Kafka 生产者
发送流程
消息发送过程中涉及到两个线程——main线程和Sender线程
main线程
- 使用serializer(并非java默认)序列化数据,使用partitioner确认发送分区
- 在main线程中创建了一个双端队列RecordAccumulator,main线程将批次数据发送给RecordAccumulator。创建批次数据是从内存池中分配内存,在发送成功后释放到内存池
- Sender线程不断从RecordAccumulator中拉取消息发送给kafka Broker
- 一个分区创建一个DQuene,在内存中完成RecordAccumulator(缓冲队列)的创建(总大小默认32M),每批次大小默认16K
sender线程
- 数据到达batch.size护着linger.ms之后,sender线程开始发送数据
- sender创建请求队列(每个broker一个),默认最多缓存5个请求
- 发送完成后等待broker的ack应答- 0,表示不需要等待落盘- 1,表示等待leader收到数据后应答- -1(all),表示等待leader和ISR队列中的所有节点收到数据后应答
- 发送成功则sender清除队列,并清理RecordAccumulator中每一个分区的数据,失败则重试再次发送
生产者相关参数
- bootstrap.servers ,连接的broker清单
- key.serializer 和 value.serializer,指定发送消息的 key 和 value 的序列化类型
- buffer.memory RecordAccumulator,缓冲区总大小,默认 32m
- batch.size 缓冲区一批数据最大值,默认 16k。适当增加该值,可 以提高吞吐量,但是如果该值设置太大,会导致数据 传输延迟增加。
- linger.ms,如果数据迟迟未达到 batch.size,sender 等待 linger.time 之后就会发送数据。单位 ms,默认值是 0ms,表示没 有延迟。生产环境建议该值大小为 5-100ms 之间。
- acks- 0:生产者发送过来的数据,不需要等数据落盘应答。- 1:生产者发送过来的数据,Leader 收到数据后应答。- -1(all):生产者发送过来的数据,Leader+和 isr 队列 里面的所有节点收齐数据后应答。默认值是-1,-1 和 all 是等价的。
- max.in.flight.requests.per.connection,允许最多没有返回 ack 的次数,默认为 5,开启幂等性要保证该值是 1-5 的数字。
- retries,当消息发送出现错误的时候,系统会重发消息。- retries 表示重试次数。默认是 int 最大值,2147483647。- 如果设置了重试,还想保证消息的有序性,需要设置 MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION=1 否则在重试此失败消息的时候,其他的消息可能发送 成功了。
- retry.backoff.ms,两次重试之间的时间间隔,默认是 100ms。
- enable.idempotence,是否开启幂等性,默认 true,开启幂等性。
- compression.type,生产者发送的所有数据的压缩方式。默认是 none,也 就是不压缩。 支持压缩类型:none、gzip、snappy、lz4 和 zstd。
异步发送
异步发送指的是外部数据向RecordAccumulator发送数据的过程
不带回调的异步发送
maven依赖
<dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-clients</artifactId><version>3.0.0</version></dependency><dependency><groupId>org.slf4j</groupId><artifactId>slf4j-simple</artifactId><version>1.7.25</version><scope>compile</scope></dependency>
发送demo
importjava.util.Properties;importorg.apache.kafka.clients.producer.KafkaProducer;importorg.apache.kafka.clients.producer.ProducerConfig;importorg.apache.kafka.clients.producer.ProducerRecord;importorg.apache.kafka.common.serialization.StringSerializer;publicclassCustomerProducer{publicstaticvoidmain(String[] args){//创建配置对象Properties properties =newProperties();
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"master:9092,slave1:9092");//key,value序列化
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());//创建kafka对象KafkaProducer<String,String> kafkaProducer =newKafkaProducer<>(properties);//发送数据for(int i =0; i <5; i++){
kafkaProducer.send(newProducerRecord<>("first","hello"+ i));}
kafkaProducer.close();}}
带回调函数的异步发送
回调函数会在producer收到ack时调用,有两个参数
- 元数据信息(RecordMetadata)和异常信息(Exception)
- 如果 Exception 为 null,说明消息发 送成功,如果 Exception 不为 null,说明消息发送失败
- 回调中获取的metadata来自于
RecordAccumulator
importjava.util.Properties;importorg.apache.kafka.clients.producer.Callback;importorg.apache.kafka.clients.producer.KafkaProducer;importorg.apache.kafka.clients.producer.ProducerConfig;importorg.apache.kafka.clients.producer.ProducerRecord;importorg.apache.kafka.clients.producer.RecordMetadata;importorg.apache.kafka.common.serialization.StringSerializer;publicclassCustomerProducerCallback{publicstaticvoidmain(String[] args){//创建配置对象Properties properties =newProperties();
