Kafka快速实战与基本原理详解

喜欢ヅ旅行 2022-09-13 04:07 139阅读 0赞

Kafka是最初由Linkedin公司开发，是一个分布式、支持分区的（partition）、多副本的（replica），基于zookeeper协 调的分布式消息系统，它的最大的特性就是可以实时的处理大量数据以满足各种需求场景：比如基于hadoop的批处理系 统、低延迟的实时系统、Storm/Spark流式处理引擎，web/nginx日志、访问日志，消息服务等等，用scala语言编写， Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。

### Kafka的使用场景 ###

*  日志收集：一个公司可以用Kafka收集各种服务的log，通过kafka以统一接口服务的方式开放给各种 consumer，例如hadoop、Hbase、Solr等。
 *  消息系统：解耦和生产者和消费者、缓存消息等。
 *  用户活动跟踪：Kafka经常被用来记录web用户或者app用户的各种活动，如浏览网页、搜索、点击等活动，这 些活动信息被各个服务器发布到kafka的topic中，然后订阅者通过订阅这些topic来做实时的监控分析，或者装载到 hadoop、数据仓库中做离线分析和挖掘。
 *  运营指标：Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据，生产各种操作的集中反 馈，比如报警和报告。  
    ![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_20_color_FFFFFF_t_70_g_se_x_16]

### Kafka基本概念 ###

kafka是一个分布式的，分区的消息(官方称之为commit log)服务。它提供一个消息系统应该具备的功能，但是确有着独 特的设计。可以这样来说，Kafka借鉴了JMS规范的思想，但是确并**没有完全遵循JMS规范。**  
首先，让我们来看一下基础的消息(Message)相关术语：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_20_color_FFFFFF_t_70_g_se_x_16 1]  
因此，从一个较高的层面上来看，producer通过网络发送消息到Kafka集群，然后consumer来进行消费，如下图：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_20_color_FFFFFF_t_70_g_se_x_16 2]  
服务端(brokers)和客户端(producer、consumer)之间通信通过**TCP协议**来完成。

> 为方便使用，提供csdn相关zookeeper及kafka下载地址（不需要下载积分）：https://download.csdn.net/download/taotao\_guiwang/30134206

### kafka基本使用 ###

**安装前的环境准备**  
由于Kafka是用Scala语言开发的，运行在JVM上，因此在安装Kafka之前需要先安装JDK。

yum install java‐1.8.0‐openjdk* ‐y

kafka依赖zookeeper，所以需要先安装zookeeper

wget https://archive.apache.org/dist/zookeeper/zookeeper-3.5.8/apache-zookeeper-3.5.8-bin.tar.gz
     tar ‐zxvf apache‐zookeeper‐3.5.8‐bin.tar.gz
     cd apache‐zookeeper‐3.5.8‐bin
     cp conf/zoo_sample.cfg conf/zoo.cfg
    
    #启动zookeeper
    bin/zkServer.sh start
    bin/zkCli.sh
    ls / #查看zk的根目录相关节点

**第一步：下载安装包**  
下载2.4.1release版本，并解压：

# 2.11是scala，2.4.1是kafka的版本
    wget https://archive.apache.org/dist/kafka/2.4.1/kafka_2.11-2.4.1.tgz 
    tar ‐xzf kafka_2.11‐2.4.1.tgz
    cd kafka_2.11‐2.4.1

**第二步：修改配置**  
修改配置文件config/server.properties

#broker.id属性在kafka集群中必须要是唯一
    broker.id=0
    #kafka部署的机器ip和提供服务的端口号
    listeners=PLAINTEXT://localhost:9092
    #kafka的消息存储文件
    log.dir=/usr/local/data/kafka‐logs
    #kafka连接zookeeper的地址
    zookeeper.connect=localhost:2181

**第三步：启动服务**  
现在来启动kafka服务：  
启动脚本语法：kafkaserverstart.sh \[daemon\] server.properties  
可以看到，server.properties的配置路径是一个强制的参数，daemon表示以后台进程运行，否则ssh客户端退出后，就会停止服务。(注意，在启动kafka时会使用linux主机名关联的ip地址，所以需要把主机名和linux的ip映射配置到本地 host里，用vim /etc/hosts)

# 启动kafka，运行日志在logs目录的server.log文件里
     ./kafka‐server‐start.sh ‐daemon ../config/server.properties #后台启动，不会打印日志到控制台
     或者用
     ./kafka‐server‐start.sh ../config/server.properties &
     
