer.memory:该参数用来设置生产者内存缓冲区的大小,生产者用它缓冲要发送到服务器的消息。默认值为33554432 字节。如果应用程序发送消息的速度超过发送到服务器的速度,那么会导致生产者内存不足。这个时候,send() 方法会被阻塞,如果阻塞的时间超过了max.block.ms (在kafka0.9版本之前为block.on.buffer.full 参数)配置的时长,则会抛出一个异常。
⑥、compression.type:该参数用于配置生产者生成数据时可以压缩的类型,默认值为 none(不压缩)。还可以指定snappy、gzip或lz4等类型,snappy 压缩算法占用较少的 CPU,gzip 压缩算法占用较多的 CPU,但是压缩比最高,如果网络带宽比较有限,可以使用该算法,使用压缩可以降低网络传输开销和存储开销,这往往是 kafka 发送消息的瓶颈所在。
⑦、retires:该参数用于配置当生产者发送消息到服务器失败,服务器返回错误响应时,生产者可以重发消息的次数,如果达到了这个次数,生产者会放弃重试并返回错误。默认情况下,生产者会在每次重试之间等待100ms,可以通过 retry.backoff.on 参数来改变这个时间间隔。
还有一些属性配置,可以参考官网:http://kafka.apachecn.org/documentation.html#producerconfigs
5、序列化器
前面我们介绍过,消息要到网络上进行传输,必须进行序列化,而序列化器的作用就是如此。
①、默认序列化器
Kafka 提供了默认的字符串序列化器(org.apache.kafka.common.serialization.StringSerializer),还有整型(IntegerSerializer)和字节数组(BytesSerializer)序列化器,这些序列化器都实现了接口(org.apache.kafka.common.serialization.Serializer)基本上能够满足大部分场景的需求。
下面是Kafka 实现的字符串序列化器 StringSerializer:
- //
- // Source code recreated from a .class file by IntelliJ IDEA
- // (powered by Fernflower decompiler)
- //
- package org.apache.kafka.common.serialization;
- import java.io.UnsupportedEncodingException;
- import java.util.Map;
- import org.apache.kafka.common.errors.SerializationException;
- public class StringSerializer implements Serializer<String> {
- private String encoding = "UTF8";
- public StringSerializer() {
- }
- public void configure(Map<String, ?> configs, boolean isKey) {
- String propertyName = isKey ? "key.serializer.encoding" : "value.serializer.encoding";
- Object encodingValue = configs.get(propertyName);
- if (encodingValue == null) {
- encodingValue = configs.get("serializer.encoding");
- }
- if (encodingValue instanceof String) {
- this.encoding = (String)encodingValue;
- }
- }
- public byte[] serialize(String topic, String data) {
- try {
- return data == null ? null : data.getBytes(this.encoding);
- } catch (UnsupportedEncodingException var4) {
- throw new SerializationException("Error when serializing string to byte[] due to unsupported encoding " + this.encoding);
- }
- }
- public void close() {
- }
- }
其中接口 serialization:
- //
- // Source code recreated from a .class file by IntelliJ IDEA
- // (powered by Fernflower decompiler)
- //
- package org.apache.kafka.common.serialization;
- import java.io.Closeable;
- import java.util.Map;
- public interface Serializer<T> extends Closeable {
- void configure(Map<String, ?> var1, boolean var2);
- byte[] serialize(String var1, T var2);
- void close();
- }
②、自定义序列化器
如果Kafka提供的几个默认序列化器不能满足要求,即发送到 Kafka 的消息不是简单的字符串或整型,那么我们可以自定义序列化器。
比如对于如下的实体类 Person:
- package com.ys.utils;
- /**
- * Create by YSOcean
- */
- public class Person {
- private String name;
- private int age;
- public String getName() {
- return name;
- }
- public void setName(String name) {
- this.name = name;
- }
- public int getAge() {
- return age;
- }
- public void setAge(int age) {
- this.age = age;
- }
- }
我们自定义一个 PersonSerializer:
- package com.ys.utils;
- import org.apache.kafka.common.serialization.Serializer;
- import java.io.UnsupportedEncodingException;
- import java.nio.ByteBuffer;
- import java.util.Map;
- /**
- * Create by YSOcean
- */
- public class PersonSerializer implements Serializer<Person> {
- @Override
- public void configure(Map map, boolean b) {
- //不做任何配置
- }
- @Override
- /**
- * Person 对象被序列化成:
- * 表示 age 的4 字节整数
