在Kafka历史变迁中,一共有两大版本的生产者客户端,一个是0.9.x之前的scala客户端;另一个是之后引入的Java客户端。当这并不代表Kafka不具有多语言的支持性。实际上,常用的语言如C/C++,Python,Go等语言都有Kafka的客户端,只不过不由官方进行维护
本文主要聊一下Java客户端的生产者模块
生产者Demo
在说明Kafka生产者相关的内容之前,先上一个生产者Demo:
public
一个最简单的Producer就是这样子了
消息发送的模式
Kafka的生产者中,消息发送其实分为三种:发后既忘( fire-and-forg 〕、同步( sync )及异步 (async)。
发后既忘
一开始的Demo用的就是发后既忘的模式,调用send之后,Producer直接返回,并不关心消息是否正确到达。在大多数情况下,这样的方式都没有问题,但是某些特殊情况下(比如出现了某些不可重试的异常)就会造成消息丢失,而Producer是无法感知的。所以发送既忘的方式,性能最好,吞吐量最高,但可靠性也是最差的。
同步
同步的方法其实也很简单,这里就要先说明一下send方法的方法签名:
public
可以看到,该方法的返回值并不是void,而是一个Future接口实现类对象,有过多线程编程的童鞋应该已经知道它的作用了,就是可以以阻塞的方式获取异步执行的结果,这里就不赘述了。
然后再来看看RecordMetadata,该对象内部包含了对应消息的一些元数据,比如消息的主题,分区号,在分区中偏移量等信息,如果需要这个发送结果的话,可以调用Future的get()来获取该信息,如:
Future
如果在发送过程中出现错误而发送出错,并且重试次数已达到上限(可通过retries参数来设置),get方法就是抛出异常,所以可以try-catch这段代码,在catch模块中进行重试等操作
同步发送吞吐量最低,但可靠性最高
异步发送
异步发送的操作也很简单,直接调用send的一个重载方法:
producer
生产者整体架构
消息在从Producer客户端发送到broker的过程中,有可能会经过拦截器,序列化器,分区器等组件后才会到达broker,下面主要介绍一下拦截器和分区器。序列化器的话,其实就是对对象进行序列化和反序列化而已
先上一个生产者客户端整体架构图:
生产者拦截器
拦截器是Kafka在0.10.0.0版本引入的一个功能。拦截器其实分为生产者拦截器和消费者拦截器,这里主要讲生产者拦截器。
在Kafka中,生产者拦截器的定义接口为:org.apache.kafka.clients.producer.Producerlnterceptor
其中的方法有三个:
public
onSend方法就是消息进行序列化和计算分区之前执行的一个逻辑,可以看到直接把record对象发过来了,所以理论上可以对消息实体进行任意改变(当然,topic,key等信息还是不要改比较好,有可能会影响其他部分)
onAcknowledgement方法在消息应答或者消息发送失败时被调用,先于异步发送中的Callback执行,并且该方法是由Kafka Producer的IO线程执行的,所以该方法不应该执行太久,或者影响吞吐量
生产者拦截器Demo:
public
怎么生效呢?好办:
props
这样,Producer发送消息:msg 而消费者接受到的就是prefix-msg了
分区器
经历了拦截器,然后就是序列化器,下一步,如果Producer在发送信息时没有显式指定分区的号,接下来就会进入到是分区器了,在这一步,主要是进行分区的计算
Kafka中的分区器实现接口是:org.apache kafka.clients. producer.Partitioner
其下有两个方法:
public
partition方法就是返回分区的下标。Kafka提供的默认分区器是org.apache.kafka.clients.producer.internals.DefaultPartitioner,在partition方法中采用了MurmurHash2算法
自定义分区器Demo:
public
怎么能生效呢?同样的,在Properties里面配置:
props
RecordAccumulator
这是个啥玩意?Kafka Producer为了减少网络通信次数,提高发送效率,并不会对每一个信息都进行一次单独的发送,而是整合到一个缓冲区里面,进行统一的发送。类比于TCP发送端的Nagle算法
RecordAccumulator缓冲区的大小由参数buffer.memory决定,默认为33554432B,即32MB。如果发送速度过快导致缓冲区被占满,send方法将阻塞,最长时间由max.block.ms设置,默认值为60000,即60s。超时则抛出异常。
RecordAccumulator内以分区为单位,为每个分区维护一个双端队列,消息进来的时候,从尾端插入队列,Sender线程从队列头取出消息并发送。
队列中的结点为:ProducerBatch 即队列签名为:Deque<ProducerBatch> .哎?ProducerBatch是啥,为什么不是ProducerRecord,它们的关系是啥?实际上,ProducerBatch包含多个ProducerRecord,消息发送的基本单位是ProducerBatch。
当一个ProducerRecord到达RecordAccumulator时,会先找到自己分区对应的队列,然后查看队列尾端的ProducerBatch是否能容纳这个ProducerRecord,如果可以,直接写入;否则,创建一个新的ProducerBatch再写入
生产者端重要配置参数
参数名默认值描述bootstrap.servers""Kafka服务端broker地址key.serializer""key的序列化器value.serializer""value的序列化器buffer.memory33554432(32M)发送端缓存RecordAccumulator大小max.block.ms60000当RecordAccumulator已满,send最长阻塞时间,单位为mspartition.classorg.apache.kafka.clients.produce.intemals.DefaultPartitioner分区器enable.idempotencefalse是否开启幂等transaction.idnull事务id,必须唯一