玩轉Kafka的生產者——分區器與多線程

上篇文章學習kafka的基本安裝和基礎概念，本文主要是學習kafka的常用API。其中包括生產者和消費者，

多線程生產者，多線程消費者，自定義分區等，當然還包括一些避坑指南。

 首發於個人網站：鏈接地址

准備工作

kafka版本：2.11-1.1.1

操作系統：centos7

java：jdk1.8

有了以上這些條件就OK了，具體怎么安裝和啟動Kafka這里就不強調了，可以看上一篇文章。

新建一個maven工程，需要的依賴如下：

<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka_2.11</artifactId>
    <version>1.1.1</version>
</dependency>

<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-clients</artifactId>
    <version>1.1.1</version>
</dependency>

 

 

主題管理

kafka的核心就是主題，學會使用kafka的腳本創建主題，也需要學習使用Java API來創建主題。

Kafka將zookeeper的操作封裝成一個ZkUtils類，通過AdminUtils類來調用ZkUtils，來實現Kafka中元數據的操作。

下面一個例子是使用AdminUtils來創建主題，並同時創建指定大小的分區數。

    // 連接配置
    private static final String ZK_CONNECT = "10.0.90.53:2181";

    // session過期時間
    private static final int SEESSION_TIMEOUT = 30 * 1000;

    // 連接超時時間
    private static final int CONNECT_TIMEOUT = 30 * 1000;

    /**
     * 創建主題
     *
     * @param topic 主題名稱
     * @param partition 分區數
     * @param repilca 副本數
     * @param properties 配置信息
     */
    public static void createTopic(String topic, int partition, int repilca, Properties properties) {
        ZkUtils zkUtils = null;
        try {
            // 創建zkutil
            zkUtils = ZkUtils.apply(ZK_CONNECT, SEESSION_TIMEOUT, CONNECT_TIMEOUT, JaasUtils.isZkSecurityEnabled());
            if (!AdminUtils.topicExists(zkUtils, topic)) {
                //主題不存在，則創建主題
                AdminUtils.createTopic(zkUtils, topic, partition, repilca, properties, AdminUtils.createTopic$default$6());
            }
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            zkUtils.close();
        }
    }

 

 

執行該方法，創建主題，

在centos7中查看之前創建的主題：

bin/kafka-topics.sh --list --zookeeper localhost:2181  

 

刪除主題：

/**
 * 刪除主題
 *
 * @param topic
 */
public static void deleteTopic(String topic){
    ZkUtils zkUtils = null;
    try {
        zkUtils = ZkUtils.apply(ZK_CONNECT, SEESSION_TIMEOUT, CONNECT_TIMEOUT, JaasUtils.isZkSecurityEnabled());
        AdminUtils.deleteTopic(zkUtils,topic);
    } catch (Exception e) {
        e.printStackTrace();
    } finally {
        zkUtils.close();
    }
}

 

 

生產者API

在掌握了創建和刪除主題之后，接下來，學習Kafka的生產者API。

Kafka中的生產者，通過KafkaProducer這個類來實現的，在介紹這個類的使用之前，首先介紹kafka的配置項，這也是實際生產中比較關心的。

消息發送流程

實例化生產者時，有三個配置是必須指定的：

• bootstrap.servers:配置連接代理列表，不必包含Kafka集群的所有代理地址，當連接上一個代理后，會從集群元數據信息中獲取其他存活的代理信息。但為了保證能夠成功連上Kafka集群，在多代理集群的情況下，建議至少配置兩個代理。
• （由於電腦配置有限，本文實驗的是單機情況）
  key.serializer ： 用於序列化消息Key的類
• value.serializer ：用於序列化消息值（Value）的類

向Kafka發送一個消息，基本上要經過以下的流程：

1.配置Properties對象，這個是必須的

2.實例化KafkaProducer對象

3.實例化ProducerRecord對象，每條消息對應一個ProducerRecord對象

4.調用KafkaProducer的send方法，發送消息。發送消息有兩種，一種是帶回調函數的（如果發送消息有異常，會在回調函數中返回），另一種是不帶回調函數的。

KafkaProducer默認是異步發送消息，首先它會將消息緩存到消息緩沖區中，當緩存區累積到一定數量時，將消息封裝成一個

RecordBatch，統一發送消息。也就是說，發送消息實質上分為兩個階段，第一將消息發送到消息緩沖區，第二執行網絡I/O操作

5.關閉KafkaProducer，釋放連接的資源。

了解以上的流程，那么接下來就實現Java版本的API。

代碼實例

第一步：

新建一個消息實體類，模擬支付訂單消息，包含消息的ID，商家名稱，創建時間，備注。

public class OrderMessage {

    // 訂單ID
    private String id;