     # 我们进入zookeeper目录通过zookeeper客户端查看下zookeeper的目录树
     bin/zkCli.sh
     ls / #查看zk的根目录kafka相关节点
     ls /brokers/ids #查看kafka节点
    
    # 停止kafka
    ./kafka‐server‐stop.sh

**server.properties核心配置详解：**  
![在这里插入图片描述][0a62cd9606a24ca2a4dffa802e6c59c4.png]  
![在这里插入图片描述][f241b6d0f96e4e1b91ee9ca65bc582c9.png]  
**第四步：创建主题**  
现在我们来创建一个名字为“test”的Topic，这个topic只有一个partition，并且备份因子也设置为1：

./kafka‐topics.sh ‐‐create ‐‐zookeeper localhost:2181 ‐‐replication‐factor 1 ‐‐partitions 1 ‐‐topic test

![在这里插入图片描述][09ca11b9bb6f45f2973ff726fc1ce74b.png]  
现在我们可以通过以下命令来查看kafka中目前存在的topic

bin/kafka‐topics.sh ‐‐list ‐‐zookeeper localhost:2181

![在这里插入图片描述][bd913a1cd02148c3859aede048698dbc.png]  
除了我们通过手工的方式创建Topic，当producer发布一个消息到某个指定的Topic，这个Topic如果不存在，就自动创建。  
**删除主题**

bin/kafka‐topics.sh ‐‐delete ‐‐topic test ‐‐zookeeper localhost:2181

**第五步：发送消息**  
kafka自带了一个producer命令客户端，可以从本地文件中读取内容，或者我们也可以以命令行中直接输入内容，并将这 些内容以消息的形式发送到kafka集群中。在默认情况下，每一个行会被当做成一个独立的消息。  
首先我们要运行发布消息的脚本，然后在命令中输入要发送的消息的内容：

./kafka-console-producer.sh --broker-list localhost:9092 --topic test
    >this is a msg
    >this is another msg

**第六步：消费消息**  
对于consumer，kafka同样也携带了一个命令行客户端，会将获取到内容在命令中进行输出，**默认是消费最新的消息：**

bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test

如果你是通过不同的终端窗口来运行以上的命令，你将会看到在producer终端输入的内容，很快就会在consumer的终 端窗口上显示出来。  
以上所有的命令都有一些附加的选项；当我们不携带任何参数运行命令的时候，将会显示出这个命令的详细用法。  
**消费多主题**

bin/kafka‐console‐consumer.sh ‐‐bootstrap‐server localhost:9092 ‐‐whitelist "test|test‐2"

**单播消息**  
一条消息只能被某一个消费者消费的模式，类似queue模式，只需让所有消费者在同一个消费组里即可  
分别在两个客户端执行如下消费命令，然后往主题里发送消息，结果只有一个客户端能收到消息

bin/kafka‐console‐consumer.sh ‐‐bootstrap‐server localhost:9092 ‐‐consumer‐property group.id=testGroup ‐‐topic t est

**多播消费**  
一条消息能被多个消费者消费的模式，类似publish-subscribe模式费，针对Kafka同一条消息只能被同一个消费组下的某一个消 费者消费的特性，要实现多播只要保证这些消费者属于不同的消费组即可。我们再增加一个消费者，该消费者属于testGroup-2消费 组，结果两个客户端都能收到消息

bin/kafka‐console‐consumer.sh ‐‐bootstrap‐server localhost:9092 ‐‐consumer‐property group.id=testGroup‐2 ‐‐topic test

**查看消费组名**

bin/kafka-consumer-groups.sh --bootstrap-server localhost:9092 --list

**查看消费组的消费偏移量**

bin/kafka-consumer-groups.sh --bootstrap-server localhost:9092 --describe --group testGroup
    current-offset：当前消费组已消费偏移量
    log-end-offset：主题对应分区消息的结束偏移量
    lag：当前消费组未消费的消息数

