Kafka一套完结

目录

Kafka概述Kafka安装Linux集群版Kafka命令行操作Kafka生产者Kafka消费者Kafka API操作

Producer APIConsumer API Kafka监控 Kafka概述

kafka基础架构

Producer：消息生产者，向kafka broker发消息得客户端

Consumer：消息消费者，向kafka broker取消息的客户端

Consumer Grroup：消费者组，由多个Consumer组成，消费者组内每个消费者负责不同分区的数据，一个分区只能由一个组内消费者消费，消费者组之间互不影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者

Broker：一台kafka服务器就是一个broker，一个集群是由多个broker组成，一个broker可以容纳多个topic

Topic：主题类似一个消息队列，生产者和消费者面向的都是一个topic

Partition：为了实现扩展性，一个非常大的topic可以分布到多个broker上，一个topic可以分为多个partition，每个partition是一个有序序列

Replica：副本，为保证集群中的某个节点发生故障时，该节点上的partition数据不丢失，且kafka仍然能够继续工作，kafka提供了副本机制，一个topic的每个分区都有若干个副本，一个leader和若干个follower

leader：每个分区多个副本的主，生产者发送数据的对象，以及消费者消费数据的对象都是leader

follower：每个分区多个副本中的从，实时从leader中同步数据，保持和leader数据的同步。leader发生故障时，某个follower会成为新的leader

kafka工作流程

Kafka中消息是以topic进行分类的，生产者生产消息，消费者消费消息，都是面向topic的

topic是逻辑上的概念，而partition是物理上的概念，每个partition对应一个log文件，该log文件中存储的就是producer生产的数据。Producer生产的数据会被不断追加到该log文件末端，且每条数据都有自己的offset。消费者组中的每个消费者，都会实时记录自己消费到了哪个offset，以便出错恢复时，从上次的位置继续消费。

kafka文件存储机制

由于生产者生产的消息会不断追加到log文件末尾，为防止log文件大导致数据定位效率低下，kafka采取了分片和索引的机制，将每个partition分为多个segment。每个segment对应两个文件(.index索引文件和.log文件)。这些文件位于一个文件夹下，该文件夹的命名规则为topic名称+副本序号。如：first这个topic有三个副本，则其对应的文件为first-0,first-1,first-2

first-0first-1first-2

index和log文件以当前segment的第一条消息的offset命名

.index文件存储大量的索引信息，.log文件存储大量的数据，索引文件中的元数据指向对应数据中message的物理偏移地址。

Kafka安装Linux集群版

官网地址

http://kafka.apache.org/downloads.html

修改配置文件

解压文件，修改kafka文件夹内config/server.properties

#broker的全局唯一编号，不能重复broker.id=0#删除topic功能使能delete.topic.enable=true#处理网络请求的线程数量num.network.threads=3#用来处理磁盘IO的现成数量num.io.threads=8#发送套接字的缓冲区大小socket.send.buffer.bytes=102400#接收套接字的缓冲区大小socket.receive.buffer.bytes=102400#请求套接字的缓冲区大小socket.request.max.bytes=104857600#kafka数据存储位置log.dirs=/opt/module/kafka/data#topic在当前broker上的分区个数num.partitions=1#用来恢复和清理data下数据的线程数量num.recovery.threads.per.data.dir=1#segment文件保留的最长时间，超时将被删除log.retention.hours=168#配置连接Zookeeper集群地址zookeeper.connect=hadoop102:2181,hadoop103:2181,hadoop104:2181

配置环境变量可以全局使用kafka脚本vim /etc/profile，使环境生效source /etc/profile

#KAFKA_HOMEexport KAFKA_HOME=/opt/module/kafkaexport PATH=$PATH:$KAFKA_HOME/bin

将配置好的kafka文件夹分发到集群下，修改集群另外服务器的broker.id，broker.id不能重复

kafka集群启停脚本

集群启动：依次在集群上执行kafka-server-start.sh -daemon config/server.properties

集群停止：依次在集群上执行kafka-server-stop.sh stop

#! /bin/bashcase $1 in"start"){ for i in hadoop102 hadoop103 hadoop104 do echo " --------启动 $i Kafka-------" ssh $i "/opt/module/kafka/bin/kafka-server-start.sh -daemon /opt/module/kafka/config/server.properties" done};;"stop"){ for i in hadoop102 hadoop103 hadoop104 do echo " --------停止 $i Kafka-------" ssh $i "/opt/module/kafka/bin/kafka-server-stop.sh stop" done};;esac

