1. 前言

1.1 关于 Kafka 的安装

• 请参考下面的文章：
  Kafka 01——Kafka的安装及简单入门使用.

1.2 常用客户端简介

• AdminClient API：
  允许管理和检测Topic、Broker以及其他Kafka对象。
• Producer API：
  发布消息到一个或多个API。
• Consumer API：
  订阅一个或多个Topic，并处理产生的消息。

1.3 依赖

• 如下：
  

          <!--kafka客户端--><dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-clients</artifactId><version>2.8.2</version></dependency>

• 完整的pom

  <?xml version="1.0" encoding="UTF-8"?>
  <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>2.7.6</version><relativePath/> <!-- lookup parent from repository --></parent><groupId>com.liu.susu</groupId><artifactId>kafka-api</artifactId><version>0.0.1-SNAPSHOT</version><name>kafka-api</name><description>kafka-api</description><properties><java.version>1.8</java.version></properties><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency><dependency><groupId>ch.qos.logback</groupId><artifactId>logback-classic</artifactId><version>1.2.11</version></dependency><!--kafka客户端--><dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-clients</artifactId><version>2.8.2</version></dependency></dependencies><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build></project>
  

2. AdminClient

2.1 Admin Configs

• 关于配置，可参考官网：
  https://kafka.apache.org/documentation/#adminclientconfigs.

2.2 AdminClient API

2.2.1 设置 AdminClient 对象

• 详细配置请参考官网，简单配置使用，如下：

  package com.liu.susu.admin;import org.apache.kafka.clients.admin.AdminClient;
  import org.apache.kafka.clients.admin.AdminClientConfig;import java.util.Arrays;
  import java.util.List;
  import java.util.Properties;/*** @Description* @Author susu*/
  public class AdminExample1 {public final static String TOPIC_NAME = "";/*** 1. 创建并设置 AdminClient 对象*/public static AdminClient getAdminClient(){Properties properties = new Properties();properties.setProperty(AdminClientConfig.BOOTSTRAP_SERVERS_CONFIG, "Kafka服务IP:9092");AdminClient adminClient = AdminClient.create(properties);return adminClient;}public static void main(String[] args) {//1. 测试 创建并设置 AdminClient 对象AdminClient adminClient = AdminExample1.getAdminClient();System.out.println("adminClient==>" + adminClient);}
  }

  

2.2.2 创建 topic + 获取 topic 列表

• 如下：

      /*** 2. 创建topic*/public static void createTopic(){AdminClient adminClient = getAdminClient();// 副本因子short rs = 1;NewTopic newTopic = new NewTopic("new_topic_test", 1, rs);//new_topic_test 是 topic的nameCreateTopicsResult topics = adminClient.createTopics(Arrays.asList(newTopic));System.out.println("创建的新topic为：：：：" + topics);}/*** 3. 获取已经创建的 topic 的列表*/public static ListTopicsResult getTopicList(){AdminClient adminClient = getAdminClient();ListTopicsResult topicList = adminClient.listTopics();return topicList;}
  

• 测试如下：

      public static void main(String[] args) throws ExecutionException, InterruptedException {//1. 测试 创建并设置 AdminClient 对象
  //        AdminClient adminClient = AdminExample1.getAdminClient();
  //        System.out.println("adminClient==>" + adminClient);//2. 测试 创建topiccreateTopic();//3. 获取已经创建的 topic 的列表ListTopicsResult topicList = getTopicList();Collection<TopicListing> topicListings = topicList.listings().get();for (TopicListing topic : topicListings) {System.out.println(topic);}}
  

  
  

2.2.3 删除topic

• 如下：

      /*** 4. 删除 topic*/public static void deleteTopic(String topicName) throws ExecutionException, InterruptedException {AdminClient adminClient = getAdminClient();DeleteTopicsResult deleteTopicsResult = adminClient.deleteTopics(Arrays.asList(topicName));deleteTopicsResult.all().get();}
  

2.2.4 查看 topic 的描述信息

• 如下：

      /*** 5. 获取描述 topic 的信息*/public static void getDescribeTopics(String topicName) throws ExecutionException, InterruptedException {AdminClient adminClient = getAdminClient();DescribeTopicsResult result = adminClient.describeTopics(Arrays.asList(topicName));Map<String, TopicDescription> descriptionMap = result.all().get();descriptionMap.forEach((k,v)->{System.out.println("k==>"+k +",v===>"+v);});}
  

  

  k==>susu-topic,v===>(name=susu-topic, internal=false, partitions=(partition=0, leader=IP:9092 (id: 0 rack: null), replicas=IP:9092 (id: 0 rack: null), isr=IP:9092 (id: 0 rack: null)), authorizedOperations=null)
  

