kafka学习-基本概念与简单实战

1、核心概念

消息和批次

    kafka的基本数据单元，由字节数组组成。可以理解成数据库的一条数据。

    批次就是一组消息，把同一个主题和分区的消息分批次写入kafka，可以减少网络开销，提高效率；批次越大，单位时间内处理的消息就越多，单个消息的传输时间就越长。

Topic和Partition

    topic主题，kafka通过主题进行分类。主题可以理解成数据库的表或者文件系统里的文件夹。

    partition分区可以理解成一个FIFO的消息队列。(同一个分区的消息保证顺序消费)

    主题可以被分为若干分区，一个主题通过分区将消息存储在kafka集群中，提供横向扩展的能力。消息以追加的方式写入分区，每个分区保证先入先出的顺序读取。在需要严格保证消息顺序消费的场景下，可以将partition设置为1，即主题只有一个分区。

    主题的分区策略有如下几种：

直接指定分区；
根据消息的key散列取模得出分区；
轮询指定分区。

Replicas

副本，每个分区都有多个副本。其中包含一个首领副本和多个跟随者副本。
首领副本用于响应生产者的消息写入请求与消费者的消息读取请求；
跟随者副本用于同步首领副本的数据，保持与首领副本一致的状态，有数据备份的功能。
一旦首领副本所在的服务器宕机，就会从跟随者中选出一个升级为首领副本。

Offset

    偏移量。

    生产者offset：每个分区都有一个offset，叫做生产者的offset，可以理解为当前这个分区队列的最大值，下一个消息来的时候，就会将消息写入到offset这个位置。

    消费者offset：每个消费者消费分区中的消息时，会记录消费的位置(offset)，下一次消费时就会从这个位置开始消费。

broker和集群

broker为一个独立的kafka服务器；一个kafka集群里有多个broker。

    broker接收来自生产者的消息，为消息设置偏移量，并将消息保存到磁盘。同时，broker为消费者提供服务，对读取分区的请求做出响应，返回已经保存到磁盘上的消息。(单个broker可以轻松处理数千个分区以及每秒百万级的消息量)。

    集群中同一个主题的同一个分区，会在多个broker上存在；其中一个broker上的分区被称为首领分区，用于与生产者和消费者交互，其余broker上的分区叫做副本分区，用于备份分区数据，防止broker宕机导致消息丢失。

    每个集群都有一个broker是集群控制器，作用如下：

将分区分配给首领分区的broker；
监控broker，首领分区切换

生产者和消费者

    生产者生产消息，消息被发布到一个特定的主题上。默认情况下，kafka会将消息均匀地分布到主题的所有分区上。分区策略有如下几种：

直接指定分区；
根据消息的key散列取模得出分区；

轮询指定分区。

 消费者通过偏移量来区分已经读过的消息，从而消费消息。消费者是消费组的一部分，消费组可以保证每个分区只能被一个消费者使用，避免重复消费。

2、开发实战

2.1、消息发送

介绍

生产者主要有KafkaProducer和ProducerRecord两个对象：KafkaProducer用于发送消息，ProducerRecord用于封装kafka消息。
生产者生产消息后，需要broker的确认，可以选择同步或者异步确认：同步确认效率低；异步确认效率高，但需要设置回调对象。

代码实现

public static void main(String[] args) throws InterruptedException, ExecutionException, TimeoutException {
    Map<String, Object> configs = new HashMap<>();
    // 设置连接Kafka的初始连接⽤到的服务器地址
    // 如果是集群，则可以通过此初始连接发现集群中的其他broker
     configs.put("bootstrap.servers", "node1:9092");
    // 设置key和value的序列化器
     configs.put("key.serializer", "org.apache.kafka.common.serialization.IntegerSerializer");
     configs.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
     configs.put("acks", "1");
     KafkaProducer<Integer, String> producer = new KafkaProducer<Integer, String>(configs);
     // 用于封装Producer的消息
     ProducerRecord<Integer, String> record = new ProducerRecord<Integer, String>(
         "topic_1", // 主题名称
         0, // 分区编号，现在只有⼀个分区，所以是0
         0, // 数字作为key
         "message 0" // 字符串作为value
     );
     // 发送消息，同步等待消息的确认
     // producer.send(record).get(3_000, TimeUnit.MILLISECONDS);
     
