Kafka 生产者_kafka多个生产者

1 生产者消息发送流程

1.1发送原理

在消息发送的过程中，涉及到了两个线程——main 线程和 Sender 线程。在 main 线程中创建了一个双端队列 RecordAccumulator。main 线程将消息发送给 RecordAccumulator，Sender 线程不断从 RecordAccumulator 中拉取消息发送到 Kafka Broker。

batch.size：只有数据积累到batch.size之后，sender才会发送数据。默认16k ；
linger.ms：如果数据迟迟未达到batch.size，sender等待linger.ms设置的时间；

到了之后就会发送数据。单位ms，默认值是0ms，表示没有延迟。

ack确认：

0：生产者发送过来的数据，不需要等数据落盘应答。
1：生产者发送过来的数据，Leader收到数据后应答。
-1（all）：生产者发送过来的数据，Leader和ISR队列里面的所有节点收齐数据后应答。-1和all等价。

1.2 生产者重要参数列表

2 异步发送 API

2.1 普通异步发送

2.1.1 编码

2.1.1.1 创建kafka-clent-demo工程

2.1.1.2 引入依赖

		<dependency>
            <groupId>org.apache.kafka</groupId>
            <artifactId>kafka-clients</artifactId>
            <version>3.0.0</version>
        </dependency>
1
2
3
4
5

2.1.1.3 创建一个生产者类

CustomProducer

package com.youzijunkj.producer;

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.common.serialization.StringSerializer;

import java.util.Properties;

/**
 * @author 吴尚慧
 * @since 2022/2/19 20:16
 */
public class CustomProducer {

    public static final String KAFKA_SERVERS = "192.168.3.51:9092,192.168.3.52:9092,192.168.3.53:9092";

    public static void main(String[] args) {
        // 1. 创建 kafka 生产者的配置对象
        Properties properties = new Properties();
        // 2. 给 kafka 配置对象添加配置信息：bootstrap.servers
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, KAFKA_SERVERS);
        // key,value 序列化（必须）：key.serializer，value.serializer
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
        // StringSerializer.class.getName() 等于 org.apache.kafka.common.serialization.StringSerializer
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

        // 3. 创建 kafka 生产者对象
        KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties);
        // 4. 调用 send 方法,发送消息
        for (int i = 0; i < 5; i++) {
            kafkaProducer.send(new ProducerRecord<>("first", "hello kafka  " + i));
        }
        // 5. 关闭资源
        kafkaProducer.close();
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

2.1.1.4 测试

在机器上启动一个消费者（命令行方式）控制台

kafka-console-consumer.sh --bootstrap-server kafka1:9092 --topic first
1

运行生产者类的main方法，就可以控制台上看到

[vagrant@localhost config]$ kafka-console-consumer.sh --bootstrap-server kafka1:9092 --topic first
hello kafka  0
hello kafka  1
hello kafka  2
hello kafka  3
hello kafka  4
1
2
3
4
5
6

2.2 带回调函数的异步发送

回调函数会在 producer 收到 ack 时调用，为异步调用，该方法有两个参数，分别是元数据信息（RecordMetadata）和异常信息（Exception），如果 Exception 为 null，说明消息发送成功，如果 Exception 不为 null，说明消息发送失败。

消息发送失败会自动重试，不需要我们在回调函数中手动重试。

编码：

package com.youzijunkj.producer;

import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

/**
 * @author 吴尚慧
 * @since 2022/2/19 20:16
 */
public class CustomProducerCallback {

    public static final String KAFKA_SERVERS = "192.168.3.51:9092,192.168.3.52:9092,192.168.3.53:9092";

    public static void main(String[] args) throws InterruptedException {
        // 1. 创建 kafka 生产者的配置对象
        Properties properties = new Properties();
        // 2. 给 kafka 配置对象添加配置信息：bootstrap.servers
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, KAFKA_SERVERS);
        // key,value 序列化（必须）：key.serializer，value.serializer
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
        // StringSerializer.class.getName() 等于 org.apache.kafka.common.serialization.StringSerializer
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

