一、安装kafka
由于kafka依赖jdk和zookeeper，安装kafka之前需要先安装jdk和zookeeper，也可以使用kafka自带的zookeeper。安装jdk可以参考：Windows和Linux安装jdk，此处使用kafka自带的zookeeper，不单独安装。
下面在Windows系统中安装kafka时使用的ip地址是192.168.10.188，这是我自己电脑的ip。
1、下载kafka
2、修改配置文件
修改zk和kafka的配置文件。
修改zk的配置文件：
配置上面创建的mydata目录，用于保存zookeeper的数据。
修改kafka的配置文件：
在kafka的配置文件中主要是创建或修改port、host.name、listeners、log.dirs和zookeeper.connect这五个参数。其中port就是kafka的端口号，默认是9092。host.name是当前计算机的ip地址。log.dirs就是上面创建的mylog目录，用于保存kafka的数据。zookeeper.connect参数的作用是kafka连接zookeeper，在下面创建topic时也需要用到此处配置的ip:port，默认配置是zookeeper.connect=localhost:2181。
3、启动zk和kafka
启动zk：
进入到kafka的安装目录kafka_2.11-1.0.0下，同时按住shift和鼠标右键，选择“打开命令窗口”选项，或者win+R输入cmd，打开命令行窗口。
输入启动zk的命令：
bin\windows\zookeeper-server-start.bat config\zookeeper.properties
这个dos窗口不要关闭，再次进入到kafka的安装目录kafka_2.11-1.0.0下，同时按住shift和鼠标右键，选择“打开命令窗口”选项，又打开一个命令行窗口，输入启动kafka的命令。
启动kafka：
bin\windows\kafka-server-start.bat config\server.properties4、创建topic
重新打开一个dos窗口，创建topic。
bin\windows\kafka-topics.bat --zookeeper 192.168.10.188:2181 --create --replication-factor 1 --partitions 1 --topic kjTest
如果在kafka的配置文件中没有配置zookeeper.connect，或者配置的是zookeeper.connect=localhost:2181，创建topic时--zookeeper参数就要使用localhost:2181，2181是zookeeper的默认端口号。
查看创建的topic列表：
bin\windows\kafka-topics.bat --zookeeper 192.168.10.188:2181 --list
__consumer_offsets这个topic是kafka自动创建的，当consumer消费数据之后，consumer就会把offset提交到__consumer_offsets中。
删除topic：
bin\windows\kafka-topics.bat --zookeeper 192.168.10.188:2181 --delete --topic kjTest5、启动producer和consumer
在介绍启动producer和consumer的命令之前，先简单了解一下broker-list、bootstrap-servers和zookeeper。
1.broker：kafka服务端，可以是一个服务器也可以是一个集群。producer和consumer都相当于这个服务端的客户端。
2.broker-list：指定kafka集群中的一个或多个服务器，一般在使用kafka-console-producer.sh的时候，这个参数是必备参数，另外一个必备的参数是topic。
3.bootstrap-servers指的是kafka目标集群的服务器地址，这和broker-list功能一样，不过在启动producer时要求用broker-list，在启动consumer时用bootstrap-servers。
4. zookeeper指的是zk服务器或zk集群的地址。旧版本(0.9以前)的kafka，消费的进度(offset)是写在zk中的，所以启动consumer需要知道zk的地址。后来的版本都统一由broker管理，所以在启动consumer时就用bootstrap-server。
重新打开两个dos窗口，分别启动producer和consumer。
启动producer并输入内容：
bin\windows\kafka-console-producer.bat --broker-list 192.168.10.188:9092 --topic kjTest启动consumer查看消息：
bin\windows\kafka-console-consumer.bat --zookeeper 192.168.10.188:2181 --topic kjTest --from-beginning上面是旧版本的写法，下面是新版本的写法。
bin\windows\kafka-console-consumer.bat --bootstrap-server 192.168.10.188:9092 --topic kjTest --from-beginning
参数--zookeeper 192.168.10.188:2181中的ip和port是zookeeper节点的ip和zookeeper的port，参数--bootstrap-server 192.168.10.188:9092中的ip和port是kafka节点的ip和kafka的port。
6、查看消费者组以及消息是否积压
查看消费者组的命令：
bin\windows\kafka-consumer-groups.bat --bootstrap-server localhost:9092 --list查看消息是否有积压的命令：
bin\windows\kafka-consumer-groups.bat --bootstrap-server localhost:9092 --describe --group consumer-group-01
上图中GROUP表示消费者组，TOPIC表示消息主题，PARTITION表示分区，CURRENT-OFFSET表示当前消费的消息条数，LOG-END-OFFSET表示kafka中生产的消息条数，LAG表示kafka中有多少条消息还未消费，也就是有多少条积压的消息。
在kafka中，消费者是按批次拉取数据的，每一批次拉取的数据条数是0-n条，每个消费者可以拉取多个分区的数据，但是一个分区的数据只能被同一个消费者组中的一个消费者拉取。如果一个消费者拉取多个分区的数据，那么拉取的这一批次的数据就包含多个分区的数据。消费者处理完这批数据之后，会将offset提交到__consumer_offsets这个topic中，__consumer_offsets(是一个topic)就是用于维护消费者消费到哪条数据offset的，是按照分区粒度维护的，各个分区的offset是互不影响的。例如一个consumer拉取两个分区(p0、p1)的数据，如果p0分区的数据处理完并将offset提交到__consumer_offsets中，而p1分区的数据还未处理完，p1分区的offset还未提交到__consumer_offsets中，此时consumer异常重启，consumer不会再拉取p0分区上次已消费的数据，但是会重新拉取p1分区上次消费但未提交的数据。
7、异常
启动consumer时可能会报下面的异常：
kafka的consumer：java.nio.channels.ClosedChannelException
解决方法：
出现以上异常是由于服务器没有做kafka的主机名与ip的映射，
linux的目录是/etc/hosts
