Kafka利用Java实现数据的生产和消费实例教程 |
您所在的位置：网站首页 › kafka一个topic多个消费者 › Kafka利用Java实现数据的生产和消费实例教程 |
Kafka利用Java实现数据的生产和消费实例教程
|
前言 在上一篇中讲述如何搭建kafka集群，本篇则讲述如何简单的使用 kafka 。不过在使用kafka的时候，还是应该简单的了解下kafka。 Kafka的介绍 Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据。 Kafka 有如下特性： 以时间复杂度为O(1)的方式提供消息持久化能力，即使对TB级以上数据也能保证常数时间复杂度的访问性能。 高吞吐率。即使在非常廉价的商用机器上也能做到单机支持每秒100K条以上消息的传输。 支持Kafka Server间的消息分区，及分布式消费，同时保证每个Partition内的消息顺序传输。 同时支持离线数据处理和实时数据处理。 Scale out：支持在线水平扩展。kafka的术语 Broker：Kafka集群包含一个或多个服务器，这种服务器被称为broker。 Topic：每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic。（物理上不同Topic的消息分开存储，逻辑上一个Topic的消息虽然保存于一个或多个broker上但用户只需指定消息的Topic即可生产或消费数据而不必关心数据存于何处） Partition：Partition是物理上的概念，每个Topic包含一个或多个Partition。 Producer：负责发布消息到Kafka broker。 Consumer：消息消费者，向Kafka broker读取消息的客户端。 Consumer Group:每个Consumer属于一个特定的Consumer Group（可为每个Consumer指定group name，若不指定group name则属于默认的group）。kafka核心Api kafka有四个核心API 应用程序使用producer API发布消息到1个或多个topic中。 应用程序使用consumer API来订阅一个或多个topic,并处理产生的消息。 应用程序使用streams API充当一个流处理器,从1个或多个topic消费输入流,并产生一个输出流到1个或多个topic,有效地将输入流转换到输出流。 connector API允许构建或运行可重复使用的生产者或消费者,将topic链接到现有的应用程序或数据系统。示例图如下:
kafka 应用场景 构建可在系统或应用程序之间可靠获取数据的实时流数据管道。 构建实时流应用程序，可以转换或响应数据流。以上介绍参考kafka官方文档。 开发准备 如果我们要开发一个kafka的程序，应该做些什么呢？ 首先，在搭建好kafka环境之后，我们要考虑的是我们是生产者还是消费者，也就是消息的发送者还是接受者。 不过在本篇中，生产者和消费者都会进行开发和讲解。 在大致的了解kafka之后，我们来开发第一个程序。 这里用的开发语言是Java，构建工具Maven。 Maven的依赖如下: org.apache.kafka kafka_2.12 1.0.0 provided org.apache.kafka kafka-clients 1.0.0 org.apache.kafka kafka-streams 1.0.0Kafka Producer 在开发生产的时候，先简单的介绍下kafka各种配置说明： bootstrap.servers： kafka的地址。 acks:消息的确认机制，默认值是0。 acks=0：如果设置为0，生产者不会等待kafka的响应。 acks=1：这个配置意味着kafka会把这条消息写到本地日志文件中，但是不会等待集群中其他机器的成功响应。 acks=all：这个配置意味着leader会等待所有的follower同步完成。这个确保消息不会丢失，除非kafka集群中所有机器挂掉。这是最强的可用性保证。 retries：配置为大于0的值的话，客户端会在消息发送失败时重新发送。 batch.size:当多条消息需要发送到同一个分区时，生产者会尝试合并网络请求。这会提高client和生产者的效率。 key.serializer: 键序列化，默认org.apache.kafka.common.serialization.StringDeserializer。 value.deserializer:值序列化，默认org.apache.kafka.common.serialization.StringDeserializer。... 还有更多配置，可以去查看官方文档，这里就不在说明了。 那么我们kafka 的producer配置如下: Properties props = new Properties(); props.put("bootstrap.servers", "master:9092,slave1:9092,slave2:9092"); props.put("acks", "all"); props.put("retries", 0); props.put("batch.size", 16384); props.put("key.serializer", StringSerializer.class.getName()); props.put("value.serializer", StringSerializer.class.getName()); KafkaProducer producer = new KafkaProducer(props);kafka的配置添加之后，我们便开始生产数据，生产数据代码只需如下就行: producer.send(new ProducerRecord(topic,key,value)); topic: 消息队列的名称，可以先行在kafka服务中进行创建。如果kafka中并未创建该topic，那么便会自动创建！ key:键值，也就是value对应的值，和Map类似。 value:要发送的数据，数据格式为String类型的。在写好生产者程序之后，那我们先来生产吧！ 我这里发送的消息为: String messageStr="你好，这是第"+messageNo+"条数据";并且只发送1000条就退出，结果如下:
