一、producer工作流程

　　producer使用用戶啟動producer的線程，將待發(fā)送的消息封裝到一個ProducerRecord類實例，然后將其序列化之后發(fā)送給partitioner，再由后者確定目標分區(qū)后一同發(fā)送到位于producer程序中的一塊內(nèi)存緩沖區(qū)中。而producer的另外一個線程（Sender線程）則負責實時從該緩沖區(qū)中提取出準備就緒的消息封裝進一個批次(batch)，統(tǒng)一發(fā)送給對應的broker，具體流程如下圖：

二、producer示例程序開發(fā)

　　首先引入kafka相關依賴，在pom.xml文件中加入如下依賴:

<!--kafka-->
  <dependency>
   <groupId>org.apache.kafka</groupId>
   <artifactId>kafka_2.12</artifactId>
   <version>2.2.0</version>
  </dependency>

　　在resources下面創(chuàng)建kafka-producer.properties配置文件，用于設置kafka參數(shù)，內(nèi)容如下：

bootstrap.servers=192.168.184.128:9092,192.168.184.128:9093,192.168.184.128:9094
key.serializer=org.apache.kafka.common.serialization.StringSerializer
value.serializer=org.apache.kafka.common.serialization.StringSerializer
acks=-1
retries=3
batch.size=323840
linger.ms=10
buffer.memory=33554432
max.block.ms=3000

　　其中，前三個參數(shù)必須明確指定，因為這三個參數(shù)沒有默認值（注：kafka的producer參數(shù)配置可以參考http://kafka.apache.org/documentation/），然后編寫producer發(fā)送消息的代碼：

/**
   * Kafka發(fā)送消息測試
   * @throws IOException
   */
  public void sendMsg() throws IOException {
    //1.構(gòu)造properties對象
    Properties properties = new Properties();
    FileInputStream fileInputStream = new FileInputStream("F:\\javaCode\\jvmdemo\\src\\main\\resources\\kafka-producer.properties");
    properties.load(fileInputStream);
    fileInputStream.close();
    //2.構(gòu)造kafkaProducer對象
    KafkaProducer producer = new KafkaProducer(properties);
    for (int i = 0; i < 100; i++) {
      //3.構(gòu)造待發(fā)送消息的producerRecord對象，并指定消息要發(fā)送到哪個topic，消息的key和value
      ProducerRecord testTopic = new ProducerRecord("testTopic", Integer.toString(i), Integer.toString(i));
      //4.調(diào)用kafkaProducer對象的send方法發(fā)送消息
      producer.send(testTopic);
    }
    //5.關閉kafkaProducer
    producer.close();
  }

　　然后登陸kafka所在服務器，執(zhí)行以下命令監(jiān)聽消息:　

cd /usr/local/kafka/bin
./kafka-console-consumer.sh --bootstrap-server 192.168.184.128:9092,192.168.184.128:9093,192.168.184.128:9094 --topic testTopic --from-beginning

　　運行sendMsg方法，注意觀察消費端，

　　可以看到有0-99之間的數(shù)字依次被消費到，說明消息發(fā)送成功。

三、異步和同步發(fā)送消息

　　上面發(fā)送消息的示例程序中，沒有對發(fā)送結(jié)果進行處理，如果消息發(fā)送失敗我們也是無法得知的，這種方法在實際應用中是不推薦的。在實際使用場景中，一般使用異步和同步兩種常見發(fā)送方式。Java版本producer的send方法會返回一個Future對象，如果調(diào)用Future.get()方法就會無限等待返回結(jié)果，實現(xiàn)同步發(fā)送的效果，否則就是異步發(fā)送。

　　1.異步發(fā)送消息

　　Java版本producer的send()方法提供了回調(diào)類參數(shù)來實現(xiàn)異步發(fā)送以及對發(fā)送結(jié)果進行的響應，具體代碼如下：

