java实现Kafka的消费者示例

使用java实现Kafka的消费者

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99

package com.lisg.kafkatest;   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; import java.util.concurrent.TimeUnit;   import kafka.consumer.Consumer; import kafka.consumer.ConsumerConfig; import kafka.consumer.ConsumerIterator; import kafka.consumer.KafkaStream; import kafka.javaapi.consumer.ConsumerConnector;   /**  * java实现Kafka消费者的示例  * @author lisg  *  */ public class KafkaConsumer {     private static final String TOPIC = "test";     private static final int THREAD_AMOUNT = 1;       public static void main(String[] args) {                   Properties props = new Properties();         props.put("zookeeper.connect", "vm1:2181");         props.put("group.id", "group1");         props.put("zookeeper.session.timeout.ms", "400");         props.put("zookeeper.sync.time.ms", "200");         props.put("auto.commit.interval.ms", "1000");;                   Map<String, Integer> topicCountMap = new HashMap<String, Integer>();         //每个topic使用多少个kafkastream读取, 多个consumer         topicCountMap.put(TOPIC, THREAD_AMOUNT);         //可以读取多个topic //      topicCountMap.put(TOPIC2, 1);         ConsumerConnector consumer = Consumer.createJavaConsumerConnector(new ConsumerConfig(props));         Map<String, List<KafkaStream<byte[], byte[]>>> msgStreams = consumer.createMessageStreams(topicCountMap );         List<KafkaStream<byte[], byte[]>> msgStreamList = msgStreams.get(TOPIC);                   //使用ExecutorService来调度线程         ExecutorService executor = Executors.newFixedThreadPool(THREAD_AMOUNT);         for (int i = 0; i < msgStreamList.size(); i++) {             KafkaStream<byte[], byte[]> kafkaStream = msgStreamList.get(i);             executor.submit(new HanldMessageThread(kafkaStream, i));         }                             //关闭consumer         try {             Thread.sleep(20000);         } catch (InterruptedException e) {             e.printStackTrace();         }         if (consumer != null) {             consumer.shutdown();         }         if (executor != null) {             executor.shutdown();         }         try {             if (!executor.awaitTermination(5000, TimeUnit.MILLISECONDS)) {                 System.out.println("Timed out waiting for consumer threads to shut down, exiting uncleanly");             }         } catch (InterruptedException e) {             System.out.println("Interrupted during shutdown, exiting uncleanly");         }     }   }   /**  * 具体处理message的线程  * @author Administrator  *  */ class HanldMessageThread implements Runnable {       private KafkaStream<byte[], byte[]> kafkaStream = null;     private int num = 0;           public HanldMessageThread(KafkaStream<byte[], byte[]> kafkaStream, int num) {         super();         this.kafkaStream = kafkaStream;         this.num = num;     }       public void run() {         ConsumerIterator<byte[], byte[]> iterator = kafkaStream.iterator();         while(iterator.hasNext()) {             String message = new String(iterator.next().message());             System.out.println("Thread no: " + num + ", message: " + message);         }     }       }

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

表示的是：consumer间隔多长时间在zookeeper上更新一次offset

说明：

为什么使用High Level Consumer？

有些场景下，从Kafka中读取消息的逻辑不处理消息的offset，仅仅是获取消息数据。High Level Consumer就提供了这种功能。

首先要知道的是，High Level Consumer在ZooKeeper上保存最新的offset（从指定的分区中读取）。这个offset基于consumer group名存储。

Consumer group名在Kafka集群上是全局性的，在启动新的consumer group的时候要小心集群上没有关闭的consumer。当一个consumer线程启动了，Kafka会将它加入到相同的topic下的相同consumer group里，并且触发重新分配。在重新分配时，Kafka将partition分配给consumer，有可能会移动一个partition给另一个consumer。如果老的、新的处理逻辑同时存在，有可能一些消息传递到了老的consumer上。

设计High Level Consumer

使用High LevelConsumer首先要知道的是，它应该是多线程的。消费者线程的数量跟tipic的partition数量有关，它们之间有一些特定的规则：

• 如果线程数量大于主题的分区数量，一些线程将得不到任何消息

• 如果分区数大于线程数，一些线程将得到多个分区的消息

• 如果一个线程处理多个分区的消息，它接收到消息的顺序是不能保证的。比如，先从分区10获取了5条消息，从分区11获取了6条消息，然后从分区10获取了5条，紧接着又从分区10获取了5条，虽然分区11还有消息。

• 添加更多了同consumer group的consumer将触发Kafka重新分配，某个分区本来分配给a线程的，从新分配后，有可能分配给了b线程。

关闭消费组和错误处理

Kafka不会再每次读取消息后马上更新zookeeper上的offset，而是等待一段时间。由于这种延迟，有可能消费者读取了一条消息，但没有更新offset。所以，当客户端关闭或崩溃后，从新启动时有些消息重复读取了。另外，broker宕机或其他原因导致更换了partition的leader，也会导致消息重复读取。

为了避免这种问题，你应该提供一个平滑的关闭方式，而不是使用kill -9

上面的java代码中提供一种关闭的方式：

1 2 3 4 5 6 7 8 9 10 11 12 13

if (consumer != null) {     consumer.shutdown(); } if (executor != null) {     executor.shutdown(); } try {     if (!executor.awaitTermination(5000, TimeUnit.MILLISECONDS)) {         System.out.println("Timed out waiting for consumer threads to shut down, exiting uncleanly");     } } catch (InterruptedException e) {     System.out.println("Interrupted during shutdown, exiting uncleanly"); }

在shutdown之后，等待了5秒钟，给consumer线程时间来处理完kafka stream里保留的消息。

参考资料：https://cwiki.apache.org/confluence/display/KAFKA/Consumer+Group+Example

来自为知笔记(Wiz)

附件列表