可以看到信息成功的打印了。 如果不想用程序进行验证程序是否发送成功，以及消息发送的准确性，可以在kafka服务器上使用命令查看。 Kafka Consumer kafka消费这块应该来说是重点，毕竟大部分的时候，我们主要使用的是将数据进行消费。 kafka消费的配置如下: bootstrap.servers： kafka的地址。 group.id：组名 不同组名可以重复消费。例如你先使用了组名A消费了kafka的1000条数据，但是你还想再次进行消费这1000条数据，并且不想重新去产生，那么这里你只需要更改组名就可以重复消费了。 enable.auto.commit：是否自动提交，默认为true。 auto.commit.interval.ms: 从poll(拉)的回话处理时长。 session.timeout.ms:超时时间。 max.poll.records:一次最大拉取的条数。 auto.offset.reset：消费规则，默认earliest 。 earliest: 当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，从头开始消费 。 latest: 当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，消费新产生的该分区下的数据 。 none: topic各分区都存在已提交的offset时，从offset后开始消费；只要有一个分区不存在已提交的offset，则抛出异常。 key.serializer: 键序列化，默认org.apache.kafka.common.serialization.StringDeserializer。 value.deserializer:值序列化，默认org.apache.kafka.common.serialization.StringDeserializer。那么我们kafka 的consumer配置如下: Properties props = new Properties(); props.put("bootstrap.servers", "master:9092,slave1:9092,slave2:9092"); props.put("group.id", GROUPID); props.put("enable.auto.commit", "true"); props.put("auto.commit.interval.ms", "1000"); props.put("session.timeout.ms", "30000"); props.put("max.poll.records", 1000); props.put("auto.offset.reset", "earliest"); props.put("key.deserializer", StringDeserializer.class.getName()); props.put("value.deserializer", StringDeserializer.class.getName()); KafkaConsumer consumer = new KafkaConsumer(props);由于我这是设置的自动提交，所以消费代码如下: 我们需要先订阅一个topic，也就是指定消费哪一个topic。 consumer.subscribe(Arrays.asList(topic));订阅之后，我们再从kafka中拉取数据: ConsumerRecords msgList=consumer.poll(1000);一般来说进行消费会使用监听，这里我们就用for(;;)来进行监听， 并且设置消费1000条就退出！ 结果如下:
可以看到我们这里已经成功消费了生产的数据了。 代码 那么生产者和消费者的代码如下: 生产者: import java.util.Properties; import org.apache.kafka.clients.producer.KafkaProducer; import org.apache.kafka.clients.producer.ProducerRecord; import org.apache.kafka.common.serialization.StringSerializer; /** * * Title: KafkaProducerTest * Description: * kafka 生产者demo * Version:1.0.0 * @author pancm * @date 2018年1月26日 */ public class KafkaProducerTest implements Runnable { private final KafkaProducer producer; private final String topic; public KafkaProducerTest(String topicName) { Properties props = new Properties(); props.put("bootstrap.servers", "master:9092,slave1:9092,slave2:9092"); props.put("acks", "all"); props.put("retries", 0); props.put("batch.size", 16384); props.put("key.serializer", StringSerializer.class.getName()); props.put("value.serializer", StringSerializer.class.getName()); this.producer = new KafkaProducer(props); this.topic = topicName; } @Override public void run() { int messageNo = 1; try { for(;;) { String messageStr="你好，这是第"+messageNo+"条数据"; producer.send(new ProducerRecord(topic, "Message", messageStr)); //生产了100条就打印 if(messageNo%100==0){ System.out.println("发送的信息:" + messageStr); } //生产1000条就退出 if(messageNo%1000==0){ System.out.println("成功发送了"+messageNo+"条"); break; } messageNo++; } } catch (Exception e) { e.printStackTrace(); } finally { producer.close(); } } public static void main(String args[]) { KafkaProducerTest test = new KafkaProducerTest("KAFKA_TEST"); Thread thread = new Thread(test); thread.start(); } }消费者: import java.util.Arrays; import java.util.Properties; import org.apache.kafka.clients.consumer.ConsumerRecord; import org.apache.kafka.clients.consumer.ConsumerRecords; import org.apache.kafka.clients.consumer.KafkaConsumer; import org.apache.kafka.common.serialization.StringDeserializer; /** * * Title: KafkaConsumerTest * Description: * kafka消费者 demo * Version:1.0.0 * @author pancm * @date 2018年1月26日 */ public class KafkaConsumerTest implements Runnable { private final KafkaConsumer consumer; private ConsumerRecords msgList; private final String topic; private static final String GROUPID = "groupA"; public KafkaConsumerTest(String topicName) { Properties props = new Properties(); props.put("bootstrap.servers", "master:9092,slave1:9092,slave2:9092"); props.put("group.id", GROUPID); props.put("enable.auto.commit", "true"); props.put("auto.commit.interval.ms", "1000"); props.put("session.timeout.ms", "30000"); props.put("auto.offset.reset", "earliest"); props.put("key.deserializer", StringDeserializer.class.getName()); props.put("value.deserializer", StringDeserializer.class.getName()); this.consumer = new KafkaConsumer(props); this.topic = topicName; this.consumer.subscribe(Arrays.asList(topic)); } @Override public void run() { int messageNo = 1; System.out.println("---------开始消费---------"); try { for (;;) { msgList = consumer.poll(1000); if(null!=msgList&&msgList.count()>0){ for (ConsumerRecord record : msgList) { //消费100条就打印 ,但打印的数据不一定是这个规律的 if(messageNo%100==0){ System.out.println(messageNo+"=======receive: key = " + record.key() + ", value = " + record.value()+" offset==="+record.offset()); } //当消费了1000条就退出 if(messageNo%1000==0){ break; } messageNo++; } }else{ Thread.sleep(1000); } } } catch (InterruptedException e) { e.printStackTrace(); } finally { consumer.close(); } } public static void main(String args[]) { KafkaConsumerTest test1 = new KafkaConsumerTest("KAFKA_TEST"); Thread thread1 = new Thread(test1); thread1.start(); } }注: master、slave1、slave2 是因为我在自己的环境做了关系映射，这个可以换成服务器的IP。 当然项目我放在Github上了，有兴趣的可以看看。 https://github.com/xuwujing/kafka （本地下载） 总结 简单的开发一个kafka的程序需要以下步骤: 成功搭建kafka服务器，并成功启动！ 得到kafka服务信息，然后在代码中进行相应的配置。 配置完成之后，监听kafka中的消息队列是否有消息产生。 将产生的数据进行业务逻辑处理！kafka介绍参考官方文档:http://kafka.apache.org/intro 总结 以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对脚本之家的支持。 您可能感兴趣的文章:关于kafka消费不到远程bootstrap-server 数据的问题 |
【本文地址】
今日新闻 |
推荐新闻 |