注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

网易杭研后台技术中心的博客

 
 
 
 
 

日志

 
 

kafka系列教程5(客户端实践)  

来自genww   2014-04-17 14:52:56|  分类: 默认分类 |举报 |字号 订阅

  下载LOFTER 我的照片书  |
添加依赖

可以使用服务器端下载的kafka二进制包及依赖,也可以通过mavne获取(注意实测发现该方式拿到的包是用jdk7打的):
<dependency>
<groupId>com.sksamuel.kafka</groupId>
<artifactId>kafka_2.10</artifactId>
<version>0.8.0-beta1</version>
</dependency>

生产者
下面是开发生产者代码的例子:
Properties props = new Properties();
//指定kafka节点:注意这里无需指定集群中所有Boker,只要指定其中部分即可,它会自动取meta信息并连接到对应的Boker节点
props.put("metadata.broker.list", "172.17.1.163:9093");
//指定采用哪种序列化方式将消息传输给Boker,你也可以在发送消息的时候指定序列化类型,不指定则以此为默认序列化类型
props.put("serializer.class", "kafka.serializer.StringEncoder");
//指定消息发送对应分区方式,若不指定,则随机发送到一个分区,也可以在发送消息的时候指定分区类型。
props.put("partitioner.class", "example.producer.SimplePartitioner");
//该属性表示你需要在消息被接收到的时候发送ack给发送者。以保证数据不丢失
props.put("request.required.acks", "1");
ProducerConfig config = new ProducerConfig(props);
//申明生产者:泛型1为分区key类型,泛型2为消息类型
Producer<String, String> producer = new Producer<String, String>(config);
//创建KeyedMessage发送消息,参数1为topic名,参数2为分区名(若为null则随机发到一个分区),参数3为消息
producer.send(new KeyedMessage<String,String>("topic","partitionKey1","msg1"));
producer.close();

//自定义分区:
public class SimplePartitioner implements Partitioner<String> {
    public SimplePartitioner (VerifiableProperties props) {
    }
 
    public int partition(String key, int a_numPartitions) {
       return key.length()%a_numPartitions;
  } 
}

消费者

消费者api分上层api和底层api,这里是采用上层api的消费者例子(无需关系消息的offset,只是希望获得数据)
注意:
1.上层api将会内部实现持久化每个分区最后读到的消息的offset,数据保存在zookeeper中的消费组名中(如/consumers/id1/offsets/test2/2。其中id1是消费组,test2是topic,最后一个2表示第3个分区),每间隔一个很短的时间更新一次offset,那么可能在重启消费者时拿到重复的消息。此外,当分区leader发生变更时也可能拿到重复的消息。因此在关闭消费者时最好等待一定时间(10s)然后再shutdown()
2.消费组名是一个全局的信息,要注意在新的消费者启动之前旧的消费者要关闭。如果新的进程启动并且消费组名相同,kafka会添加这个进程到可用消费线程组中用来消费topic和触发重新分配负载均衡,那么同一个分区的消息就有可能发送到不同的进程中。
3.如果消费的线程多于分区数,一些线程可能永远无法看到一些消息。
4.如果分区数多于线程数,一些线程会收到多个分区的消息
5.如果一个线程对应了多个分区,那么接收到的消息是不能保证顺序的。
备注:可用zk的命令查询:get /consumers/id1/owners/test3/2其中id1为消费组,test3为topic,2为分区3.查看里面的内容如:id1_163-PC-1382409386474-1091aef2-1表示该分区被该标示的线程所执行。
下面举例:
Properties props = new Properties();
// 指定zookeeper服务器地址
props.put("zookeeper.connect", "172.17.1.163:2181");
// 指定消费组(没有它会自动添加)
props.put("group.id", "id1");
// 指定kafka等待多久zookeeper回复(ms)以便放弃并继续消费。
props.put("zookeeper.session.timeout.ms", "4000");
// 指定zookeeper同步最长延迟多久再产生异常
props.put("zookeeper.sync.time.ms", "2000");
// 指定多久消费者更新offset到zookeeper中。注意offset更新时基于time而不是每次获得的消息。一旦在更新zookeeper发生异常并重启,将可能拿到已拿到过的消息
props.put("auto.commit.interval.ms", "1000");
ConsumerConnector consumer = Consumer
.createJavaConsumerConnector(new ConsumerConfig(props));

// 我们要告诉kafka该进程会有多少个线程来处理对应的topic
Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
int a_numThreads = 3;
// 用3个线程来处理topic:test2
topicCountMap.put("test2", a_numThreads);
// 拿到每个stream对应的topic
Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer
.createMessageStreams(topicCountMap);
List<KafkaStream<byte[], byte[]>> streams = consumerMap.get("test2");

