Kafka使用总结与生产消费Demo实现

什么是kafka

Kafka官网自己的介绍是：一个可支持分布式的流平台。
kafka官网介绍

 kafka三个关键能力：     1.发布订阅记录流，类似于消息队列与企业信息系统     2.以容错的持久方式存储记录流     3.对流进行处理kafka通常应用再两大类应用中：    1.构建实时流数据管道，在系统或应用程序之间可靠地获取数据    2.构建转换或响应数据流的实时流应用程序kafka的一些基本概念：    1.Kafka作为一个集群运行在一个或多个服务器上，这些服务器可以跨越多个数据中心。    2.Kafka集群将记录流存储在称为topic的类别中。    3.每个记录由一个键、一个值和一个时间戳组成。kafka核心API:    1.Producer API:允许应用程序将记录流发布到一个或多个topic。    2.Consumer API:允许应用程序订阅一个或多个topic并处理生成给它们的记录流。    3.Streams API:允许应用程序充当流处理器，使用来自一个或多个topic的输入流，    并生成一个或多个输出topic的输出流，从而有效地将输入流转换为输出流。    4.Connector API:允许构建和运行可重用的生产者或消费者，将topic连接到现有的应用程序或数据系统。    例如，到关系数据库的连接器可能捕获对表的每个更改。

作为消息系统

传统消息传递有两类模型：消息队列、发布订阅。在消息队列中，一个消费者池可以从一个服务器读取数据，而每个记录都将被发送到其中一个服务器;在发布-订阅中，记录被广播给所有消费者。这两种模型各有优缺点：

    消息队列优缺点：        它允许您在多个使用者实例上划分数据处理，这使您可以扩展处理。        队列不是多订阅者的-一旦一个进程读取了它丢失的数据。    发布订阅优缺点:        Publish-subscribe允许您将数据广播到多个进程，        但是由于每个消息都传递到每个订阅者，因此无法扩展处理。

作为消息传递系统，那么跟mq有什么区别呢？（RabbitMq\redis\RocketMq\ActiveMq）

RabbitMQ:     遵循AMQP协议，由内在高并发的erlang语言开发，用在实时的对可靠性要求比较高的消息传递上.     万级数据量，社区活跃度极高，可视化操作界面丰富。     提供了全面的核心功能，是消息队列的优秀产品。     因为是erlang语言开发，难以维护并且开发者很难二次开发。Redis:    redis的主要场景是内存数据库，作为消息队列来说可靠性太差，而且速度太依赖网络IO。    在服务器本机上的速度较快，且容易出现数据堆积的问题，在比较轻量的场合下能够适用。RocketMq:    rocketMq几十万级别数据量，基于Java开发。是阿里巴巴开源的一个消息产品。    应对了淘宝双十一考验，并且文档十分的完善，拥有一些其他消息队列不具备的高级特性，    如定时推送，其他消息队列是延迟推送，如rabbitMq通过设置expire字段设置延迟推送时间。    又比如rocketmq实现分布式事务，比较可靠的。RocketMq也是用过的唯一支持分布式事务的一款产品。Kafka:    kafka原本设计的初衷是日志统计分析，现在基于大数据的背景下也可以做运营数据的分析统计。    kafka真正的大规模分布式消息队列，提供的核心功能比较少。基于zookeeper实现的分布式消息订阅。    几十万级数据量级，比RokectMq更强。    客户端和服务器之间的通信是通过一个简单的、高性能的、语言无关的TCP协议来完成的。ActiveMq:    Apache ActiveMQ™是最流行的开源、多协议、基于java的消息服务器。它支持行业标准协议，    因此用户可以在各种语言和平台上选择客户端。可以使用来自C、c++、Python、. net等的连接性。    使用通用的AMQP协议集成您的多平台应用程序。使用STOMP在websockets上交换web应用程序之间的消息。    使用MQTT管理物联网设备。支持您现有的JMS基础结构及其他。ActiveMQ提供了支持任何messagi的强大功能    和灵活性。

备注：因为该文章主要介绍kafka，所以上述只是简单罗列了一些特点，如果有兴趣的同学可以详细的分析一下，这些产品我后续都会专门写文章来归纳总结分析，在这里先简单带过。

为什么要用消息队列？

该部分是扩展内容，很多人包括我刚毕业那年使用消息队列，但别人问道我为啥用消息队列，我都没有一个很清晰的认识，所以在这里也说一下。希望给有需要的同学一些帮助。

那么为什么要使用消息队列呢？首先我们来回顾一下消息传递。前端而言，传统方式是通过全局变量来传递，后面有了数据总线的概念，再后来有相应的解决方案产品比如说vuex、redux、store等。对于后端来说，最先系统之间的通信，消息传递都非常依赖于通信对象彼此，高度耦合，后面有了一些产品来解决这些问题，比如说webservice.但这样的方式极其不友好，而且维护繁琐，职责难以分清，工作量增加，所以mq诞生后，基本解决了这些问题。