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"master:9092,slave1:9092");//key,value序列化
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());// tls 连接// properties.put("security.protocol", "SSL");// properties.put("sasl.mechanism", "SCRAM-SHA-512");//创建kafka对象KafkaProducer<String,String> kafkaProducer =newKafkaProducer<>(properties);//发送数据for(int i =0; i <5; i++){
kafkaProducer.send(newProducerRecord<>("first","hello"+ i),newCallback(){@OverridepublicvoidonCompletion(RecordMetadata recordMetadata,Exception e){if(e ==null){System.out.println("topic:"+recordMetadata.topic()+" partition:"+recordMetadata.partition());}}});}
kafkaProducer.close();}}
output:[main] INFO org.apache.kafka.clients.producer.ProducerConfig-ProducerConfig values:
acks =-1
batch.size =16384
bootstrap.servers =[localhost:9092, localhost:9092]
buffer.memory =33554432
client.dns.lookup = use_all_dns_ips
client.id = producer-1
compression.type = none
connections.max.idle.ms =540000
delivery.timeout.ms =120000
enable.idempotence =true
interceptor.classes =[]
key.serializer =classorg.apache.kafka.common.serialization.StringSerializer
linger.ms =0
max.block.ms =60000
max.in.flight.requests.per.connection =5
max.request.size =1048576
metadata.max.age.ms =300000
metadata.max.idle.ms =300000
metric.reporters =[]
metrics.num.samples =2
metrics.recording.level = INFO
metrics.sample.window.ms =30000
partitioner.class=classcom.example.MyPartitioner
receive.buffer.bytes =32768
reconnect.backoff.max.ms =1000
reconnect.backoff.ms =50
request.timeout.ms =30000
retries =2147483647
retry.backoff.ms =100
sasl.client.callback.handler.class=null
sasl.jaas.config =null
sasl.kerberos.kinit.cmd =/usr/bin/kinit
sasl.kerberos.min.time.before.relogin =60000
sasl.kerberos.service.name =null
sasl.kerberos.ticket.renew.jitter =0.05
sasl.kerberos.ticket.renew.window.factor =0.8
sasl.login.callback.handler.class=null
sasl.login.class=null
sasl.login.refresh.buffer.seconds =300
sasl.login.refresh.min.period.seconds =60
sasl.login.refresh.window.factor =0.8
sasl.login.refresh.window.jitter =0.05
sasl.mechanism = GSSAPI
security.protocol = PLAINTEXT
security.providers =null
send.buffer.bytes =131072
socket.connection.setup.timeout.max.ms =30000
socket.connection.setup.timeout.ms =10000
ssl.cipher.suites =null
ssl.enabled.protocols =[TLSv1.2,TLSv1.3]
ssl.endpoint.identification.algorithm = https
ssl.engine.factory.class=null
ssl.key.password =null
ssl.keymanager.algorithm =SunX509
ssl.keystore.certificate.chain =null
ssl.keystore.key =null
ssl.keystore.location =null
ssl.keystore.password =null
ssl.keystore.type = JKS
ssl.protocol =TLSv1.3
ssl.provider =null
ssl.secure.random.implementation =null
ssl.trustmanager.algorithm = PKIX
ssl.truststore.certificates =null
ssl.truststore.location =null
ssl.truststore.password =null
ssl.truststore.type = JKS
transaction.timeout.ms =60000
transactional.id =null
value.serializer =classorg.apache.kafka.common.serialization.StringSerializer[main] INFO org.apache.kafka.common.utils.AppInfoParser-Kafka version:3.0.0[main] INFO org.apache.kafka.common.utils.AppInfoParser-Kafka commitId:8cb0a5e9d3441962
