生产者概述
- 创建一个
ProducerRecord
对象,ProducerRecord
对象包含Topic和Value,还可以指定Key或Partition
- 在发送
ProducerRecord
对象时,生产者先将Key和Partition序列化成字节数组,以便于在网络上传输
- 字节数组被传给分区器
- 如果在
ProducerRecord
对象里指定了Partition
- 如果没有指定分区,那么分区器会根据
ProducerRecord
对象的Key来选择一个Partition
- 选择好分区后,生产者就知道该往哪个主题和分区发送这条记录
- 这条记录会被添加到一个记录批次里,一个批次内的所有消息都会被发送到相同的Topic和Partition上
- 有一个单独的线程负责把这些记录批次发送到相应的Broker
- 服务器在收到这些消息时会返回一个响应
- 如果消息成功写入Kafka,就会返回一个
RecordMetaData
对象
- 包含了Topic和Partition信息,以及记录在分区里的偏移量
- 如果写入失败,就会返回一个错误
- 生产者在收到错误之后会尝试重新发送消息,几次之后如果还是失败,就会返回错误信息
创建生产者
必选属性
bootstrap.servers
- Broker的地址清单,host:port
- 清单里不需要包含所有的Broker地址,生产者会从给定的Broker里找到其它Broker的信息
- 建议最少两个,一旦其中一个宕机,生产者仍然能够连接到集群上
key.serializer
- Broker希望接收到的消息的Key和Value都是字节数组
- 生产者接口允许使用参数化类型,因此可以把Java对象作为Key和Value发送给Broker
key.serializer
必须是org.apache.kafka.common.serialization.Serializer
的实现类
- 生产者会通过
key.serializer
把Key对象序列化为_字节数组_
- Kafka默认提供
ByteArraySerializer
StringSerializer
IntegerSerializer
value.serializer
- 与
key.serializer
类似,value.serializer
指定的类会把Value序列化成字节数组
- 如果Key和Value都是字符串,可以使用与
key.serializer
一样的序列化器
- 如果Key是整数类型,而Value是字符串,那么需要使用不同的序列化器
Java代码
1 2 3 4 5
| Properties properties = new Properties(); properties.put("bootstrap.servers", "localhost:9092"); properties.put("key.serializer", StringSerializer.class.getName()); properties.put("value.serializer", StringSerializer.class.getName()); producer = new KafkaProducer<>(properties);
|
发送消息
发送方式
发送并忘记
- 生产者把消息发送给服务器,但并不关心是否正常到达
- Kafka是高可用的,而且生产者会自动尝试重发
- 但会丢失一些消息
同步发送
1 2 3 4 5 6 7 8 9 10 11 12 13 14
|
ProducerRecord<String, String> record = new ProducerRecord<>(TOPIC, KEY, VALUE);
Future<RecordMetadata> future = producer.send(record);
RecordMetadata recordMetadata = future.get(); log.info("timestamp={}", recordMetadata.timestamp()); log.info("partition={}", recordMetadata.partition()); log.info("offset={}", recordMetadata.offset());
|
发送错误
- 可重试错误(可以通过重发消息来解决的错误)
- 连接错误,可以通过再次建立连接来解决
KafkaProducer
可以被配置成自动重连
- 如果在多次重试后扔无法解决问题,应用程序会收到一个重试异常
- No Leader 错误,可以通过重新为分区选举领导来解决
- 无法通过重试解决的错误,例如消息太大,
KafkaProducer
不会进行任何重试,直接抛出异常
异步发送
1 2 3 4 5 6 7 8
| ProducerRecord<String, String> record = new ProducerRecord<>(TOPIC, KEY, VALUE); Future<RecordMetadata> future = producer.send(record, (metadata, exception) -> { log.info("timestamp={}", metadata.timestamp()); log.info("partition={}", metadata.partition()); log.info("offset={}", metadata.offset()); }); RecordMetadata recordMetadata = future.get();