### 主题Topic和消息日志Log ###

可以理解**Topic是一个类别的名称**，同类消息发送到一个Topic下面。对于每一个Topic，下面可以有多个分区（**Partition**）日志文件：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_15_color_FFFFFF_t_70_g_se_x_16]  
Partitions是一个**有序的message序列**，这些message按顺序添加到一个叫做**commit log的文件**中。每个partition中的消息都有一个唯一的编号，成为offset，用来唯一标示某个分区中的message。  
\*\*每个partition，都对应一个commit log文件。\*\*一个partition中的message的offset都是唯一的，但是不同的partition中的message的offset可能是相同的。  
kafka一般不会删除消息，不管这些消息有没有被消费。只会根据配置的日志保留时间（log.retention.hours）确认消息多久被删除，默认保留最近一周的日志消息。kafka的性能与保留的消息数量大小没有关系，因此保存大量的数据消息日志信息不会有什么影响。  
\*\*每个consumer是基于自己在commit log中消费进度（offset）来进行工作的。\*\*在kafka中，**消费offset由consumer自己来维护**；一般情况下我们按照顺序逐条消费commit log中的消息，当然可以通过指定offset来重复消费某些消息，或者跳过某些消息。  
这意味kafka中的consumer对集群的影响是非常小的，添加一个或者减少一个consumer，对于集群或者其他consumer来说，都是没有影响的，因为每个consumer维护各自的消费offset。

**创建多个分区的主题**

bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 2 --topic test1

**查看topic的情况**

bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic test1

![在这里插入图片描述][e77e11b4ac4d427c9bb3789ed851c425.png]  
以下是输出内容的解释，第一行是所有分区的概要信息，之后的每一行表示每一个partiion的信息。

*  leader节点负责给定partition的所有读写请求。
 *  replicas表示某个partition在那几个broker上存在备份。不管这个是不是“leader”，甚至这个点挂了，也会列出。
 *  isr是relicas的一个子集，它只列出当前还存活着的，并且**已同步备份**了该partition的节点。

可以运行相同的命令查看之前创建的名称为“test”的topic

bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic test

![在这里插入图片描述][7883cc69aab5454e8f25612a98195dde.png]  
之前设置了topic的partition数量1，备份因子为1，因此显示就如上所示了。  
可以进入kafka的数据文件存储目录查看test和test1主题的消息日志文件：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_20_color_FFFFFF_t_70_g_se_x_16 3]  
消息日志文件主要存放在分区文件夹里的以log结尾的日志文件里，如下是test1主题对应的分区0的消息日志：  
![在这里插入图片描述][a749261c35634e8a918247c2dd293e27.png]  
当然我们也可以通过如下命令**增加topic的分区数量（目前kafka不支持减少分区）：**

bin/kafka-topics.sh -alter --partitions 3 --zookeeper localhost:2181 --topic test

![在这里插入图片描述][110a6a4c23e94d7c9663d01f921c5a8e.png]  
**可以这么理解Topic，Partition和Broker**  
一个topic，代表逻辑上的一个业务数据集，比如按数据库里不同表的数据操作消息区放入不同的topic，订单相关消息放入订单topic，用户相关操作消息放入用户topic，对于大型网站来说，后端数据都是海量的，订单消息很可能是非常巨量的，比如有几百G甚至达到TB级别，如果把这么多数据放在一台机器上会有容量限制问题，那么就可以在topic内部划分多个partition来分片存储数据，不同的partition可以位于不同的机器上，每台机器上都运行一个kafka的进程Broker。  
**为什么要对Topic下数据进行分区存储？**

1.  commit log 文件会受到所在机器的文件系统大小的限制，分区之后可以将不同的分区放在不同的机器上，相当于对数据做了分布式存储，理论上一个topic可以处理任意数量的数据。
2.  为了提高并行度。

### kafka集群实战 ###

对于kafka来说，一个单独的broker意味着kafka集群中只有一个节点。要想增加kafka集群中的节点数量，只需要多启动几个broker实例即可。为了有更好的理解，现在我们在一台机器上同时启动三个broker实例。  
首先，我们需要建立好其它2个broker的配置文件：  
config/server-1.properties

# broker.id属性在kafka集群中必须要是唯一
    broker.id=1
    # kafka部署的机器ip和提供服务的端口号
    listeners=PLAINTEXT://localhost:9093
    log.dir=/usr/local/data/kafka-logs-1
    # kafka连接zookeeper的地址，要把多个kafka实例组成集群，对应连接的zookeeper必须相同
    zookeeper.connect=localhost:2181

config/server-2.properties

# broker.id属性在kafka集群中必须要是唯一
    broker.id=2
    # kafka部署的机器ip和提供服务的端口号
    listeners=PLAINTEXT://localhost:9094
    log.dir=/usr/local/data/kafka-logs-2
    # kafka连接zookeeper的地址，要把多个kafka实例组成集群，对应连接的zookeeper必须相同
    zookeeper.connect=localhost:2181

目前我们已经有一个zookeeper实例和一个broker实例在运行了，现在我们只需要在启动2个broker实例即可：

bin/kafka-server-start.sh -daemon config/server-1.properties
    bin/kafka-server-start.sh -daemon config/server-2.properties