windows的目录是C:\Windows\System32\drivers\etc\hosts
二、创建生产者和消费者
上面在Windows中安装好kafka之后，就可以在idea中操作kafka了。
项目结构：
pom.xml文件：
<?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 http://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><groupId>org.example</groupId><artifactId>kafka-study</artifactId><version>1.0-SNAPSHOT</version><dependencies><dependency><groupId>org.apache.kafka</groupId><artifactId>kafka_2.12</artifactId><version>2.7.0</version></dependency><dependency><groupId>junit</groupId><artifactId>junit</artifactId><version>4.13.2</version></dependency></dependencies></project>
1、配置kafka相关参数
package com.example.kafka.config;import org.apache.kafka.common.serialization.StringDeserializer;
import org.apache.kafka.common.serialization.StringSerializer;/*** 此处为了简化，直接将kafka配置信息写到代码中，* 实际项目中需要从application.yml配置文件中读取** @Author: 倚天照海*/
public class MyKafkaConfig {/*** kafka集群地址，多个地址用逗号分隔*/private String bootstrapServer = "localhost:9092";private String topic = "testKafka";/*** 消费者组*/private String consumerGroupId = "consumer-group-01";/*** kafka中保存的是将数据序列化后的字节数组，需要指定key和value的序列化方式*/private String keySerializerClass = StringSerializer.class.getName();private String valueSerializerClass = StringSerializer.class.getName();/*** kafka中key和value的反序列化方式*/private String keyDeserializerClass = StringDeserializer.class.getName();private String valueDeserializerClass = StringDeserializer.class.getName();public String getBootstrapServer() {return bootstrapServer;}public String getTopic() {return topic;}public String getConsumerGroupId() {return consumerGroupId;}public String getKeySerializerClass() {return keySerializerClass;}public String getValueSerializerClass() {return valueSerializerClass;}public String getKeyDeserializerClass() {return keyDeserializerClass;}public String getValueDeserializerClass() {return valueDeserializerClass;}
}
2、编写producer
根据公司业务逻辑编写producer，用于生产消息。
package com.example.kafka.producer;import com.example.kafka.config.MyKafkaConfig;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;import java.util.Properties;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.Future;/*** kafka生产者* 创建kafka生产者并生产消息的步骤：* 1.启动zookeeper和kafka* 2.创建topic* 3.启动producer** @Author: 倚天照海*/
public class MyProducer {/*** 1.创建topic：进入到kafka安装目录的bin目录下，执行kafka-topics.sh(Linux系统)或windows\kafka-topics.bat(windows系统)脚本* Linux系统: bin/kafka-topics.sh --zookeeper 192.168.10.188:2181/kafka --create --replication-factor 2 --partitions 2 --topic testKafka* windows系统: bin\windows\kafka-topics.bat --zookeeper 192.168.10.188:2181 --create --replication-factor 2 --partitions 2 --topic testKafka* 2.启动producer* Linux系统: bin/kafka-console-producer.sh --broker-list 192.168.10.188:9092 --topic testKafka* windows系统: bin\windows\kafka-console-producer.bat --broker-list 192.168.10.188:9092 --topic testKafka*/public void produce() throws ExecutionException, InterruptedException {MyKafkaConfig kafkaConfig = new MyKafkaConfig();Properties properties = new Properties();properties.setProperty(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, kafkaConfig.getBootstrapServer());properties.setProperty(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, kafkaConfig.getKeySerializerClass());properties.setProperty(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, kafkaConfig.getValueSerializerClass());String topic = kafkaConfig.getTopic();KafkaProducer<String, String> producer = new KafkaProducer<>(properties);doProduce(producer, topic);}private void