// 调用thread pool来处理topic
ExecutorService executor = Executors.newFixedThreadPool(a_numThreads);
for (final KafkaStream stream : streams) {
executor.submit(new Runnable() {
public void run() {
ConsumerIterator<byte[], byte[]> it = stream.iterator();
while (it.hasNext()) {
System.out.println(Thread.currentThread() + ":"
+ new String(it.next().message()));
}
}
});
}
System.in.read();
// 关闭
if (consumer != null) consumer.shutdown();
if (executor != null) executor.shutdown();



下面是采用底层api实现的消费者(需要多次读消息,或从部分分区里读数据,或用事务保证消息只处理一次)

注意:
1.你必须自己实现当停止消费时如何持久化offset
2.你必须自己找到哪个broker是leader以便处理topic和分区
3.你必须自己处理leader变更

使用阶段:
1.找到那些broker是leader以便读取topic和partition
2.自己决定哪个副本作为你的topic和分区
3.建立自己需要请求并自定义获取你感兴趣的数据
4.获取数据
5.当leader变更时自己识别和恢复。
例子:


String topic = "test2";
int partition = 1;
String brokers = "172.17.1.163:9093";
int maxReads = 100; // 读多少条数据
// 1.找leader
PartitionMetadata metadata = null;
for (String ipPort : brokers.split(",")) {
//我们无需要把所有的brokers列表加进去,目的只是为了获得metedata信息,故只要有broker可连接即可
SimpleConsumer consumer = null;
try {
String[] ipPortArray = ipPort.split(":");
consumer = new SimpleConsumer(ipPortArray[0],
Integer.parseInt(ipPortArray[1]), 100000, 64 * 1024,
"leaderLookup");
List<String> topics = new ArrayList<String>();
topics.add(topic);
TopicMetadataRequest req = new TopicMetadataRequest(topics);
// 取meta信息
TopicMetadataResponse resp = consumer.send(req);

//获取topic的所有metedate信息(目测只有一个metedata信息,何来多个?)
List<TopicMetadata> metaData = resp.topicsMetadata();
for (TopicMetadata item : metaData) {
for (PartitionMetadata part : item.partitionsMetadata()) {
//获取每个meta信息的分区信息,这里我们只取我们关心的partition的metedata
System.out.println("----"+part.partitionId());
if (part.partitionId() == partition) {
metadata = part;
break;
}
}
}
} catch (Exception e) {
System.out.println("Error communicating with Broker [" + ipPort
+ "] to find Leader for [" + topic + ", " + partition
+ "] Reason: " + e);
} finally {
if (consumer != null)
consumer.close();
}
}
if (metadata == null || metadata.leader() == null) {
System.out.println("meta data or leader not found, exit.");
return;
}
// 拿到leader
Broker leadBroker = metadata.leader();
// 获取所有副本
System.out.println(metadata.replicas());
// 2.获取lastOffset(这里提供了两种方式:从头取或从最后拿到的开始取,下面这个是从头取)
long whichTime = kafka.api.OffsetRequest.EarliestTime();
//这个是从最后拿到的开始取
// long whichTime = kafka.api.OffsetRequest.LatestTime();
System.out.println("lastTime:"+whichTime);
String clientName = "Client_" + topic + "_" + partition;
SimpleConsumer consumer = new SimpleConsumer(leadBroker.host(),
leadBroker.port(), 100000, 64 * 1024, clientName);
TopicAndPartition topicAndPartition = new TopicAndPartition(topic,
partition);
Map<TopicAndPartition, PartitionOffsetRequestInfo> requestInfo = new HashMap<TopicAndPartition, PartitionOffsetRequestInfo>();
requestInfo.put(topicAndPartition, new PartitionOffsetRequestInfo(
whichTime, 1));
OffsetRequest request = new OffsetRequest(requestInfo,
kafka.api.OffsetRequest.CurrentVersion(), clientName);
// 获取指定时间前有效的offset列表
OffsetResponse response = consumer.getOffsetsBefore(request);
if (response.hasError()) {
System.out
.println("Error fetching data Offset Data the Broker. Reason: "
+ response.errorCode(topic, partition));
return;
}
// 千万不要认为offset一定是从0开始的
long[] offsets = response.offsets(topic, partition);
System.out.println("offset list:" + Arrays.toString(offsets));
long offset = offsets[0];