2.2.5 查看 topic 的配置信息

• 如下：

      /*** 6. 获取 topic 的配置信息*/public static void getDescribeConfig(String topicName) throws ExecutionException, InterruptedException{AdminClient adminClient = getAdminClient();ConfigResource resource = new ConfigResource(ConfigResource.Type.TOPIC,topicName);DescribeConfigsResult configsResult = adminClient.describeConfigs(Arrays.asList(resource));Map<ConfigResource, Config> configMap = configsResult.all().get();configMap.forEach((k,v)->{System.out.println("k==>"+k +",v===>"+v);});}//查看某一项配置（eg:message.downconversion.enable）的值Config config = configMap.get(resource);ConfigEntry configEntry = config.get("message.downconversion.enable");System.out.println("message.downconversion.enable===>" + configEntry.value());
  

  

2.2.6 修改 topic 的配置信息

• 如下：

      /*** 7. 修改 topic 的配置信息*    本例修改 message.downconversion.enable，将默认的 true 改为 false*/public static void editConfig(String topicName) throws ExecutionException, InterruptedException {AdminClient adminClient = getAdminClient();Map<ConfigResource,Config> configMap = new HashMap<>();ConfigResource configResource = new ConfigResource(ConfigResource.Type.TOPIC,topicName);String keyName = "message.downconversion.enable";String value = "false";ConfigEntry configEntry = new ConfigEntry(keyName, value);Config config = new Config(Arrays.asList(configEntry));configMap.put(configResource,config);AlterConfigsResult alterConfigsResult = adminClient.alterConfigs(configMap);alterConfigsResult.all().get();}
  

• 效果如下：
  

2.2.7 新增 Partition

2.2.7.1 相关概念

• Topic：主题，一个虚拟的概念，由1到多个 Partitions 组成，可以理解为一个队列，生产者和消费者都是面向一个Topic。
• Partition：分区，实际消息存储单位。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 是一个有序的队列(分区有序，不能保证全局有序)。
• Producer：消息生产者，向 Kafka 中发布消息的角色。
• Consumer：消息消费者，从 Kafka 中拉取消息消费的客户端。
• Broker：经纪人，一台 Kafka 服务器就是一个 Broker，一个集群由多个 Broker 组成，一个 Broker 可以容纳多个 Topic。

2.2.7.2 演示

• 代码如下：

      /*** 8. 增加 topic 的Partitions*/public static void addPartitionNum(String topicName, int partitionNum) throws ExecutionException, InterruptedException {AdminClient adminClient = getAdminClient();Map<String,NewPartitions> partitionsMap = new HashMap<>() ;NewPartitions newPartitions = NewPartitions.increaseTo(partitionNum);//增加到的数量partitionsMap.put(topicName,newPartitions);CreatePartitionsResult request = adminClient.createPartitions(partitionsMap);request.all().get();}
  