doProduce(KafkaProducer<String, String> producer, String topic) throws ExecutionException, InterruptedException {while (true) {for (int i = 0; i < 3; i++) {for (int j = 0; j < 3; j++) {ProducerRecord<String, String> record = new ProducerRecord<>(topic, "item" + j, "price" + i);Future<RecordMetadata> future = producer.send(record);RecordMetadata recordMetadata = future.get();int partition = recordMetadata.partition();long offset = recordMetadata.offset();System.out.println("key=" + record.key() + ", value=" + record.value()+ ", partition=" + partition + ", offset=" + offset);}}}}
}
3、编写consumer
编写consumer，用于接受消息。
package com.example.kafka.consumer;import com.example.kafka.config.MyKafkaConfig;
import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;import java.time.Duration;
import java.util.*;/*** @Author: 倚天照海*/
public class MyConsumer {public void consume() {MyKafkaConfig kafkaConfig = new MyKafkaConfig();Properties properties = new Properties();properties.setProperty(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, kafkaConfig.getBootstrapServer());properties.setProperty(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, kafkaConfig.getKeyDeserializerClass());properties.setProperty(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, kafkaConfig.getValueDeserializerClass());properties.setProperty(ConsumerConfig.GROUP_ID_CONFIG, kafkaConfig.getConsumerGroupId());/*** ConsumerConfig.AUTO_OFFSET_RESET_CONFIG表示当kafka中未初始化offset或当前offset不存在时，消费者自动重置offset的方式，默认是latest。* What to do when there is no initial offset in Kafka* or if the current offset does not exist any more on the server (e.g. because that data has been deleted):* <ul>* <li>earliest: automatically reset the offset to the earliest offset</li>* <li>latest: automatically reset the offset to the latest offset</li>* <li>none: throw exception to the consumer if no previous offset is found for the consumer's group</li>* <li>anything else: throw exception to the consumer.</li>* </ul>*/properties.setProperty(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "latest");// 是否开启自动提交，默认开启。自动提交是异步提交，开启自动提交可能会造成数据丢失或重复消费数据// properties.setProperty(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");// 自动提交的间隔时间(多长时间会触发自动提交)，默认是5秒// properties.setProperty(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "10000");// kafka的消费者是按批次拉取数据，该参数是设置一批最多拉取多少条数据// properties.setProperty(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, "1000");List<String> topics = Collections.singletonList(kafkaConfig.getTopic());KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);doConsume(consumer, topics);}private void doConsume(KafkaConsumer<String, String> consumer, List<String> topics) {// 消费者订阅主题消息，多个consumer会动态负载均衡多个分区// 例如有两个分区，最开始只启动一个consumer，会给这个consumer分配两个分区，它会消费两个分区的数据。// 然后在同一个消费者组内又启动一个consumer，此时会把第一个consumer的两个分区都撤销，再随机给这两个consumer分别分配一个分区consumer.subscribe(topics, new ConsumerRebalanceListener() {@Overridepublic void onPartitionsRevoked(Collection<TopicPartition> partitions) {System.out.println("-----------------onPartitionsRevoked撤销的分区是:---------------");Iterator<TopicPartition> iterator = partitions.iterator();while (iterator.hasNext()) {TopicPartition next = iterator.next();System.out.println(next.partition());}}@Overridepublic void onPartitionsAssigned(Collection<TopicPartition> partitions) {System.out.println("-----------------onPartitionsAssigned分配的分区是:---------------");Iterator<TopicPartition> iterator = partitions.iterator();while (iterator.hasNext()) {TopicPartition