kafka producer 客户端连接配置 java kafka connect api

Kafka Connect 核心API—— mysql 数据同步

kafka connect简介

它是开源 Apache Kafka 的一个组件。Kafka Connect 是一个框架，用于将 Kafka 与外部系统（例如数据库、键值存储、搜索索引和文件系统）可扩展且可靠地连接起来。

1、什么是kafka connect？
Kafka Connect是一种用于在Kafka和其他系统之间可扩展的、可靠的流式传输数据的工具。它使得能够快速定义将大量数据集合移入和移出Kafka的连接器变得简单。 Kafka Connect可以获取整个数据库或从所有应用程序服务器收集指标到Kafka主题，

使数据可用于低延迟的流处理。导出作业可以将数据从Kafka topic传输到二次存储和查询系统，或者传递到批处理系统以进行离线分析。 Kafka Connect功能包括：

Kafka connector通用框架,提供统一的集成API

同时支持分布式模式和单机模式

REST 接口，用来查看和管理Kafka connectors

自动化的offset管理，开发人员不必担心错误处理的影响

分布式、可扩展

流/批处理集成

KafkaCnnect有两个核心概念：Source和Sink。 Source负责导入数据到Kafka，Sink负责从Kafka导出数据，它们都被称为Connector。

2、kafka connect概念。
Kafka Connect关键词：

Connectors：通过管理task来协调数据流的高级抽象
Tasks：如何将数据复制到Kafka或从Kafka复制数据的实现
Workers：执行Connector和Task的运行进程
Converters： 用于在Connect和外部系统发送或接收数据之间转换数据的代码
Transforms：更改由连接器生成或发送到连接器的每个消息的简单逻辑

1) Connectors：

Kafka Connect中的connector定义了数据应该从哪里复制到哪里。connector实例是一种逻辑作业，负责管理Kafka与另一个系统之间的数据复制。

我们在大多数情况下都是使用一些平台提供的现成的connector。但是，也可以从头编写一个新的connector插件。在高层次上，希望编写新连接器插件的开发人员遵循以下工作流：

2) Tasks：

Task是Connect数据模型中的主要处理数据的角色，也就是真正干活的。每个connector实例协调一组实际复制数据的task。通过允许connector将单个作业分解为多个task，Kafka Connect提供了内置的对并行性和可伸缩数据复制的支持，只需很少的配置。

这些任务没有存储任何状态。任务状态存储在Kafka中的特殊主题config.storage.topic和status.storage.topic中。因此，可以在任何时候启动、停止或重新启动任务，以提供弹性的、可伸缩的数据管道。

3) Workers:

Workers
Workers是负责管理和执行connector和task的，Workers有两种模式，Standalone（单机）和Distributed（分布式）。

Standalone Workers：Standalone模式是最简单的模式，用单一进程负责执行所有connector和task

Distributed Workers：

Distributed模式为Kafka Connect提供了可扩展性和自动容错能力。在分布式模式下，你可以使用相同的组启动许多worker进程。它们自动协调以跨所有可用的worker调度connector和task的执行。

如果你添加一个worker、关闭一个worker或某个worker意外失败，那么其余的worker将检测到这一点，并自动协调，在可用的worker集重新分发connector和task。

Task Rebalance
当connector首次提交到集群时，workers会重新平衡集群中的所有connector及其tasks，以便每个worker的工作量大致相同。当connector增加或减少它们所需的task数量，或者更改connector的配置时，也会使用相同的重新平衡过程。

当一个worker失败时，task在活动的worker之间重新平衡。当一个task失败时，不会触发再平衡，因为task失败被认为是一个例外情况。因此，失败的task不会被框架自动重新启动，应该通过REST API重新启动。

4) Converters：

在向Kafka写入或从Kafka读取数据时，Converter是使Kafka Connect支持特定数据格式所必需的。task使用Converters将数据格式从字节转换为连接内部数据格式，反之亦然。并且Converter与Connector本身是解耦的，以便在Connector之间自然地重用Converter。

默认提供以下Converters：

AvroConverter（建议）：与Schema Registry一起使用
JsonConverter：适合结构数据
StringConverter：简单的字符串格式
ByteArrayConverter：提供不进行转换的“传递”选项
AvroConverter处理数据的流程图：

5)Transforms

Connector可以配置Transforms，以便对单个消息进行简单且轻量的修改。这对于小数据的调整和事件路由十分方便，且可以在connector配置中将多个Transforms连接在一起。然而，应用于多个消息的更复杂的Transforms最好使用KSQL和Kafka Stream来实现。

Transforms是一个简单的函数，输入一条记录，并输出一条修改过的记录。Kafka Connect提供许多Transforms，它们都执行简单但有用的修改。可以使用自己的逻辑定制实现转换接口，将它们打包为Kafka Connect插件，将它们与connector一起使用。