• 效果如下：
  

2.3 附代码

• 如下：

  package com.liu.susu.admin;import org.apache.kafka.clients.admin.*;
  import org.apache.kafka.common.KafkaFuture;
  import org.apache.kafka.common.config.ConfigResource;
  import org.apache.kafka.common.requests.CreatePartitionsRequest;import java.util.*;
  import java.util.concurrent.ExecutionException;/*** @Description* @Author susu*/
  public class AdminExample1 {public final static String TOPIC_NAME = "new_topic_test";/*** 1. 创建并设置 AdminClient 对象*/public static AdminClient getAdminClient(){Properties properties = new Properties();properties.setProperty(AdminClientConfig.BOOTSTRAP_SERVERS_CONFIG, "43.143.190.116:9092");AdminClient adminClient = AdminClient.create(properties);return adminClient;}/*** 2. 创建topic*/public static void createTopic(){AdminClient adminClient = getAdminClient();// 副本因子short rs = 1;NewTopic newTopic = new NewTopic("new_topic_test", 1, rs);CreateTopicsResult topics = adminClient.createTopics(Arrays.asList(newTopic));System.out.println("创建的新topic为：：：：" + topics);}/*** 3. 获取已经创建的 topic 的列表*/public static ListTopicsResult getTopicList(){AdminClient adminClient = getAdminClient();ListTopicsResult topicList = adminClient.listTopics();return topicList;}/*** 4. 删除 topic*/public static void deleteTopic(String topicName) throws ExecutionException, InterruptedException {AdminClient adminClient = getAdminClient();DeleteTopicsResult deleteTopicsResult = adminClient.deleteTopics(Arrays.asList(topicName));deleteTopicsResult.all().get();}/*** 5. 获取描述 topic 的信息*/public static void getDescribeTopics(String topicName) throws ExecutionException, InterruptedException {AdminClient adminClient = getAdminClient();DescribeTopicsResult result = adminClient.describeTopics(Arrays.asList(topicName));Map<String, TopicDescription> descriptionMap = result.all().get();descriptionMap.forEach((k,v)->{System.out.println("k==>"+k +",v===>"+v);});}/*** 6. 获取 topic 的配置信息*/public static void getDescribeConfig(String topicName) throws ExecutionException, InterruptedException{AdminClient adminClient = getAdminClient();ConfigResource resource = new ConfigResource(ConfigResource.Type.TOPIC,topicName);DescribeConfigsResult configsResult = adminClient.describeConfigs(Arrays.asList(resource));Map<ConfigResource, Config> configMap = configsResult.all().get();configMap.forEach((k,v)->{System.out.println("\nk==>"+k +",v===>"+v);});//查看某一项配置（eg:message.downconversion.enable）的值Config config = configMap.get(resource);ConfigEntry configEntry = config.get("message.downconversion.enable");System.out.println("message.downconversion.enable===>" + configEntry.value());}/*** 7. 修改 topic 的配置信息*    本例修改 message.downconversion.enable，将默认的 true 改为 false*/public static void editConfig(String topicName) throws ExecutionException, InterruptedException {AdminClient adminClient = getAdminClient();Map<ConfigResource,Config> configMap = new HashMap<>();ConfigResource configResource = new ConfigResource(ConfigResource.Type.TOPIC,topicName);String keyName = "message.downconversion.enable";String value = "false";ConfigEntry configEntry = new ConfigEntry(keyName, value);Config config = new Config(Arrays.asList(configEntry));configMap.put(configResource,config);AlterConfigsResult alterConfigsResult = adminClient.alterConfigs(configMap);alterConfigsResult.all().get();}/*** 8. 增加 topic 的Partitions*/public static void addPartitionNum(String topicName, int partitionNum) throws ExecutionException, InterruptedException {AdminClient adminClient = getAdminClient();Map<String,NewPartitions> partitionsMap = new HashMap<>() ;NewPartitions newPartitions = NewPartitions.increaseTo(partitionNum);//增加到的数量partitionsMap.put(topicName,newPartitions);CreatePartitionsResult request = adminClient.createPartitions(partitionsMap);request.all().get();}public static void main(String[] args) throws ExecutionException, InterruptedException {//1. 测试 创建并设置 AdminClient 对象
  //        AdminClient adminClient = AdminExample1.getAdminClient();
  //        System.out.println("adminClient==>" + adminClient);//2. 测试 创建topic
  //        createTopic();//3. 获取已经创建的 topic 的列表ListTopicsResult topicList = getTopicList();Collection<TopicListing> topicListings = topicList.listings().get();for (TopicListing topic : topicListings) {System.out.println(topic);}// 4. 删除topic
  //        deleteTopic("new_topic_test");// 5.
  //        getDescribeTopics("susu-topic");//6. 获取 topic 的配置信息
  //        getDescribeConfig("susu-topic");// 7. 修改 topic 的配置信息
  //        editConfig("susu-topic");
  //
  //        System.out.println("\n=============修改之后的配置===========\n");
  //
  //        getDescribeConfig("susu-topic"); //修改之后再查看配置//8. 增加 topic 的PartitionsaddPartitionNum("susu-topic",2);System.out.println("添加完毕");}}

3. 生产者（Producer API）

3.1 Producer Configs

3.1.1 参考官网

• 关于 Producer Configs 更多配置，参考官网
  https://kafka.apache.org/documentation/#producerconfigs.

• 简单看个配置，如下：
  

  

3.1.2 关于acks 的配置（消息传递保障）

关于 acks 的配置，在考虑请求完成之前，生产者要求领导已收到的确认次数。这控制发送的记录的持久性。允许以下设置:

• acks=0 ，如果设置为0，那么生产者将不会等待服务器的任何确认。(即：消息发送之后就不管了，无论消息是否写成功)

  • 该记录将立即添加到套接字缓冲区并被认为已发送。
  • 在这种情况下，不能保证服务器已经接收到记录，重试配置将不会生效(因为客户端通常不会知道任何失败)。为每条记录返回的偏移量将始终设置为-1。
  • 即：这种情况消息发送之后，要么根本没收到要么收到一次，所以，最多收到一次消息（收到0次或多次）。

• acks=1 ，这将意味着leader将记录写入其本地日志，但将在不等待所有follower完全确认的情况下进行响应。

  • 在这种情况下，如果leader在确认记录后立即失败，但在follower复制它之前，那么记录将丢失。
  • 两种情况：
    • 一是，没收到消息没有回应的重复发送，这时还是收到1次；
    • 二是，收到消息但是回应出了问题，即仅没收到回应的重发，这时就会重复收到消息，所以多次。
  • 即：这种情况至少收到一次消息（一次或多次）。

