快捷導(dǎo)航

java分布式流處理組件Producer入門詳解

更新時間：2023年03月07日 10:55:35 作者：謝先生說技術(shù)

這篇文章主要為大家介紹了java分布式流處理組件Producer入門詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

前言

前面兩章我們花費了很長的時間將Kafka的整體架構(gòu)，包括其中涉及到的角色、每個角色所對對應(yīng)的用途進(jìn)行了整體的一個串聯(lián)。然后我們也通過Kafka所提供的腳本進(jìn)行了相對應(yīng)的操作，并且對核心參數(shù)進(jìn)行了分析。

相信大家對于Kafka的處理和消費流程已經(jīng)有了一個比較籠統(tǒng)的概念。光是如此還是不夠的，那么接下來我們就開始對其中的每一個角色做一個詳細(xì)的分析。

先從生產(chǎn)者開始，我們需要對其中有如下了解：

了解外部數(shù)據(jù)是如何通過生產(chǎn)者，經(jīng)過層層編碼，然后進(jìn)入到了集群內(nèi)部進(jìn)行存儲。
同步和異步數(shù)據(jù)是如何操作，Broker如何處理應(yīng)答。
消息發(fā)送失敗后的重試機(jī)制
...

等等的一切，慢慢往下看吧～～～

基于Java的API

首先，在了解生產(chǎn)者發(fā)送消息的原理之前，我們應(yīng)該先學(xué)會如何去發(fā)送消息。

Kafka為我們提供了很多項目可以操作的API客戶端，包括：

C/C++
GO
Python
...

更多需要對接Kafka的項目可以點擊這里進(jìn)行查看

我本人屬于Java開發(fā)，所以我這里就通過Java項目來做一個QuickStart項目

通過官網(wǎng)查看API菜單，官方文檔上也是Java的版本。我們根據(jù)提示一步步操作即可～

先新建maven項目，并且引入對應(yīng)的****kafka-clients依賴

建議：Kafka-clients依賴版本，最好和安裝的kafka版本一致

<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-clients</artifactId>
    <version>3.3.1</version>
</dependency>

同步發(fā)送

Kafka生產(chǎn)者主要靠KafkaProducer來進(jìn)行操作。點擊到對應(yīng)的文檔頁面，我們可以看到關(guān)于KafkaProducer<K,V> 的詳細(xì)信息。

一個好的組件是非常貼心的，甚至我們都不用去網(wǎng)上搜任何相關(guān)的資料，只需要通過查看對應(yīng)的注釋就可以知道這個東西該怎么用。

Properties config = new Properties();
// --bootstrap-server
config.setProperty(
  ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, 
  "master:9092,node01:9092,node02:9092"
);
// key 序列化器
config.setProperty(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
// value 序列化器
config.setProperty(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
try(Producer<String, String> producer = new KafkaProducer<>(config)) {
    ProducerRecord<String, String> record = new ProducerRecord<>(
            "newTopic001",
            "key01",
            "data from " + KafkaQuickProducer.class.getName()
    ); 
    RecordMetadata recordMetadata = producer.send(record).get();
    System.out.println(
            MessageFormat.format("{0}\t{1}\t{2}\t{3}", 
                    recordMetadata.topic(), 
                    recordMetadata.partition(),
                    recordMetadata.offset(), 
                    recordMetadata.timestamp()
            )
    );
} catch (Exception e) {
    e.printStackTrace();
}

以上代碼就是同步發(fā)送的過程，這已經(jīng)是在開發(fā)過程中需要配置的最小單元，而其他關(guān)于生產(chǎn)者的配置，我們可以通過ProducerConfig來進(jìn)行查看

** 與命令行上的參數(shù)，基本上是一模一樣的**

而關(guān)于序列化器的問題，我們在下面原理的部分說明

異步發(fā)送

我們在調(diào)用同步send的時候，發(fā)現(xiàn)有兩個參數(shù)的方法，而這個方法實現(xiàn)的就是****異步發(fā)送

Future<RecordMetadata> send(ProducerRecord<K, V> record, Callback callback);