消息队列的引入是为了：

1.解耦：    比如：A系统操作p,需要将消息传递给B、C两个系统，如果没有消息队列，那么A系统中需要给B发一条消息，    又得给C发一条消息，然后有一天D、E、F系统说：A系统你也要给我发p的消息，这个时候A又得修改代码，    发布上线，DEF才能正常接收消息。然后过了n天，C又说，不要给我发消息了，把给我发消息的部分去掉吧。    A系统的开发人员又得哐哧哐哧的去掉，发布上线。这样日复一日，随着系统增多，接入和退出的操作增多，    那么A系统需要频繁发布上线，降低了稳定性、可用时间、同时每次上线都需要测试跟踪测试，这里面的成本    与风险不言而喻。而消息队列一旦引入，A不需要关心谁消费，谁退出消费，A只负责将消息放入队列即可，    而其他系统只需要监听这个队列，就算其他系统退出，对A而言也是没有任何影响的，能够一直持续不断的    提供服务，这难道不香吗？2.异步    比如说：传统方式发送消息给B、C、D，需要120ms,那么如果采用了消息队列，就可以大大降低耗时。但    这些对于那些非必要的同步业务逻辑适用。3.削峰    传统模式下，请求直接进入到数据库，当峰值到达一定时，必然会挂掉。如果适用了中间件消息队列，那么就可以很好的保证系统正常提供服务，这也是秒杀系统中会常常谈到的限流、这样可以防止系统崩溃，提供系统可用性。

配置MAVEN

                    org.apache.kafka            kafka_2.12            1.0.0            provided                            org.apache.kafka            kafka-clients            1.0.0                            org.apache.kafka            kafka-streams            1.0.0        

生产者

/** * @author chandlerHuang * @description @TODO * @date 2020/1/15 */public class KafkaProducerService implements Runnable {    private final KafkaProducer producer;    private final String topic;    public KafkaProducerService(String topic) {        Properties props = new Properties();        props.put("bootstrap.servers", "绑定的外网IP:9092");        props.put("acks", "all");        props.put("retries", 0);        props.put("batch.size", 16384);        props.put("key.serializer", StringSerializer.class.getName());        props.put("value.serializer", StringSerializer.class.getName());        this.producer = new KafkaProducer(props);        this.topic = topic;    }    @Override    public void run() {        int messageNo = 1;        try {            for(;;) {                String messageStr="["+messageNo+"]:hello,boys!";                producer.send(new ProducerRecord(topic, "Message", messageStr));                //生产了100条就打印                if(messageNo0==0){                    System.out.println("sendMessages:" + messageStr);                }                //生产1000条就退出                if(messageNo00==0){                    System.out.println("successCount:"+messageNo);                    break;                }                messageNo++;            }        } catch (Exception e) {            e.printStackTrace();        } finally {            producer.close();        }    }    public static void main(String args[]) {        KafkaProducerService test = new KafkaProducerService(TopicConstant.CHART_TOPIC);        Thread thread = new Thread(test);        thread.start();    }}

消费者

/** * @author chandlerHuang * @description @TODO * @date 2020/1/15 */public class KafkaConsumerService implements Runnable{    private final KafkaConsumer consumer;    private ConsumerRecords msgList;    private final String topic;    private static final String GROUPID = "groupA";    public KafkaConsumerService(String topicName) {        Properties props = new Properties();        props.put("bootstrap.servers", "绑定的外网IP:9092");        props.put("group.id", GROUPID);        props.put("enable.auto.commit", "true");        props.put("auto.commit.interval.ms", "1000");        props.put("session.timeout.ms", "30000");        props.put("auto.offset.reset", "earliest");        props.put("key.deserializer", StringDeserializer.class.getName());        props.put("value.deserializer", StringDeserializer.class.getName());        this.consumer = new KafkaConsumer(props);        this.topic = topicName;        this.consumer.subscribe(Arrays.asList(topic));    }    @Override    public void run() {        int messageNo = 1;        System.out.println("---------开始消费---------");        try {            for (;;) {                msgList = consumer.poll(1000);                if(null!=msgList&&msgList.count()>0){                    for (ConsumerRecord record : msgList) {                        //消费100条就打印 ,但打印的数据不一定是这个规律的                        if(messageNo0==0){                            System.out.println(messageNo+"=======receive: key = " + record.key() + ", value = " + record.value()+" offset==="+record.offset());                        }                        //当消费了1000条就退出                        if(messageNo00==0){                            break;                        }                        messageNo++;                    }                }else{                    Thread.sleep(1000);                }            }        } catch (InterruptedException e) {            e.printStackTrace();        } finally {            consumer.close();        }    }    public static void main(String args[]) {        KafkaConsumerService test1 = new KafkaConsumerService(TopicConstant.CHART_TOPIC);        Thread thread1 = new Thread(test1);        thread1.start();    }}

备注：上述demo编写过程中，发现报了一个Exception:Kafka java client 连接异常（org.apache.kafka.common.errors.TimeoutException: Failed to update metadata ）...

kafka中需要配置server.文件：

advertised.listeners=PLAINTEXT://外网地址:9092zookeeper.connect=内网地址:2181

如果你是云服务器的话需要，在安全组设置对应端口开放，否则无法访问响应接口！