# 进入zookeeper控制台
     bin/zkCli.sh
     # 查看zookeeper确认集群节点是否注册成功
     ls /brokers/ids

![在这里插入图片描述][89ad53f69fe9491cb51c308082b60d92.png]  
现在创建一个新的topic，副本数设置为3，分区数设置为2：

bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 3 --partitions 2 --topic my-replicated-topic

**查看下topic的情况**

bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic

![在这里插入图片描述][8b724e3c88ee4787a0307b1b52ce84b7.png]  
以下是输出内容的解释，第一行是所有分区的概要信息，之后每一行表示每一个partition的信息。

*  leader节点负责给定partition的所有读写请求，同一个主题不同分区leader副本一般不一样（为了容灾）
 *  replicas表示某个partition在哪几个broker上存在备份。不管这几个是不是“leader”，甚至这个节点挂了，也会列出。
 *  isr是replicas的一个子集，它只列出当前还存活着的，并且**已同步备份**了该partition的节点。

现在我们向新建的my-replicated-topic中发送一些message，kafka集群可以加上所有kafka节点：  
![在这里插入图片描述][2a8e475626dc42b59397cd3bd2461173.png]  
现在开始消费：  
![在这里插入图片描述][287104d5d5b54f888c94ef528804f6c7.png]  
现在我们来测试我们的容错性，因为broker1目前是my-replicated-topic的分区0的leader，所以我们将其kill

ps -ef | grep server-1.properties
    kill 43480

现在再执行命令：

bin/kafka-topics.sh --describe --zookeeper localhost:2181 --topic my-replicated-topic

![在这里插入图片描述][33ebcf5f2f354beaa9cab0355bcae759.png]  
我们可以看到，分区0的leader节点已经变成了broker 0。要注意的是，在Isr中，已经没有了1号节点。leader的选举也是从ISR（in-sync replica）中进行的。  
此时，我们依然可以消费新消息：  
![在这里插入图片描述][6bf40377c6874198ab373052b399818d.png]  
查看主题分区对应的leader信息：  
![在这里插入图片描述][922d49168e9041ed9e4542641356fa4d.png]  
**kafka将很多集群关键信息记录在zookeeper里，保证自己的无状态，从而在水平扩容时非常方便。**

### 集群消费 ###

--------------------

log的partitions分布在kafka集群中不同的broker上，每个broker可以请求备份其它broker上partition上的数据。kafka集群支持配置一个partition备份的数量。  
针对每个partition，都有一个broker起到“leader”的作用，0个或多个其它broker作为“follwers”的作用。  
\*\*leader处理所有的针对这个partiion的去写请求，而followers被动复制leader的结果，不提供读写（主要是为了保证多副本数据与消费的一致性）。\*\*如果这个leader失效了，其中的一个follwer将会自动的变成新的leader。

**Producers**  
生产者将消息发送到topic中去，同时负责选择将message发送到topic的哪一个partition中。通过round-robin做简单的负载均衡。也可以根据消息中的某一个关键字来进行区分。通常第二种方式使用的更多。

**Consumers**  
传统的消息传递模式有两种：队列（queue）和（publish-subscribe）  
1）queue模式：多个consumer从服务器中读取数据，消息只会达到一个consumer。  
2）publish-subscribe模式：消息会被广播给所有的consumer。

kafka基于这2种模式提供了一种consumer的抽象概念：consumer group。  
1）queue模式：所有的consumer都位于同一个consumer group下。  
2）publish-subscribe模式：所有的consumer都有着自己唯一的cconsumer group。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_17_color_FFFFFF_t_70_g_se_x_16]  
上图说明：由2个broker组成的kafka集群，某个主题总共有4个partition（P0-P3），分别位于不同的broker上。这个集群由2个Consumer Group消费，A有2个consumer instances，B有4个。  
通常一个topic会有几个consumer group，每个consumer group都有一个逻辑上的订阅者（logical subscriber）。每个consumer group由多个consumer instance组成，从而达到可扩展和容灾的功能。

**消费顺序**  
一个partition同一时刻在一个consumer group中只能有一个consumer instance在消费，从而保证消费顺序。**consumer group中的consumer instance的数量不能比一个Topic中的partition的数量多，否则，多出来的consumer消费不到消息。**  
kafka只能在partition的范围内保证消息消费的局部顺序性，不能再同一个topic中的多个partition中保证总的消费的顺序性。  
如果有在总体上保证消费顺序的要求，那么我们可以通过将Topic的partition数量设置为1，将consumer group中的consumer instance数量也设置为1，但是这样会影响性能，所以kafka的顺序消费很少用。