/**
   * 異步發(fā)送消息
   *
   * @throws IOException
   */
  public void sendMsg() throws IOException {
    //1.構(gòu)造properties對象
    Properties properties = new Properties();
    FileInputStream fileInputStream = new FileInputStream("F:\\javaCode\\jvmdemo\\src\\main\\resources\\kafka-producer.properties");
    properties.load(fileInputStream);
    fileInputStream.close();
    //2.構(gòu)造kafkaProducer對象
    KafkaProducer producer = new KafkaProducer(properties);
    for (int i = 0; i < 100; i++) {
      //3.構(gòu)造待發(fā)送消息的producerRecord對象，并指定消息要發(fā)送到哪個topic，消息的key和value
      ProducerRecord testTopic = new ProducerRecord("testTopic", Integer.toString(i), Integer.toString(i));
      //4.調(diào)用kafkaProducer對象的send方法發(fā)送消息，傳入Callback回調(diào)參數(shù)
      producer.send(testTopic, new Callback() {
        @Override
        public void onCompletion(RecordMetadata recordMetadata, Exception exception) {
          if (null == exception) {
            //消息發(fā)送成功后的處理
            System.out.println("消息發(fā)送成功");
          } else {
            //消息發(fā)送失敗后的處理
            System.out.println("消息發(fā)送失敗");
          }
        }
      });
    }
    //5.關閉kafkaProducer
    producer.close();
  }

　　以上代碼中，send方法第二個參數(shù)傳入一個匿名內(nèi)部類對象，也可以傳入實現(xiàn)了org.apache.kafka.clients.producer.Callback接口的類對象。同時onCompletion方法的兩個入?yún)ecordMetadata和exception不會同時為空，當消息發(fā)送成功后，exception為null，消息發(fā)送失敗后recordMetadata為null。因此可以按照兩個入?yún)⑦M行成功和失敗邏輯的處理。

　　其次，Kafka發(fā)送消息失敗的類型包含兩類，可重試異常和不可重試異常。所有的可重試異常都繼承自org.apache.kafka.common.errors.RetriableException抽象類，理論上所有沒有繼承RetriableException 類的其他異常都屬于不可重試異常，鑒于此，可以在消息發(fā)送失敗后，按照是否可以重試，來進行不同的處理邏輯處理：

//4.調(diào)用kafkaProducer對象的send方法發(fā)送消息
producer.send(testTopic, new Callback() {
  @Override
  public void onCompletion(RecordMetadata recordMetadata, Exception exception) {
    if (null == exception) {
      //消息發(fā)送成功后的處理
      System.out.println("消息發(fā)送成功");
    } else {
      if(exception instanceof RetriableException){
        // 可重試異常
        System.out.println("可重試異常");
      }else{
        // 不可重試異常
        System.out.println("不可重試異常");
      }
    }
  }
});

　　2.同步發(fā)送消息

　　同步發(fā)送和異步發(fā)送是通過Java的Futrue來區(qū)分的，調(diào)用Future.get()無限等待結(jié)果返回，即實現(xiàn)了同步發(fā)送的結(jié)果，具體代碼如下：

// 發(fā)送消息
 Future future = producer.send(testTopic);
 try {
　　　// 調(diào)用get方法等待結(jié)果返回，發(fā)送失敗則會拋出異常
   future.get();
 } catch (Exception e) {
   System.out.println("消息發(fā)送失敗");
 }

四、其他高級特性

1.消息分區(qū)機制

　　kafka producer提供了分區(qū)策略以及分區(qū)器(partitioner)用于確定將消息發(fā)送到指定topic的哪個分區(qū)中。默認分區(qū)器根據(jù)murmur2算法計算消息key的哈希值，然后對總分區(qū)數(shù)求模確認消息要被發(fā)送的目標分區(qū)號（這點讓我想起了redis集群中key值的分配方法），這樣就確保了相同key的消息被發(fā)送到相同分區(qū)。若消息沒有key值，將采用輪詢的方式確保消息在topic的所有分區(qū)上均勻分配。

　　除了使用kafka默認的分區(qū)機制，也可以通過實現(xiàn)org.apache.kafka.clients.producer.Partitioner接口來自定義分區(qū)器，此時需要在構(gòu)造KafkaProducer的 properties中增加partitioner.class來指明分區(qū)器實現(xiàn)類，如：partitioner.class=com.demo.service.CustomerPartitioner。

2.消息序列化

　　在本篇開始的producer示例程序中，在構(gòu)造KafkaProducer對象的時候，有兩個配置項

• key.serializer=org.apache.kafka.common.serialization.StringSerializer
• value.serializer=org.apache.kafka.common.serialization.StringSerializer