Kafka命令行操作

对topic主题的操作

查看当前服务器中的所有topic

kafka-topics.sh --zookeeper hadoop102:2181 --list

查看某个topic的详情

kafka-topics.sh --zookeeper hadoop102:2181 --describe --topic first

创建topic

# --topic 定义topic名# --replication-factor 定义副本数# --partitions 定义分区数kafka-topics.sh --zookeeper hadoop102:2181 --create --replication-factor 3 --partitions 1 --topic first

修改分区数

kafka-topics.sh --zookeeper hadoop102:2181 --alter --topic first --partitions 6

删除topic

# 需要server.properties中设置delete.topic.enable=true否则只是标记删除kafka-topics.sh --zookeeper hadoop102:2181 --delete --topic first

发送消息

kafka-console-producer.sh --broker-list hadoop102:9092,hadoop103:9092,hadoop104:9092 --topic first> hello world

消费消息

# 0.9版本，消费offset存在zk，之后版本存在本地，故已放弃使用kafka-console-consumer.sh --zookeeper hadoop102:2181,hadoop103:2181,hadoop104:2181 --topic first# 目前在用kafka-console-consumer.sh --bootstrap-server hadoop102:9092,hadoop103:9092,hadoop104:9092 --topic first# 从开始读取 --from-beginning会把主题中以往所有的数据都读取出来kafka-console-consumer.sh --bootstrap-server hadoop102:9092,hadoop103:9092,hadoop104:9092 --from-beginning --topic first

Kafka生产者

分区策略

分区方便再集群中扩展，每个partition可以通过调整以适应它所在的机器，而一个topic又可以有多个partition组成，因此整个集群就可以适应任意大小的数据。同时分区也可以提高并发度，因为可以以Partition为单位进行读写。

producer发送数据需要封装一个ProducerRecord对象

指明partition的情况下，直接将指明的值作为partition的值

没有指明partition的值，但是有key的情况下，将key的hash值与topic的partition数进行取余得到partition的值。

既没有partition也没有key值的情况下，第一次调用时随机生成一个整数(后面每次调用在这个整数上自增)，将这个值与topic可用的partition总数取余得到partition值，也就是常说的round-robin算法。

数据可靠性保证

为保证producer发送的数据，能可靠的发送到指定的topic，topic的每个partition收到producer发送的数据后，都需要向producer发送ack(acknowledgement确认收到)。如果producer收到ack，就会进行下一轮的发送，否则重新发送数据。

方案优点缺点半数以上完成同步，就发送ack延迟低选举新的leader时，容忍n台节点的故障，需要2n+1个副本全部完成同步，才发送ack选举新的leader时，容忍n台节点的故障，需要n+1个副本延迟高

kafka采用全部完成同步才发送ack的方案，因为同样为了容忍n台节点的故障，第一种方案需要2n+1个副本，而第二种方案只需要n+1个副本，而Kafka的每个分区都有大量的数据，第一种方案会造成大量数据的冗余。虽然第二种方案的网络延迟会比较高，但网络延迟对Kafka的影响较小。

在kafka采用的大体方案中，引入了ISR概念：Leader维护了一个动态的in-sync replica set (ISR)，意为和leader保持同步的follower集合。当ISR中的follower完成数据的同步之后，leader就会给follower发送ack。如果follower长时间未向leader同步数据，则该follower将被踢出ISR，该时间阈值由replica.lag.time.max.ms参数设定。Leader发生故障之后，就会从ISR中选取新的leader。这样就可以解决(leader收到数据，所有follower都开始同步数据，但有一个follower，因为某种故障，迟迟不能与leader进行同步，那leader就要一直等下去，直到它完成同步，才能发送ack)的问题

ack应答机制

对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失，所以没必要等ISR中的follower全部接收成功。Kafka提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡，选择以下的配置

ack参数配置说明0producer不等待broker的ack，这一操作提供了一个最低的延迟，broker一接收到还没有写入磁盘就已经返回，当broker故障时有可能丢失数据1producer等待broker的ack，partition的leader落盘成功后返回ack，如果在follower同步成功之前leader故障，那么将会丢失数据-1（all）producer等待broker的ack，partition的leader和follower全部落盘成功后才返回ack。但是如果在follower同步完成后，broker发送ack之前，leader发生故障，那么会造成数据重复。