• acks=all（或者acks=-1） ，这意味着leader将等待同步副本的完整集合来确认记录。

  • 这保证了只要至少有一个同步副本保持活动状态，记录就不会丢失。这是最有力的保证。
  • 即：这种情况下收到消息有且仅有一次，如果重复发送会拒收。

• 注意，启用幂等性需要这个配置值为“all”。如果设置了冲突的配置，并且幂等性没有显式启用，则幂等性被禁用。

3.2 Producer API

3.2.1 异步发送

• 代码如下：
  

  package com.liu.susu.producer;import org.apache.kafka.clients.producer.KafkaProducer;
  import org.apache.kafka.clients.producer.Producer;
  import org.apache.kafka.clients.producer.ProducerConfig;
  import org.apache.kafka.clients.producer.ProducerRecord;import java.util.Properties;/*** @Description* @Author susu*/
  public class ProducerExample1 {public static Properties getProperties(){Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "IP:9092");properties.put(ProducerConfig.ACKS_CONFIG, "all");properties.put(ProducerConfig.RETRIES_CONFIG, "0");properties.put(ProducerConfig.BATCH_SIZE_CONFIG, "16348");properties.put(ProducerConfig.LINGER_MS_CONFIG, "1");properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, "33554432");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");return properties;}/*** 1. 发送消息(异步发送)*    1.1 一次发一条消息*/public static void producerSendOne(String topicName){Properties properties = getProperties();//Producer对象Producer<String, String> producer = new KafkaProducer<>(properties);//消息对象ProducerRecord<String, String> producerRecord = new ProducerRecord<>(topicName,"num1","A-10001");//发送消息producer.send(producerRecord);//所有的通道打开都要记得关闭producer.close();}/*** 1. 发送消息(异步发送)*    1.2 一次发多条消息*/public static void producerSendMore(String topicName){Properties properties = getProperties();//Producer对象Producer<String, String> producer = new KafkaProducer<>(properties);for (int i = 0; i < 5; i++) {//消息对象ProducerRecord<String, String> producerRecord = new ProducerRecord<>(topicName,"Record-"+i,"R-1000"+i);//发送消息producer.send(producerRecord);}producer.close();}public static void main(String[] args) {//1.1 一次发一条消息
  //        producerSendOne("susu-topic");//1.2 一次发多条消息producerSendMore("susu-topic");}}

• 测试效果如下：
  

3.2.2 异步阻塞发送（同步发送）

• 代码如下：

  package com.liu.susu.producer;import org.apache.kafka.clients.producer.*;import java.util.Properties;
  import java.util.concurrent.ExecutionException;
  import java.util.concurrent.Future;/*** @Description* @Author susu*/
  public class ProducerExample2 {public static Properties getProperties(){Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "43.143.190.116:9092");properties.put(ProducerConfig.ACKS_CONFIG, "all");properties.put(ProducerConfig.RETRIES_CONFIG, "0");properties.put(ProducerConfig.BATCH_SIZE_CONFIG, "16348");properties.put(ProducerConfig.LINGER_MS_CONFIG, "1");properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, "33554432");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");return properties;}/*** 1. 异步阻塞发送（同步发送）*/public static void producerSendMore(String topicName) throws ExecutionException, InterruptedException {Properties properties = getProperties();//Producer对象Producer<String, String> producer = new KafkaProducer<>(properties);for (int i = 0; i < 5; i++) {//消息对象ProducerRecord<String, String> producerRecord = new ProducerRecord<>(topicName,"Z-Record-"+i,"Z-R-1000"+i);//发送消息
  //            producer.send(producerRecord);Future<RecordMetadata> send = producer.send(producerRecord);RecordMetadata recordMetadata = send.get();//future.get会进行阻塞直到返回数据表示发送成功，才会继续下一条消息的发送System.out.println("Z-Record-"+i + ",partition-->"+recordMetadata.partition() + ",offset-->"+recordMetadata.offset());}producer.close();}public static void main(String[] args) throws ExecutionException, InterruptedException{//1. 异步阻塞发送（同步发送）producerSendMore("susu-topic");}}

• 测试如下：
  
  

3.2.3 异步发送并回调

• 生产者发消息，发送完之后不用等待broker给回复，直接执行下面的业务逻辑。可以提供回调方法，让broker异步的调用callback，告知生产者，消息发送的结果。这种方式就不用像异步阻塞那样，发送完之后还得阻塞等着。

• 效果如下：
  

• 代码如下：

  package com.liu.susu.producer;import org.apache.kafka.clients.producer.*;import java.util.Properties;
  import java.util.concurrent.ExecutionException;
  import java.util.concurrent.Future;/*** @Description* @Author susu*/
  public class ProducerExample3 {public static Properties getProperties(){Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "43.143.190.116:9092");properties.put(ProducerConfig.ACKS_CONFIG, "all");properties.put(ProducerConfig.RETRIES_CONFIG, "0");properties.put(ProducerConfig.BATCH_SIZE_CONFIG, "16348");properties.put(ProducerConfig.LINGER_MS_CONFIG, "1");properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, "33554432");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");return properties;}/*** 1. 异步发送并回调*/public static void producerSendMore(String topicName) throws ExecutionException, InterruptedException {Properties properties = getProperties();//Producer对象Producer<String, String> producer = new KafkaProducer<>(properties);for (int i = 0; i < 5; i++) {//消息对象ProducerRecord<String, String> producerRecord = new ProducerRecord<>(topicName,"H4-Record-"+i,"H4-R-1000"+i);//1 发送消息：异步发送并回调producer.send(producerRecord, (recordMetadata, exception) -> {if(exception == null) {System.out.println("partition-->"+recordMetadata.partition() + ",offset-->"+recordMetadata.offset());}else {exception.printStackTrace();}});//2 发送消息：异步发送并回调
  //            producer.send(producerRecord, new Callback() {
  //                @Override
  //                public void onCompletion(RecordMetadata recordMetadata, Exception e) {
  //                    if(e == null) {
  //                        System.out.println("partition-->"+recordMetadata.partition() + ",offset-->"+recordMetadata.offset());
  //                    }
  //                    else {
  //                        e.printStackTrace();
  //                    }
  //                }
  //            });}producer.close();// 要关闭Producer实例}public static void main(String[] args) throws ExecutionException, InterruptedException{//1. 异步发送并回调producerSendMore("susu-topic");}}