        // 3. 创建 kafka 生产者对象
        KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties);

        // 4. 调用 send 方法,发送消息
        for (int i = 0; i < 5; i++) {
            kafkaProducer.send(new ProducerRecord<>("first", "hello kafka Callback " + i), new Callback() {
                @Override
                public void onCompletion(RecordMetadata recordMetadata, Exception e) {
                    if (e == null) {
                        // 没有异常,输出信息到控制台
                        System.out.println(" 主题： " + recordMetadata.topic() + "->" + "分区：" + recordMetadata.partition());
                    } else {
                        // 出现异常打印
                        e.printStackTrace();
                    }
                }
            });
            // 延迟一会会看到数据发往不同分区
            Thread.sleep(2);
        }
        // 5. 关闭资源
        kafkaProducer.close();
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49

运行main方法：

 主题： first->分区：0
 主题： first->分区：1
 主题： first->分区：1
 主题： first->分区：2
 主题： first->分区：2
1
2
3
4
5

同时消费者控制台看到：

hello kafka Callback 0
hello kafka Callback 1
hello kafka Callback 2
hello kafka Callback 3
hello kafka Callback 4
1
2
3
4
5

3 同步发送 API

只需在异步发送的基础上，再调用一下 get()方法：

package com.youzijunkj.producer;

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.common.serialization.StringSerializer;

import java.util.Properties;
import java.util.concurrent.ExecutionException;

/**
 * @author 吴尚慧
 * @since 2022/2/19 20:16
 */
public class CustomProducerSync {

    public static final String KAFKA_SERVERS = "192.168.3.51:9092,192.168.3.52:9092,192.168.3.53:9092";

    public static void main(String[] args) throws ExecutionException, InterruptedException {
        // 1. 创建 kafka 生产者的配置对象
        Properties properties = new Properties();
        // 2. 给 kafka 配置对象添加配置信息：bootstrap.servers
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, KAFKA_SERVERS);
        // key,value 序列化（必须）：key.serializer，value.serializer
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
        // StringSerializer.class.getName() 等于 org.apache.kafka.common.serialization.StringSerializer
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

        // 3. 创建 kafka 生产者对象
        KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties);
        // 4. 调用 send 方法,发送消息
        for (int i = 0; i < 5; i++) {
            kafkaProducer.send(new ProducerRecord<>("first", "hello kafka sync " + i)).get();
        }
        // 5. 关闭资源
        kafkaProducer.close();
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

启动一下消费者，运行main方法可看到：

[vagrant@localhost ~]$ kafka-console-consumer.sh --bootstrap-server kafka3:9092 --topic first
hello kafka sync 0
hello kafka sync 1
hello kafka sync 2
hello kafka sync 3
hello kafka sync 4
1
2
3
4
5
6

4 生产者分区

4.1 分区好处

（1）便于合理使用存储资源，每个Partition在一个Broker上存储，可以把海量的数据按照分区切割成一块一块数据存储在多台Broker上。合理控制分区的任务，可以实现负载均衡的效果。
（2）提高并行度，生产者可以以分区为单位发送数据；消费者可以以分区为单位进行消费数据。

4.2 生产者发送消息的分区策略

4.2.1 默认的分区器 DefaultPartitioner

/**
 * The default partitioning strategy:
 * <ul>
 * <li>如果记录中指定了分区，则使用它
 * <li>如果未指定分区但存在键，则根据键的散列选择分区
 * <li>如果不存在分区或键，则选择在批处理已满时更改的粘性分区。
 * 
 * 有关粘性分区的详细信息，请参阅 KIP-480。
 */
public class DefaultPartitioner implements Partitioner {
    private final StickyPartitionCache stickyPartitionCache = new StickyPartitionCache();

    public DefaultPartitioner() {
    }

    public void configure(Map<String, ?> configs) {
    }

    public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
        return this.partition(topic, key, keyBytes, value, valueBytes, cluster, cluster.partitionsForTopic(topic).size());
    }

    public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster, int numPartitions) {
        return keyBytes == null ? this.stickyPartitionCache.partition(topic, cluster) : Utils.toPositive(Utils.murmur2(keyBytes)) % numPartitions;
    }

    public void close() {
    }

    public void onNewBatch(String topic, Cluster cluster, int prevPartition) {
        this.stickyPartitionCache.nextPartition(topic, cluster, prevPartition);
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

