【Kafka】Kafka源码解析之producer过程解读

从本篇开始 打算用三篇文章 分别介绍下Producer生产消费，Consumer消费消息 以及Spring是如何集成Kafka 三部分，致于对于Broker的源码解析，因为是scala语言写的，暂时不打算进行学习分享。

总体介绍

• clients : 保存的是Kafka客户端代码，主要就是生产者和消费者代码
• config：保存Kafka的配置文件，其中比较重要的配置文件是server.properties。
• connect目录：保存Connect组件的源代码。我在开篇词里提到过，Kafka Connect组件是用来实现Kafka与外部系统之间的实时数据传输的。
• core目录：保存Broker端代码。Kafka服务器端代码全部保存在该目录下。

而一条消息的整体流转过程其实就是经过三部分，也就是Producer\Broker\Consumer。
因为是对主要核心流程的分析，所以只会截核心代码。具体后面细节，在说。

producer整体流程

对于Producer来说，其实就是几部分。

• 初始化、发送流程、缓冲区

初始化流程

设置分区器

// 设置分区器this.partitioner = config.getConfiguredInstance(ProducerConfig.PARTITIONER_CLASS_CONFIG,Partitioner.class,Collections.singletonMap(ProducerConfig.CLIENT_ID_CONFIG, clientId));

设置重试时间，默认100ms，如果配置Kafka可以重试，retries制定重试次数，retryBackoffMs指定重试的间隔

long retryBackoffMs = config.getLong(ProducerConfig.RETRY_BACKOFF_MS_CONFIG);

获取Key和Value的序列化器

// 序列化器if(keySerializer ==null){this.keySerializer = config.getConfiguredInstance(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,Serializer.class);this.keySerializer.configure(config.originals(Collections.singletonMap(ProducerConfig.CLIENT_ID_CONFIG, clientId)),true);}else{
          config.ignore(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG);this.keySerializer = keySerializer;}if(valueSerializer ==null){this.valueSerializer = config.getConfiguredInstance(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,Serializer.class);this.valueSerializer.configure(config.originals(Collections.singletonMap(ProducerConfig.CLIENT_ID_CONFIG, clientId)),false);}else{
          config.ignore(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG);this.valueSerializer = valueSerializer;}

拦截器

// 设置拦截器List<ProducerInterceptor<K,V>> interceptorList =(List) config.getConfiguredInstances(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG,ProducerInterceptor.class,Collections.singletonMap(ProducerConfig.CLIENT_ID_CONFIG, clientId));if(interceptors !=null)this.interceptors = interceptors;elsethis.interceptors =newProducerInterceptors<>(interceptorList);

其他参数

// 设置最大消息为多大,默认是1M 默认是16384this.maxRequestSize = config.getInt(ProducerConfig.MAX_REQUEST_SIZE_CONFIG);// 设置缓存大小 默认是32M 默认是33554432 RecordAccumulator=32MBthis.totalMemorySize = config.getLong(ProducerConfig.BUFFER_MEMORY_CONFIG);// 设置压缩类型 可以提升性能this.compressionType =CompressionType.forName(config.getString(ProducerConfig.COMPRESSION_TYPE_CONFIG));this.accumulator =newRecordAccumulator(logContext,

// 因为是通过缓冲区发送消息的,所以需要消息累计器RecordAccumulator.PartitionerConfig partitionerConfig =newRecordAccumulator.PartitionerConfig(
           enableAdaptivePartitioning,
           config.getLong(ProducerConfig.PARTITIONER_AVAILABILITY_TIMEOUT_MS_CONFIG));

初始化元数据

// 初始化集群元数据if(metadata !=null){this.metadata = metadata;}else{this.metadata =newProducerMetadata(retryBackoffMs,
               config.getLong(ProducerConfig.METADATA_MAX_AGE_CONFIG),
               config.getLong(ProducerConfig.METADATA_MAX_IDLE_CONFIG),
               logContext,
               clusterResourceListeners,Time.SYSTEM);this.metadata.bootstrap(addresses);}

创建Sender线程，其中包含一个重要的网络组件NetWorkClient

// 创建sender线程this.sender =newSender(logContext, kafkaClient,this.metadata);// 线程nameString ioThreadName = NETWORK_THREAD_PREFIX +" | "+ clientId;// 封装起来 设置为守护线程 并启动this.ioThread =newKafkaThread(ioThreadName,this.sender,true);// 线程启动this.ioThread.start();

发送消息流程

发送消息的过程

publicFuture<RecordMetadata>send(ProducerRecord<K,V>record,Callback callback){// 执行拦截器逻辑ProducerRecord<K,V> interceptedRecord =this.interceptors.onSend(record);returndoSend(interceptedRecord, callback);}

先执行拦截器，可以发现就是遍历拦截器，然后执行对应的onSend()方法。当我们想增加一个拦截器，直接实现对应的接口，重写onSend()方法，然后Kafka就会调用我们的onSend方法。通过提供一个拓展点进行使用。

publicProducerRecord<K,V>onSend(ProducerRecord<K,V>record){ProducerRecord<K,V> interceptRecord =record;for(ProducerInterceptor<K,V> interceptor :this.interceptors){try{
                interceptRecord = interceptor.onSend(interceptRecord);}catch(Exception e){}}return interceptRecord;}

从Kafka Broker集群获取元数据metadata

// 从broker获取元数据
    clusterAndWaitTime =waitOnMetadata(record.topic(),record.partition(), nowMs, maxBlockTimeMs);

对key和value进行序列化，调用对应的serialize的方法。

byte[] serializedKey;try{// 选择对应的序列化进行操作
          serializedKey = keySerializer.serialize(record.topic(),record.headers(),record.key());}catch(ClassCastException cce){}byte[] serializedValue;try{
          serializedValue = valueSerializer.serialize(record.topic(),record.headers(),record.value());}catch(ClassCastException cce){}

// 选择具体的分区int partition =partition(record, serializedKey, serializedValue, cluster);// 消息缓存到RecoredAccumulator
    result = accumulator.append(record.topic(), partition, timestamp, serializedKey,
                    serializedValue, headers, appendCallbacks, remainingWaitMs,false, nowMs, cluster);// 消息发送的条件// 缓冲区数据大小达到batch.size 或者linnger.ms达到上限后 唤醒sneder线程。if(result.batchIsFull || result.newBatchCreated){
         log.trace("Waking up the sender since topic {} partition {} is either full or getting a new batch",record.topic(), appendCallbacks.getPartition());this.sender.wakeup();}

Sender线程

runOnce();long pollTimeout =sendProducerData(currentTimeMs);

缓冲区、

这篇讲解很详细 https://www.cnblogs.com/rwxwsblog/p/14754810.html

生产者核心参数配置

bootstrap.servers：连接Broker配置，一般就是xxxx:9092

key.serializer 和 value.serializer：对key和value进行序列化器，可以自定义，一般就是String方式

buffer.memory：RecordAccumulator 缓冲区总大小，默认32m。

batch.size： 消息会以batch的方式进行发送，这是一批数据的大小 默认是16K

linger.ms：发送消息的时机，如果没有达到batch.size or linger.ms的时间就会发送 默认是0ms 立即发送

acks： 0: 不落盘 1:只有leader落盘 -1(all) : leader和所有从节点持久化成功 默认是-1

max.in.flight.requests.per.connection：允许最多没有返回 ack 的次数，默认为 5

retries: 消息发送失败时，系统重发消息 默认值 2147483647

retry.backoff.ms：两次重试间隔 默认是100ms

enable.idempotence: 开启幂等性 默认true

compression.type: 压缩格式 默认是none