Java版Kafka使用及配置解释
一.Java示例
kafka是吞吐量巨大的一个消息系统,它是用scala写的,和普通的消息的生产消费还有所不同,写了个demo程序供大家参考。kafka的安装请参考官方文档。
引入Maven库
首先我们需要新建一个maven项目,然后在pom中引用kafka jar包,引用依赖如下:
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka_2.10</artifactId>
<version>0.8.0</version>
</dependency>
生产者
我们用的版本是0.8, 下面我们看下生产消息的代码:
package com.sunteng.clickidc.test;
import java.util.Properties;
import com.sun.tools.javah.Util;
import kafka.javaapi.producer.Producer;
import kafka.producer.KeyedMessage;
import kafka.producer.ProducerConfig;
/**
* Created by silly on 16-8-17.
* Kafka生产者测试
* http://kafka.apache.org/documentation.html#introduction
* http://blog.csdn.net/hmsiwtv/article/details/46960053
*/
public class KafkaProducetest {
private final Producer<String, String> producer;
public final static String TOPIC = "clicki_info_topic";
private KafkaProducetest() {
Properties props = new Properties();
//此处配置的是kafka的端口
props.put("metadata.broker.list", "192.168.11.73:9092");
//配置value的序列化类
props.put("serializer.class", "kafka.serializer.StringEncoder");
//配置key的序列化类
props.put("key.serializer.class", "kafka.serializer.StringEncoder");
//0表示不确认主服务器是否收到消息,马上返回,低延迟但最弱的持久性,数据可能会丢失
//1表示确认主服务器收到消息后才返回,持久性稍强,可是如果主服务器死掉,从服务器数据尚未同步,数据可能会丢失
//-1表示确认所有服务器都收到数据,完美!
props.put("request.required.acks", "-1");
//异步生产,批量存入缓存后再发到服务器去
props.put("producer.type", "async");
//填充配置,初始化生产者
producer = new Producer<String, String>(new ProducerConfig(props));
}
void produce() {
int messageNo = 1000;
final int COUNT = 2000;
while (messageNo < COUNT) {
String key = String.valueOf(messageNo);
String data = "hello kafka message " + key;
String data1="{\"c\":0,\"i\":16114765323924126,\"n\":\"http://www.abbo.cn/clicki.html\",\"s\":0,\"sid\":0,\"t\":\"info_url\",\"tid\":0,\"unix\":0,\"viewId\":0}";
// 发送消息
// producer.send(new KeyedMessage<String, String>(TOPIC,data1));
// 消息类型key:value
producer.send(new KeyedMessage<String, String>(TOPIC, key, data));
System.out.println(data);
messageNo++;
}
producer.close();//必须关闭
}
public static void main(String[] args) {
new KafkaProducetest().produce();
}
}
消费者
下面是消费端的代码实现:
package com.sunteng.clickidc.test;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Properties;
import kafka.consumer.ConsumerConfig;
import kafka.consumer.ConsumerIterator;
import kafka.consumer.KafkaStream;
import kafka.javaapi.consumer.ConsumerConnector;
import kafka.serializer.StringDecoder;
import kafka.utils.VerifiableProperties;
/**
* Kafka消费者测试
* Created by silly on 16-8-17.
*/
public class KafkaConsumertest {
private final ConsumerConnector consumer;
private KafkaConsumertest() {
Properties props = new Properties();
//zookeeper 配置
props.put("zookeeper.connect", "192.168.11.73:2181");
//group 代表一个消费组,加入组里面,消息只能被该组的一个消费者消费
//如果所有消费者在一个组内,就是传统的队列模式,排队拿消息
//如果所有的消费者都不在同一个组内,就是发布-订阅模式,消息广播给所有组
//如果介于两者之间,那么广播的消息在组内也是要排队的
props.put("group.id", "jd-group");
//zk连接超时
props.put("zookeeper.session.timeout.ms", "4000");//ZooKeeper的最大超时时间,就是心跳的间隔,若是没有反映,那么认为已经死了,不易过大
props.put("zookeeper.sync.time.ms", "200");//zk follower落后于zk leader的最长时间
props.put("auto.commit.interval.ms", "1000");//往zookeeper上写offset的频率
/*
* 此配置参数表示当此groupId下的消费者,在ZK中没有offset值时(比如新的groupId,或者是zk数据被清空),consumer应该从哪个offset开始消费.
