生产者API-producer
普通API
package bigdata.producer;import org.apache.kafka.clients.producer.KafkaProducer;import org.apache.kafka.clients.producer.ProducerConfig;import org.apache.kafka.clients.producer.ProducerRecord;import java.util.Properties;public class CustomProducer { public static void main(String[] args) { //kafka集群的配置信息 Properties props = new Properties(); //连接的虚拟机 props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop001:9092"); //配置ack机制 props.put(ProducerConfig.ACKS_CONFIG,"all"); //重试次数 props.put(ProducerConfig.RETRIES_CONFIG,1); //批次大小 props.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384); //等待时间 props.put(ProducerConfig.LINGER_MS_CONFIG, 1); //缓冲区大小 props.put(ProducerConfig.BUFFER_MEMORY_CONFIG,33554432); //序列化 props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer"); props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer"); KafkaProducer kafkaProducer = new KafkaProducer(props); for (int i = 0; i < 100; i++) { kafkaProducer.send(new ProducerRecord("test","test-" + Integer.toString(i),"test-"+ Integer.toString(i))); } kafkaProducer.close(); }}
带回调函数的APIpackage bigdata.producer;import bigdata.patitioner.MyPatitioner;import org.apache.kafka.clients.producer.*;import java.util.Properties;public class CallBackProducer { public static void main(String[] args) { //kafka集群的配置信息 Properties props = new Properties(); //连接的虚拟机 props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop001:9092"); //配置ack机制 props.put(ProducerConfig.ACKS_CONFIG,"all"); //重试次数 props.put(ProducerConfig.RETRIES_CONFIG,1); //批次大小 props.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384); //等待时间 props.put(ProducerConfig.LINGER_MS_CONFIG, 1); //缓冲区大小 props.put(ProducerConfig.BUFFER_MEMORY_CONFIG,33554432); //序列化 props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer"); props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer"); KafkaProducer
package bigdata.patitioner;import org.apache.kafka.clients.producer.Partitioner;import org.apache.kafka.common.Cluster;import java.util.Map;public class MyPatitioner implements Partitioner { @Override public int partition(String s, Object o, byte[] bytes, Object o1, byte[] bytes1, Cluster cluster) { return 1; } @Override public void close() { } @Override public void configure(Map
需要在生产者的配置信息中配置自定义的分区器
//自定义分区器props.put(ProducerConfig.PARTITIONER_CLASS_CONFIG, MyPatitioner.class);
生产者同步发送生产者的发送数据有两条线程,为sender线程和main线程
同步发送的意思就是,一条消息发送之后,会阻塞当前main线程, 直至返回 ack。
由于 send 方法返回的是一个 Future 对象,根据 Futrue 对象的特点,我们也可以实现同步发送的效果,只需在调用 Future 对象的 get 方发即可
for (int i = 0; i < 10; i++) { kafkaProducer.send(new ProducerRecord<>("first", "test-" + i, "test-" + i+"-kafka"), new Callback() { @Override public void onCompletion(Recordmetadata recordmetadata, Exception e) { if (e ==null) { System.out.println(recordmetadata.partition()+ "----"+recordmetadata.offset()); }else { e.printStackTrace(); } } }).get();}
消费者API -Consumer
简单的消费者API
package bigdata.consumer;import org.apache.kafka.clients.consumer.ConsumerConfig;import org.apache.kafka.clients.consumer.ConsumerRecord;import org.apache.kafka.clients.consumer.ConsumerRecords;import org.apache.kafka.clients.consumer.KafkaConsumer;import java.util.Arrays;import java.util.Collections;import java.util.Properties;public class CustomConsumer { public static void main(String[] args) { //配置文件 Properties props = new Properties(); //配置主机 props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "hadoop001:9092"); //配置消费者组id props.put(ConsumerConfig.GROUP_ID_CONFIG,"123"); //配置是否允许提交 props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, true); //配置一次的提交时间 props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, 1000); //配置反序列化 props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringDeserializer"); props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringDeserializer"); KafkaConsumer
Consumer 消费数据时的可靠性是很容易保证的,因为数据在 Kafka 中是持久化的,故不用担心数据丢失问题。
由于 consumer 在消费过程中可能会出现断电宕机等故障, consumer 恢复后,需要从故障前的位置的继续消费,所以consumer 需要实时记录自己消费到了哪个 offset,以便故障恢复后继续消费。
若是需要重置offset,即类似命令行运行消费者时的参数–from-beginning,需要在消费者配置中加入下列参数
props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, “earliest”);
手动提交offset对于消费者来说,读取数据后提交offset有两种方法,
commitSync(同步提交)
会阻塞当前进程,直至提交成功才继续,但如果写入之后,在提交过程中宕机,会使得数据重复
commitAsync(异步提交)
不会阻塞当前进程,提交并且继续读取数据,但如果还未完全写完该数据,offset就已经提交成功,则会使得数据丢失。
因此,一般将offset提交和数据写入放入事务中,使得两者保持一致性
拦截器API-Interceptor
时间拦截器
package bigdata.interceptor;import org.apache.kafka.clients.producer.ProducerInterceptor;import org.apache.kafka.clients.producer.ProducerRecord;import org.apache.kafka.clients.producer.Recordmetadata;import java.util.Map;public class TimeInterceptor implements ProducerInterceptor { //配置文件 @Override public void configure(Map
记录发送成功和失败数量的拦截器
package bigdata.interceptor;import org.apache.kafka.clients.producer.ProducerInterceptor;import org.apache.kafka.clients.producer.ProducerRecord;import org.apache.kafka.clients.producer.Recordmetadata;import java.util.Map;public class CounterInterceptor implements ProducerInterceptor { private Long successCounter=0L; private Long errorCounter=0L; @Override public void configure(Map
//自定义拦截器ArrayList
Flume配置kafka
flume配置kafka只需要在定义sink为kafka,同时配置拦截器
要注意的是,拦截器中添加头信息的位置添加的key-value值需要变为“topic”-“tipic_name”,此时flume会根据topic的值来添加进不同的主题中,如:
请添加图片描述
flume的配置文件如下:
# definea1.sources = r1a1.sinks = k1a1.channels = c1# sourcea1.sources.r1.type = execa1.sources.r1.command = tail -F -c +0 /opt/app/datas/flume.loga1.sources.r1.shell = /bin/bash -c# sinka1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSinka1.sinks.k1.kafka.bootstrap.servers = hadoop001:9092,hadoop002:9092,hadoop003:9092a1.sinks.k1.kafka.topic = firsta1.sinks.k1.kafka.flumeBatchSize = 20a1.sinks.k1.kafka.producer.acks = 1a1.sinks.k1.kafka.producer.linger.ms = 1# channela1.channels.c1.type = memorya1.channels.c1.capacity = 1000a1.channels.c1.transactionCapacity = 100# binda1.sources.r1.channels = c1a1.sinks.k1.channel = c1