3.2.4 总结 （ 异步阻塞发送 与 异步发送）

3.2.3.1 异步阻塞发送

• 此方式可理解为同步发送（即：同步就是逐条发送。）。
  • 一定是逐条发送的，第一条响应到达后，才会请求第二条。会对每条消息的结果进行判断，future.get() 会进行阻塞直到返回数据表示发送成功，才会继续下一条消息的发送，可以直到每条信息的发送情况。
  • 此方式如果发送失败会进行重试并抛出异常，直至重试达到retries最大次数，此方式也是最大程度确保数据可靠性，可以记录对应的结果日志。

3.2.3.2 异步发送

• 异步就是批量发送。
  • 如果设置成异步的模式，可以运行生产者以batch的形式push数据，这样会极大的提高broker的性能，但是这样会增加丢失数据的风险。
  • 异步方式，可以发送一条，也可以批量发送多条，特性是不需等第一次(注意这里单位是次，因为单次可以是单条，也可以是批量数据)响应，就立即发送第二次。

3.2.3.3 参考

• Kafka同步发送与异步发送消息.

3.3 Producer 自定义Partition分区规则（负载均衡）

3.3.1 把 Partition 增加到3

• 如下，0 ，1 ，2：
  

3.3.2 核心代码

• 如下：
  
  

• MyPartition.java

  package com.liu.susu.producer;import org.apache.kafka.clients.producer.Partitioner;
  import org.apache.kafka.common.Cluster;import java.util.Map;/*** @Description* @Author susu*/
  public class MyPartition implements Partitioner {@Overridepublic int partition(String topic, Object key, byte[] bytes, Object value, byte[] bytes1, Cluster cluster) {String newsKey = key + "";  //格式："P-Record-"+iString newKeyNum = newsKey.substring(newsKey.length()-1);//取最后一位int keyNum = Integer.parseInt(newKeyNum);int partition = keyNum % 3;System.out.println("newsKey--->"+newsKey + ",newKeyNum-->"+newKeyNum+",partition-->"+partition);return partition;}@Overridepublic void close() {}@Overridepublic void configure(Map<String, ?> map) {}}

• 例子：

  package com.liu.susu.producer;import org.apache.kafka.clients.producer.*;import java.util.Properties;
  import java.util.concurrent.ExecutionException;/*** @Description* @Author susu*/
  public class ProducerExample4 {public static Properties getProperties(){Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "43.143.190.116:9092");properties.put(ProducerConfig.ACKS_CONFIG, "all");properties.put(ProducerConfig.RETRIES_CONFIG, "0");properties.put(ProducerConfig.BATCH_SIZE_CONFIG, "16348");properties.put(ProducerConfig.LINGER_MS_CONFIG, "1");properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, "33554432");properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG, "com.liu.susu.producer.MyPartition");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");return properties;}/*** 1. 异步发送并回调*/public static void producerSendMore(String topicName) throws ExecutionException, InterruptedException {Properties properties = getProperties();//Producer对象Producer<String, String> producer = new KafkaProducer<>(properties);for (int i = 1; i <= 15; i++) {//消息对象ProducerRecord<String, String> producerRecord = new ProducerRecord<>(topicName,"P-Record-"+i,"P-R-1000"+i);//发送消息：异步发送并回调producer.send(producerRecord, new Callback() {@Overridepublic void onCompletion(RecordMetadata recordMetadata, Exception e) {if(e == null) {System.out.println("partition-->"+recordMetadata.partition() + ",offset-->"+recordMetadata.offset());}else {e.printStackTrace();}}});}producer.close();// 要关闭Producer实例}public static void main(String[] args) throws ExecutionException, InterruptedException{// 异步发送并回调producerSendMore("susu-topic");}}

3.3.3 效果

• 使用异步发送并回调，效果如下：
  

4. 消费者

4.1 Consumer Configs

• 参考官网：
  https://kafka.apache.org/documentation/#consumerconfigs.
  