源码中可以看到注释：

• 如果记录中指定了分区，则使用它
• 如果未指定分区但存在键，则根据键的散列选择分区
• 如果不存在分区或键，则选择在批处理已满时更改的粘性分区。

4.2.2 ProducerRecord

看一下重载的构造器

public ProducerRecord(String topic, Integer partition, Long timestamp, K key, V value, Iterable<Header> headers) {
    if (topic == null)
        throw new IllegalArgumentException("Topic cannot be null.");
    if (timestamp != null && timestamp < 0)
        throw new IllegalArgumentException(
                String.format("Invalid timestamp: %d. Timestamp should always be non-negative or null.", timestamp));
    if (partition != null && partition < 0)
        throw new IllegalArgumentException(
                String.format("Invalid partition: %d. Partition number should always be non-negative or null.", partition));
    this.topic = topic;
    this.partition = partition;
    this.key = key;
    this.value = value;
    this.timestamp = timestamp;
    this.headers = new RecordHeaders(headers);
}

public ProducerRecord(String topic, Integer partition, Long timestamp, K key, V value) {
    this(topic, partition, timestamp, key, value, null);
}

public ProducerRecord(String topic, Integer partition, K key, V value, Iterable<Header> headers) {
    this(topic, partition, null, key, value, headers);
}

public ProducerRecord(String topic, Integer partition, K key, V value) {
    this(topic, partition, null, key, value, null);
}

public ProducerRecord(String topic, K key, V value) {
    this(topic, null, null, key, value, null);
}

public ProducerRecord(String topic, V value) {
    this(topic, null, null, null, value, null);
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

1. 指明partition的情况下，直接将指明的值作为partition值；例如partition=0，所有数据写入分区0；
2. 没有指明partition值但有key的情况下，将key的hash值与topic的partition数进行取余得到partition值；
   例如：key1的hash值=5， key2的hash值=6 ，topic的partition数=2，那 么key1 对应的value1写入1号分区，key2对应的value2写入0号分区。
3. 既没有partition值又没有key值的情况下，Kafka采用Sticky Partition（黏性分区器），会随机选择一个分区，并尽可能一直使用该分区，待该分区的batch已满或者已完成，Kafka再随机一个分区进行使用（和上一次的分区不同）。
   例如：第一次随机选择0号分区，等0号分区当前批次满了（默认16k）或者linger.ms设置的时间到， Kafka再随机一个分区进
   行使用（如果还是0会继续随机）。

4.2.3 几个示例

示例1

指定 partition，将所有数据发往分区 1 中。

package com.youzijunkj.producer;

import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

/**
 * @author 吴尚慧
 * @since 2022/3/4 21:51
 */
public class CustomProducerCallbackPartitions {

    public static final String KAFKA_SERVERS = "192.168.3.51:9092,192.168.3.52:9092,192.168.3.53:9092";

    public static void main(String[] args) {
        // 1. 创建 kafka 生产者的配置对象
        Properties properties = new Properties();

        // 2. 给 kafka 配置对象添加配置信息
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, KAFKA_SERVERS);
        // key,value 序列化（必须）：key.serializer，value.serializer
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");

        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

        KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties);

        for (int i = 0; i < 5; i++) {
            // 指定数据发送到 1 号分区，key 为空（IDEA 中 ctrl + p 查看参数）
            kafkaProducer.send(new ProducerRecord<>("first", 1, "", "hello kafka Callback " + i), new Callback() {
                @Override
                public void onCompletion(RecordMetadata metadata,
                                         Exception e) {
                    if (e == null) {
                        System.out.println(" 主题： " +
                                metadata.topic() + "->" + "分区：" + metadata.partition()
                        );
                    } else {
                        e.printStackTrace();
                    }
                }
            });
        }
        kafkaProducer.close();
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48

