kafka java代码的使用[Producer和Consumer]

panjianm

用java代码对kafka消息进行消费与发送，首先我们得引入相关jar包
 
maven:

<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka_2.10</artifactId>
<version>0.8.2.1</version>
</dependency>
　　gradle:

compile("org.apache.kafka:kafka_2.10:0.8.2.1")
 
　　在新版本的kafka中（具体版本记不清楚了），添加了java代码实现的producer，consumer目前还是Scala的，之前的producer和consumer均是Scala编写的，在这里则介绍java版本的producer。
　　另一点需要特别注意：
　　当发送消息时我们不指定key时，producer将消息分发到各partition的机制是：
　　Scala版本的producer：在你的producer启动的时候，随机获得一个partition，然后后面的消息都会发送到这个partition，也就是说，只要程序启动了，这个producer都会往同一个partition里发送消息
　　java版本的producer：会轮询每个partition，所以发送的会比较平均
　　所以当使用Scala版本的producer时，尽量传入key，保证消息在partition的平均性
　　下面是具体的代码：

package cn.qlt.study.kafka;
import java.io.Serializable;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Properties;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.Future;
import kafka.consumer.Consumer;
import kafka.consumer.ConsumerConfig;
import kafka.consumer.ConsumerIterator;
import kafka.consumer.KafkaStream;
import kafka.javaapi.consumer.ConsumerConnector;
import org.apache.commons.lang.SerializationUtils;
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.clients.producer.RecordMetadata;
import cn.qlt.study.domain.User;
public class KafkaUtil {

private static KafkaProducer<String, byte[]> producer=null;
private static ConsumerConnector consumer=null;
static{
//生产者配置文件，具体配置可参考ProducerConfig类源码，或者参考官网介绍
Map<String,Object> config=new HashMap<String, Object>();
//kafka服务器地址
config.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.100.90:9092,192.168.100.91:9092");
//kafka消息序列化类 即将传入对象序列化为字节数组
config.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.ByteArraySerializer");
//kafka消息key序列化类 若传入key的值，则根据该key的值进行hash散列计算出在哪个partition上
config.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
config.put(ProducerConfig.BATCH_SIZE_CONFIG, 1024*1024*5);
//往kafka服务器提交消息间隔时间，0则立即提交不等待
config.put(ProducerConfig.LINGER_MS_CONFIG,0);
//消费者配置文件
Properties props = new Properties();
//zookeeper地址
props.put("zookeeper.connect", "192.168.100.90:2181");
//组id
props.put("group.id", "123");
//自动提交消费情况间隔时间
props.put("auto.commit.interval.ms", "1000");
ConsumerConfig consumerConfig=new ConsumerConfig(props);
producer=new KafkaProducer<String,byte[]>(config);
consumer=Consumer.createJavaConsumerConnector(consumerConfig);
}
/**
*启动一个消费程序
* @param topic 要消费的topic名称
* @param handler 自己的处理逻辑的实现
* @param threadCount 消费线程数，该值应小于等于partition个数，多了也没用
*/
public static <T extends Serializable>void startConsumer(String topic,final MqMessageHandler<T> handler,int threadCount) throws Exception{
if(threadCount<1)
throw new Exception("处理消息线程数最少为1");
//设置处理消息线程数，线程数应小于等于partition数量，若线程数大于partition数量，则多余的线程则闲置，不会进行工作
//key:topic名称 value:线程数
Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
topicCountMap.put(topic, new Integer(threadCount));
Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer.createMessageStreams(topicCountMap);
//声明一个线程池，用于消费各个partition
ExecutorService executor=Executors.newFixedThreadPool(threadCount);
//获取对应topic的消息队列
List<KafkaStream<byte[], byte[]>> streams = consumerMap.get(topic);
//为每一个partition分配一个线程去消费
for (final KafkaStream stream : streams) {
executor.execute(new Runnable() {
@Override
public void run() {
ConsumerIterator<byte[], byte[]> it = stream.iterator();
//有信息则消费，无信息将会阻塞
while (it.hasNext()){
T message=null;
try {
//将字节码反序列化成相应的对象
byte[] bytes=it.next().message();
message = (T) SerializationUtils.deserialize(bytes);
} catch (Exception e) {
e.printStackTrace();
return;
}
//调用自己的业务逻辑
try {
handler.handle(message);
} catch (Exception e) {
e.printStackTrace();
}
}
}
});
}
}
/**
*发送消息，发送的对象必须是可序列化的
*/
public static Future<RecordMetadata> send(String topic,Serializable value) throws Exception{
try {
//将对象序列化称字节码
byte[] bytes=SerializationUtils.serialize(value);
Future<RecordMetadata> future=producer.send(new ProducerRecord<String,byte[]>(topic,bytes));
return future;
}catch(Exception e){
throw e;
}
}
//内部抽象类 用于实现自己的处理逻辑
public static abstract class MqMessageHandler<T extends Serializable>{
public abstract void handle(T message);
}

public static void main(String[] args) throws Exception {
//发送一个信息
send("test",new User("id","userName", "password"));
//为test启动一个消费者，启动后每次有消息则打印对象信息
KafkaUtil.startConsumer("test", new MqMessageHandler<User>() {
@Override
public void handle(User user) {
//实现自己的处理逻辑，这里只打印出消息
System.out.println(user.toString());
}
},2);
}
}

　　 
　　相关配置解释：
　　producer:
　　1、producer的配置不需要zookeeper地址，会直接获取kafka的元数据，直接和broker进行通信
　　2、ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG即value.serializer，kafka生产者与broker之间数据是以byte进行传递的，所以这个参数的意思是把我们传入对象转换成byte[]的类，一般使用org.apache.kafka.common.serialization.ByteArraySerializer即可，我们自己把对象序列化为byte[]
　　3、ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG即key.serializer，首先说明下key值是干什么的，若我们指定了key的值，生产者则会根据该key进行hash散列计算出具体的partition。若不指定，则随机选择partition。一般情况下我们没必要指定该值。这个类与上面功能一样，即将key转换成byte[]
　　4、ProducerConfig.LINGER_MS_CONFIG即linger.ms，为了减少请求次数提高吞吐率，这个参数为每次提交间隔的次数，若设置了该值，如1000，则意味着我们的消息可能不会马上提交到kafka服务器，需要等上1秒中，才会进行批量提交。我们可以适当的配置该值。0为不等待立刻提交。
　　consumer：
　　1、zookeeper.connect：zookeeper的地址，多个之间用，分割
　　2、group.id：这个值可以随便写，但建议写点有意义的值，别随便写个123。kafka保证同一个组内的消息只会被消费一次，若需要重复消费消息，则可以配置不同的groupid。
　　3、auto.commit.interval.ms：consumer自己会记录消费的偏移量，并定时往zookeeper上提交，该值即为提交时间间隔，若该值设置太大可能会出现重复消费的情况，如我们停止了某个consumer，但该consumer还未往zookeeper提交某段时间的消费记录，这导致我们下次启动该消费者的时候，它会从上次提交的偏移量进行消费，这就导致了某些数据的重复消费。
　　注意：在杀死consumer进程后，应等一会儿再去重启，因为杀死consumer进程时，会删除zookeeper的一些临时节点，若我们马上重启的话，可能会在启动的时候那些节点还没删除掉，出现写不必要的错误