     // 使用回调异步等待消息的确认
     producer.send(record, new Callback() {
         @Override
         public void onCompletion(RecordMetadata metadata, Exception exception) {
            if (exception == null) {
                 System.out.println(
                     "主题：" + metadata.topic() + "\n"
                     + "分区：" + metadata.partition() + "\n"
                     + "偏移量：" + metadata.offset() + "\n"
                     + "序列化的key字节：" + metadata.serializedKeySize() + "\n"
                     + "序列化的value字节：" + metadata.serializedValueSize() + "\n"
                     + "时间戳：" + metadata.timestamp()
                 );
             } else {
                System.out.println("有异常：" + exception.getMessage());
             }
         }
     });
     // 关闭连接
     producer.close();
}

2.2、消息消费

介绍

    消费者主要有KafkaConsumer对象，用于消费消息。Kafka不支持消息的推送，我们可以通过消息拉取(poll)方式实现消息的消费。KafkaConsumer主要参数如下：

代码实现

public static void main(String[] args) {
    Map<String, Object> configs = new HashMap<>();
    // 指定bootstrap.servers属性作为初始化连接Kafka的服务器。
    // 如果是集群，则会基于此初始化连接发现集群中的其他服务器。
    configs.put("bootstrap.servers", "node1:9092");
    // key和value的反序列化器
    configs.put("key.deserializer", "org.apache.kafka.common.serialization.IntegerDeserializer");
    configs.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
    configs.put("group.id", "consumer.demo");
    // 创建消费者对象
    KafkaConsumer<Integer, String> consumer = new KafkaConsumer<Integer, String>(configs);

    final Pattern pattern = Pattern.compile("topic_[0-9]");
    // 消费者订阅主题或分区
    // consumer.subscribe(pattern);
    // consumer.subscribe(pattern, new ConsumerRebalanceListener() {
    final List<String> topics = Arrays.asList("topic_1");
    consumer.subscribe(topics, new ConsumerRebalanceListener() {
        @Override
        public void onPartitionsRevoked(Collection<TopicPartition> partitions) {
            partitions.forEach(tp -> {
                System.out.println("剥夺的分区：" + tp.partition());
            });    
        }
        @Override
        public void onPartitionsAssigned(Collection<TopicPartition> partitions) {
            partitions.forEach(tp -> {
                System.out.println(tp.partition());
            });
        }
    });
    // 拉取订阅主题的消息
    final ConsumerRecords<Integer, String> records = consumer.poll(3_000);
    // 获取topic_1主题的消息
    final Iterable<ConsumerRecord<Integer, String>> topic1Iterable = records.records("topic_1");
    // 遍历topic_1主题的消息
    topic1Iterable.forEach(record -> {
        System.out.println("========================================");
        System.out.println("消息头字段：" + Arrays.toString(record.headers().toArray()));
        System.out.println("消息的key：" + record.key());
        System.out.println("消息的值：" + record.value());
        System.out.println("消息的主题：" + record.topic());
        System.out.println("消息的分区号：" + record.partition());
        System.out.println("消息的偏移量：" + record.offset());
    });
    // 关闭消费者
    consumer.close();
}