使用命令行的方式开启一个消费者：

kafka-console-consumer.sh --bootstrap-server 192.168.3.51:9092,192.168.3.52:9092,192.168.3.53:9092 --topic first
1

运行main方法，就可以在消费者控制台看到消息

[vagrant@localhost ~]$ kafka-console-consumer.sh --bootstrap-server 192.168.3.51:9092,192.168.3.52:9092,192.168.3.53:9092 --topic first
hello kafka Callback 0
hello kafka Callback 1
hello kafka Callback 2
hello kafka Callback 3
hello kafka Callback 4
1
2
3
4
5
6

在 IDEA 控制台观察回调信息

 主题： first->分区：1
 主题： first->分区：1
 主题： first->分区：1
 主题： first->分区：1
 主题： first->分区：1
1
2
3
4
5

示例2

没有指明 partition 值但有 key 的情况下，将 key 的 hash 值与 topic 的 partition 数进行取余得到 partition 值。

package com.youzijunkj.producer;

import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

/**
 * @author 吴尚慧
 * @since 2022/3/4 21:51
 */
public class CustomProducerCallbackPartitions {

    public static final String KAFKA_SERVERS = "192.168.3.51:9092,192.168.3.52:9092,192.168.3.53:9092";

    public static void main(String[] args) {
        // 1. 创建 kafka 生产者的配置对象
        Properties properties = new Properties();

        // 2. 给 kafka 配置对象添加配置信息
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, KAFKA_SERVERS);
        // key,value 序列化（必须）：key.serializer，value.serializer
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");

        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

        KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties);

        for (int i = 0; i < 5; i++) {
            // 指定数据发送到 1 号分区，key 为空（IDEA 中 ctrl + p 查看参数）
            // 依次指定 key 值为 a,b,f ，数据 key 的 hash 值与 3 个分区求余，分别发往 1、2、0
            kafkaProducer.send(new ProducerRecord<>("first", "a", "hello kafka Callback a " + i), new Callback() {
                @Override
                public void onCompletion(RecordMetadata metadata, Exception e) {
                    if (e == null) {
                        System.out.println(" 主题： " +
                                metadata.topic() + "->" + "分区：" + metadata.partition() + ", key: a"
                        );
                    } else {
                        e.printStackTrace();
                    }
                }
            });
        }
        kafkaProducer.close();
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48

在 IDEA 控制台观察回调信息

 主题： first->分区：1, key: a
 主题： first->分区：1, key: a
 主题： first->分区：1, key: a
 主题： first->分区：1, key: a
 主题： first->分区：1, key: a
1
2
3
4
5

修改上述代码：

kafkaProducer.send(new ProducerRecord<>("first", "b", "hello kafka Callback b " + i), new Callback() {
    @Override
    public void onCompletion(RecordMetadata metadata, Exception e) {
        if (e == null) {
            System.out.println(" 主题： " +
                    metadata.topic() + "->" + "分区：" + metadata.partition() + ", key: b"
            );
        } else {
            e.printStackTrace();
        }
    }
});
1
2
3
4
5
6
7
8
9
10
11
12

在 IDEA 控制台观察回调信息

主题： first->分区：2, key: b
主题： first->分区：2, key: b
主题： first->分区：2, key: b
主题： first->分区：2, key: b
主题： first->分区：2, key: b
1
2
3
4
5

修改上述代码：

kafkaProducer.send(new ProducerRecord<>("first", "f", "hello kafka Callback f " + i), new Callback() {
    @Override
    public void onCompletion(RecordMetadata metadata, Exception e) {
        if (e == null) {
            System.out.println(" 主题： " +
                    metadata.topic() + "->" + "分区：" + metadata.partition() + ", key: f"
            );
        } else {
            e.printStackTrace();
        }
    }
});
1
2
3
4
5
6
7
8
9
10
11
12

在 IDEA 控制台观察回调信息

 主题： first->分区：0, key: f
 主题： first->分区：0, key: f
 主题： first->分区：0, key: f
 主题： first->分区：0, key: f
 主题： first->分区：0, key: f
1
2
3
4
5