[main] INFO org.apache.kafka.common.utils.AppInfoParser-Kafka startTimeMs:1687969802272[kafka-producer-network-thread | producer-1] INFO org.apache.kafka.clients.Metadata-[Producer clientId=producer-1]Cluster ID:MqCwKFtET36BCuCusypwCg[main] INFO org.apache.kafka.clients.producer.KafkaProducer-[Producer clientId=producer-1]Closing the Kafka producer withtimeoutMillis=9223372036854775807 ms
topic:first partition:0
topic:first partition:0
topic:first partition:0
topic:first partition:0
topic:first partition:0
同步发送
外部数据发送到RecordAccumulator之后,需要等到全部发送到kafka集群才会发送下一批
publicclassCustomerProducerSync{publicstaticvoidmain(String[] args)throwsExecutionException,InterruptedException{//创建配置对象Properties properties =newProperties();
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"master:9092,slave1:9092");//key,value序列化
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());//创建kafka对象KafkaProducer<String,String> kafkaProducer =newKafkaProducer<>(properties);//发送数据for(int i =0; i <5; i++){
kafkaProducer.send(newProducerRecord<>("first","hello"+ i)).get();//添加get即成为同步发送}
kafkaProducer.close();}}
生产者分区策略
生产者为什么要分区
- 便于合理使用存储资源, 每个Partition在一个Broker上存储, 可以把海量的数据按照分区切割成一块一块数据存储在多台Broker上。 合理控制分区的任务, 可以实现负载均衡的效果。
- 提高并行度, 生产者可以以分区为单位发送数据;消费者可以以分区为单位进行消费数据。
DefaultPartitioner,默认分区器的策略
- if partition is specified in th record, use it
- if no partition is specified but a key is present choose a partition based on a hash of the key
- if no partition or key is present choose the sticky partition that changes when the batch is full
对于PreducerRecord类,存在多种构造方法
- 如果指定partition,则发送到对应分区
- 如果未指定partition,但是指定key,通过将key的hash和topic的partition数进行取余得到partition的值
- 未指定partition和key,采用sticky partition(黏性分区),即随机选择一个分区并尽可能保持使用该分区。等到此分区的batch已满(到达16K)或者已完成,再随机选择一个分区(和上一次不同)使用
自定义分区器如下
publicclassMyPartitionerimplementsPartitioner{@Overridepublicintpartition(String s,Object key,byte[] bytes,Object value,byte[] bytes1,Cluster cluster){int partition;String v = value.toString();if(v.contains("hello"))
partition =1;else
partition =0;return partition;}@Overridepublicvoidclose(){}@Overridepublicvoidconfigure(Map<String,?> map){}}//在CustomerProducer中添加配置信息
properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG,MyPartitioner.class.getName());
生产者提升吞吐量
- batch.size 设置批次大小,默认16k
- linger.ms 等待时间默认为0(batchsize不起作用),修改为5-100ms
- compression.type 压缩数据
- RecordAccumulator 缓冲区大小默认32m,修改为64m,但是太大会导致较高的延迟
//在CustomerProducer中添加配置信息,在输出的日志中都能看到// batch.size: 批次大小, 默认 16K
properties.put(ProducerConfig.BATCH_SIZE_CONFIG,16384);// linger.ms: 等待时间,默认 0
properties.put(ProducerConfig.LINGER_MS_CONFIG,1);// RecordAccumulator: 缓冲区大小, 默认 32M: buffer.memory
properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG,33554432);//默认none,可配置gzip,snappy,lz4,zstd
properties.put(ProducerConfig.COMPRESSION_TYPE_CONFIG,"snappy");
数据的可靠性
ACK应答级别
https://kafka.apache.org/documentation/#producerconfigs_acks
- ack = 0,leader数据不落盘就应答。此时如果leader故障,内存中的数据会丢失,生产环境不适用
- ack = 1,leader数据落盘但没有同步到follower就应答,常用于传输日志
- ack = -1,leader数据落盘并等待同步到所有follower在应答,和钱相关可靠性要求比较高的场景
ISR对列
对于ack为-1的情况,如果leader收到数据,所有follower开始同步数据,但某个follower出现故障迟迟不能回复,如何解决?