4.2 消费者消费例子

4.2.1 官网参考

• 如下：
  https://kafka.apache.org/28/javadoc/org/apache/kafka/clients/consumer/KafkaConsumer.html.
• 例子可参考 Class KafkaConsumer<K,​V>
  

4.2.2 简单入门例子——自动偏移提交

• 这种情况下，消费过的不会再消费，代码如下：
  

  package com.liu.susu.consumer;import org.apache.kafka.clients.consumer.ConsumerRecord;
  import org.apache.kafka.clients.consumer.ConsumerRecords;
  import org.apache.kafka.clients.consumer.KafkaConsumer;import java.time.Duration;
  import java.util.Arrays;
  import java.util.Properties;/*** @Description* @Author susu*/
  public class ConsumerExample1 {public static void consumerTest(){Properties props = new Properties();props.setProperty("bootstrap.servers", "IP:9092");props.setProperty("group.id", "test");props.setProperty("enable.auto.commit", "true");//设置enable.auto.commit意味着自动提交偏移量，其频率由配置auto.commit.interval.ms控制props.setProperty("auto.commit.interval.ms", "1000");props.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");props.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);/*** 消费订阅哪一个topic或者哪几个topic*   我这里：消费者订阅了主题susu-topic和susu-topic-2，作为消费者组test的一部分，并配置了group.id。*/consumer.subscribe(Arrays.asList("susu-topic", "susu-topic-2"));while (true) {ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(100));//每100毫秒拉取一次for (ConsumerRecord<String, String> record : records)System.out.printf("topic = %s,partition = %d, offset = %d, key = %s, value = %s%n",record.topic(),record.partition(),record.offset(), record.key(), record.value());}}public static void main(String[] args) {consumerTest();}}

• 效果如下：
  

4.2.2 手动偏移控制

4.2.3.1 解释

• 用户还可以控制何时将记录视为已消耗记录，从而提交其偏移量，而不是依赖于消费者定期提交所消耗的偏移量。当消息的消费与一些处理逻辑相结合时，这很有用，因此在消息完成处理之前不应将其视为消费。
• 在本例中，我们将使用一批记录并在内存中批量处理它们。当我们有足够的记录时，我们将把它们插入到数据库中。如果我们像前面的例子一样允许偏移量自动提交，那么记录在poll中返回给用户后就会被认为是消耗了。这样，我们的流程就有可能在对记录进行批处理之后，但在将它们插入数据库之前失败。
  为了避免这种情况，我们将只在将相应的记录插入数据库之后手动提交偏移量。这使我们能够精确控制记录何时被消费。这引发了相反的可能性:进程可能在插入数据库之后但在提交之前的时间间隔内失败(尽管这可能只有几毫秒，但这是有可能的)。在这种情况下，接管消费的进程将从最后提交的偏移量中消费，并将重复插入最后一批数据。使用这种方式，Kafka提供了通常被称为==“至少一次”的交付保证==，因为每个记录可能只交付一次，但在失败的情况下可以复制。

4.2.3.2 代码

• 代码如下：
  
  

  package com.liu.susu.consumer;import org.apache.kafka.clients.consumer.ConsumerRecord;
  import org.apache.kafka.clients.consumer.ConsumerRecords;
  import org.apache.kafka.clients.consumer.KafkaConsumer;import java.time.Duration;
  import java.util.ArrayList;
  import java.util.Arrays;
  import java.util.List;
  import java.util.Properties;/*** @Description 手动提交* @Author susu*/
  public class ConsumerExample2 {public static void consumerTest(){Properties props = new Properties();props.setProperty("bootstrap.servers", "43.143.190.116:9092");props.setProperty("group.id", "test");props.setProperty("enable.auto.commit", "false");//false 手动提交props.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");props.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);//        consumer.subscribe(Arrays.asList("susu-topic", "susu-topic-2"));consumer.subscribe(Arrays.asList("susu-topic"));final int minBatchSize = 20;List<ConsumerRecord<String, String>> buffer = new ArrayList<>();while (true) {ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(100));for (ConsumerRecord<String, String> record : records) {buffer.add(record);System.out.printf("topic = %s,partition = %d, offset = %d, key = %s, value = %s%n",record.topic(),record.partition(),record.offset(), record.key(), record.value());}if (buffer.size() >= minBatchSize) {System.out.println(buffer);try {/*** 这里是业务逻辑，把数据保存到数据库中*    如果失败，则回滚*/
  //                insertIntoDb(buffer);//如果成功，则手动通知offset提交consumer.commitSync();//消费过之后不会再重复消费} catch (Exception e) {System.out.println("失败，不提交");//失败不执行commitSync，后续重复发送会消费throw new RuntimeException(e);}buffer.clear();}}}public static void main(String[] args) {consumerTest();}}

4.2.3 每个 partition 单独处理

4.2.3.1 解释

• 上面的例子使用 commitSync 将所有收到的记录标记为已提交。在某些情况下，你可能希望通过显式指定偏移量来更好地控制已提交的记录。在本示例中，我们在处理完每个分区中的记录后提交偏移量。