当Transforms与Source Connector一起使用时，Kafka Connect通过第一个Transforms传递connector生成的每条源记录，第一个Transforms对其进行修改并输出一个新的源记录。将更新后的源记录传递到链中的下一个Transforms，该Transforms再生成一个新的修改后的源记录。最后更新的源记录会被转换为二进制格式写入到Kafka。Transforms也可以与Sink Connector一起使用。

以下为Confluent平台提供的Transforms：

https://docs.confluent.io/current/connect/transforms/index.html

Kakfa Connect环境准备

单机安装

确保 zookeeper 和kafka 启动成功

在演示Kakfa Connect的使用之前我们需要先做一些准备，因为依赖一些额外的集成。例如在本文中使用MySQL作为数据源的输入和输出，所以首先得在MySQL中创建两张表（作为Data Source和Data Sink）。建表SQL如下：

CREATE TABLE `users_input` (
  `uid` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(20) NOT NULL,
  `age` int(11) NOT NULL,
  PRIMARY KEY (`uid`)
) ENGINE=InnoDB AUTO_INCREMENT=35 DEFAULT CHARSET=utf8mb4;
 
 
CREATE TABLE `users_output` (
  `uid` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(20) NOT NULL,
  `age` int(11) NOT NULL,
  PRIMARY KEY (`uid`)
) ENGINE=InnoDB AUTO_INCREMENT=91 DEFAULT CHARSET=utf8mb4;

接下来就是考虑怎么实现Kafka Connect了，前面有提到过Kafka Connect中的connector定义了数据应该从哪里复制到哪里。connector实例是一种逻辑作业，负责管理Kafka与另一个系统之间的数据复制。

因此，如果要自己实现一个Connect的话还是稍微有些复杂的，好在Confluent平台有些现成的Connect。例如Confluent平台就有JDBC的Connect，

下载地址如下：

https://www.confluent.io/hub/confluentinc/kafka-connect-jdbc

我们需要到Kafka Server上进行相应的配置才能使用该Connect，所以复制下载链接到服务器上使用wget命令进行下载：

wget https://d1i4a15mxbxib1.cloudfront.net/api/plugins/confluentinc/kafka-connect-jdbc/versions/5.5.0/confluentinc-kafka-connect-jdbc-5.5.0.zip

除此之外，由于要连接MySQL，所以还得去maven仓库上复制mysql-connector驱动包的下载链接，然后使用同样命令进行下载：

wget https://repo1.maven.org/maven2/mysql/mysql-connector-java/8.0.20/mysql-connector-java-8.0.20.jar

解压下载好的Connect压缩包，创建一个存放目录，将解压后的文件移到到该目录下，并将MySQL驱动包移动到kafka-connect-jdbc的lib目录下：

/service/software/debezium/kafka_2.13-2.5.0/plugins/confluentinc-kafka-connect-jdbc-5.5.0

Connect包准备好后，编辑 kafka config 目录下的 connect-distributed.properties配置文件，修改如下配置项：

# Broker Server的访问ip和端口号
bootstrap.servers=172.21.0.10:9092
# 指定集群id
group.id=connect-cluster
# 指定rest服务的端口号
rest.port=8083
# 指定Connect插件包的存放路径
plugin.path=/opt/kafka/plugins

完成前面的步骤后，我们就可以启动Kafka Connect了。有两种启动方式，分别是：前台启动和后台启动，前者用于开发调试，后者则通常用于正式环境。具体命令如下：

# 前台启动
 ./connect-distributed.sh /service/software/debezium/kafka_2.13-2.5.0/config/connect-distributed.properties
 
# 后台启动
./connect-distributed.sh -daemon /service/software/debezium/kafka_2.13-2.5.0/config/connect-distributed.properties

启动成功后，使用浏览器访问http://{ip}:8083/connector-plugins，正常情况下会返回这样一段JSON数据：

Kafka Connect Source和MySQL集成

首先我们要知道rest服务提供了一些API去操作connector，如下表：

这里接口测试工具 我用的 是 postman使用浏览器访问http://{ip}:8083/connectors，可以查看所有的connector，此时返回的是一个空数组，说明没有任何的connector：

此时我们可以使用POST方式请求/connectors接口来新增一个connector，调用示例如下：

{
    "name":"topic-sit-upload-mysql",
    "config":{
        "connector.class":"io.confluent.connect.jdbc.JdbcSourceConnector",
        "connection.url":"jdbc:mysql://10.90.81.121:3306/canal?user=root&password=123456",
        "table.whitelist":"users_input",
        "incrementing.column.name":"uid",
        "mode":"incrementing",
        "topic.prefix":"topic-sit-"
    }
}

