Kafka过程分析、拦截器_kafka 状态拦截器调用的时间点

kafka入门教程（一）

一、Kafka生产过程分析

1、写入方式：

producer采用推（push）模式将消息发布到broker，每条消息都被追加（append）到分区（patition）中，属于顺序写磁盘（顺序写磁盘效率比随机写内存要高，保障kafka吞吐率）。

2、分区（Partition）

同一个topic属于一个目录，目录的下一级是分区

其中的每一个消息都是有序的，且被赋予了一个唯一的offset值。

3、分区的原则

（1）指定了patition，则直接使用；

（2）未指定patition但指定key，通过对key的value进行hash出一个patition

（3）patition和key都未指定，使用轮询选出一个patition。

4、副本（replication）

同一个partition可能会有多个replication（对应 server.properties 配置中的 default.replication.factor=N）。没有replication的情况下，一旦broker 宕机，其上所有 patition 的数据都不可被消费，同时producer也不能再将数据存于其上的patition。引入replication之后，同一个partition可能会有多个replication，而这时需要在这些replication之间选出一个leader，producer和consumer只与这个leader交互，其它replication作为follower从leader 中复制数据。

5、写入流程

二、broker 保存消息

1、保存方式

物理上把topic分成一个或多个patition（对应 server.properties 中的num.partitions=3配置），每个patition物理上对应一个文件夹（该文件夹存储该patition的所有消息和索引文件）

2、存储策略

无论消息是否被消费，kafka都会保留所有消息。有两种策略可以删除旧数据：

conf/server.properties

1）基于时间：log.retention.hours=168

2）基于大小：log.retention.bytes=1073741824

因为Kafka读取特定消息的时间复杂度为O(1)，即与文件大小无关，所以这里删除过期文件与提高 Kafka 性能无关。

三、Kafka消费过程分析

高级API：代码简单、不需要管理offset，系统通过zookeeper自行管理，不需要管理分区，副本等情况，系统自动管理

低级API：太过复杂，能够开发者自己控制offset，想从哪里读取就从哪里读取，自行控制连接分区，对分区自定义进行负载均衡

 

1、消费者组

消费者是以consumer group消费者组的方式工作，由一个或者多个消费者组成一个组，共同消费一个topic。每个分区在同一时间只能由group中的一个消费者读取，但是多个group可以同时消费这个partition。在图中，有一个由三个消费者组成的group，有一个消费者读取主题中的两个分区，另外两个分别读取一个分区。某个消费者读取某个分区，也可以叫做某个消费者是某个分区的拥有者。

在这种情况下，消费者可以通过水平扩展的方式同时读取大量的消息。另外，如果一个消费者失败了，那么其他的group成员会自动负载均衡读取之前失败的消费者读取的分区。

2、消费方式

pull模式则可以根据consumer的消费能力以适当的速率消费消息。

四、拦截器(interceptor)

主要用于实现clients端的定制化控制逻辑。

对于producer而言，interceptor使得用户在消息发送前以及producer回调逻辑前有机会对消息做一些定制化需求，比如修改消息等。同时，producer允许用户指定多个interceptor按序作用于同一条消息从而形成一个拦截链(interceptor chain)。Intercetpor的实现接口是org.apache.kafka.clients.producer.ProducerInterceptor

拦截器案例：实现一个简单的双interceptor组成的拦截链。第一个interceptor会在消息发送前将时间戳信息加到消息value的最前部；第二个interceptor会在消息发送后更新成功发送消息数或失败发送消息数。

代码：1、时间拦截器

package interceptor;
 
import org.apache.kafka.clients.producer.ProducerInterceptor;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;
 
import java.util.Map;
 
/**
 * 时间拦截器
 */
public class TimeInterceptor implements ProducerInterceptor<String,String> {
 
    // 拦截数据后，对数据加工处理
    @Override
    public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
 
        // 创建一个新的record，把时间戳写入消息体的最前部
        return new ProducerRecord(record.topic(), record.partition(), record.timestamp(), record.key(),
                //对value进行更改
                System.currentTimeMillis() + "," + record.value().toString());
 
}
 
 
    //该方法会在消息被应答之前或消息发送失败时调用，并且通常都是在producer回调逻辑触发之前。
    @Override
    public void onAcknowledgement(RecordMetadata recordMetadata, Exception e) {
 
    }
 
    //关闭interceptor，主要用于执行一些资源清理工作
    @Override
    public void close() {
 
    }
 
    //获取配置信息和初始化数据时调用
    @Override
    public void configure(Map<String, ?> map) {
 
    }
}

2、统计条数拦截器

package interceptor;
 
import org.apache.kafka.clients.producer.ProducerInterceptor;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;
 
import java.util.Map;
 
/**
 * 统计发送消息成功和发送失败消息数，并在producer关闭时打印这两个计数器
 */
public class CounterInterceptor implements ProducerInterceptor {
    private int errorCounter = 0;
    private int successCounter = 0;
 
    @Override
    public ProducerRecord onSend(ProducerRecord producerRecord) {
        return producerRecord;
    }
 