2.3、SpringBoot Kafka

pom

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.kafka</groupId>
        <artifactId>spring-kafka</artifactId>
    </dependency>
</dependencies>

application.yaml

spring:
  kafka:
    bootstrap-servers: node1:9092       # 用于建立初始连接的broker地址
    producer:
      key-serializer: org.apache.kafka.common.serialization.IntegerSerializer
      value-serializer: org.apache.kafka.common.serialization.StringSerializer
      batch-size: 16384                 # 默认的批处理记录数
      buffer-memory: 33554432           # 32MB的总发送缓存
    consumer:
      key-deserializer: org.apache.kafka.common.serialization.IntegerDeserializer
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      group-id: spring-kafka-02-consumer    # consumer的消费组id
      enable-auto-commit: true              # 是否自动提交消费者偏移量
      auto-commit-interval: 100             # 每隔100ms向broker提交一次偏移量
      auto-offset-reset: earliest           # 如果该消费者的偏移量不存在，则自动设置为最早的偏移量

KafkaConfig

@Configuration
public class KafkaConfig {
    @Bean
    public NewTopic topic1() {
        return new NewTopic("ntp-01", 5, (short) 1);
    }
    @Bean
    public NewTopic topic2() {
        return new NewTopic("ntp-02", 3, (short) 1);
    }
}

producer

@RestController
public class KafkaSyncProducerController {
    @Autowired
    private KafkaTemplate template;
    
    @RequestMapping("send/sync/{message}")
    public String sendSync(@PathVariable String message) {
        ListenableFuture future = template.send(new ProducerRecord<Integer, String>("topic-spring-02", 0, 1, message));
        try {
            // 同步等待broker的响应
            Object o = future.get();
            SendResult<Integer, String> result = (SendResult<Integer, String>) o;
            System.out.println(result.getRecordMetadata().topic() + result.getRecordMetadata().partition() + result.getRecordMetadata().offset());
        } catch (InterruptedException e) {
            e.printStackTrace();
        } catch (ExecutionException e) {
            e.printStackTrace();
        }
        return "success";
    }
}

@RestController
public class KafkaAsyncProducerController {
    @Autowired
    private KafkaTemplate<Integer, String> template;
    
    @RequestMapping("send/async/{message}")
    public String asyncSend(@PathVariable String message) {
        ProducerRecord<Integer, String> record = new ProducerRecord<Integer, String>("topic-spring-02", 0, 3, message);
        ListenableFuture<SendResult<Integer, String>> future = template.send(record);
        // 添加回调，异步等待响应
        future.addCallback(new ListenableFutureCallback<SendResult<Integer, String>>(){
            @Override
            public void onFailure(Throwable throwable) {
                System.out.println("发送失败: " + throwable.getMessage());
            }
            
            @Override
            public void onSuccess(SendResult<Integer, String> result) {
                System.out.println("发送成功：" + result.getRecordMetadata().topic() + "\t" + result.getRecordMetadata().partition() + "\t" + result.getRecordMetadata().offset());
            }
        });
        return "success";
    }
}

consumer

@Component
public class MyConsumer {

    @KafkaListener(topics = "topic-spring-02")
    public void onMessage(ConsumerRecord<Integer, String> record) {
        Optional<ConsumerRecord<Integer, String>> optional = Optional.ofNullable(record);
        if (optional.isPresent()) {
            System.out.println(record.topic() + "\t" + record.partition() + "\t" + record.offset() + "\t" + record.key() + "\t" + record.value());
        }
    }
}

以上内容为个人学习理解，如有问题，欢迎在评论区指出。

部分内容截取自网络，如有侵权，联系作者删除。

标签： kafka

本文转载自: https://blog.csdn.net/weixin_37672801/article/details/132702555
版权归原作者 零点冰. 所有，如有侵权，请联系我们删除。

kafka学习-基本概念与简单实战

1、核心概念

消息和批次

Topic和Partition

Replicas

Offset

broker和集群

生产者和消费者

2、开发实战

2.1、消息发送

介绍

代码实现

2.2、消息消费

介绍

代码实现

2.3、SpringBoot Kafka

pom

application.yaml

KafkaConfig

producer

consumer

发表评论

“kafka学习-基本概念与简单实战”的评论:

关于作者

overfit同步小助手

相关阅读

文章导航