5 自定义分区器

自定义一个分区器

package com.youzijunkj.producer;

import org.apache.kafka.clients.producer.Partitioner;
import org.apache.kafka.common.Cluster;

import java.util.Map;

/**
 * @author 吴尚慧
 * @since 2022/3/5 11:39
 */
public class MyPartitioner implements Partitioner {

    /**
     * 分区
     *
     * @param topic      主题
     * @param key        消息的 key
     * @param keyBytes   消息的 key 序列化后的字节数组
     * @param value      消息的 value
     * @param valueBytes 消息的 value 序列化后的字节数组
     * @param cluster    集群元数据可以查看分区信息
     * @return 发往的分区
     */
    @Override
    public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
        System.out.println("主题：" + topic);
        System.out.println("key：" + key);
        System.out.println("value：" + value);
        System.out.println("cluster：" + cluster);
        return 0;
    }

    @Override
    public void close() {
        System.out.println("关闭资源喽~~~~");
    }

    @Override
    public void configure(Map<String, ?> configs) {
        System.out.println("configs: " + configs);
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44

我们可以在重写partition方法中，根据自己的规则定义发往那个分区。

只需给生产者添加配置就可以了

// 添加自定义分区器
properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG, MyPartitioner.class.getName());
1
2

看一下我想关心的一些打印的参数：

配置项：

configs: {bootstrap.servers=192.168.3.51:9092,192.168.3.52:9092,192.168.3.53:9092, value.serializer=org.apache.kafka.common.serialization.StringSerializer, key.serializer=org.apache.kafka.common.serialization.StringSerializer, partitioner.class=com.youzijunkj.producer.MyPartitioner, client.id=producer-1}
1

cluster参数：

cluster：Cluster(id = XIV1vdbFSZimsoV1fs3A1w, 
nodes = [
192.168.3.53:9092 (id: 2 rack: null), 
192.168.3.52:9092 (id: 1 rack: null), 
192.168.3.51:9092 (id: 0 rack: null)], 

partitions = [
Partition(topic = first, partition = 2, leader = 1, replicas = [2,0,1], isr = [1,0,2], offlineReplicas = []), 
Partition(topic = first, partition = 1, leader = 1, replicas = [1,2,0], isr = [1,0,2], offlineReplicas = []), 
Partition(topic = first, partition = 0, leader = 1, replicas = [0,2,1], isr = [1,0,2], offlineReplicas = [])
], 
controller = 192.168.3.51:9092 (id: 0 rack: null))
1
2
3
4
5
6
7
8
9
10
11
12

从cluster参数中可以清楚的看出一共有那些分区，我们可以根据业务定义自己的分区规则。

6 生产者如何提高吞吐量

主要是四个生产者配置参数

• batch.size：批次大小，默认16k
• linger.ms：默认0，等待时间，修改为 5-100ms
  默认一次拉一个，来了就走
• compression.type：压缩默认 none，设置为 snappy
  生产经验——生产者如何提高吞吐量
• RecordAccumulator：缓冲区大小，默认 32M， 可修改为64m

根据上面参数，实际在代码中配置一下

// 1. 创建 kafka 生产者的配置对象
Properties properties = new Properties();
// 2. 给 kafka 配置对象添加配置信息
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, KAFKA_SERVERS);
// key,value 序列化（必须）：key.serializer，value.serializer
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
// batch.size：批次大小，默认 16K，16384单位是字节
properties.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);
// linger.ms：等待时间，默认 0，设置为1ms
properties.put(ProducerConfig.LINGER_MS_CONFIG, 1);
// RecordAccumulator：缓冲区大小，默认 32M：buffer.memory，33554432单位是字节
properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);
// compression.type：压缩，默认 none，可配置值 gzip、snappy、lz4 和 zstd
properties.put(ProducerConfig.COMPRESSION_TYPE_CONFIG, "snappy");
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