- leader维护了一个动态的in-sync replica set(ISR),即和leader保持同步的follwer-leader集合(leader:0, isr:0,1,2)
- 如果follower长时间未向leader发送通信请求或同步数据,follower将被提出ISR,时间阈值由replica.lag.time.max.ms参数设定,默认30s
数据可靠性分析
实际上,如果分区副本设置为1,或者ISR应答的最小副本数量为1(min.insync.replicas默认为1),和ack=1的效果一样,仍然有丢失数据的风险
数据完全可靠条件 = A C K 级别设置为 − 1 + 分区副本大于等于 2 + I S R 中应答的最小副本数大于等于 2 数据完全可靠条件 = ACK级别设置为-1+分区副本大于等于2+ISR中应答的最小副本数大于等于2
数据完全可靠条件=ACK级别设置为−1+分区副本大于等于2+ISR中应答的最小副本数大于等于2
//在CustomerProducer中添加配置信息,在输出的日志中都能看到// 设置 acks
properties.put(ProducerConfig.ACKS_CONFIG,1);// 重试次数 retries,默认是 int 最大值, 2147483647
properties.put(ProducerConfig.RETRIES_CONFIG,3);
数据重复分析
对于ack=-1的配置,如果leader收到数据并同步到follower之后,但是还没有进行应答,突然宕机。此时会选举新的leader,producer会发送同样的数据造成数据重复
数据传递语义
- 至少一次(at least once)-
ACK级别设置为-1
+分区副本 >= 2
+ISR中应答的最小副本数>=2
- 至少一次(at least once)保证数据不丢失,但不保证数据不重复 - 最多一次(at most once)- ACK为 0- 最多一次(at most once)保证数据不重复,但是不保证数据不丢
- 精确一次(exactly once):
开启幂等性
+至少一次
(ACK级别设置为-1
+分区副本>=2
+ISR中应答的最小副本数>=2
)
幂等性
幂等性能够保证无论producer向broker发送多少数据,始终保证broker只持久化一条数据
精确一次
(
e
x
a
c
t
l
y
o
n
c
e
)
=
幂等性
+
至少一次
(
A
C
K
(
−
1
)
+
分区副本
>
=
2
+
I
S
R
中应答的最小副本数
>
=
2
)
精确一次(exactly once) = 幂等性 + 至少一次(ACK(-1)+分区副本>=2+ISR中应答的最小副本数>=2)
精确一次(exactlyonce)=幂等性+至少一次(ACK(−1)+分区副本>=2+ISR中应答的最小副本数>=2)
幂等性判断重复数据的标准,具有
<PID,partition,seqnumber>
相同主键的消息提交时,broker只会持久化一条,其中的PID是kafka每次重启都会分配新的,partition表示分区号,sequence number单调递增
- 幂等性只能保证单分区单会话内不重复,kafka重启后pid会重置
- 开启参数enable.Idempotence,默认开启为true,kafka在内存中直接将重复的数据删除
重启之后还是可能产生重复数据,需要使用生产者事务
事务原理
由于幂等性只能保证在单分区和会话保证数据不重复,因此需要事务的来实现
- 开启事务,必须开启幂等性
kafka事务的api
// 1 初始化事务voidinitTransactions();// 2 开启事务voidbeginTransaction()throwsProducerFencedException;// 3 在事务内提交已经消费的偏移量(主要用于消费者)voidsendOffsetsToTransaction(Map<TopicPartition,OffsetAndMetadata> offsets,String consumerGroupId)throwsProducerFencedException;// 4 提交事务voidcommitTransaction()throwsProducerFencedException;// 5 放弃事务(类似于回滚事务的操作)voidabortTransaction()throwsProducerFencedException;
使用事务保证消息的仅一次发送
//重要:手动指定事务id
properties.put(ProducerConfig.TRANSACTIONAL_ID_CONFIG,"transaction_id_0");//创建kafka对象KafkaProducer<String,String> kafkaProducer =newKafkaProducer<>(properties);
kafkaProducer.initTransactions();
kafkaProducer.beginTransaction();try{for(int i =0; i <5; i++){
kafkaProducer.send(newProducerRecord<>("first","world"+ i),newCallback(){@OverridepublicvoidonCompletion(RecordMetadata recordMetadata,Exception e){if(e ==null){System.out.println("topic:"+ recordMetadata.topic()+" partition:"+ recordMetadata.partition());}}}).get();}//发送数据
kafkaProducer.commitTransaction();}catch(Exception e){
kafkaProducer.abortTransaction();}finally{
kafkaProducer.close();}
数据有序
- producer在不同分区内产生数据,无法保证有序
- 单分区内,有序(有条件)
- 多分区,分区之间无序。多分区有序,需要在comsumer端收到所有数据后进行整体重排序
数据乱序
kafka在1.x版本之前保证数据单分区有序,条件是
max.in.flight.requests.per.connection =1
(不需要考虑幂等性)
kafka在1.x版本之后
- 未开启幂等性,
max.in.flight.requests.per.connection =1
- 开启幂等性,
max.in.flight.requests.per.connection <= 5
。原因:开启幂等性后kafka服务端会缓存producer发来的最近5个request的元数据,通过重新排序来保证有序
版权归原作者 zhojiew 所有, 如有侵权,请联系我们删除。