|
生产者配置
acks
acks
:必须有多少个分区副本收到消息,生产者才会认为消息写入是成功的
- ack=0:生产者不会等待任何来自服务器的响应。
- 如果当中出现问题,导致服务器没有收到消息,那么生产者无从得知,会造成消息丢失
- 由于生产者不需要等待服务器的响应
- 所以可以以网络能够支持的最大速度发送消息,从而达到很高的吞吐量
- acks=1(默认值):只要集群的Leader节点收到消息,生产者就会收到一个来自服务器的成功响应
- 如果消息无法到达Leader节点(例如Leader节点崩溃,新的Leader节点还没有被选举出来)
- 生产者就会收到一个错误响应,为了避免数据丢失,生产者会重发消息
- 如果一个没有收到消息的节点成为新Leader,消息还是会丢失
- 此时的吞吐量主要取决于使用的是同步发送还是异步发送
- 吞吐量还受到发送中消息数量的限制,例如生产者在收到服务器响应之前可以发送多少个消息
- acks=all:只有当所有参与复制的节点全部都收到消息时,生产者才会收到一个来自服务器的成功响应
- 这种模式是最安全的
- 可以保证不止一个服务器收到消息,就算有服务器发生崩溃,整个集群依然可以运行
- 延时比acks=1更高,因为要等待不止一个服务器节点接收消息
buffer.memory
- 该参数用来设置生产者内缓冲区的大小,生产者用缓冲区来缓冲要发送到服务器端的消息,默认为
32MB
- 如果应用程序发送消息的速度超过了发送到服务器端速度,会导致生产者空间不足
- 这个时候,
send()
方法调用要么被阻塞,要么抛出异常,取决于block.on.buffer.full
compression.type
- 默认情况下为
none
,消息在发送时是不会被压缩的
- 该参数可以设置为
snappy
、gzip
或者lz4
snappy
压缩算法由Google发明
- 占用较少的CPU,却能提供较好的性能和相当可观的压缩比
- 适用于关注性能和网络带宽的场景
gzip
压缩算法
- 占用较多的CPU,但会提供更高的压缩比
- 适用于网络带宽比较有限的场景
- 压缩消息可以降低网络传输开销和存储开销,而这往往是向
Broker
发送消息的瓶颈
retries
- 生产者从服务器收到的错误有可能是临时性错误(如分区找不到Leader)
- 在这种情况下,
retries
参数决定了生产者可以重发消息的次数
- 默认情况下,生产者会在每次重试之间等待100ms,控制参数为
retry.backoff.ms
- 可以先测试一下恢复一个崩溃节点需要多少时间,假设为
T
- 让生产者总的重试时间比
T
长,否着生产者会_过早地放弃重试_
- 有些错误不是临时性错误,没办法通过重试来解决(例如消息太大)
- 一般情况下,因为生产者会自动进行重试,所以没必要在代码逻辑处理那些可重试的错误
- 只需要处理那些不可重试的错误或者重试次数超过上限的情况
batch.size
- 当有多个消息需要被发送到同一个分区时,生产者会把它们放在同一个批次里,默认值为
16KB
- 该参数指定了一个批次可以使用多内存大小,单位为_字节_
- 当批次被填满,批次里的所有消息会被发送出去
- 生产者不一定会等到批次被填满才发送,半满设置只有一个消息的批次也有可能被发送
- 如果
batch.size
设置很大,也不会造成延迟,只是会占用更多的内存
- 如果
batch.size
设置很小,生产者需要频繁地发送消息,会增加一些额外的开销
linger.ms
- 该参数指定了生产者在发送批次之前等待更多消息加入批次的时间,默认值为0
KafkaProducer
会在批次填满或者linger.ms达到上限时把批次发出去
- 默认情况下,只要有可用的线程,生产者就会把消息发出去,就算批次里只有一个消息
- 设置
linger.ms
,会增加延迟,但也会提高吞吐量
- 一次性发送更多的消息,平摊到单个消息的开销就变小了
client.id
任意字符串,服务器会用它来识别消息的来源,还可以用在日志和配额指标里
max.in.flight.requests.per.connection
- 该参数指定了生产者在收到服务器响应之前可以发送多少消息,默认值为5
- 值越高,会占用越多的内存,不过也会提升吞吐量
- 如果设为1,可以保证消息是按照发送的顺序写入服务器,即使发生重试
timeout.ms
:指定了Broker等待同步副本返回消息确认的时间,默认值为30000
- 与
acks
的配置相匹配,如果在指定时间内没有收到同步副本的确认,那么Broker就会返回一个错误
request.timeout.ms
:指定了生产者在发送数据时等待服务器返回响应的时间,默认值为10000
metadata.fetch.timeout.ms
:指定了生产者在获取元数据时等待服务器返回响应的时间,默认值为60000
- 如果等待响应超时,那么生产者要么重试发送数据,要么返回一个错误(抛出异常或者执行回调)
max.block.ms
- 该参数指定了在调用
send()
方法或使用partitionsFor()
方法获取元数据时,生产者阻塞的时间,默认值为60000
- 当生产者的发送缓冲区已满,或者没有可用的元数据时,上面两个方法会阻塞
- 在阻塞时间达到
max.block.ms
时,生产者就会抛出超时异常
