apache kafkac系列lient发展-java

apache kafka区QQ群:162272557

1.依赖包

<dependency>

            <groupId>org.apache.kafka</groupId>

            <artifactId>kafka_2.10</artifactId>

            <version>0.8.1</version>

        </dependency>

2.producer程序开发样例

2.1 producer參数说明

#指定kafka节点列表。用于获取metadata，不必所有指定

metadata.broker.list=192.168.2.105:9092,192.168.2.106:9092

# 指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到相应分区

#partitioner.class=com.meituan.mafka.client.producer.CustomizePartitioner

 

# 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。

compression.codec=none

  

# 指定序列化处理类(mafka client API调用说明-->3.序列化约定wiki)，默觉得kafka.serializer.DefaultEncoder,即byte[]

serializer.class=com.meituan.mafka.client.codec.MafkaMessageEncoder

# serializer.class=kafka.serializer.DefaultEncoder

# serializer.class=kafka.serializer.StringEncoder

# 假设要压缩消息。这里指定哪些topic要压缩消息，默认empty，表示不压缩。

#compressed.topics=

 

########### request ack ###############

# producer接收消息ack的时机.默觉得0. 

# 0: producer不会等待broker发送ack 

# 1: 当leader接收到消息之后发送ack 

# 2: 当全部的follower都同步消息成功后发送ack. 

request.required.acks=0 

# 在向producer发送ack之前,broker同意等待的最大时间 

# 假设超时,broker将会向producer发送一个error ACK.意味着上一次消息由于某种 

# 原因未能成功(比方follower未能同步成功) 

request.timeout.ms=10000

########## end #####################

 

 

# 同步还是异步发送消息，默认“sync”表同步，"async"表异步。异步能够提高发送吞吐量,

# 也意味着消息将会在本地buffer中,并适时批量发送，可是也可能导致丢失未发送过去的消息

producer.type=sync

############## 异步发送 (下面四个异步參数可选) ####################

# 在async模式下,当message被缓存的时间超过此值后,将会批量发送给broker,默觉得5000ms

# 此值和batch.num.messages协同工作.

queue.buffering.max.ms = 5000

# 在async模式下,producer端同意buffer的最大消息量

# 不管怎样,producer都无法尽快的将消息发送给broker,从而导致消息在producer端大量沉积

# 此时,假设消息的条数达到阀值,将会导致producer端堵塞或者消息被抛弃，默觉得10000

queue.buffering.max.messages=20000

# 假设是异步，指定每次批量发送数据量。默觉得200

batch.num.messages=500

# 当消息在producer端沉积的条数达到"queue.buffering.max.meesages"后 

# 堵塞一定时间后,队列仍然没有enqueue(producer仍然没有发送出不论什么消息) 

# 此时producer能够继续堵塞或者将消息抛弃,此timeout值用于控制"堵塞"的时间 

# -1: 无堵塞超时限制,消息不会被抛弃 

# 0:马上清空队列,消息被抛弃 

queue.enqueue.timeout.ms=-1

################ end ###############

 

# 当producer接收到error ACK,或者没有接收到ACK时,同意消息重发的次数 

# 由于broker并没有完整的机制来避免消息反复,所以当网络异常时(比方ACK丢失) 

# 有可能导致broker接收到反复的消息,默认值为3.

message.send.max.retries=3

 

 

# producer刷新topic metada的时间间隔,producer须要知道partition leader的位置,以及当前topic的情况 

# 因此producer须要一个机制来获取最新的metadata,当producer遇到特定错误时,将会马上刷新 

# (比方topic失效,partition丢失,leader失效等),此外也能够通过此參数来配置额外的刷新机制，默认值600000 

topic.metadata.refresh.interval.ms=60000

import java.util.*;

import kafka.javaapi.producer.Producer;
import kafka.producer.KeyedMessage;
import kafka.producer.ProducerConfig;

public class TestProducer {
    public static void main(String[] args) {
        long events = Long.parseLong(args[0]);
        Random rnd = new Random();

        Properties props = new Properties();
        props.put("metadata.broker.list", "192.168.2.105:9092");
        props.put("serializer.class", "kafka.serializer.StringEncoder"); //默认字符串编码消息
        props.put("partitioner.class", "example.producer.SimplePartitioner");
        props.put("request.required.acks", "1");

        ProducerConfig config = new ProducerConfig(props);