4.2.3.2 代码

• 代码如下：
  

  package com.liu.susu.consumer;import org.apache.kafka.clients.consumer.ConsumerRecord;
  import org.apache.kafka.clients.consumer.ConsumerRecords;
  import org.apache.kafka.clients.consumer.KafkaConsumer;
  import org.apache.kafka.clients.consumer.OffsetAndMetadata;
  import org.apache.kafka.common.TopicPartition;import java.time.Duration;
  import java.util.*;/*** @Description 处理完每个分区中的记录后提交偏移量* @Author susu*/
  public class ConsumerExample3 {public static void consumerTest(){Properties props = new Properties();props.setProperty("bootstrap.servers", "43.143.190.116:9092");props.setProperty("group.id", "test");props.setProperty("enable.auto.commit", "false");//false 手动提交props.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");props.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);//        consumer.subscribe(Arrays.asList("susu-topic", "susu-topic-2"));consumer.subscribe(Arrays.asList("susu-topic"));try {while(true) {ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(Long.MAX_VALUE));// 每个partition单独处理for (TopicPartition partition : records.partitions()) {List<ConsumerRecord<String, String>> partitionRecords = records.records(partition);for (ConsumerRecord<String, String> record : partitionRecords) {
  //                        System.out.println(record.offset() + ": " + record.value());System.out.printf("topic = %s,partition = %d, offset = %d, key = %s, value = %s%n",record.topic(),record.partition(),record.offset(), record.key(), record.value());}long lastOffset = partitionRecords.get(partitionRecords.size() - 1).offset();// 循环一个partition，提交一次OffsetAndMetadata offsetAndMetadata = new OffsetAndMetadata(lastOffset + 1);consumer.commitSync(Collections.singletonMap(partition, offsetAndMetadata));}}} finally {consumer.close();}}public static void main(String[] args) {consumerTest();}}

• 效果如下：
  

4.2.3.3 注意

• 注意：提交的偏移量应该始终是应用程序将读取的下一条消息的偏移量。因此，在调用commitSync(offsets)时，应该在最后处理的消息的偏移量上添加一个。

4.2.4 手动控制消费哪个partition（手动分区分配）

4.2.4.1 描述

• 在前面的例子中，我们订阅了我们感兴趣的主题，并让Kafka根据组中活跃的消费者动态地为这些主题分配公平的分区份额。但是，在某些情况下，您可能需要对分配的特定分区进行更好的控制。例如:
  • 如果进程正在维护与该分区相关的某种本地状态(比如本地磁盘上的键值存储)，那么它应该只获取它在磁盘上维护的分区的记录。
  • 如果进程本身是高可用的，并且在失败时将重新启动(可能使用像YARN、Mesos或AWS设施这样的集群管理框架，或者作为流处理框架的一部分)。在这种情况下，Kafka不需要检测故障并重新分配分区，因为消费进程将在另一台机器上重新启动。
• 要使用这种模式，不需要使用subscribe订阅主题，只需调用assign(Collection)，其中包含要使用的分区的完整列表。

4.2.4.2 代码

• 如下：
  

  package com.liu.susu.consumer;import org.apache.kafka.clients.consumer.ConsumerRecord;
  import org.apache.kafka.clients.consumer.ConsumerRecords;
  import org.apache.kafka.clients.consumer.KafkaConsumer;
  import org.apache.kafka.clients.consumer.OffsetAndMetadata;
  import org.apache.kafka.common.TopicPartition;import java.time.Duration;
  import java.util.Arrays;
  import java.util.Collections;
  import java.util.List;
  import java.util.Properties;/*** @Description 指定消费某个分区* @Author susu*/
  public class ConsumerExample4 {public static void consumerTest(){Properties props = new Properties();props.setProperty("bootstrap.servers", "43.143.190.116:9092");props.setProperty("group.id", "test");props.setProperty("enable.auto.commit", "false");//false 手动提交props.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");props.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);String topicName = "susu-topic";TopicPartition partition0 = new TopicPartition(topicName, 0);TopicPartition partition1 = new TopicPartition(topicName, 1);TopicPartition partition2 = new TopicPartition(topicName, 2);consumer.assign(Arrays.asList(partition2)); //只有partition2消费
  //        consumer.assign(Arrays.asList(partition0, partition1));  //只有partition0, partition1消费try {while(true) {ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(Long.MAX_VALUE));// 每个partition单独处理for (TopicPartition partition : records.partitions()) {List<ConsumerRecord<String, String>> partitionRecords = records.records(partition);for (ConsumerRecord<String, String> record : partitionRecords) {
  //                        System.out.println(record.offset() + ": " + record.value());System.out.printf("topic = %s,partition = %d, offset = %d, key = %s, value = %s%n",record.topic(),record.partition(),record.offset(), record.key(), record.value());}long lastOffset = partitionRecords.get(partitionRecords.size() - 1).offset();// 循环一个partition，提交一次OffsetAndMetadata offsetAndMetadata = new OffsetAndMetadata(lastOffset + 1);consumer.commitSync(Collections.singletonMap(partition, offsetAndMetadata));}}} finally {consumer.close();}}public static void main(String[] args) {consumerTest();}}

4.2.4.3 效果

• 如下：
  

  