* largest表示接受接收最大的offset(即最新消息),smallest表示最小offset,即从topic的开始位置消费所有消息.
* */
props.put("auto.offset.reset", "smallest"); //消费最老消息,最新为largest
//序列化类
props.put("serializer.class", "kafka.serializer.StringEncoder");
ConsumerConfig config = new ConsumerConfig(props);
consumer = kafka.consumer.Consumer.createJavaConsumerConnector(config);
}
void consume() {
// 描述读取哪个topic,需要几个线程读
Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
topicCountMap.put(KafkaProducetest.TOPIC, new Integer(1));
/* 默认消费时的数据是byte[]形式的,可以传入String编码器*/
StringDecoder keyDecoder = new StringDecoder(new VerifiableProperties());
StringDecoder valueDecoder = new StringDecoder(new VerifiableProperties());
Map<String, List<KafkaStream<String, String>>> consumerMap =
consumer.createMessageStreams(topicCountMap, keyDecoder, valueDecoder);
//消费数据时每个Topic有多个线程在读,所以取List第一个流
KafkaStream<String, String> stream = consumerMap.get(KafkaProducetest.TOPIC).get(0);
ConsumerIterator<String, String> it = stream.iterator();
while (it.hasNext())
System.out.println(it.next().topic()+":"+it.next().partition()+":"+it.next().offset()+":"+it.next().key()+":"+it.next().message());
}
public static void main(String[] args) {
new KafkaConsumertest().consume();
}
}
注意消费端需要配置成zk的地址,而生产端配置的是kafka的ip和端口。
Kafka为broker,producer和consumer提供了很多的配置参数。了解并理解这些配置参数对于我们使用kafka是非常重要的。本文列出了一些重要的配置参数。
官方的文档 Configuration 比较老了,程中根据 0.8.2 的代码也做了修正。
二.Config配置
下表列出了Boker的重要的配置参数, 更多的配置请参考 kafka.server.KafkaConfig
name | 默认值 | 描述 |
---|---|---|
brokerid | none | 每一个boker都有一个唯一的id作为它们的名字。 这就允许boker切换到别的主机/端口上, consumer依然知道 |
enable.zookeeper | true | 允许注册到zookeeper |
log.flush.interval.messages | Long.MaxValue | 在数据被写入到硬盘和消费者可用前最大累积的消息的数量 |
log.flush.interval.ms | Long.MaxValue | 在数据被写入到硬盘前的最大时间 |
log.flush.scheduler.interval.ms | Long.MaxValue | 检查数据是否要写入到硬盘的时间间隔。 |
log.retention.hours | 168 | 控制一个log保留多长个小时 |
log.retention.bytes | -1 | 控制log文件最大尺寸 |
log.cleaner.enable | false | 是否log cleaning |
log.cleanup.policy | delete | delete还是compat. 其它控制参数还包括log.cleaner.threads,log.cleaner.io.max.bytes.per.second,log.cleaner.dedupe.buffer.size,log.cleaner.io.buffer.size,log.cleaner.io.buffer.load.factor,log.cleaner.backoff.ms,log.cleaner.min.cleanable.ratio,log.cleaner.delete.retention.ms |
log.dir | /tmp/kafka-logs | 指定log文件的根目录 |
log.segment.bytes | 1024*1024 | 单一的log segment文件大小 |
log.roll.hours | 24 * 7 | 开始一个新的log文件片段的最大时间 |
message.max.bytes | 1000000 + MessageSet.LogOverhead | 一个socket 请求的最大字节数 |
num.network.threads | 3 | 处理网络请求的线程数 |
num.io.threads | 8 | 处理IO的线程数 |
background.threads | 10 | 后台线程序 |