ack=1数据丢失

ack=-1数据重复

故障处理细节HW和LEO

LEO：指的是每个副本最大的offset；

HW：指的是消费者能见到的最大的offset，ISR队列中最小的LEO

follower故障：follower发生故障后会被临时踢出ISR，等待该follower恢复后，follower会读取本地磁盘记录的上次HW，并将log文件高于HW的部分截取掉，从HW开始向leader进行同步。等待follower的LEO大于等于该Partition的HW，即follower追上leader之后，就可以重新加入ISR

leader故障：leader发生故障之后，会从ISR中选取一个新的leader，之后，为保证多个副本之间数据一致性，其余的follower会先将各自的log文件高于HW的部分截掉，然后从新的leader同步数据。这样能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复

Exactly Once语义

将服务器的ACK级别设置为-1.可以保证producer到server之间不会丢失数据(但是不能保证重重数据)，即At Least Once语义。相对的，将服务器级别设置为0，可以保证生产者每条消息只会被发送一次（但是不能保证数据不丢失），即At Most Once语义。

At Least Once可以保证数据不丢失，但是不能保证数据不重复；相对的，At Least Once可以保证数据不重复，但是不能保证数据不丢失。**但是，对于一些非常重要的信息，比如说交易数据，下游数据消费者要求数据既不重复也不丢失，即Exactly Once语义。**在0.11版本以前的Kafka，对此是无能为力的，只能保证数据不丢失，再在下游消费者对数据做全局去重。对于多个下游应用的情况，每个都需要单独做全局去重，这就对性能造成了很大影响。

0.11版本的Kafka，引入了一项重大特性：幂等性。所谓的幂等性就是指Producer不论向Server发送多少次重复数据，Server端都只会持久化一条。幂等性结合At Least Once语义，就构成了Kafka的Exactly Once语义。即：At Least once + 幂等性 = Exactly Once

要启用幂等性，只需要将Producer的参数中enable.idompotence设置为true即可。Kafka的幂等性实现其实就是将原来下游需要做的去重放在了数据上游。开启幂等性的Producer在初始化的时候会被分配一个PID，发往同一Partition的消息会附带Sequence Number。而Broker端会对做缓存，当具有相同主键的消息提交时，Broker只会持久化一条。但是PID重启就会变化，同时不同的Partition也具有不同主键，所以幂等性无法保证跨分区跨会话的Exactly Once

Kafka从0.11版本开始引入了事务支持。事务可以保证Kafka在Exactly Once语义的基础上，生产和消费可以跨分区和会话，要么全部成功，要么全部失败

Producer事务：为了实现跨分区跨会话的事务，需要引入一个全局唯一的Transaction ID，并将Producer获得的PID和Transaction ID绑定。这样当Producer重启后就可以通过正在进行的Transaction ID获得原来的PID。为了管理Transaction，Kafka引入了一个新的组件Transaction Coordinator。Producer就是通过和Transaction Coordinator交互获得Transaction ID对应的任务状态。Transaction Coordinator还负责将事务所有写入Kafka的一个内部Topic，这样即使整个服务重启，由于事务状态得到保存，进行中的事务状态可以得到恢复，从而继续进行

Consunmer事务：上述事务机制主要是从Producer方面考虑，对于Consumer而言，事务的保证就会相对较弱，尤其时无法保证Commit的信息被精确消费。这是由于Consumer可以通过offset访问任意信息，而且不同的Segment File生命周期不同，同一事务的消息可能会出现重启后被删除的情况

Kafka消费者

消费方式

consumer采用pull（拉）模式从broker中读取数据

push（推）模式很难适应消费速率不同的消费者，因为消息发送速率是由broker决定的。它的目标是尽可能以最快速度传递消息，但是这样很容易造成consumer来不及处理消息，典型的表现就是拒绝服务以及网络拥塞。而pull模式则可以根据consumer的消费能力以适当的速率消费消息

pull模式不足之处是，如果kafka没有数据，消费者可能会陷入循环中，一直返回空数据。针对这一点，Kafka的消费者在消费数据时会传入一个时长参数timeout，如果当前没有数据可供消费，consumer会等待一段时间之后再返回，这段时长即为timeout