4.2.5 消费者多线程处理

4.2.5.1 消费者线程不安全

• Kafka消费者不是线程安全的。所有网络I/O都发生在发出调用的应用程序线程中。确保多线程访问正确同步是用户的责任。非同步访问将导致ConcurrentModificationException。
• 该规则的唯一例外是wakeup()，它可以安全地从外部线程中断活动操作。在这种情况下，阻塞操作的线程将抛出WakeupException。这可以用于从另一个线程关闭消费者。
  • 然后在一个单独的线程中，可以通过设置closed标志并唤醒消费者来关闭消费者。

    closed.set(true);
    consumer.wakeup ();
    

4.2.5.2 两种方式实现

4.2.5.2.1 每个线程一个消费者

• 一个简单的选择是为每个线程提供自己的消费者实例。以下是这种方法的优点和缺点:
  • 利:这是最容易实现的
  • 优点:它通常是最快的，因为不需要线程间的协调
  • 优点:它使得基于每个分区的有序处理非常容易实现(每个线程只按照接收消息的顺序处理消息)。
  • 缺点:更多的消费者意味着更多的TCP连接到集群(每个线程一个)。一般来说，Kafka处理连接非常有效，所以这通常是一个小成本。
  • 缺点:多个消费者意味着更多的请求被发送到服务器，稍微少一些数据批处理，这可能会导致I/O吞吐量下降。
  • 缺点:所有进程的线程总数将受到分区总数的限制。

4.2.5.2.1 将消费和处理分离

• 这种方法是让一个或多个消费者线程完成所有数据消费，并将ConsumerRecords实例交给阻塞队列，该队列由实际处理记录处理的处理器线程池使用。这个选项同样也有利弊:
  • 优点:这个选项允许独立地扩展消费者和处理器的数量。这使得单个消费者可以为多个处理器线程提供服务，从而避免了对分区的任何限制。
  • 缺点:保证跨处理器的顺序需要特别注意，因为线程将独立执行，由于线程执行时间的运气，较早的数据块实际上可能在较晚的数据块之后处理。对于没有订购要求的处理，这不是问题。
  • 缺点:手动提交位置变得更加困难，因为它需要所有线程协调以确保对该分区的处理完成。
    这种方法有许多可能的变体。例如，每个处理器线程可以有自己的队列，消费者线程可以使用TopicPartition散列到这些队列中，以确保有序消费并简化提交。

4.2.5.3 典型的模式（每个线程一个消费者）

• 代码如下：
  

  package com.liu.susu.consumer.thread;import org.apache.kafka.clients.consumer.ConsumerRecord;
  import org.apache.kafka.clients.consumer.ConsumerRecords;
  import org.apache.kafka.clients.consumer.KafkaConsumer;
  import org.apache.kafka.clients.consumer.OffsetAndMetadata;
  import org.apache.kafka.common.TopicPartition;
  import org.apache.kafka.common.errors.WakeupException;import java.time.Duration;
  import java.util.*;
  import java.util.concurrent.atomic.AtomicBoolean;/*** @Description* @Author susu*/
  public class KafkaConsumerRunner implements Runnable {private final AtomicBoolean closed = new AtomicBoolean(false);private final KafkaConsumer consumer;public KafkaConsumerRunner(KafkaConsumer consumer) {this.consumer = consumer;}@Overridepublic void run() {try {consumer.subscribe(Arrays.asList("susu-topic"));//订阅while (!closed.get()) {ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(10000));// Handle new recordsfor (TopicPartition partition : records.partitions()) {List<ConsumerRecord<String, String>> partitionRecords = records.records(partition);for (ConsumerRecord<String, String> record : partitionRecords) {System.out.printf("Thread = %s,topic = %s,partition = %d, offset = %d, key = %s, value = %s%n",Thread.currentThread().getName(),record.topic(),record.partition(),record.offset(), record.key(), record.value());}long lastOffset = partitionRecords.get(partitionRecords.size() - 1).offset();// 循环一个partition，提交一次OffsetAndMetadata offsetAndMetadata = new OffsetAndMetadata(lastOffset + 1);consumer.commitSync(Collections.singletonMap(partition, offsetAndMetadata));}}} catch (WakeupException e) {// Ignore exception if closingif (!closed.get()) throw e;} finally {consumer.close();}}// Shutdown hook which can be called from a separate threadpublic void shutdown() {closed.set(true);consumer.wakeup();}/*** 构建 consumer* @return consumer*/public static KafkaConsumer<String, String> getKafkaConsumer(){Properties props = new Properties();props.setProperty("bootstrap.servers", "43.143.190.116:9092");props.setProperty("group.id", "test");props.setProperty("enable.auto.commit", "false");//false 手动提交props.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");props.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);return consumer;}public static void main(String[] args) {KafkaConsumer<String, String> consumer = getKafkaConsumer();KafkaConsumerRunner runner = new KafkaConsumerRunner(consumer);Thread thread = new Thread(runner);thread.start();//        runner.shutdown();}}

4.2.5.4 将消费和处理分离（线程池处理）

4.2.6

4.3