**Java 客户端访问Kafka**

> 完整代码csdn下载地址（免下载积分）：https://download.csdn.net/download/taotao\_guiwang/30686846

引入maven依赖

<dependency>
       <groupId>org.apache.kafka</groupId>
        <artifactId>kafka-clients</artifactId>
        <version>2.4.1</version>
    </dependency>
    <dependency>
        <groupId>com.alibaba</groupId>
        <artifactId>fastjson</artifactId>
        <version>1.2.78</version>
    </dependency>

消息发送端代码

package com.example.demokafka;
    
    import java.util.Properties;
    import java.util.concurrent.CountDownLatch;
    import java.util.concurrent.ExecutionException;
    import java.util.concurrent.TimeUnit;
    
    import com.alibaba.fastjson.JSON;
    import org.apache.kafka.clients.producer.*;
    import org.apache.kafka.common.serialization.StringSerializer;
    
    
    public class MsgProducer { 
        private final static String TOPIC_NAME = "my-replicated-topic";
    
        public static void main(String[] args) throws ExecutionException, InterruptedException { 
            Properties props = new Properties();
            props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,
                    "192.168.159.129:9092,192.168.159.129:9093,192.168.159.129:9094");
            /** * 发出消息持久化机制参数 * （1）acks=0：表示producer不需要等待任何broker确认收到消息的回复， * 就可以继续发下一条消息，性能最高，但是最容易丢消息。 * （2）acks=1：至少要等待leader已经成功将数据写入本地log，但是不需要等待所有follower是否成功写入。 * 就可以继续发送下一条消息。这种情况下，如果follower没有成功备份数据，而此时leader又挂掉，则消息会丢失。 * （3）acks=-1或all：需要等待min.insync.replicas（默认为1，推荐配置大于等于2）这个参数配置 * 的副本个数都成功写入日志，这种策略会保证只要有一个备份存活就不会丢失数据。这是最强的数据保证。一般除非是 * 金融级别，或跟钱打交道的场景才会使用这种配置。 */
            props.put(ProducerConfig.ACKS_CONFIG, "1");
    
            // 发送失败会重试，默认重试间隔100ms，重试能保证消息发送的可靠性，但是也可能造成消息的重复发送
            // 比如网络抖动，所以需要在接收者那边做好消息接收的幂等性处理
            props.put(ProducerConfig.RETRIES_CONFIG, 3);
    
            // 重试间隔设置(ms)
            props.put(ProducerConfig.RETRY_BACKOFF_MS_CONFIG, 300);
    
            // 设置发送消息的本地缓冲区，如果设置了改缓冲区，消息会先发送到本地缓冲区，可以提高消息
            // 发送性能，默认值是33554432，即32M
            props.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);
    
            // kafka本地线程会从缓冲区取数据，批量发给broker
            // 设置批量发送消息的大小，默认值是16384，即16kb，就是一个batch满16kb就发送出去
            props.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);
    
            // 默认值是0，意思是消息必须立即被发送，但这样会影响性能，一般设置10毫秒左右，就是说
            // 这个消息发送完成后会进入本地的一个batch，如果10毫秒内，这个batch满了16kb就会随
            // batch一起被发送出去，如果10毫秒内，batch没满，那么也必须把消息发送出去，不能让消息
            // 延迟时间太长
            props.put(ProducerConfig.LINGER_MS_CONFIG, 10);
    
            // 把发送的key从字符串序列化为字节数组
            props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
            // 把发送消息value从字符串序列化为字节数组
            props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
    
            Producer<String, String> producer = new KafkaProducer<>(props);
    
            int msgNum = 5;
            final CountDownLatch countDownLatch = new CountDownLatch(msgNum);
            for(int i=0;i <= msgNum;++i){ 
                Order order = new Order(i, 100 + i, 1, 1000.0);
                // 指定发送分区
                /*ProducerRecord<String, String> producerRecord new ProducerRecord<String, String>( TOPIC_NAME, 0, order.getOrderId().toString(), JSON.toJSONString(order) );*/
    
                // 未指定发送分区
                ProducerRecord<String, String> producerRecord = new ProducerRecord<String, String>(
                        TOPIC_NAME, order.getOrderId().toString(), JSON.toJSONString(order)
                );
    
                // 等待消息发送成功的同步阻塞方法
                /*RecordMetadata metadata = producer.send(producerRecord).get(); System.out.println("同步方式发送消息结果：topic-" + metadata.topic() + "|partition-" + metadata.partition() + "|offset-" + metadata.offset());*/
    