分区分配策略

一个consumer group中有多个consumer，一个 topic有多个partition，所以必然会涉及到partition的分配问题，即确定哪个partition由哪个consumer来消费

Kafka有两种分配策略，一是RoundRobin，一是Range

分区分配策略RoundRobin轮询

分区分配策略Range，取模

offset的维护

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

Kafka 0.9版本之前，consumer默认将offset保存在Zookeeper中，从0.9版本开始，consumer默认将offset保存在Kafka一个内置的topic中，该topic为__consumer_offsets

读取__consumer_offsets

修改配置文件consumer.properties

exclude.internal.topics=false

读取offset数据

# 0.11.0.0之前版本bin/kafka-console-consumer.sh --topic __consumer_offsets --zookeeper hadoop102:2181 --formatter "kafka.coordinator.GroupmetadataManager$OffsetsMessageFormatter" --consumer.config config/consumer.properties --from-beginning# 0.11.0.0之后版本(含)bin/kafka-console-consumer.sh --topic __consumer_offsets --zookeeper hadoop102:2181 --formatter "kafka.coordinator.group.GroupmetadataManager$OffsetsMessageFormatter" --consumer.config config/consumer.properties --from-beginning

指定消费者组消费数据

kafka-console-consumer.sh --bootstrap-server hadoop102:2181 --topic first --from-beginning --consumer-property group.id='test'

Kafka API操作

引入依赖

org.apache.kafka kafka-clients 2.4.1

Producer API

Kafka的Producer发送消息采用的是异步发送的方式。在消息发送的过程中，涉及到了两个线程——main线程和Sender线程，以及一个线程共享变量——RecordAccumulator。main线程将消息发送给RecordAccumulator，Sender线程不断从RecordAccumulator中拉取消息发送到Kafka broker

batch.size：只有数据积累到batch.size之后，sender才会发送数据。

linger.ms：如果数据迟迟未达到batch.size，sender等待linger.time之后就会发送数据

不带回调函数发送

Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "bigdata100:9092");properties.put(ProducerConfig.ACKS_CONFIG, "all");//重试次数properties.put(ProducerConfig.RETRIES_CONFIG, 1);//批次大小 16kproperties.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);//等待时间properties.put(ProducerConfig.LINGER_MS_CONFIG, 1);//RecordAccumulator缓冲区大小 32Mproperties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);// 序列化properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");KafkaProducer producer = new KafkaProducer<>(properties);ProducerRecord producerRecord = new ProducerRecord("bigdata","czs", "hello world");producer.send(producerRecord) producer.close();

带回调函数发送

回调函数会在producer收到ack时调用，为异步调用，该方法有两个参数，分别是Recordmetadata和Exception，如果Exception为null，说明消息发送成功，如果Exception不为null，说明消息发送失败。消息发送失败会自动重试，不需要在回调函数中手动重试

Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "bigdata100:9092");properties.put(ProducerConfig.ACKS_CONFIG, "all");//重试次数properties.put(ProducerConfig.RETRIES_CONFIG, 1);//批次大小 16kproperties.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);//等待时间properties.put(ProducerConfig.LINGER_MS_CONFIG, 1);//RecordAccumulator缓冲区大小 32Mproperties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);// 序列化properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");KafkaProducer producer = new KafkaProducer<>(properties);ProducerRecord producerRecord = new ProducerRecord("bigdata","czs", "hello world");producer.send(new ProducerRecord<>("first", 0, "czs", "hello world"), (metadata, exception) -> { if (exception == null) { System.out.println(metadata.partition() + "---" + metadata.offset()); } else { exception.printStackTrace(); } });producer.close();

同步发送

同步发送的意思就是，一条消息发送之后，会阻塞当前线程，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。

ProducerRecord producerRecord = new ProducerRecord("bigdata","czs", "hello world");producer.send(producerRecord).get();

Consumer API

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。所以offset的维护是Consumer消费数据是必须考虑的问题。