    // 商家名稱
    private String sName;

    // 創建時間
    private long createTime;

    // 備注
    private String remake;

    public String getId() {
        return id;
    }

    public void setId(String id) {
        this.id = id;
    }

    public String getsName() {
        return sName;
    }

    public void setsName(String sName) {
        this.sName = sName;
    }

    public long getCreateTime() {
        return createTime;
    }

    public void setCreateTime(long createTime) {
        this.createTime = createTime;
    }

    public String getRemake() {
        return remake;
    }

    public void setRemake(String remake) {
        this.remake = remake;
    }

    @Override
    public String toString() {
        return "OrderMessage{" +
                "id='" + id + '\'' +
                ", sName='" + sName + '\'' +
                ", createTime=" + createTime +
                ", remake='" + remake + '\'' +
                '}';
    }
}

 

第二步：

這里簡單的發送一個消息demo，按照上面的流程，生產者例子如下：

package kafka.producer;

import kafka.OrderMessage;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;

import java.util.Properties;
import java.util.UUID;

/**
 * kafka生產者
 */
public class ProducerSimpleDemo {
    static Properties properties = new Properties();

    //主題名稱
    static String topic = "myTopic";

    //生產者
    static KafkaProducer<String, String> producer = null;

    //生產者配置
    static {
        properties.put(org.apache.kafka.clients.producer.ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "10.0.90.53:9092");
        properties.put(org.apache.kafka.clients.producer.ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
        producer = new KafkaProducer<>(properties);
    }

    public static void main(String args[]) throws Exception {
        sendMsg();
    }

    /**
     * 發送消息
     *
     * @throws Exception
     */
    public static void sendMsg() throws Exception {
        ProducerRecord<String, String> record = null;
        try {
            // 循環發送一百條消息
            for (int i = 0; i < 10; i++) {
                // 構造待發送的消息
                OrderMessage orderMessage = new OrderMessage();
                orderMessage.setId(UUID.randomUUID().toString());
                long timestamp = System.nanoTime();
                orderMessage.setCreateTime(timestamp);
                orderMessage.setRemake("remind");
                orderMessage.setsName("test");
                // 實例化ProducerRecord
                record = new ProducerRecord<String, String>(topic, timestamp + "", orderMessage.toString());
                producer.send(record, (metadata, e) -> {
                    // 使用回調函數
                    if (null != e) {
                        e.printStackTrace();
                    }
                    if (null != metadata) {
                        System.out.println(String.format("offset: %s, partition:%s, topic:%s  timestamp:%s", metadata.offset(), metadata.partition(), metadata.topic(), metadata.timestamp()));
                    }
                });
            }

        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            producer.close();
        }
    }
}

 

運行,結果就出現了，異常。

異常記錄：

2018-07-30 18:05:10.755 DEBUG 10272 --- [ad | producer-1] o.apache.kafka.common.network.Selector   : Connection with localhost/127.0.0.1 disconnected
 
java.net.ConnectException: Connection refused: no further information
    at sun.nio.ch.SocketChannelImpl.checkConnect(Native Method) ~[na:1.8.0_111]
    at sun.nio.ch.SocketChannelImpl.finishConnect(Unknown Source) ~[na:1.8.0_111]
    at org.apache.kafka.common.network.PlaintextTransportLayer.finishConnect(PlaintextTransportLayer.java:51) ~[kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.common.network.KafkaChannel.finishConnect(KafkaChannel.java:73) ~[kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.common.network.Selector.pollSelectionKeys(Selector.java:323) [kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.common.network.Selector.poll(Selector.java:291) [kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.clients.NetworkClient.poll(NetworkClient.java:260) [kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.clients.producer.internals.Sender.run(Sender.java:236) [kafka-clients-0.10.1.1.jar:na]
    at org.apache.kafka.clients.producer.internals.Sender.run(Sender.java:148) [kafka-clients-0.10.1.1.jar:na]
    at java.lang.Thread.run(Unknown Source) [na:1.8.0_111]

 

可以看到報錯第一句顯示：Connection with localhost/127.0.0.1 disconnected

但是可以看到自己的配置是正確的。

 