                // 异步回调方式发送消息
                producer.send(producerRecord, new Callback() { 
                    @Override
                    public void onCompletion(RecordMetadata recordMetadata, Exception e) { 
                        if(e!=null){ 
                            System.out.println("异步消息发送失败：" + e.getStackTrace());
                        }
                        if(recordMetadata != null){ 
                            System.out.println("异步方式发送消息结果：topic-" + recordMetadata.topic() + "|partition-" +
                                    recordMetadata.partition() + "|offset-" + recordMetadata.offset());
                        }
                        countDownLatch.countDown();
                    }
                });// send
    
            }// for
    
            countDownLatch.await(5, TimeUnit.SECONDS);
            producer.close();
        }
    }

消息接收端代码

package com.example.demokafka;
    
    import org.apache.kafka.clients.consumer.*;
    import org.apache.kafka.common.PartitionInfo;
    import org.apache.kafka.common.TopicPartition;
    import org.apache.kafka.common.internals.Topic;
    import org.apache.kafka.common.serialization.StringDeserializer;
    
    import java.time.Duration;
    import java.util.*;
    
    public class MsgConsumer { 
        private final static String TOPIC_NAME = "my-replicated-topic";
        private final static String CONSUMER_GROUP_NAME = "testGroup";
    
        public static void main(String[] args) { 
            Properties props = new Properties();
            props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,
                    "192.168.159.129:9092,192.168.159.129:9093,192.168.159.129:9094");
            // 消费分组名
            props.put(ConsumerConfig.GROUP_ID_CONFIG, CONSUMER_GROUP_NAME);
            // 是否自动提交offset，默认是true
            props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");
            // 自动提交offset的间隔时间
            props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");
            /* 当消费主题的是一个新的消费组，或者指定offset的消费方式，offset不存在，那么应该如何消费： latest(默认) ：只消费自己启动之后发送到主题的消息； earliest：第一次从头开始消费，以后按照消费offset记录继续消费，这个需要区别于consumer.seekToBeginning(每次都从头开始消费)。 */
            props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");
    
            /* consumer给broker发送心跳的间隔时间，broker接收到心跳如果此时有rebalance发生会通过心跳响应将 rebalance方案下发给consumer，这个时间可以稍微短一点 */
            props.put(ConsumerConfig.HEARTBEAT_INTERVAL_MS_CONFIG, 1000);
    
            /* 服务端broker多久感知不到一个consumer心跳就认为他故障了，会将其踢出消费组， 对应的Partition也会被重新分配给其他consumer，默认是10秒 */
            props.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, 10 * 1000);
    
            // 一次poll最大拉取消息的条数，如果消费者处理速度很快，可以设置大点，如果处理速度一般，可以设置小点
            props.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, 500);
    
            /* 如果两次poll操作间隔超过了这个时间，broker就会认为这个consumer处理能力太弱， 会将其踢出消费组，将分区分配给别的consumer消费 */
            props.put(ConsumerConfig.MAX_POLL_INTERVAL_MS_CONFIG, 30 * 1000);
            props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
            props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
            KafkaConsumer<String, String> consumer = new KafkaConsumer<String, String>(props);
    
            consumer.subscribe(Arrays.asList(TOPIC_NAME));
    
            // 消费指定的分区
            //consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0)));
    
            // 消息回溯消费
            /*consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0))); consumer.seekToBeginning(Arrays.asList(new TopicPartition(TOPIC_NAME, 0)));*/
    
            // 指定offset消费
            /*consumer.assign(Arrays.asList(new TopicPartition(TOPIC_NAME, 0))); consumer.seek(new TopicPartition(TOPIC_NAME, 0), 10);*/
    
            // 从指定时间点开始消费
            /*List<PartitionInfo> topicPartitions = consumer.partitionsFor(TOPIC_NAME); // 从1小时前开始消费 long fetchDataTime = System.currentTimeMillis() - 1000 * 60 * 60; Map<TopicPartition, Long> map = new HashMap<>(); for(PartitionInfo par : topicPartitions){ map.put(new TopicPartition(TOPIC_NAME, par.partition()), fetchDataTime); }// for Map<TopicPartition, OffsetAndTimestamp> parMap = consumer.offsetsForTimes(map); for (Map.Entry<TopicPartition, OffsetAndTimestamp> entry : parMap.entrySet()) { TopicPartition key = entry.getKey(); OffsetAndTimestamp value = entry.getValue(); if (key == null || value == null) { continue; } Long offset = value.offset(); System.out.println("partition‐" + key.partition() + "|offset‐" + offset); System.out.println(); //根据消费里的timestamp确定offset if (value != null) { consumer.assign(Arrays.asList(key)); consumer.seek(key, offset); } }// for*/
    
            while(true){ 
                // poll() API 拉取消息的长轮询
                ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(1000));
                for(ConsumerRecord<String, String> record : records){ 
                    System.out.printf("收到消息：partition = %d, offset = %d, key = %s, value = %s%n", record.partition(),
                            record.offset(), record.key(), record.value());
                }
    