// 读数据
while (maxReads > 0) {
// 注意不要调用里面的replicaId()方法,这是内部使用的。
FetchRequest req = new FetchRequestBuilder().clientId(clientName)
.addFetch(topic, partition, offset, 100000).build();
FetchResponse fetchResponse = consumer.fetch(req);
if (fetchResponse.hasError()) {
// 出错处理。这里只直接返回了。实际上可以根据出错的类型进行判断,如code == ErrorMapping.OffsetOutOfRangeCode()表示拿到的offset错误
// 一般出错处理可以再次拿offset,或重新找leader,重新建立consumer。可以将上面的操作都封装成方法。再在该循环来进行消费
// 当然,在取所有leader的同时可以用metadata.replicas()更新最新的节点信息。另外zookeeper可能不会立即检测到有节点挂掉,故如果发现老的leader和新的leader一样,可能是leader根本没挂,也可能是zookeeper还没检测到,总之需要等等。
short code = fetchResponse.errorCode(topic, partition);
System.out.println("Error fetching data from the Broker:"
+ leadBroker + " Reason: " + code);
return;
}
//取一批消息
boolean empty = true;
for (MessageAndOffset messageAndOffset : fetchResponse.messageSet(
topic, partition)) {
empty = false;
long curOffset = messageAndOffset.offset();
//下面这个检测有必要,因为当消息是压缩的时候,通过fetch获取到的是一个整块数据。块中解压后不一定第一个消息就是offset所指定的。就是说存在再次取到已读过的消息。
if (curOffset < offset) {
System.out.println("Found an old offset: " + curOffset
+ " Expecting: " + offset);
continue;
}
// 可以通过当前消息知道下一条消息的offset是多少
offset = messageAndOffset.nextOffset();
ByteBuffer payload = messageAndOffset.message().payload();
byte[] bytes = new byte[payload.limit()];
payload.get(bytes);
System.out.println(String.valueOf(messageAndOffset.offset())
+ ": " + new String(bytes, "UTF-8"));
maxReads++;
}
//进入循环中,等待一会后获取下一批数据
if(empty){
Thread.sleep(1000);
}
}
// 退出(这里象征性的写一下)
if (consumer != null)
consumer.close();

另外还有采用hadoop专用api实现消息保存到hadoop中(这里略)

消费者配置

消费者或consumer.properties配置:
zookeeper.connect:zookeeper连接服务器地址
zookeeper.session.timeout.ms对zookeeper的session过期时间,默认6000ms,用于检测消费者是否挂掉,当消费者挂掉,其他消费者要等该指定时间才能检查到并且触发重新负载均衡
group.id:指定消费组
auto.commit.enable:是否自动提交:这里提交意味着客户端会自动定时更新offset到zookeeper.默认为true
auto.commit.interval.ms:自动更新时间。默认60 * 1000
auto.offset.reset:如果zookeeper没有offset值或offset值超出范围。那么就给个初始的offset。有smallest、largest、anything可选,分别表示给当前最小的offset、当前最大的offset、抛异常。默认largest
consumer.timeout.ms:如果一段时间没有收到消息,则抛异常。默认-1
fetch.message.max.bytes:每次取的块的大小(默认1024*1024),多个消息通过块来批量发送给消费者,指定块大小可以指定有多少消息可以一次取出。注意若一个消息就超过了该块指定的大小,它将拿不到
queued.max.message.chunks:最大取多少块缓存到消费者(默认10)。
更多配置可参见ConsumerConfig类

生产者配置

生产者或producer.properties配置:
metadata.broker.list:指定kafka节点列表,用于获取metadata,不必全部指定
request.required.acks:指定生产者发送请求如何确认完成:0(默认)表示生产者不用等待broker返回ack。1表示当有复本(该复本节点不一定是同步)收到了消息后发回ack给生产者(如果leader挂掉且刚好收到消息的复本也挂掉则消息丢失)。-1表示所有已同步的复本收到了消息后发回ack给生产者(可以保证只要有一个已同步的复本存活就不会有数据丢失)。
producer.type:同步还是异步,默认2表同步,1表异步。异步可以提高发送吞吐量,但是也可能导致丢失未发送过去的消息
queue.buffering.max.ms:如果是异步,指定每次发送最大间隔时间
queue.buffering.max.messages:如果是异步,指定每次发送缓存最大数据量
serializer.class:指定序列化处理类,默认为kafka.serializer.DefaultEncoder,即byte[]
key.serializer.class:单独序列化key处理类,默认和serializer.class一致
partitioner.class:指定分区处理类。默认kafka.producer.DefaultPartitioner,表通过key哈希到对应分区
message.send.max.retries:消息发送重试次数,默认3次
retry.backoff.ms:消息发送重试间隔次数
compression.codec:是否压缩,默认0表示不压缩,1表示用gzip压缩,2表示用snappy压缩。压缩后消息中会有头来指明消息压缩类型,故在消费者端消息解压是透明的无需指定。
compressed.topics:如果要压缩消息,这里指定哪些topic要压缩消息,默认empty,表示全压缩。
更多配置可参见ProducerConfig类


  评论这张
 
阅读(16561)| 评论(2)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017