next = iterator.next();System.out.println(next.partition());}}});while (true) {// 消费者拉取消息，设置等待时间，按批次拉取，一批拉取的数据是0-n条，每次poll是同时拉取多个分区的数据ConsumerRecords<String, String> consumerRecords = consumer.poll(Duration.ofMillis(0));while (!consumerRecords.isEmpty()) {// 每次拉取数据的条数System.out.println("----------------consumerRecords.count------------------" + consumerRecords.count());// 方式一：按分区分别处理每个分区的数据Set<TopicPartition> partitions = consumerRecords.partitions();// kafka中consumer是按照分区粒度提交维护offset的，将offset提交到__consumer_offsets中// 如果关闭自动提交，使用手动提交offset，则有三种粒度同步提交offset：// 1.按每条消息粒度同步提交offset// 2.按每个分区粒度同步提交offset// 3.按poll的一批数据粒度同步提交offset
// for (TopicPartition topicPartition : partitions) {
// // 分别获取每个分区的数据记录，且分区内的数据是有序的，可以用多线程并行处理每个分区的数据
// List<ConsumerRecord<String, String>> partitionRecords = consumerRecords.records(topicPartition);
// for (ConsumerRecord<String, String> record : partitionRecords) {
// // 一个消费者可以消费多个分区，一个分区只能被同一个消费者组中的一个消费者消费
// int partition = record.partition();
// long offset = record.offset();
// // TODO 获取数据处理复杂的业务逻辑，最终将数据持久化到数据库中
// System.out.println("key=" + record.key() + ", value=" + record.value()
// + ", partition=" + partition + ", offset=" + offset);
//
// // 粒度1.按每条消息粒度同步提交offset
// /*OffsetAndMetadata offsetAndMetadata = new OffsetAndMetadata(offset);
// Map<TopicPartition, OffsetAndMetadata> map = new HashMap<>();
// map.putIfAbsent(topicPartition, offsetAndMetadata);
// consumer.commitSync(map);*/
// }
// // 粒度2.按每个分区粒度同步提交offset
// // 获取分区最后一条消息记录的offset，将offset提交到__consumer_offsets中
// long offset = partitionRecords.get(partitionRecords.size() - 1).offset();
// OffsetAndMetadata offsetAndMetadata = new OffsetAndMetadata(offset);
// Map<TopicPartition, OffsetAndMetadata> map = new HashMap<>();
// map.putIfAbsent(topicPartition, offsetAndMetadata);
// consumer.commitSync(map);
// }// 粒度3.按poll的一批数据粒度同步提交offset// consumer.commitSync();// 方式二：不区分分区，将多个分区的数据放在一起逐条处理for (ConsumerRecord<String, String> record : consumerRecords) {// 一个消费者可以消费多个分区，一个分区只能被同一个消费者组中的一个消费者消费int partition = record.partition();long offset = record.offset();// TODO 获取数据处理复杂的业务逻辑，最终将数据持久化到数据库中System.out.println("key=" + record.key() + ", value=" + record.value()+ ", partition=" + partition + ", offset=" + offset);}consumer.commitSync();}}}
}
从kafka中消费数据，经过一系列逻辑处理之后将数据写入到数据库中，开启自动提交可能会造成数据丢失或重复消费数据。自动提交是异步提交，异步提交是指consumer提交offset与将数据持久化到数据库是异步的。
1.数据丢失：若开启自动提交，且自动提交的间隔时间(默认是5秒)到了，消费者会将拉取的这批数据的offset保存到_consumer_offsets中。但是5s内由于业务太过复杂，数据没有完全持久化，消费者就把offset提交了，若此时消费端consumer挂了，等消费端重启之后，会根据自身维护的offset拉取新的数据，不会重新拉取之前已消费的数据，因为这些数据的offset已经被提交了。
2.重复消费：若开启自动提交，且自动提交的间隔时间(默认是5秒)还未到，经过业务逻辑处理后将数据写入到了数据库中，此时消费者还未将拉取的这批数据的offset保存到_consumer_offsets中，若此时消费端consumer挂了，等消费端重启之后，会根据自身维护的offset拉取新的数据，会重新拉取之前已消费的数据，因为这些数据的offset还未被提交。
4、编写测试类
package com.example.kafka;import com.example.kafka.consumer.MyConsumer;
import com.example.kafka.producer.MyProducer;
import org.junit.Test;import java.util.concurrent.ExecutionException;/*** @Author: 倚天照海*/
public class Main {MyProducer myProducer = new MyProducer();MyConsumer myConsumer = new MyConsumer();@Testpublic void produceTest() {produceData();}@Testpublic void consumeTest() {consumeData();}private void produceData() {
// MyProducer myProducer = new MyProducer();try {myProducer.produce();} catch (ExecutionException | InterruptedException e) {e.printStackTrace();}}private void consumeData() {
// MyConsumer myConsumer = new MyConsumer();myConsumer.consume();}
}
测试结果：
生产者：
消费者：
Kafka中消息积压情况：