- * 表示 name 长度的 4 字节整数(如果为空,则长度为0)
- * 表示 name 的 N 个字节
- */
- public byte[] serialize(String topic, Person data) {
- if(data == null){
- return null;
- }
- byte[] name;
- int stringSize;
- try {
- if(data.getName() != null){
- name = data.getName().getBytes("UTF-8");
- stringSize = name.length;
- }else{
- name = new byte[0];
- stringSize = 0;
- }
- ByteBuffer buffer = ByteBuffer.allocate(4+4+stringSize);
- buffer.putInt(data.getAge());
- buffer.putInt(stringSize);
- buffer.put(name);
- return buffer.array();
- } catch (UnsupportedEncodingException e) {
- e.printStackTrace();
- }
- return new byte[0];
- }
- @Override
- public void close() {
- //不需要关闭任何东西
- }
- }
上面例子序列化将Person类的 age 属性序列化为 4 个字节,后期如果该类发生更改,变为长整型 8 个字节,那么可能会存在新旧消息兼容性问题。
因此通常不建议自定义序列化器,可以使用下面介绍的已有的序列化框架。
③、序列化框架
上面我们知道自定义序列化器可能会存在新旧消息兼容性问题,需要我们手动去维护,那么为了省去此麻烦,我们可以使用一些已有的序列化框架。比如 JSON、Avro、Thrift 或者 Protobuf。
6、发送消息 send()
①、普通发送——发送就忘记
- //1、通过上面的配置文件生成 Producer 对象
- Producer producer = new KafkaProducer(kafkaProperties);
- //2、生成 ProducerRecord 对象,并制定 Topic,key 以及 value
- //创建名为testTopic的队列,键为testkey,值为testValue的ProducerRecord对象
- ProducerRecord<String,String> record =
- new ProducerRecord<>("testTopic","testkey","testValue");
- //3、发送消息
- producer.send(record);
通过配置文件构造一个生产者对象 producer,然后指定主题名称,键值对,构造一个 ProducerRecord 对象,最后使用生产者Producer 的 send() 方法发送 ProducerRecord 对象,send() 方法会返回一个包含 RecordMetadata 的 Future 对象,不过通常我们会忽略返回值。
和上面的名字一样——发送就忘记,生产者只管发送,并不管发送的结果是成功或失败。通常如果我们不关心发送结果,那么就可以使用此种方式。
②、同步发送
- //1、通过上面的配置文件生成 Producer 对象
- Producer producer = new KafkaProducer(kafkaProperties);
- //2、生成 ProducerRecord 对象,并制定 Topic,key 以及 value
- //创建名为testTopic的队列,键为testkey,值为testValue的ProducerRecord对象
- ProducerRecord<String,String> record =
- new ProducerRecord<>("testTopic","testkey","testValue");
- //3、同步发送消息
- try {
- //通过send()发送完消息后返回一个Future对象,然后调用Future对象的get()方法等待kafka响应
- //如果kafka正常响应,返回一个RecordMetadata对象,该对象存储消息的偏移量
- //如果kafka发生错误,无法正常响应,就会抛出异常,我们便可以进行异常处理
- producer.send(record).get();
- } catch (Exception e) {
- //4、异常处理
- e.printStackTrace();
- }
和上面普通发送消息一样,只不过这里我们调用了 Future 对象的 get() 方法来等待 kafka 服务器的响应,程序运行到这里会产生阻塞,直到获取kafka集群的响应。而这个响应有两种情况:
1、正常响应:返回一个 RecordMetadata 对象,通过该对象我们能够获取消息的偏移量、分区等信息。
2、异常响应:基本上来说会发生两种异常,
一类是可重试异常,该错误可以通过重发消息来解决。比如连接错误,可以通过再次连接后继续发送上一条未发送的消息;再比如集群没有首领(no leader),因为我们知道集群首领宕机之后,会有一个时间来进行首领的选举,如果这时候发送消息,肯定是无法发送的。
二类是无法重试异常,比如消息太大异常,对于这类异常,KafkaProducer 不会进行任何重试,直接抛出异常。
同步发送消息适合需要保证每条消息的发送结果,优点是能够精确的知道什么消息发送成功,什么消息发送失败,而对于失败的消息我们也可以采取措施进行重新发送。缺点则是增加了每条消息发送的时间,当发送消息频率很高时,此种方式便不适合了。
③、异步发送
有同步发送,基本上就会有异步发送了。同步发送每发送一条消息都得等待kafka服务器的响应,之后才能发送下一条消息,那么我们不是在错误产生时马上处理,而是记录异常日志,然后马上发送下一条消息,而这个异常再通过回调函数去处理,这就是异步发送。
1、首先我们要实现一个继承 org.apache.kafka.clients.producer.Callback 接口,然后实现其唯一的 onCompletion 方法。
- package com.ys.utils;
- import org.apache.kafka.clients.producer.Callback;
- import org.apache.kafka.clients.producer.RecordMetadata;
- /**
- * Create by YSOcean
- */
- public class KafkaCallback implements Callback{
- @Override
- public void onCompletion(RecordMetadata recordMetadata, Exception e) {
- if(e != null){
- //异常处理
- e.printStackTrace();
- }
- }
- }
2、发送消息时,传入这个回调类。
- //异步发送消息
- producer.send(record,new KafkaCallback());
Kafka 详解(三)------Producer生产者的更多相关文章
- Kafka详解三:开发Kafka应用
问题导读 1.Kafka系统由什么组成?2.Kafka中和producer相关的API是什么? 一.整体看一下Kafka 我们知道,Kafka系统有三大组件:Producer.Consu ...