参数说明：

name：指定新增的connector的名称
config：指定该connector的配置信息
connector.class：指定使用哪个Connector类
connection.url：指定MySQL的连接url
table.whitelist：指定需要加载哪些数据表
incrementing.column.name：指定表中自增列的名称
mode：指定connector的模式，这里为增量模式
topic.prefix：Kafka会创建一个Topic，该配置项就是用于指定Topic名称的前缀，后缀为数据表的名称。例如在本例中将生成的Topic名称为：topic-sit-users_input

调用成功后，会返回如下响应数据：

{
    "name": "topic-sit-upload-mysql",
    "config": {
        "connector.class": "io.confluent.connect.jdbc.JdbcSourceConnector",
        "connection.url": "jdbc:mysql://10.90.81.121:3306/canal?user=root&password=123456",
        "table.whitelist": "users_input",
        "incrementing.column.name": "uid",
        "mode": "incrementing",
        "topic.prefix": "topic-sit-",
        "name": "topic-sit-upload-mysql"
    },
    "tasks": [],
    "type": "source"
}

然后刷新浏览器页面，可以看到test-upload-mysql这个connector已经能被列出来了：

http://10.90.81.121:8085/connectors 注意： 我这里 配置配的 是 8085端口 默认的是 8083

表和mysql 配置 看：Kakfa Connect环境准备

新增connector完成后，我们尝试往数据表里添加一些数据，具体的sql如下：

INSERT INTO users_input( name, age) values('小黑', 16);

进入kafka的bin 目录执行如下命令

消费者

./kafka-console-consumer.sh --bootstrap-server 10.90.81.121:9094 --topic topic-sit-users_input --from-beginning

能拉取到这样的数据就代表已经成功将MySQL数据表中的数据传输到Kafka Connect Source里了，也就是完成输入端的工作了。

Kafka Connect Sink和MySQL集成

现在我们已经能够通过Kafka Connect将MySQL中的数据写入到Kafka中了，接下来就是完成输出端的工作，将Kafka里的数据输出到MySQL中。

首先，我们需要调用Rest API新增一个Sink类型的connector。具体请求如下：

{"name":"topic-sit-download-mysql","config":{
"connector.class":"io.confluent.connect.jdbc.JdbcSinkConnector",
"connection.url":"jdbc:mysql://10.90.81.121:3306/canal?user=root&password=123456",
"topics":"topic-sit-users_input",
"auto.create":"false",
"insert.mode": "upsert",
"pk.mode":"record_value",
"pk.fields":"uid",
"table.name.format": "users_output"}}

参数说明：

name：指定新增的connector的名称
config：指定该connector的配置信息
connector.class：指定使用哪个Connector类
connection.url：指定MySQL的连接url
topics：指定从哪个Topic中读取数据
auto.create：是否自动创建数据表
insert.mode：指定写入模式，upsert表示可以更新及写入
pk.mode：指定主键模式，record_value表示从消息的value中获取数据
pk.fields：指定主键字段的名称
table.name.format：指定将数据输出到哪张数据表上

调用成功后，会返回如下响应数据：

{
    "name": "topic-sit-download-mysql",
    "config": {
        "connector.class": "io.confluent.connect.jdbc.JdbcSinkConnector",
        "connection.url": "jdbc:mysql://10.90.81.121:3306/canal?user=root&password=123456",
        "topics": "topic-sit-users_input",
        "auto.create": "false",
        "insert.mode": "upsert",
        "pk.mode": "record_value",
        "pk.fields": "uid",
        "table.name.format": "users_output",
        "name": "topic-sit-download-mysql"
    },
    "tasks": [],
    "type": "sink"
}

刷新浏览器页面，此时就有两个connector了：

该Sink类型的connector创建完成后，就会读取Kafka里对应Topic的数据，并输出到指定的数据表中。如下：

小结

回顾一下本文中的示例，可以直观的看到Kafka Connect实际上就做了两件事情：使用Source Connector从数据源（MySQL）中读取数据写入到Kafka Topic中，然后再通过Sink Connector读取Kafka Topic中的数据输出到另一端（MySQL）。

虽然本例中的Source端和Sink端都是MySQL，但是不要被此局限了，因为Source端和Sink端可以是不一样的，这也是Kafka Connect的作用所在。它就像一个倒卖数据的中间商，将Source端的数据读取出来写到自己的Topic，这就像进货一样，然后再将数据输出给Sink端。至此，就完成了一个端到端的数据同步，其实会发现与ETL过程十分类似，这也是为啥Kafka Connect可以作为实现ETL方案的原因。

问题记录

如果mysql 数据库有乱码的情况，

show variables like 'character%';

解决

修改mysql配置文件/etc/my.cnf

[mysqld]
character-set-server=utf8 
[client]
default-character-set=utf8 
[mysql]
default-character-set=utf8

停止mysql

service mysql stop

启动

service mysql start