自动提交offset

public static void main(String[] args) { Properties properties = new Properties(); properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "bigdata100:9092"); properties.put(ConsumerConfig.GROUP_ID_CONFIG, "czs"); // 开启自动提交 properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true"); // 自动提交时间 properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000"); properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); KafkaConsumer kafkaConsumer = new KafkaConsumer(properties); kafkaConsumer.subscribe(Collections.singletonList("bigdata")); while (true) { ConsumerRecords consumerRecords = kafkaConsumer.poll(100); for (ConsumerRecord consumerRecord : consumerRecords) { System.out.println(consumerRecord.key() + "---" + consumerRecord.value()); } }}

手动提交offset

虽然自动提交offset十分简介便利，但由于其是基于时间提交的，开发人员难以把握offset提交的时机。因此Kafka还提供了手动提交offset的API。

手动提交offset的方法有两种：分别是commitSync（同步提交）和commitAsync（异步提交）。两者的相同点是，都会将本次poll的一批数据最高的偏移量提交；不同点是，commitSync阻塞当前线程，一直到提交成功，并且会自动失败重试（由不可控因素导致，也会出现提交失败）；而commitAsync则没有失败重试机制，故有可能提交失败。

由于同步提交offset有失败重试机制，故更加可靠

// 同步提交public static void main(String[] args) { Properties properties = new Properties(); properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "bigdata100:9092"); properties.put(ConsumerConfig.GROUP_ID_CONFIG, "czs"); // 关闭自动提交 properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false"); properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); KafkaConsumer kafkaConsumer = new KafkaConsumer(properties); kafkaConsumer.subscribe(Collections.singletonList("bigdata")); while (true) { ConsumerRecords consumerRecords = kafkaConsumer.poll(100); for (ConsumerRecord consumerRecord : consumerRecords) { System.out.println(consumerRecord.key() + "---" + consumerRecord.value()); } //同步提交，当前线程会阻塞直到offset提交成功 kafkaConsumer.commitSync(); }}

虽然同步提交offset更可靠一些，但是由于其会阻塞当前线程，直到提交成功。因此吞吐量会收到很大的影响。因此更多的情况下，会选用异步提交offset的方式

// 异步提交public static void main(String[] args) { Properties properties = new Properties(); properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "bigdata100:9092"); properties.put(ConsumerConfig.GROUP_ID_CONFIG, "czs"); properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true"); properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000"); properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer"); KafkaConsumer kafkaConsumer = new KafkaConsumer(properties); kafkaConsumer.subscribe(Collections.singletonList("bigdata")); while (true) { ConsumerRecords consumerRecords = kafkaConsumer.poll(100); for (ConsumerRecord consumerRecord : consumerRecords) { System.out.println(consumerRecord.key() + "---" + consumerRecord.value()); } // 异步提交 kafkaConsumer.commitAsync(new OffsetCommitCallback() { @Override public void onComplete(Map offsets, Exception exception) { if (exception != null) { System.err.println("Commit failed for" + offsets); } } }); }}

自定义offset

Kafka 0.9版本之前，offset存储在zookeeper，0.9版本及之后，默认将offset存储在Kafka的一个内置的topic中。除此之外，Kafka还可以选择自定义存储offset。

offset的维护是相当繁琐的，因为需要考虑到消费者的Rebalace。

当有新的消费者加入消费者组、已有的消费者推出消费者组或者所订阅的主题的分区发生变化，就会触发到分区的重新分配，重新分配的过程叫做Rebalance。

消费者发生Rebalance之后，每个消费者消费的分区就会发生变化。因此消费者要首先获取到自己被重新分配到的分区，并且定位到每个分区最近提交的offset位置继续消费。

要实现自定义存储offset，需要借助ConsumerRebalanceListener，其中提交和获取offset的方法，需要根据所选的offset存储系统自行实现