這里需要在kafka中修改部分配置：

在配置kafka中，首先需要修改kafka的配置server.properties中的

 advertised.listeners=PLAINTEXT://:your.host.name:9092

翻譯過來就是hostname和端口是用來建議給生產者和消費者使用的。

如果沒有設置，將會使用listeners的配置，如果listeners也沒有配置，將使用 java.net.InetAddress.getCanonicalHostName ()來獲取這個hostname和port，對於ipv4，基本就是localhost了。

 

"PLAINTEXT"表示協議，可選的值有PLAINTEXT和SSL，hostname可以指定IP地址，也可以用"0.0.0.0"表示對所有的網絡接口有效，如果hostname為空表示只對默認的網絡接口有效

也就是說如果你沒有配置advertised.listeners，就使用listeners的配置通告給消息的生產者和消費者，這個過程是在生產者和消費者獲取源數據(metadata)。

 

修改之后：

advertised.listeners=PLAINTEXT://10.0.90.53:9092

需要注意的是，如果Kafka有多個節點，那么需要每個節點都按照這個節點的實際hostname和port情況進行設置。

修改完畢，重啟Kafka服務，開啟消費者，接受消息，在服務器中輸入：

bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic myTopic --from-beginning

可以看到服務器中的消費者：

 

成功接收到消息。之前提到過在生產者有回調函數，來看看回調函數的輸出：

offset: 0, partition:0, topic:myTopic  timestamp:1533199115840
offset: 1, partition:0, topic:myTopic  timestamp:1533199115850
offset: 2, partition:0, topic:myTopic  timestamp:1533199115850
offset: 3, partition:0, topic:myTopic  timestamp:1533199115850
offset: 4, partition:0, topic:myTopic  timestamp:1533199115850
offset: 5, partition:0, topic:myTopic  timestamp:1533199115850
offset: 6, partition:0, topic:myTopic  timestamp:1533199115850
offset: 7, partition:0, topic:myTopic  timestamp:1533199115852
offset: 8, partition:0, topic:myTopic  timestamp:1533199115852
offset: 9, partition:0, topic:myTopic  timestamp:1533199115852

打印出了偏移值，分區，主題，和時間戳。說明發送成功了。到此就完成第一個Helloworld操作了。

我們可以看到回調函數返回的消息，怎么都在一個分區中呢？下面來研究分區器。

 

自定義分區器

Kafka在底層摒棄了Java堆緩存機制，采用了操作系統級別的頁緩存，同時將隨機寫操作改為順序寫，再結合Zero-Copy的特性極大地改善了IO性能。

這個在單機上的提高，對於集群，Kafka使用了分區，將topic的消息分散到多個分區上，並保存在不同的機器上。

但是是否分區越多，效率越高呢？也不盡然！

1.每個分區在底層文件系統都有屬於自己的一個目錄。該目錄下通常會有兩個文件： base_offset.log和base_offset.index。Kafak的controller和ReplicaManager會為每個broker都保存這兩個文件句柄(file handler)。很明顯，如果分區數越多，所需要保持打開狀態的文件句柄數也就越多，最終可能會突破你的ulimit -n的限制。

2.消費者和生產者都會為分區緩存消息，分區越多，緩存的消息就越多，占用的內存就越大。

3.降低高可用，Kafka是通過高可用來實現高可用性的。我們知道在集群中往往會有一個leader，假設集群中有10個Kafka進程，1個leader，9個follwer，如果一個leader掛了，那么就會重新選出一個leader，如果集群中有10000個分區，那么將要花費很長的時間，這對於高可用是有損耗的。

 

本身kafka有自己的分區策略的，如果未指定，就會使用默認的分區策略：

Kafka根據傳遞消息的key來進行分區的分配，即hash(key) % numPartitions。如果Key相同的話，那么就會分配到統一分區。

 

Kafka提供了自定義的分區器，只要實現Partitioner接口即可，下面是自定義分區的例子：

package kafka.partition;

import org.apache.kafka.clients.producer.Partitioner;
import org.apache.kafka.common.Cluster;

import java.util.Map;

/**
 * 自定義分區器
 */
public class PartitionUtil implements Partitioner {

    // 分區數
    private static final Integer PARTITION_NUM = 6;

    @Override
    public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
        if (null == key){
            return 0;
        }
        String keyValue = String.valueOf(key);
        // key取模
        int partitionId = (int) (Long.valueOf(key.toString())%PARTITION_NUM);
        return partitionId;
    }

    @Override
    public void close() {

    }

    @Override
    public void configure(Map<String, ?> configs) {

    }
}

 

還是剛才分區的代碼，只要在之前的配置中加上

properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG, PartitionUtil.class.getName());