7 生产者数据可靠性

7.1 ack 应答原理

0：生产者发送过来的数据，不需要等数据落盘应答

数据可靠性分析：丢数

1：生产者发送过来的数据，Leader收到数据后应答。

数据可靠性分析：丢数

-1（all）：生产者发送过来的数据，Leader和ISR队列里面的所有节点收齐数据后应答。

这是就会遇到一个问题：Leader收到数据，所有Follower都开始同步数据，但有一个Follower，因为某种故障，迟迟不能与Leader进行同步，那这个问题怎么解决呢？

Leader维护了一个动态的in-sync replica set（ISR），意为和Leader保持同步的Follower+Leader集合(leader：0，isr:0,1,2)。

如果Follower长时间未向Leader发送通信请求或同步数据，则该Follower将被踢出ISR。该时间阈值由replica.lag.time.max.ms参数设定，默认30s。例如2超时，(leader:0, isr:0,1)。这样就不用等长期联系不上或者已经故障的节点。

数据可靠性分析：

如果分区副本设置为1个，或者ISR里应答的最小副本数量（ min.insync.replicas 默认为1）设置为1，和ack=1的效果是一样的，仍然有丢数的风险（leader：0，isr:0）。

数据完全可靠条件 = ACK级别设置为-1 + 分区副本大于等于2 + ISR里应答的最小副本数量大于等于2

7.2 可靠性总结

• acks=0，生产者发送过来数据就不管了，可靠性差，效率高；
• acks=1，生产者发送过来数据Leader应答，可靠性中等，效率中等；
• acks=-1，生产者发送过来数据Leader和ISR队列里面所有Follwer应答，可靠性高，效率低；
  在生产环境中，acks=0很少使用；acks=1，一般用于传输普通日志，允许丢个别数据；acks=-1，一般用于传输和钱相关的数据，对可靠性要求比较高的场景。

数据重复分析：
acks： -1（all）：生产者发送过来的数据，Leader和ISR队列里面的所有节点收齐数据后应答。

package com.youzijunkj.producer;

import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

/**
 * @author 吴尚慧
 * @since 2022/2/19 20:16
 */
public class CustomProducerAck {

    public static final String KAFKA_SERVERS = "192.168.3.51:9092,192.168.3.52:9092,192.168.3.53:9092";

    public static void main(String[] args) throws InterruptedException {
        // 1. 创建 kafka 生产者的配置对象
        Properties properties = new Properties();
        // 2. 给 kafka 配置对象添加配置信息：bootstrap.servers
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, KAFKA_SERVERS);
        // key,value 序列化（必须）：key.serializer，value.serializer
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
        // StringSerializer.class.getName() 等于 org.apache.kafka.common.serialization.StringSerializer
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

        // 设置 acks
        properties.put(ProducerConfig.ACKS_CONFIG, "all");
        // 重试次数 retries，默认是 int 最大值，2147483647
        properties.put(ProducerConfig.RETRIES_CONFIG, 3);

        // 3. 创建 kafka 生产者对象
        KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties);

        // 4. 调用 send 方法,发送消息
        for (int i = 0; i < 5; i++) {
            kafkaProducer.send(new ProducerRecord<>("first", "hello kafka Callback " + i), new Callback() {
                @Override
                public void onCompletion(RecordMetadata recordMetadata, Exception e) {
                    if (e == null) {
                        // 没有异常,输出信息到控制台
                        System.out.println(" 主题： " + recordMetadata.topic() + "->" + "分区：" + recordMetadata.partition());
                    } else {
                        // 出现异常打印
                        e.printStackTrace();
                    }
                }
            });
            // 延迟一会会看到数据发往不同分区
            Thread.sleep(2);
        }
        // 5. 关闭资源
        kafkaProducer.close();
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55

8 数据去重

8.1 数据传递语义

• 至少一次（At Least Once）= ACK级别设置为-1 + 分区副本大于等于2 + ISR里应答的最小副本数量大于等于2，可以保证数据不丢失，但是不能保证数据不重复；
• 最多一次（At Most Once）= ACK级别设置为0 ，可以保证数据不重复，但是不能保证数据不丢失。
• 精确一次（Exactly Once）：对于一些非常重要的信息，比如和钱相关的数据，要求数据既不能重复也不丢失。Kafka 0.11版本以后，引入了一项重大特性：幂等性和事务。