                /*if(records.count() > 0){ // 手动同步提交offset，当前线程提交offset不会阻塞，可以继续处理后面的程序逻辑 consumer.commitAsync(new OffsetCommitCallback() { @Override public void onComplete(Map<TopicPartition, OffsetAndMetadata> map, Exception e) { if(e != null){ System.err.println("Commit failed for " + map); System.err.println("Commit failed exception " + e.getStackTrace()); } } }); }// if*/
            }// while
        }
    }

### Spring Boot整合kafka ###

> 完整代码csdn下载地址（免下载积分）：https://download.csdn.net/download/taotao\_guiwang/30688182

引入spring boot kafka依赖

<?xml version="1.0" encoding="UTF-8"?>
    <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
        <modelVersion>4.0.0</modelVersion>
        <parent>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-parent</artifactId>
            <version>2.1.2.RELEASE</version>
            <relativePath/> 
        </parent>
        <groupId>com.example</groupId>
        <artifactId>demokafkaboot</artifactId>
        <version>0.0.1-SNAPSHOT</version>
        <name>demokafkaboot</name>
        <description>Demo project for Spring Boot</description>
        <properties>
            <java.version>1.8</java.version>
        </properties>
        <dependencies>
            <dependency>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-starter-web</artifactId>
            </dependency>
    
            <dependency>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-devtools</artifactId>
                <scope>runtime</scope>
                <optional>true</optional>
            </dependency>
            <dependency>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-configuration-processor</artifactId>
                <optional>true</optional>
            </dependency>
            <dependency>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-starter-test</artifactId>
                <scope>test</scope>
            </dependency>
            <dependency>
                <groupId>com.alibaba</groupId>
                <artifactId>fastjson</artifactId>
                <version>1.2.78</version>
            </dependency>
            <dependency>
                <groupId>org.springframework.kafka</groupId>
                <artifactId>spring-kafka</artifactId>
            </dependency>
        </dependencies>
    
        <build>
            <plugins>
                <plugin>
                    <groupId>org.springframework.boot</groupId>
                    <artifactId>spring-boot-maven-plugin</artifactId>
                </plugin>
            </plugins>
        </build>
    
    </project>

application.yml配置如下：

server:
      port: 8080
    
    spring:
      kafka:
        bootstrap-servers: 192.168.159.129:9092,192.168.159.129:9093,192.168.159.129:9094
        producer: # 生产者
          retries: 3 # 设置大于0值，则客户端会将发送失败的记录重新发送
          batch-size: 16384
          buffer-memory: 33554432
          acks: 1
          # 指定消息key和消息体的编解码方式
          key-serializer: org.apache.kafka.common.serialization.StringSerializer
          value-serializer: org.apache.kafka.common.serialization.StringSerializer
        consumer: # 消费者
          group-id: default-group
          enable-auto-commit: false
          auto-offset-reset: earliest
          key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
          value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
        listener:
          # 当每一条记录被消费者监听器（ListenerConsumer）处理之后提交
          # RECORD
          # 当每一批poll()的数据被消费者监听器（ListenerConsumer）处理之后提交
          # BATCH
          # 当每一批poll()的数据被消费者监听器（ListenerConsumer）处理之后，距离上次提交时间大于TIME时提交
          # TIME
          # 当每一批poll()的数据被消费者监听器（ListenerConsumer）处理之后，被处理record数量大于等于COUNT时提交
          # COUNT
          # TIME | COUNT 有一个条件满足时提交
          # COUNT_TIME
          # 当每一批poll()的数据被消费者监听器（ListenerConsumer）处理之后, 手动调用Acknowledgment.acknowledge()后提交
          # MANUAL
          # 手动调用Acknowledgment:acknowledge()后立即提交，一般使用这种
          # MANUAL_IMMEDIATE
          ack-mode: MANUAL_IMMEDIATE