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

        for (long nEvents = 0; nEvents < events; nEvents++) {
               long runtime = new Date().getTime();
               String ip = “192.168.2.” + rnd.nextInt(255);
               String msg = runtime + “,www.example.com,” + ip;
               KeyedMessage<String, String> data = new KeyedMessage<String, String>("page_visits", ip, msg);
               producer.send(data);
        }
        producer.close();
    }
}

2.1 指定keywordkey。发送消息到指定partitions

说明：假设须要实现自己定义partitions消息发送。须要实现Partitioner接口

public class CustomizePartitioner implements Partitioner {
    public CustomizePartitioner(VerifiableProperties props) {

    }
    /**
     * 返回分区索引编号
     * @param key sendMessage时，输出的partKey
     * @param numPartitions topic中的分区总数
     * @return
     */
    @Override
    public int partition(Object key, int numPartitions) {
        System.out.println("key:" + key + "  numPartitions:" + numPartitions);
        String partKey = (String)key;
        if ("part2".equals(partKey))
            return 2;
//        System.out.println("partKey:" + key);

        ........
        ........
        return 0;
    }
}

3.consumer程序开发样例

3.1 consumer參数说明

# zookeeper连接server地址，此处为线下測试环境配置(kafka消息服务-->kafka broker集群线上部署环境wiki)

# 配置样例："127.0.0.1:3000,127.0.0.1:3001,127.0.0.1:3002"

zookeeper.connect=192.168.2.225:2181,192.168.2.225:2182,192.168.2.225:2183/config/mobile/mq/mafka

# zookeeper的session过期时间，默认5000ms。用于检測消费者是否挂掉，当消费者挂掉，其它消费者要等该指定时间才干检查到而且触发又一次负载均衡

zookeeper.session.timeout.ms=5000

zookeeper.connection.timeout.ms=10000

#当consumer reblance时，重试失败时时间间隔。

zookeeper.sync.time.ms=2000

 

#指定消费组

group.id=xxx

# 当consumer消费一定量的消息之后,将会自己主动向zookeeper提交offset信息 

# 注意offset信息并非每消费一次消息就向zk提交一次,而是如今本地保存(内存),并定期提交,默觉得true

auto.commit.enable=true

# 自己主动更新时间。默认60 * 1000

auto.commit.interval.ms=1000

 

# 当前consumer的标识,能够设定,也能够有系统生成,主要用来跟踪消息消费情况,便于观察

conusmer.id=xxx 

 

# 消费者client编号。用于区分不同client，默认client程序自己主动产生

client.id=xxxx

# 最大取多少块缓存到消费者(默认10)

queued.max.message.chunks=50

# 当有新的consumer增加到group时,将会reblance,此后将会有partitions的消费端迁移到新 

# 的consumer上,假设一个consumer获得了某个partition的消费权限,那么它将会向zk注冊 

# "Partition Owner registry"节点信息,可是有可能此时旧的consumer尚没有释放此节点, 

# 此值用于控制,注冊节点的重试次数. 

rebalance.max.retries=5

# 获取消息的最大尺寸,broker不会像consumer输出大于此值的消息chunk

# 每次feth将得到多条消息,此值为总大小,提升此值,将会消耗很多其它的consumer端内存

fetch.min.bytes=6553600

# 当消息的尺寸不足时,server堵塞的时间,假设超时,消息将马上发送给consumer

fetch.wait.max.ms=5000

socket.receive.buffer.bytes=655360

 

# 假设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

auto.offset.reset=smallest

# 指定序列化处理类(mafka client API调用说明-->3.序列化约定wiki)，默觉得kafka.serializer.DefaultDecoder,即byte[]

derializer.class=com.meituan.mafka.client.codec.MafkaMessageDecoder

3.2 多线程并行消费topic

ConsumerTest类

import kafka.consumer.ConsumerIterator;
import kafka.consumer.KafkaStream;

public class ConsumerTest implements Runnable {
    private KafkaStream m_stream;
    private int m_threadNumber;

    public ConsumerTest(KafkaStream a_stream, int a_threadNumber) {
        m_threadNumber = a_threadNumber;
        m_stream = a_stream;
    }

    public void run() {
        ConsumerIterator<byte[], byte[]> it = m_stream.iterator();
        while (it.hasNext())
            System.out.println("Thread " + m_threadNumber + ": " + new String(it.next().message()));
        System.out.println("Shutting down Thread: " + m_threadNumber);
    }
}