- .NET DLL 保护措施详解(三)最终效果
针对.NET DLL 保护措施详解所述思路完成最终的实现,以下为程序包下载地址 下载 注意: 运行环境为.net4.0,需要安装VS2015 C++可发行组件包vc_redist.x86.exe.然后 ...
- Android 之窗口小部件详解(三) 部分转载
原文地址:http://blog.csdn.net/iefreer/article/details/4626274. (一) 应用程序窗口小部件App Widgets 应用程序窗口小部件(Widget ...
- WebSocket安卓客户端实现详解(三)–服务端主动通知
WebSocket安卓客户端实现详解(三)–服务端主动通知 本篇依旧是接着上一篇继续扩展,还没看过之前博客的小伙伴,这里附上前几篇地址 WebSocket安卓客户端实现详解(一)–连接建立与重连 We ...
- logback -- 配置详解 -- 三 -- <encoder>
附: logback.xml实例 logback -- 配置详解 -- 一 -- <configuration>及子节点 logback -- 配置详解 -- 二 -- <appen ...
- python设计模式之装饰器详解(三)
python的装饰器使用是python语言一个非常重要的部分,装饰器是程序设计模式中装饰模式的具体化,python提供了特殊的语法糖可以非常方便的实现装饰模式. 系列文章 python设计模式之单例模 ...
- Python操作redis字符串(String)详解 (三)
# -*- coding: utf-8 -*- import redis #这个redis不能用,请根据自己的需要修改 r =redis.Redis(host=") 1.SET 命令用于设置 ...
- pika详解(三)SelectConnection及其他Connection
pika详解(三)SelectConnection及其他Connection 本文链接:https://blog.csdn.net/comprel/article/details/94661147 ...
- Kafka 详解(转)
转载自:https://blog.csdn.net/lingbo229/article/details/80761778 Kafka Kafka是最初由Linkedin公司开发,是一个分布式.支持分区 ...
随机推荐
- Docker最全教程——从理论到实战(四)
往期内容链接 https://www.cnblogs.com/codelove/p/10030439.html https://www.cnblogs.com/codelove/p/10036608. ...
- [十]基础数据类型之Unicode编码简介
编码含义 关于编码的含义,之前也说过,计算机只能存储二进制序列 所以对于字符,保存的时候,需要进行编码为二进制,进行存储 呈现的时候,需要将二进制进行解码,转换成字符的形式 有很多种编码方式,比如 ...
- Python MetaClass深入分析
python元类是比较难理解和使用的.但是在一些特定的场合使用MetaClass又非常的方便.本文本着先拿来用的精神,将对元类的概念作简要介绍,并通过深入分析一个元类的例子,来体会其功能,并能够在实际 ...
- Shell编程(week4_day2)--技术流ken
本节内容 1. shell变量简介 2. 定义变量 3. 使用变量 4. 修改变量的值 5. 单引号和双引号的区别 6. 将命令的结果赋值给变量 7. 删除变量 8. 变量类型 9. 特殊变量列表 1 ...
- 关于 vue 不能 watch 数组变化 和 对象变化的解决方案
原文地址:关于 vue 不能 watch 数组变化 和 对象变化的解决方案 vue 监听数组和对象的变化 vue 监听数组 vue 实际上可以监听数组变化,比如: data () { return { ...
- linux 内核的优化
修改下面的这些参数,如果没有的话.直接复制进去就可以了 vim /etc/sysctl.conf 参数修改 vm.swappiness = net.ipv4.neigh. net.ipv4.conf. ...
- SQL使用总结
本文为转载:对于SQL的学习与使用,推荐大家去这儿,讲的很系统: http://www.w3school.com.cn/sql/index.asp 练习SQL的使用,推荐大家去这里: https:// ...
- 解决一个Ubuntu中编译NEON优化的OpenCV的错误
在Ubuntu 16中编译开启NEON优化的Opencv时,遇到libpng编译是使用汇编代码的错误,完整错误见文章末尾.通过查询发现解决方案是安装跨平台编译器,安装代码如下: sudo apt-ge ...
- Android远程桌面助手之性能监测篇
<Android下获取FPS的几种方法>一文中提到了Gamebench工具,它不仅可以获取FPS,还可以获取CPU及内存占用率等系统状态信息.其局限性也非常明显,切换应用时需要重新选择监控 ...
- 预置第三方apk到MTK项目相关问题总结
目前5.0之后项目预置方式通用步骤为: 建立apk文件夹; 置目标apk到该文件夹下; 解压缩apk查看是否包含lib/文件夹(apk项目是否包含lib库文件); 在该文件夹下编写Androi ...