Kafka生产者

目录

  • 只发送,不关心是否成功
  • 同步发送
  • 异步发送
  • 序列化方法
  • 消费者代码
  • 代码运行前提
  • 完整代码

Kafka提供了用户端API,供使用者与Kafka集群通信。其中两个最基本的组件:生产者(Producer)和消费者(Consumer)。其他更高级的API,如Kafka Stream等都是在生产者和消费者API之上做的封装,以实现更丰富的功能。

producer

生产者配置了Kafka集群地址,序列化方法。

下述代码阐述了3种生产消息的方式:

  • fire and forget:实质上异步方式,send方法返回一个Future对象,发送是否完成(成功或者失败)无需关心。因为Kafka本身的高可用性还有重试机制,消息几乎不可能丢失。但是使用这种方式有丢失消息的可能性,而且无法追踪(不会有异常抛出)。
  • 同步:使用Future的get方法阻塞主线程,获取返回的metadata以判断推送消息成功与否。
  • 异步:向send传一个回调函数作为参数,在主线程不阻塞的情况下,当返回(成功或者失败)时,打log,对发送失败的消息进行保存等等后续处理。

只发送,不关心是否成功

public class ProducerExample {
    private static Logger log = LoggerFactory.getLogger(ProducerExample.class);
    public static void main(String... args){
        Properties prop = new Properties();
        prop.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");
        prop.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, Serdes.String().serializer().getClass().getName());
        prop.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, Serdes.String().serializer().getClass().getName());
        KafkaProducer producer = new KafkaProducer(prop);

        // fire and forget
        ProducerRecord<String, String> mayLostRecord = new ProducerRecord("mytopic", "key-fire-forget","value-00");
        try {
            Future future = producer.send(mayLostRecord);
        }catch (Exception ex){
            ex.printStackTrace();
        }
    }
}

send方法返回一个Future<RecordMetadata>对象,因为我们没有使用这个返回值,所以我们无法得知消息是否发送成功或者失败。如果可以忍受消息的丢失,可以使用此方法,生产环境很少使用这种方法。

虽然我们忽略了发送时可能产生的错误,依然可以捕获到发送之前的异常,比如序列化,缓存不够用以及发送线程意外停止等等异常。

同步发送

        // sync
        ProducerRecord<String, String> record = new ProducerRecord("mytopic", "key-sync","value-11");
        try {
            RecordMetadata metadata = (RecordMetadata) producer.send(record).get();
            log.info("metadata returned: {}", metadata);
        }catch (Exception ex){
            log.error("sync send failed: {}", record);
            ex.printStackTrace();
        }

get方法阻塞主线程,一旦发送过程出错就会有异常抛出,如果成功返回一个RecordMetadata对象,包含offset,partition等信息。

异步发送

假设需要发送100条消息,发送每条消息花费10毫秒(应用与Kafka集群之间的数据传输延迟),那么每次发送都要阻塞以等待返回结果,总共将花费时间是1秒。如果不等待每条消息的返回结果,主线程将在接近瞬时的时间里结束。我们不关心返回结果,因为返回的RecordMetadata里边包含的offset,写入的哪个partition对于生产者来说都没什么用,然而我们确实要关心是否成功这个状态信息,仅仅当发送失败时,我们可以捕获到异常。

为了同时实现异步发送消息和追踪发送失败,我们使用回调函数。

        // async
        ProducerRecord<String, String> recordAsync = new ProducerRecord("mytopic", "key-async","value-22");
        producer.send(recordAsync, (recordMetadata, ex) -> {
            if (ex != null){
                log.error("async send message failed: {}", recordAsync);
                ex.printStackTrace();
            }else {
                log.info("async sent ok and metadata returned: {}", recordMetadata);
            }
        });

当发送失败并有异常抛出时,回调函数的第二个参数ex不为null,这里我们记录log。在生产环境中,可以将发送失败的消息持久化到文件或者数据库中。

序列化方法

前述中我们使用了String作为消息key和value的类型,如果消息中含有复合类型或者基于性能的考虑,同样可以使用基本类型如整型和字节数组来序列化消息。Kafka支持自定义的序列化方法,但是由于Kafka多生产者和多消费者的特性,应用代码会分散到很多服务中,数据类型改变导致的序列化方法重写需要同步到每一个生产者和消费者,维护成本很大。所以官方推荐使用JSON字符串或者其他第三方序列化框架如avro,thrift,protobuf等来做这件事,即使使用JSON字符串会有部分性能损失。

消费者代码

public class ConsumerExample {
    private static Logger log = LoggerFactory.getLogger(ConsumerExample.class);
    public static void main(String... args) throws InterruptedException {
        Properties prop = new Properties();
        prop.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");
        // random group id for consuming from beginning when restart application
        // just for debug convenience
        prop.put(ConsumerConfig.GROUP_ID_CONFIG, String.valueOf(new Random().nextDouble()));
        prop.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");
        prop.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, Serdes.String().deserializer().getClass().getName());
        prop.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, Serdes.String().deserializer().getClass().getName());
        KafkaConsumer consumer = new KafkaConsumer<>(prop);
        consumer.subscribe(Arrays.asList("mytopic"));
        
        while(true) {
            ConsumerRecords records = consumer.poll(2000);

            records.forEach(record -> {
                log.info("message from kafka: {}", record.toString());
            });
            Thread.sleep(3000);
        }
    }
}

代码运行前提

  • 本文通过Java代码演示生产和消费消息。需要安装JDK8
  • 需要启动一个Kafka服务(包括zookeeper服务)

完整代码

包名kafka

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,817评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,329评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,354评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,498评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,600评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,829评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,979评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,722评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,189评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,519评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,654评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,940评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,762评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,993评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,382评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,543评论 2 349

推荐阅读更多精彩内容

  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,633评论 18 139
  • 姓名:周小蓬 16019110037 转载自:http://blog.csdn.net/YChenFeng/art...
    aeytifiw阅读 34,713评论 13 425
  • kafka的定义:是一个分布式消息系统,由LinkedIn使用Scala编写,用作LinkedIn的活动流(Act...
    时待吾阅读 5,311评论 1 15
  • 就像你的左手右手根据内心来活动一样 请相信自己 并持续下去 祝你幸福 把握人生的方向
    包安安阅读 117评论 0 0
  • 别指望将来,不管它多可爱! 把已逝去的过去永久掩埋! 行动吧——趁着活生生的现在! 心中有赤心,头上有真宰! 那么...
    南司先生阅读 484评论 0 10