num.partitions | 1 | 默认分区数 |
socket.send.buffer.bytes | 102400 | socket SO_SNDBUFF参数 |
socket.receive.buffer.bytes | 102400 | socket SO_RCVBUFF参数 |
zookeeper.connect | localhost:2182/kafka | 指定zookeeper连接字符串, 格式如hostname:port/chroot。chroot是一个namespace |
zookeeper.connection.timeout.ms | 6000 | 指定客户端连接zookeeper的最大超时时间 |
zookeeper.session.timeout.ms | 6000 | 连接zk的session超时时间 |
zookeeper.sync.time.ms | 2000 | zk follower落后于zk leader的最长时间 |
三.Consumer配置
下表列出了high-level consumer的重要的配置参数。更多的配置请参考 kafka.consumer.ConsumerConfig
name | 默认值 | 描述 |
---|---|---|
groupid | groupid | 一个字符串用来指示一组consumer所在的组 |
socket.timeout.ms | 30000 | socket超时时间 |
socket.buffersize | 64*1024 | socket receive buffer |
fetch.size | 300 * 1024 | 控制在一个请求中获取的消息的字节数。 这个参数在0.8.x中由fetch.message.max.bytes,fetch.min.bytes取代 |
backoff.increment.ms | 1000 | 这个参数避免在没有新数据的情况下重复频繁的拉数据。 如果拉到空数据,则多推后这个时间 |
queued.max.message.chunks | 2 | high level consumer内部缓存拉回来的消息到一个队列中。 这个值控制这个队列的大小 |
autocommit.enable | true | 如果true,consumer定期地往zookeeper写入每个分区的offset |
auto.commit.interval.ms | 10000 | 往zookeeper上写offset的频率 |
auto.offset.reset | smallnest | 如果offset出了返回,则 smallest : 自动设置reset到最小的offset. largest : 自动设置offset到最大的offset. anything else : 否则抛出异常. |
consumer.timeout.ms | -1 | 默认-1,consumer在没有新消息时无限期的block。如果设置一个正值, 一个超时异常会抛出 |
rebalance.retries.max | 4 | rebalance时的最大尝试次数 |
四.Producer配置
下表列出了producer的重要的参数。更多的配置请参考 kafka.producer.ProducerConfig
name | 默认值 | 描述 |
---|---|---|
serializer.class | kafka.serializer.DefaultEncoder | 必须实现kafka.serializer.Encoder 接口,将T类型的对象encode成kafka message |
key.serializer.class | serializer.class | key对象的serializer类 |
partitioner.class | kafka.producer.DefaultPartitioner | 必须实现kafka.producer.Partitioner ,根据Key提供一个分区策略 |
producer.type | sync | 指定消息发送是同步还是异步。异步asyc成批发送用kafka.producer.AyncProducer, 同步sync用kafka.producer.SyncProducer |
metadata.broker.list | boker list | 使用这个参数传入boker和分区的静态信息,如host1:port1,host2:port2, 这个可以是全部boker的一部分 |
compression.codec | NoCompressionCodec | 消息压缩,默认不压缩 |
compressed.topics | null | 在设置了压缩的情况下,可以指定特定的topic压缩,为指定则全部压缩 |
message.send.max.retries | 3 | 消息发送最大尝试次数 |
retry.backoff.ms | 300 | 每次尝试增加的额外的间隔时间 |
topic.metadata.refresh.interval.ms | 600000 | 定期的获取元数据的时间。当分区丢失,leader不可用时producer也会主动获取元数据,如果为0,则每次发送完消息就获取元数据,不推荐。如果为负值,则只有在失败的情况下获取元数据。 |
queue.buffering.max.ms | 5000 | 在producer queue的缓存的数据最大时间,仅仅for asyc |
queue.buffering.max.message | 10000 | producer 缓存的消息的最大数量,仅仅for asyc |
queue.enqueue.timeout.ms | -1 | 0当queue满时丢掉,负值是queue满时block,正值是queue满时block相应的时间,仅仅for asyc |
batch.num.messages | 200 | 一批消息的数量,仅仅for asyc |