運行生產者，回調函數打印如下：

offset: 3, partition:5, topic:MyOrder  timestamp:1533205894785
offset: 5, partition:3, topic:MyOrder  timestamp:1533205893202
offset: 6, partition:3, topic:MyOrder  timestamp:1533205894784
offset: 2, partition:2, topic:MyOrder  timestamp:1533205894785
offset: 4, partition:1, topic:MyOrder  timestamp:1533205894785
offset: 5, partition:1, topic:MyOrder  timestamp:1533205894785
offset: 5, partition:0, topic:MyOrder  timestamp:1533205894784
offset: 6, partition:0, topic:MyOrder  timestamp:1533205894784
offset: 7, partition:0, topic:MyOrder  timestamp:1533205894785
offset: 8, partition:0, topic:MyOrder  timestamp:1533205894786

分區成功了，在實際生產過程中，可以根據項目的實際需要進行分區設計。

 

 

線程池生產者

在實際生產過程中，通常消息數量是比較多的，就可以考慮使用線程池。

使用線程池發送消息時，要考慮兩點：1.需要結合實際情況，合理設計線程池的大小；2.使用線程池時，消息的發送是無序的，如果對消息的順序有要求，不建議使用。

如果使用線程池，建議是只實例化一個KafkaProducer對象，這樣性能最好。代碼如下：

首先寫一個線程類：

package kafka.producer;

import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerRecord;

/**
 * 生產者線程
 */
public class ProducerThread implements Runnable {

    private KafkaProducer<String, String> producer = null;
    private ProducerRecord<String, String> record = null;

    public ProducerThread(KafkaProducer<String, String> producer, ProducerRecord<String, String> record) {
        this.producer = producer;
        this.record = record;
    }

    @Override
    public void run() {
        producer.send(record, (metadata, e) -> {
            if (null != e) {
                e.printStackTrace();
            }
            if (null != metadata) {
                System.out.println("消息發送成功 ：         "+String.format("offset: %s, partition:%s, topic:%s  timestamp:%s",
                        metadata.offset(), metadata.partition(), metadata.topic(), metadata.timestamp()));
            }
        });
    }

}

 

接着完成啟動類，啟動類中自定義了一個線程池，這里還是有一些遐思，就是沒有自定義，線程創建工廠，沒有指定創建的線程名稱，在實際生產中，最好是自定義線程工廠。

代碼如下：

package kafka.producer;

import kafka.OrderMessage;
import kafka.partition.PartitionUtil;
import org.apache.kafka.clients.producer.*;
import org.apache.kafka.clients.producer.ProducerConfig;

import java.util.Properties;
import java.util.UUID;
import java.util.concurrent.*;

/**
 * 線程池生產者
 *
 * @author tangj
 * @date 2018/7/29 20:15
 */
public class ProducerDemo {
    static Properties properties = new Properties();

    static String topic = "MyOrder";

    static KafkaProducer<String, String> producer = null;

    // 核心池大小
    static int corePoolSize = 5;

    // 最大值
    static int maximumPoolSize = 20;

    // 無任務時存活時間
    static long keepAliveTime = 60;

    // 時間單位
    static TimeUnit timeUnit = TimeUnit.SECONDS;

    // 阻塞隊列
    static BlockingQueue blockingQueue = new LinkedBlockingQueue();

    // 線程池
    static ExecutorService service = null;

    static {
        // 配置項
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "10.0.90.53:9092");
        properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG, PartitionUtil.class.getName());
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
        producer = new KafkaProducer<>(properties);
        // 初始化線程池
        service = new ThreadPoolExecutor(corePoolSize, maximumPoolSize, keepAliveTime, timeUnit, blockingQueue);
    }

    public static void main(String args[]) throws Exception {
        for (int i = 0; i < 6; i++) {
            service.submit(createMsgTask());
        }
    }


    /**
     * 生產消息
     *
     * @return
     */
    public static ProducerThread createMsgTask() {
        OrderMessage orderMessage = new OrderMessage();
        orderMessage.setId(UUID.randomUUID().toString());
        long timestamp = System.nanoTime();
        orderMessage.setCreateTime(timestamp);
        orderMessage.setRemake("rem");
        orderMessage.setsName("test");
        ProducerRecord<String, String> record = new ProducerRecord<String, String>(topic, timestamp + "", orderMessage.toString());
        ProducerThread task = new ProducerThread(producer, record);
        return task;
    }

}

 

 總結

對於Kafka的分區器和多線程生成者，切記一點，一定要根據實際業務進行設計。