異步發(fā)送會將發(fā)送結(jié)果以事件驅(qū)動的形式傳遞，那么這里，我們就需要注意一點：

程序調(diào)用完成之后，不能讓他立即執(zhí)行，否則我們無法查看到具體的發(fā)送結(jié)果

接下來我們看具體的程序?qū)崿F(xiàn)。理論上：我們只需要改最后發(fā)送的部分

Properties config = new Properties();
// --bootstrap-server
config.setProperty(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "master:9092,node01:9092,node02:9092");
// key 序列化器
config.setProperty(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
// value 序列化器
config.setProperty(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
try(Producer<String, String> producer = new KafkaProducer<>(config)) {
    ProducerRecord<String, String> record = new ProducerRecord<>(
            "newTopic001",
            "key01",
            "data from " + KafkaQuickProducer.class.getName()
    );
    async(producer, record);
} catch (Exception e) {
    e.printStackTrace();
}
// 異步發(fā)送
private static void async(Producer<String, String> producer, ProducerRecord<String, String> record) {
    producer.send(record, (recordMetadata, exception) -> {
        if (null != exception) {
            exception.printStackTrace();
            return;
        }
        System.out.println(
                MessageFormat.format("{0}\t{1}\t{2}\t{3}",
                        recordMetadata.topic(),
                        recordMetadata.partition(),
                        recordMetadata.offset(),
                        recordMetadata.timestamp()
                )
        );
    });
    try {
        // 將程序進(jìn)行阻塞，防止由于消息發(fā)送成功之后進(jìn)程停止而無法接收到事件反饋
        System.in.read();
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

這屬于整個生產(chǎn)者發(fā)送消息方式的最小單元，本文屬于Producer入門階段。

在ProducerConfig中還包含了非常多的配置項，更多的配置信息我們會在優(yōu)化章節(jié)中說明。

原理

在第一部分，我們已經(jīng)了解到，關(guān)于生產(chǎn)者最基本的使用方式，到這里，其實我想跟大家聊一聊：

生產(chǎn)者在發(fā)送消息的時候中間到底經(jīng)歷了什么？

大家應(yīng)該已經(jīng)看到上面的那張原理圖，我們可以從中找出答案！

主線程

**這里我們分為兩個線程塊來說明，第一部分是Main主線程，也就是生產(chǎn)者在調(diào)用****send()**方法時所在的線程

在這里，我們可以看到：

外部數(shù)據(jù)首先被封裝為ProducerRecord**，然后調(diào)用**send()**方法。
在send()過程中，經(jīng)過攔截器、序列化器、分區(qū)器等處理之后進(jìn)入到RecordAccumulator中。

接下來我們仔細(xì)聊一聊攔截器、序列化器、分區(qū)器的作用

攔截器

攔截器很類似于我們在SpringMVC中Interceptor的功能，而且在Producer中我們是可以自定義攔截器的。

我們可以在發(fā)送之前對數(shù)據(jù)進(jìn)行攔截處理，比如說：統(tǒng)計生產(chǎn)者發(fā)送數(shù)據(jù)的總量等等。

當(dāng)然目前來講，我們?nèi)绻婚_發(fā)Kafka監(jiān)控平臺的話，這里攔截器的用處并不大。我們忽略不計即可

后續(xù)如果有機(jī)會的話，我們可以專門寫篇文章，用來介紹如何開發(fā)一個攔截器

序列化器

而序列化器，主要對兩個部分的數(shù)據(jù)進(jìn)行處理：

Key
Value

byte[] serializedKey 
  = serializedKey = keySerializer.serialize(record.topic(), record.headers(), record.key());
byte[] serializedValue
  = valueSerializer.serialize(record.topic(), record.headers(), record.value());

從本質(zhì)上來講，外部數(shù)據(jù)屬于屬于對象，而對象不能直接通過網(wǎng)絡(luò)進(jìn)行傳輸。所以我們就需要一個序列化器，將它轉(zhuǎn)換成字節(jié)數(shù)組，進(jìn)而進(jìn)行傳輸

