Python調用Kafka發送數據

來源於   https://www.cnblogs.com/FG123/p/10091478.html

 

Kafka是一種分布式的基於發布/訂閱的消息系統，它的高吞吐量、靈活的offset是其它消息系統所沒有的。

Kafka發送消息主要有三種方式：

1.發送並忘記 2.同步發送 3.異步發送+回調函數

 

下面以單節點的方式分別用三種方法發送1w條消息測試：

方式一：發送並忘記(不關心消息是否正常到達，對返回結果不做任何判斷處理)

發送並忘記的方式本質上也是一種異步的方式，只是它不會獲取消息發送的返回結果，這種方式的吞吐量是最高的，但是無法保證消息的可靠性：

 1 import pickle
 2 import time
 3 from kafka import KafkaProducer
 4 
 5 producer = KafkaProducer(bootstrap_servers=['192.168.33.11:9092'],
 6                          key_serializer=lambda k: pickle.dumps(k),
 7                          value_serializer=lambda v: pickle.dumps(v))
 8 
 9 start_time = time.time()
10 for i in range(0, 10000):
11     print('------{}---------'.format(i))
12     future = producer.send('test_topic', key='num', value=i, partition=0)
13 
14 # 將緩沖區的全部消息push到broker當中
15 producer.flush()
16 producer.close()
17 
18 end_time = time.time()
19 time_counts = end_time - start_time
20 print(time_counts)

 測試結果：1.88s

 

方式二：同步發送(通過get方法等待Kafka的響應，判斷消息是否發送成功)

以同步的方式發送消息時，一條一條的發送，對每條消息返回的結果判斷， 可以明確地知道每條消息的發送情況，但是由於同步的方式會阻塞，只有當消息通過get返回future對象時，才會繼續下一條消息的發送：

 

 1 import pickle
 2 import time
 3 from kafka import KafkaProducer
 4 from kafka.errors import kafka_errors
 5 
 6 producer = KafkaProducer(
 7     bootstrap_servers=['192.168.33.11:9092'],
 8     key_serializer=lambda k: pickle.dumps(k),
 9     value_serializer=lambda v: pickle.dumps(v)
10 )
11 
12 start_time = time.time()
13 for i in range(0, 10000):
14     print('------{}---------'.format(i))
15     future = producer.send(topic="test_topic", key="num", value=i)
16     # 同步阻塞,通過調用get()方法進而保證一定程序是有序的.
17     try:
18         record_metadata = future.get(timeout=10)
19         # print(record_metadata.topic)
20         # print(record_metadata.partition)
21         # print(record_metadata.offset)
22     except kafka_errors as e:
23         print(str(e))
24 
25 end_time = time.time()
26 time_counts = end_time - start_time
27 print(time_counts)

 

測試結果：16s

 

方式三：異步發送+回調函數(消息以異步的方式發送，通過回調函數返回消息發送成功/失敗)

在調用send方法發送消息的同時，指定一個回調函數，服務器在返回響應時會調用該回調函數，通過回調函數能夠對異常情況進行處理，當調用了回調函數時，只有回調函數執行完畢生產者才會結束，否則一直會阻塞：

 1 import pickle
 2 import time
 3 from kafka import KafkaProducer
 4 
 5 producer = KafkaProducer(
 6     bootstrap_servers=['192.168.33.11:9092'],
 7     key_serializer=lambda k: pickle.dumps(k),
 8     value_serializer=lambda v: pickle.dumps(v)
 9 )
10 
11 
12 def on_send_success(*args, **kwargs):
13     """
14     發送成功的回調函數
15     :param args:
16     :param kwargs:
17     :return:
18     """
19     return args
20 
21 
22 def on_send_error(*args, **kwargs):
23     """
24     發送失敗的回調函數
25     :param args:
26     :param kwargs:
27     :return:
28     """
29 
30     return args
31 
32 
33 start_time = time.time()
34 for i in range(0, 10000):
35     print('------{}---------'.format(i))
36     # 如果成功,傳進record_metadata,如果失敗,傳進Exception.
37     producer.send(
38         topic="test_topic", key="num", value=i
39     ).add_callback(on_send_success).add_errback(on_send_error)
40 
41 producer.flush()
42 producer.close()
43 
44 end_time = time.time()
45 time_counts = end_time - start_time
46 print(time_counts)

測試結果：2.15s

 

三種方式雖然在時間上有所差別，但並不是說時間越快的越好，具體要看業務的應用場景：

場景1：如果業務要求消息必須是按順序發送的，那么可以使用同步的方式，並且只能在一個partation上，結合參數設置retries的值讓發送失敗時重試，設置max_in_flight_requests_per_connection=1，可以控制生產者在收到服務器晌應之前只能發送1個消息，從而控制消息順序發送；

場景2：如果業務只關心消息的吞吐量，容許少量消息發送失敗，也不關注消息的發送順序，那么可以使用發送並忘記的方式，並配合參數acks=0，這樣生產者不需要等待服務器的響應，以網絡能支持的最大速度發送消息；

場景3：如果業務需要知道消息發送是否成功，並且對消息的順序不關心，那么可以用異步+回調的方式來發送消息，配合參數retries=0，並將發送失敗的消息記錄到日志文件中；