8.2 幂等性

8.2.1 幂等性原理

幂等性就是指Producer不论向Broker发送多少次重复数据，Broker端都只会持久化一条，保证了不重复。

精确一次（Exactly Once） = 幂等性 + 至少一次（ ack=-1 + 分区副本数>=2 + ISR最小副本数量>=2） 。

重复数据的判断标准：具有<PID, Partition, SeqNumber>相同主键的消息提交时，Broker只会持久化一条。其 中PID是Kafka每次重启都会分配一个新的；Partition 表示分区号；Sequence Number是单调自增的。所以幂等性只能保证的是在单分区单会话内不重复。

如何使用幂等性
开启参数 enable.idempotence 默认为 true，false 关闭。

8.3 生产者事务

8.3.1 Kafka 事务原理

说明：开启事务，必须开启幂等性。

Kafka 的事务一共有如下 5 个 API

// 1 初始化事务
void initTransactions();
// 2 开启事务
void beginTransaction() throws ProducerFencedException;
// 3 在事务内提交已经消费的偏移量（主要用于消费者）
void sendOffsetsToTransaction(Map<TopicPartition, OffsetAndMetadata> offsets,
 String consumerGroupId) throws 
ProducerFencedException;
// 4 提交事务
void commitTransaction() throws ProducerFencedException;
// 5 放弃事务（类似于回滚事务的操作）
void abortTransaction() throws ProducerFencedException;
1
2
3
4
5
6
7
8
9
10
11
12

单个 Producer，使用事务保证消息的仅一次发送

package com.youzijunkj.producer;

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.common.serialization.StringSerializer;

import java.util.Properties;

/**
 * @author 吴尚慧
 * @since 2022/3/5 21:44
 */
public class CustomProducerTransactions {

    public static final String KAFKA_SERVERS = "192.168.3.51:9092,192.168.3.52:9092,192.168.3.53:9092";

    public static void main(String[] args) throws
            InterruptedException {
        // 1. 创建 kafka 生产者的配置对象
        Properties properties = new Properties();
        // 2. 给 kafka 配置对象添加配置信息
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, KAFKA_SERVERS);
        // key,value 序列化
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
        // 设置事务 id（必须），事务 id 任意起名
        properties.put(ProducerConfig.TRANSACTIONAL_ID_CONFIG, "transaction_id_0");
        // 3. 创建 kafka 生产者对象
        KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties);
        // 初始化事务
        kafkaProducer.initTransactions();
        // 开启事务
        kafkaProducer.beginTransaction();
        try {
            // 4. 调用 send 方法,发送消息
            for (int i = 0; i < 5; i++) {
                // 发送消息
                kafkaProducer.send(new ProducerRecord<>("first", "atguigu " + i));
            }
            // int i = 1 / 0;
            // 提交事务
            kafkaProducer.commitTransaction();
        } catch (Exception e) {
            // 终止事务
            kafkaProducer.abortTransaction();
        } finally {
            // 5. 关闭资源
            kafkaProducer.close();
        }
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54

 主题： first->分区：0
 主题： first->分区：1
 主题： first->分区：1
 主题： first->分区：0
 主题： first->分区：1
1
2
3
4
5

9 数据有序

多分区，分区与分区间无序

单分区内，有序，需要满足一定条件

kafka在1.x版本之前保证数据单分区有序，条件如下：
max.in.flight.requests.per.connection=1（不需要考虑是否开启幂等性）；

kafka在1.x及以后版本保证数据单分区有序，条件如下：

• 开启幂等性
  max.in.flight.requests.per.connection 需要设置小于等于5。
• 未开启幂等性
  max.in.flight.requests.per.connection 需要设置为1。

原因说明：因为在kafka1.x以后，启用幂等后，kafka服务端会缓存producer发来的最近5个request的元数据，故无论如何，都可以保证最近5个request的数据都是有序的。