    @Override
    public void onAcknowledgement(RecordMetadata recordMetadata, Exception e) {
        if(e == null){
            successCounter++;
        }else {
            errorCounter++;
        }
    }
 
    @Override
    public void close() {
        System.err.println("成功条数："+successCounter+"   失败条数"+errorCounter);
    }
 
    @Override
    public void configure(Map<String, ?> map) {
 
    }
}

3、主producer

package interceptor;
 
import java.util.ArrayList;
import java.util.List;
import java.util.Properties;
 
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;
 
public class InterceptorProducer {
 
    public static void main(String[] args) throws Exception {
        // 1 设置配置信息
        Properties props = new Properties();
        props.put("bootstrap.servers", "hdp-2:9092");
        //all表示所有  producer将消息发送给leader-->follower-->保存在本地全过程
        // 1表示leader收到  0表示发过去就行
        props.put("acks", "all");
 
        props.put("retries", 0);
        props.put("batch.size", 16384);
        props.put("linger.ms", 1);
        props.put("buffer.memory", 33554432);
        props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
 
        // 2 构建拦截链
        List<String> interceptors = new ArrayList<>();
        interceptors.add("interceptor.TimeInterceptor");
        interceptors.add("interceptor.CounterInterceptor");
        //把拦截器设置进去
        props.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG, interceptors);
 
        String topic = "xin";
        Producer<String, String> producer = new KafkaProducer<>(props);
 
        // 3 发送消息
        for (int i = 0; i < 10; i++) {
 
            ProducerRecord<String, String> record = new ProducerRecord<>(topic, "message" + i);
            producer.send(record);
        }
 
        // 4 一定要关闭producer，这样才会调用interceptor的close方法
        producer.close();
    }
}

启动consumer

./kafka-console-consumer.sh --topic xin --bootstrap-server hdp-2:9092 --from-beginning

五、Kafka Streams

是一个功能强大，易于使用的库。用于构建高可分布式、拓展性，容错的应用程序。

特点：一个库，而不是框架‘ 

    无需专门的集群             毫秒级延迟           并非微批处理         窗口允许乱序数据           允许迟到数据

为什么要有Kafka Stream：

Kafka Stream提供的是一个基于Kafka的流式处理类库。

Kafka Stream作为类库，可以非常方便的嵌入应用程序中，它对应用的打包和部署基本没有任何要求。

大部分流式系统中都已部署了Kafka，此时使用Kafka Stream的成本非常低。

使用Storm或Spark Streaming时，需要为框架本身的进程预留资源

Kafka本身提供数据持久化，Kafka Stream可以在线动态调整并行度

数据清洗案例

需求：

       实时处理单词带有”>>>”前缀的内容。例如输入”xin>>>wang”，最终处理成“wang”

       实现的是在xin的主题生产者发送 xin>>>wang,会在test主题的消费者接受wang

1、处理数据，只保留>>>后数据

package stream;
import org.apache.kafka.streams.processor.Processor;
import org.apache.kafka.streams.processor.ProcessorContext;
 
public class LogProcessor implements Processor<byte[], byte[]> {
 
    private ProcessorContext context;
 
    @Override
    public void init(ProcessorContext context) {
        this.context = context;
    }
 
    @Override
    public void process(byte[] key, byte[] value) {
        String input = new String(value);
 
        // 如果包含“>>>”则只保留该标记后面的内容
        if (input.contains(">>>")) {
            input = input.split(">>>")[1].trim();
            // 输出到下一个topic
            context.forward("logProcessor".getBytes(), input.getBytes());
        }else{
            context.forward("logProcessor".getBytes(), input.getBytes());
        }
    }
 
    @Override
    public void punctuate(long timestamp) {
 
    }
 
    @Override
    public void close() {
 
    }
}

主线程

package stream;
import java.util.Properties;
import org.apache.kafka.streams.KafkaStreams;
import org.apache.kafka.streams.StreamsConfig;
import org.apache.kafka.streams.processor.Processor;
import org.apache.kafka.streams.processor.ProcessorSupplier;
import org.apache.kafka.streams.processor.TopologyBuilder;
import stream.LogProcessor;
 
public class Application {
 
    public static void main(String[] args) {
 
        // 定义输入的topic
        String from = "xin";
        // 定义输出的topic
        String to = "test";
 
        // 设置参数
        Properties settings = new Properties();
        //应用id（随便）
        settings.put(StreamsConfig.APPLICATION_ID_CONFIG, "logFilter");
        //连接的kafka主机
        settings.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "hdp-2:9092");
 
        StreamsConfig config = new StreamsConfig(settings);
 
        // 构建拓扑
        TopologyBuilder builder = new TopologyBuilder();
 
        //SOURCE输入源名称
        builder.addSource("SOURCE", from)
                .addProcessor("PROCESS", new ProcessorSupplier<byte[], byte[]>() {
 
                    @Override
                    public Processor<byte[], byte[]> get() {
                        // 具体分析处理
                        return new LogProcessor();
                    }
                }, "SOURCE")
                .addSink("SINK", to, "PROCESS");
 
        // 创建kafka stream
        KafkaStreams streams = new KafkaStreams(builder, config);
        streams.start();
    }
}