max.request.size
- 该参数用于控制生产者发送单个请求的大小,默认值
1MB
- 可以指能发送的单个消息的最大值(因为一个请求最少有一个消息)
- 也可以指单个请求里所有消息(一个批次,多个消息)的总大小
Broker
对单个可接收消息的最大值也有自己的限制(message.max.bytes
,默认值为1000012
)
- 所以两边的配置最好可以匹配,避免生产者发送的消息被
Broker
拒绝
receive.buffer.bytes、send.buffer.bytes
- 这两个参数分别指定了TCP Socket接收和发送数据包的缓冲区大小
- 如果都被设为**-1,就使用操作系统的默认值**
receive.buffer.bytes
的默认值为32KB
send.buffer.bytes
的默认值为128KB
- 如果生产者或消费者与Broker处于不同的数据中心,那么可以适当增大这些值
序列化器
自定义序列化
- 如果发送到Kafka的对象不是简单的字符串或整型,那么可以使用序列化框架来创建消息记录
- 例如通用的序列化框架(推荐):
Avro
、Thrift
、ProtoBuf
- 也可以使用自定义序列化器,但不推荐
1 2 3 4 5 6 7
| @Data @AllArgsConstructor class Customer { private int id; private String name; }
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37
| class CustomerSerializer implements Serializer<Customer> {
@Override public void configure(Map<String, ?> configs, boolean isKey) { }
@Override public byte[] serialize(String topic, Customer customer) { if (null == customer) { return null; } byte[] serializedName = new byte[0]; int strLen = 0; if (customer.getName() != null) { serializedName = customer.getName().getBytes(StandardCharsets.UTF_8); strLen = serializedName.length; }
ByteBuffer buffer = ByteBuffer.allocate(4 + 4 + strLen); buffer.putInt(customer.getId()); buffer.putInt(strLen); buffer.put(serializedName);
return buffer.array(); }
@Override public void close() { } }
|
1 2 3 4 5 6 7 8 9 10
| public class CustomSerializerTest { private static final String TOPIC = "Customer"; private static final String KEY = "Customer";
@Test public void customSerializerTest() { Customer value = new Customer(1, "zhongmingmao"); ProducerRecord<String, Customer> record = new ProducerRecord<>(TOPIC, KEY, value); } }
|
Avro
Apache Avro
是一种与编程语言无关的序列化格式
Avro
数据通过与语言无关的schema来定义
schema
通过JSON来描述,数据被序列化成二进制文件或JSON文件,一般会使用二进制文件
Avro
在读写文件时需要用到schema
,schema
一般是内嵌在数据文件里
- 重要特性
- 当负责写消息的应用程序使用新的schema,负责读消息的应用程序可以继续处理消息而无需做任何改动
- 特别适用于Kafka这样的消息系统
分区
- Kafka的消息是一个键值对,
ProducerRecord
对象可以只包含Topic
和Value
,Key
可以设置为null
- Key的作用
- 作为_消息的附加信息_
- 用来_决定消息被写到主题的哪一个分区_
- 拥有相同Key的消息会被写入到同一个分区
- 如果Key为null,并且使用了默认的分区器,那么记录会被随机(轮询算法)地发送到主题内的各个可用分区上
- 如果Key不为null,并且使用了默认的分区器,那么Kafka会对
Key
进行散列,然后根据散列值把消息映射到特定的分区上
- 使用的是Kafka内部的散列算法,即使升级Java版本,散列值也不会发生变化
- 同一个Key总是被映射到同一个分区上
- 因此在映射时,会使用主题的所有分区,如果写入数据的分区是不可用的,那么就会发生错误
- 只有不改变分区数量的情况下,Key与分区之间的映射才能保持不变
- 如果使用
Key
来映射分区,最好在创建主题的时候就把分区规划好,并且永远不要增加新分区
- 可以自定义分区器