Kafka本身為我們提供了很多可用的序列化器，不過我們能用到最多的還是StringSerializer。

在生產(chǎn)端將消息進(jìn)行序列話，那么在消費端必然會進(jìn)行反序列化操作

分區(qū)器

我們知道Kafka是以Topic為消息發(fā)送的主體，不過由于Topic是一個虛擬的概念，所以我們沒有辦法在實際中查看到關(guān)于Topic的相關(guān)信息。但是前面我們也說過，當(dāng)前Topic下的消息數(shù)據(jù)都是通過Partition進(jìn)行存儲的。

發(fā)送出去的消息需要存儲在哪個分區(qū)中就是通過分區(qū)器來進(jìn)行指定的，在我們沒有指定分區(qū)策略的情況下，生產(chǎn)者會通過默認(rèn)的分區(qū)策略指定當(dāng)前消息應(yīng)該存儲在哪個分區(qū)下

分區(qū)的內(nèi)容還是比較多的，我們會在下一節(jié)做詳細(xì)的說明

RecordAccumulator

此時，在主線程的區(qū)域中，當(dāng)消息進(jìn)入到默認(rèn)大小為32m的記錄緩沖區(qū)時，本區(qū)的工作就到此結(jié)束。

緩沖區(qū)中有多個雙端隊列，分別對應(yīng)Topic不同的分區(qū)。每一個分區(qū)就會創(chuàng)建一個雙端隊列。

此時的消息將會被按照批次的方式存放在隊列中，默認(rèn)一批為16k大小。當(dāng)緩沖區(qū)達(dá)到指定條件之后，****sender線程將會被喚醒，Sender程序?qū)_隊列中不斷拉出消息進(jìn)行下一步的發(fā)送

Sender線程

影響Sender線程喚醒的條件

想要喚醒Sender線程有兩個因素，但不是說這兩個條件都必須滿足，他們是或的關(guān)系。

batch.size是一個條件，這也是后期針對生產(chǎn)者優(yōu)化的主要參數(shù)之一。

當(dāng)發(fā)送消息之后，生產(chǎn)者會將消息進(jìn)行整合。將其按照一批一批的方式發(fā)送給Broker，從而減少網(wǎng)絡(luò)間的傳輸請求次數(shù)。默認(rèn)情況下為16k。

而如果一批數(shù)據(jù)的大小累計達(dá)到了設(shè)置的batch.size之后，sender才會做發(fā)送數(shù)據(jù)的操作

這是第一個限制

下面再來介紹一個非常強(qiáng)勢的參數(shù)：liner.ms。生產(chǎn)者優(yōu)化的主要參數(shù)之二。

這么說吧，如果你設(shè)置的liner.ms=0，表示不延遲直接發(fā)送。那么batch.size就不會生效了

而liner.ms=0屬于默認(rèn)配置

如果數(shù)據(jù)一直沒有達(dá)到設(shè)置的batch.size大小，數(shù)據(jù)也不能不發(fā)對吧。所以Kafka也就為我們提供了這樣的參數(shù)：

當(dāng)sender等待liner.ms設(shè)置的時間之后【單位ms】，不管數(shù)據(jù)如何都會將消息進(jìn)行發(fā)送
如未設(shè)置當(dāng)前參數(shù)，表示沒有延遲，直接發(fā)送

下面舉個小例子

config.setProperty(ProducerConfig.LINGER_MS_CONFIG, "5000");

開始發(fā)送

將RecordAccumulator內(nèi)存儲的數(shù)據(jù)拉取出來之后，開始將其創(chuàng)建為一個個的Request請求。這里需要注意的是：

NetworkClient并非一股腦的將全部可發(fā)送數(shù)據(jù)進(jìn)行傳輸請求

正相反，為了能夠保證不同分區(qū)所對應(yīng)DQueue的數(shù)據(jù)進(jìn)入到對應(yīng)的Broker所在的分區(qū)內(nèi)，Kafka將按照<BrokerId, Request>的形式對請求進(jìn)行傳輸。如果傳輸?shù)竭_(dá)Broker之后沒有acks應(yīng)答，那么當(dāng)前節(jié)點下最多能夠保存5個未響應(yīng)的請求。