分別用于配置消息key和value的序列化方式為String類型，除此之外，Kafka中還提供了如下默認的序列化器：

　　ByteArraySerializer：本質(zhì)上什么也不做，因為網(wǎng)絡中傳輸就是以字節(jié)傳輸?shù)模?/p>

　　ByteBufferSerializer：序列化ByteBuffer消息；

　　BytesSerializer：序列化kafka自定義的Bytes類型；

　　IntegerSerializer：序列化Integer類型；

　　DoubleSerializer：序列化Double類型；

　　LongSerializer：序列化Long類型；

　　如果要自定義序列化器，則需要實現(xiàn)org.apache.kafka.common.serialization.Serializer接口，并且將key.serializer和value.serializer配置為自定義的序列化器。

3.消息壓縮

　　消息壓縮可以顯著降低磁盤占用以及帶寬占用，從而有效提升I/O密集型應用性能，但是引入壓縮同時會消耗額外的CPU，因此壓縮是I/O性能和CPU資源的平衡。kafka目前支持3種壓縮算法：CZIP，Snappy和LZ4，性能測試結(jié)果顯示三種壓縮算法的性能如下：LZ4>>Snappy>GZIP，目前啟用LZ4進行消息壓縮的producer的吞吐量是最高的。

　　默認情況下Kafka是不壓縮消息的，但是可以通過在創(chuàng)建KafkaProducer 對象的時候設置producer端參數(shù)compression.type來開啟消息壓縮，如配置compression.type=LZ4。那么什么時候開啟壓縮呢？首先判斷是否啟用壓縮的依據(jù)是I/O資源消耗與CPU資源消耗的對比，如果環(huán)境上I/O資源非常緊張，比如producer程序占用了大量的網(wǎng)絡帶寬或broker端的磁盤占用率很高，而producer端的CPU資源非常富裕，那么就可以考慮為producer開啟壓縮。

4.無消息丟失配置

　　在使用KafkaProducer.send()方法發(fā)送消息的時候，其實是把消息放入緩沖區(qū)中，再由一個專屬I/O線程負責從緩沖區(qū)提取消息并封裝消息到batch中，然后再發(fā)送出去。如果在I/O線程將消息發(fā)送出去之前，producer奔潰了，那么所有的消息都將丟失。同時，存在多消息發(fā)送時候由于網(wǎng)絡抖動導致消息亂序的問題，為了解決這兩個問題，可以通過在producer端以及broker端進行配置進行避免。

4.1 producer端配置

　　max.block.ms=3000：設置block的時長,當緩沖區(qū)被填滿或者metadata丟失時產(chǎn)生block，停止接收新的消息；

　　acks=all：等待所有follower都響應了發(fā)送消息認為消息發(fā)送成功；

　　retries=Integer.MAX_VALUE：設置重試次數(shù)，設置一個比較大的值可以保證消息不丟失；

　　max.in.flight.requests.per.connection=1：限制producer在單個broker連接上能夠發(fā)送的未響應請求的數(shù)量，從而防止同topic統(tǒng)一分區(qū)下消息亂序問題；

　　除了設置以上參數(shù)之外，在發(fā)送消息的時候，應該盡量使用帶有回調(diào)參數(shù)的send方法來處理發(fā)送結(jié)果，如果數(shù)據(jù)發(fā)送失敗，則顯示調(diào)用KafkaProducer.close(0)方法來立即關閉producer，防止消息亂序。

4.2 broker端配置

　　unclean.leader.election.enable=false：關閉unclean leader選舉，即不允許非ISR中的副本被選舉為leader;

　　replication.factor>=3：至少使用3個副本保存數(shù)據(jù)；

　　min.issync.replicas>1：控制某條消息至少被寫入到ISR中多少個副本才算成功，當且僅當producer端acks參數(shù)設置為all或者-1時，該參數(shù)才有效。

　　最后，確保replication.factor>min.issync.replicas，如果兩者相等，那么只要有一個副本掛掉，分區(qū)就無法工作，推薦配置replication.factor=min.issync.replicas+1。

　　關于producer端的開發(fā)就介紹到這兒，下一篇將介紹consumer端的開發(fā)。

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論