发送者代码：

package com.example.demokafka.kafka;
    
    import org.springframework.beans.factory.annotation.Autowired;
    import org.springframework.web.bind.annotation.RequestMapping;
    import org.springframework.web.bind.annotation.RestController;
    import org.springframework.kafka.core.KafkaTemplate;
    
    @RestController
    public class MyProducer { 
        private final static String TOPIC_NAME = "my-replicated-topic";
    
        @Autowired
        private KafkaTemplate<Object, Object> kafkaTemplate;
    
        @RequestMapping("/send")
        public void send(){ 
            kafkaTemplate.send(TOPIC_NAME, 0,"key","this a msg");
        }
    
    }

消费者代码：

package com.example.demokafka.kafka;
    
    import org.apache.kafka.clients.consumer.ConsumerRecord;
    import org.springframework.kafka.annotation.KafkaListener;
    import org.springframework.kafka.support.Acknowledgment;
    import org.springframework.stereotype.Component;
    
    @Component
    public class MyConsumer { 
    
        /** * @KafkaListener(groupId = "testGroup", topicPartitions = { * @TopicPartition(topic = "topic1", partitions = {"0", "1"}), * @TopicPartition(topic = "topic2", partitions = "0", * partitionOffsets = @PartitionOffset(partition = "1", * initialOffset = "100")) },concurrency = "6") * //concurrency就是同组下的消费者个数，就是并发消费数，必须小于等于分区总数 * @param record * @param ack */
        @KafkaListener(topics = "my-replicated-topic", groupId = "testGroup")
        public void listenTestGroup(ConsumerRecord<String, String> record, Acknowledgment ack){ 
            String value = record.value();
            System.out.println(value);
            System.out.println(record);
            // 手动提交offset
            ack.acknowledge();
        }
    
        /**@KafkaListener(topics = "my-replicated-topic", groupId = "testGroup1") public void listenTestGroup1(ConsumerRecord<String, String> record, Acknowledgment ack){ String value = record.value(); System.out.println(value); System.out.println(record); // 手动提交offset ack.acknowledge(); }*/
    }

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/9160502eb8dc477ba76a88b86421d96b.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/e81486a270be47aeb806e9ceb2f2b1f1.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/00d946cb5f044356b7f59489523df224.png
[0a62cd9606a24ca2a4dffa802e6c59c4.png]: /images/20220828/d376f0a76d40404e8def76ae74194101.png
[f241b6d0f96e4e1b91ee9ca65bc582c9.png]: /images/20220828/e89629f9a8294d71a47802d732e09149.png
[09ca11b9bb6f45f2973ff726fc1ce74b.png]: /images/20220828/0d7f8d6b39e04453b4d514c86ebcdf24.png
[bd913a1cd02148c3859aede048698dbc.png]: /images/20220828/9d690174e0704ddda097fe96608f1967.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_15_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/68dddb2557f44831894472dd526aea0b.png
[e77e11b4ac4d427c9bb3789ed851c425.png]: /images/20220828/fb147e21695749ee8256fad8061a0171.png
[7883cc69aab5454e8f25612a98195dde.png]: /images/20220828/109aa40cb225405da1aa890a76ebefe7.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_20_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/f8462f4a34194ff08da77a9805cf5b10.png
[a749261c35634e8a918247c2dd293e27.png]: /images/20220828/5bcbaf7513b64b80905c5227e6b90601.png
[110a6a4c23e94d7c9663d01f921c5a8e.png]: /images/20220828/5b500a33e743443da8f77533b777f877.png
[89ad53f69fe9491cb51c308082b60d92.png]: /images/20220828/5be7583ffc8446889d09ff530a37eb64.png
[8b724e3c88ee4787a0307b1b52ce84b7.png]: /images/20220828/7272b9293c3b4c338928711bd88735d0.png
[2a8e475626dc42b59397cd3bd2461173.png]: /images/20220828/a08ed10b946c49daa3da5aab9028a31e.png
[287104d5d5b54f888c94ef528804f6c7.png]: /images/20220828/223228872bae427691e5e7939226d11f.png
[33ebcf5f2f354beaa9cab0355bcae759.png]: /images/20220828/d94563e05d994277ad8fd6ccf044d386.png
[6bf40377c6874198ab373052b399818d.png]: /images/20220828/e3593097d19e4aca8ab45604d7260456.png
[922d49168e9041ed9e4542641356fa4d.png]: /images/20220828/c997170a05024847bf9b69262070a636.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY29yZTgxNQ_size_17_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/bf8f3765d6714fcfaf5a25b5666d7183.png