ConsumerGroupExample类

import kafka.consumer.ConsumerConfig;
import kafka.consumer.KafkaStream;
import kafka.javaapi.consumer.ConsumerConnector;

import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Properties;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;

public class ConsumerGroupExample {
    private final ConsumerConnector consumer;
    private final String topic;
    private  ExecutorService executor;

    public ConsumerGroupExample(String a_zookeeper, String a_groupId, String a_topic) {
        consumer = kafka.consumer.Consumer.createJavaConsumerConnector(
                createConsumerConfig(a_zookeeper, a_groupId));
        this.topic = a_topic;
    }

    public void shutdown() {
        if (consumer != null) consumer.shutdown();
        if (executor != null) executor.shutdown();
    }

    public void run(int a_numThreads) {
        Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
        topicCountMap.put(topic, new Integer(a_numThreads));
        Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer.createMessageStreams(topicCountMap);
        List<KafkaStream<byte[], byte[]>> streams = consumerMap.get(topic);

        // 启动全部线程
        executor = Executors.newFixedThreadPool(a_numThreads);

        // 開始消费消息
        int threadNumber = 0;
        for (final KafkaStream stream : streams) {
            executor.submit(new ConsumerTest(stream, threadNumber));
            threadNumber++;
        }
    }

    private static ConsumerConfig createConsumerConfig(String a_zookeeper, String a_groupId) {
        Properties props = new Properties();
        props.put("zookeeper.connect", "192.168.2.225:2183/config/mobile/mq/mafka");
        props.put("group.id", "push-token");
        props.put("zookeeper.session.timeout.ms", "60000");
        props.put("zookeeper.sync.time.ms", "2000");
        props.put("auto.commit.interval.ms", "1000");

        return new ConsumerConfig(props);
    }

    public static void main(String[] args) {
        String zooKeeper = args[0];
        String groupId = args[1];
        String topic = args[2];
        int threads = Integer.parseInt(args[3]);

        ConsumerGroupExample example = new ConsumerGroupExample(zooKeeper, groupId, topic);
        example.run(threads);

        try {
            Thread.sleep(10000);
        } catch (InterruptedException ie) {

        }
        example.shutdown();
    }
}

总结：

kafka消费者api分为high api和low api，眼下上述demo是都是使用kafka high api，高级api不用关心维护消费状态信息和负载均衡。系统会依据配置參数，

定期flush offset到zk上，假设有多个consumer且每一个consumer创建了多个线程，高级api会依据zk上注冊consumer信息，进行自己主动负载均衡操作。

注意事项：

1.高级api将会内部实现持久化每一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/push-token-group/offsets/push-token/2。

当中push-token-group是消费组，push-token是topic，最后一个2表示第3个分区)，每间隔一个(默认1000ms)时间更新一次offset。

那么可能在重新启动消费者时拿到反复的消息。此外。当分区leader发生变更时也可能拿到反复的消息。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。

假设新的进程启动而且消费组名同样。kafka会加入这个进程到可用消费线程组中用来消费

topic和触发又一次分配负载均衡，那么同一个分区的消息就有可能发送到不同的进程中。

3.假设消费者组中全部consumer的总线程数量大于分区数，一部分线程或某些consumer可能无法读取消息或处于空暇状态。

4.假设分区数多于线程数(假设消费组中执行者多个消费者，则线程数为消费者组内全部消费者线程总和)。一部分线程会读取到多个分区的消息

5.假设一个线程消费多个分区消息，那么接收到的消息是不能保证顺序的。

备注：可用zookeeper web ui工具管理查看zk文件夹树数据： xxx/consumers/push-token-group/owners/push-token/2当中

push-token-group为消费组，push-token为topic,2为分区3.查看里面的内容如：

push-token-group-mobile-platform03-1405157976163-7ab14bd1-0表示该分区被该标示的线程所运行。

总结：

producer性能优化:异步化。消息批量发送。详细浏览上述參数说明。consumer性能优化:假设是高吞吐量数据。设置每次拿取消息(fetch.min.bytes)大些，

拿取消息频繁(fetch.wait.max.ms)些(或时间间隔短些)，假设是低延时要求，则设置时间时间间隔小，每次从kafka
broker拿取消息尽量小些。

请注明转载自:http://blog.csdn.net/lizhitao/article/details/37811291