private static Map currentOffset = new HashMap<>();public static void main(String[] args) { //创建配置信息 Properties props = new Properties(); //Kafka集群 props.put("bootstrap.servers", "hadoop102:9092"); //消费者组，只要group.id相同，就属于同一个消费者组 props.put("group.id", "test"); //关闭自动提交offset props.put("enable.auto.commit", "false"); //Key和Value的反序列化类 props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); //创建一个消费者 KafkaConsumer consumer = new KafkaConsumer<>(props); //消费者订阅主题 consumer.subscribe(Arrays.asList("first"), new ConsumerRebalanceListener() { //该方法会在Rebalance之前调用 @Override public void onPartitionsRevoked(Collection partitions) { commitOffset(currentOffset); } //该方法会在Rebalance之后调用 @Override public void onPartitionsAssigned(Collection partitions) { currentOffset.clear(); for (TopicPartition partition : partitions) { consumer.seek(partition, getOffset(partition));//定位到最近提交的offset位置继续消费 } } }); while (true) { ConsumerRecords records = consumer.poll(100);//消费者拉取数据 for (ConsumerRecord record : records) { System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value()); currentOffset.put(new TopicPartition(record.topic(), record.partition()), record.offset()); } commitOffset(currentOffset);//异步提交 }}//获取某分区的最新offsetprivate static long getOffset(TopicPartition partition) { return 0;}//提交该消费者所有分区的offsetprivate static void commitOffset(Map currentOffset) {}

自定义Interceptor

public class TimeInterceptor implements ProducerInterceptor { @Override public ProducerRecord onSend(ProducerRecord record) { return new ProducerRecord(record.topic(), record.partition(), record.key(), System.currentTimeMillis() + "," + record.value()); } @Override public void onAcknowledgement(Recordmetadata metadata, Exception exception) { } @Override public void close() { } @Override public void configure(Map configs) { }}

public class CounterInterceptor implements ProducerInterceptor { private int success; private int error; @Override public ProducerRecord onSend(ProducerRecord record) { return record; } @Override public void onAcknowledgement(Recordmetadata metadata, Exception exception) { if (metadata != null) { success++; } else { error++; } } @Override public void close() { System.out.println("success: " + success); System.out.println("error: " + error); } @Override public void configure(Map configs) { }}

public static void main(String[] args) { Properties props = new Properties(); props.put("bootstrap.servers", "bigdata100:9092"); props.put("acks", "all"); props.put("retries", 3); props.put("batch.size", 16384); props.put("linger.ms", 1); props.put("buffer.memory", 33554432); props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); // 拦截器 ArrayList interceptors = new ArrayList<>(); interceptors.add("czs.study.kafka.interceptor.TimeInterceptor"); interceptors.add("czs.study.kafka.interceptor.CounterInterceptor"); props.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG, interceptors); String topic = "first"; Producer producer = new KafkaProducer<>(props); // 3 发送消息 for (int i = 0; i < 10; i++) { ProducerRecord record = new ProducerRecord<>(topic, "message" + i); producer.send(record); } // 4 一定要关闭producer，这样才会调用interceptor的close方法 producer.close();}

Kafka监控

使用kafka-eagle监控kafka，下载地址Download - EFAK (kafka-eagle.org)

准备环境

修改kafka目录下的conf中的kafka-server-start.sh，修改之后在启动Kafka之前要分发之其他节点

if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then export KAFKA_HEAP_OPTS="-server -Xms2G -Xmx2G -XX:PermSize=128m -XX:+UseG1GC -XX:MaxGCPauseMillis=200 -XX:ParallelGCThreads=8 -XX:ConcGCThreads=5 -XX:InitiatingHeapOccupancyPercent=70" export JMX_PORT="9999"sh #export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"fi

解压官网下载的kafka-eagle里面的kafka-eagle-web

tar -zxvf kafka-eagle-web-xxx -C /opt/module/

给启动文件执行权限，在kafka-eagle-web的bin目录下

chmod 777 ke.sh

修改配置文件，在kafka-eagle-web的conf目录下的system-config.properties

####################################### multi zookeeper&kafka cluster list######################################kafka.eagle.zk.cluster.alias=cluster1cluster1.zk.list=hadoop102:2181,hadoop103:2181,hadoop104:2181####################################### kafka offset storage######################################cluster1.kafka.eagle.offset.storage=kafka####################################### enable kafka metrics######################################kafka.eagle.metrics.charts=truekafka.eagle.sql.fix.error=false####################################### kafka jdbc driver address######################################kafka.eagle.driver=com.mysql.cj.jdbc.Driverkafka.eagle.url=jdbc:mysql://bigdata100:3306/ke?useUnicode=true&characterEncoding=UTF-8&zeroDateTimeBehavior=convertToNullkafka.eagle.username=rootkafka.eagle.password=root

添加环境变量，source /etc/profile

export KE_HOME=/opt/module/eagleexport PATH=$PATH:$KE_HOME/bin

启动eagle

bin/ke.sh start