--- title: 消息中间件之 Kafka date: 2020-04-21 13:40:23 categories: - 应用框架 tags: - BigData --- ## 目录 - [概述](#概述) - [快速入门](#快速入门) - [架构深入](#架构深入) - [kafka API](#kafka API) - [kafka 监控](#kafka监控) - [flume对接kafka](#flume对接kafka) - [参考链接](#参考链接) - [结束语](#结束语) ## 概述 - 一句话定义 ``` Apache开源的用Scala和Java编写的基于发布/订阅模式的以队列为模型的分布式消息中间件，主要应用于大数据实时处理领域。 ``` - 维基百科 >**K**afka是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写。该项目的目标是为处理实时数据提供一个统一、高吞吐、低延迟的平台。**其**持久化层本质上是一个“按照分布式事务日志架构的大规模发布/订阅消息队列”，这使它作为企业级基础设施来处理流式数据非常有价值。**此**外，Kafka可以通过Kafka Connect连接到外部系统（用于数据输入/输出），并提供了Kafka Streams——一个Java流式处理库。 - 发展历史 ``` 1. Kafka最初是由领英开发，并随后于2011年初开源，并于2012年10月23日由Apache Incubator孵化出站。 2. 2014年11月，几个曾在领英为Kafka工作的工程师，创建了名为Confluent的新公司，并着眼于Kafka。 3. 根据2014年Quora的帖子，Jay Kreps似乎已经将它以作家弗朗茨·卡夫卡命名。 4. Kreps选择将该系统以一个作家命名是因为，它是“一个用于优化写作的系统”，而且他很喜欢卡夫卡的作品。 ``` - 基础架构 ![抱歉,图片休息了](af-mq-kafka/af-mq-kafka-001.png) ``` 1. Producer ： 消息生产者，向kafka broker发消息的客户端； 2. Consumer ： 消息消费者，向kafka broker取消息的客户端； 3. Consumer Group（CG）： 消费者组，由多个consumer组成。 消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费；消费者组之间互不影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。 4. Broker ： 消息中转角色，负责接收、存储、转发消息，在JMS规范中称为Provider。 一台kafka服务器就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic。 5. Topic ： 消息主题(逻辑分类)，可以理解为一个队列，生产者和消费者面向的都是一个topic； 6. Partition： 为了实现扩展性，一个非常大的topic可以分布到多个broker（即服务器）上，一个topic可以分为多个partition，每个partition是一个有序的队列； 7. Replica： 副本，为保证集群中的某个节点发生故障时该节点上的partition数据不丢失，且kafka仍然能够继续工作，kafka提供了副本机制，一个topic的每个分区都有若干个副本，即一个leader和若干个follower。 8. leader： 每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对象都是leader。 9. follower： 每个分区多个副本中的“从”，实时从leader中同步数据，保持和leader数据的同步。leader发生故障时，某个follower会成为新的leader。 ``` ## 快速入门 ### `安装部署` ``` 集群规划：一台VPS上部署2个broker，组成集群 软件依赖：jdk,kafka 防火墙设置：如果是开发环境,直接关闭防火墙；如果是生产环境,就需要配置防火墙，增加端口规则 ``` --- 1. 安装JDK并配置环境变量（省略） 2. 下载[kafka程序包](http://kafka.apache.org/downloads.html) ``` # wget -P /opt/setups https://mirrors.tuna.tsinghua.edu.cn/apache/kafka/2.5.0/kafka_2.12-2.5.0.tgz ``` 3. 解压到指定目录 ``` # mkdir -pv /usr/program # tar -zxvf kafka_2.12-2.5.0.tgz -C /usr/program/ ``` 4. 配置环境变量 ``` [root@144 ~]# vim /etc/profile.d/my.sh # kafka KAFKA_HOME=/usr/program/kafka_2.12-2.5.0 PATH=$KAFKA_HOME/bin:$PATH export KAFKA_HOME export PATH [root@144 ~]# source /etc/profile.d/my.sh ``` 5. 创建相关日志文件夹 ``` # mkdir -pv /tmp/kafka-logs/{1,2} # mkdir -pv /tmp/zookeeper ``` 6. 配置集群参数 ``` [root@144 ~]# cp ${KAFKA_HOME}/config/server.properties ${KAFKA_HOME}/config/server-1.properties [root@144 ~]# vim ${KAFKA_HOME}/config/server-1.properties #broker的全局唯一编号，不能重复 broker.id=1 #服务端口号 listeners=PLAINTEXT://:9093 #是否开启删除topic功能，否则只是标记删除 delete.topic.enable=true #处理网络请求的线程数量 num.network.threads=3 #用来处理磁盘IO的现成数量 num.io.threads=8 #发送套接字的缓冲区大小 socket.send.buffer.bytes=102400 #接收套接字的缓冲区大小 socket.receive.buffer.bytes=102400 #请求套接字的缓冲区大小 socket.request.max.bytes=104857600 #kafka运行日志存放的路径 log.dirs=/tmp/kafka-logs/1 #topic在当前broker上的分区个数 num.partitions=1 #用来恢复和清理data下数据的线程数量 num.recovery.threads.per.data.dir=1 #segment文件保留的最长时间，超时将被删除 log.retention.hours=168 #配置连接Zookeeper集群地址，多个用逗号分隔 zookeeper.connect=localhost:2181 ``` ``` [root@144 ~]# cp ${KAFKA_HOME}/config/server-1.properties ${KAFKA_HOME}/config/server-2.properties [root@144 ~]# vim ${KAFKA_HOME}/config/server-2.properties #broker的全局唯一编号，不能重复 broker.id=2 #服务端口号 listeners=PLAINTEXT://:9094 #kafka运行日志存放的路径 log.dirs=/tmp/kafka-logs/2 ... ``` 7. 启动集群 ``` [root@144 ~]# cd ${KAFKA_HOME}/bin [root@144 bin]# zookeeper-server-start.sh -daemon ../config/zookeeper.properties [root@144 bin]# kafka-server-start.sh -daemon ../config/server-1.properties [root@144 bin]# kafka-server-start.sh -daemon ../config/server-2.properties ``` 8. 关闭集群 ``` [root@144 bin]# kafka-server-stop.sh stop ``` ### `命令行操作` - 查看当前服务器中的所有topic ``` [root@144 bin]# kafka-topics.sh --zookeeper 127.0.0.1:2181 --list ``` - 创建topic ``` [root@144 bin]# kafka-topics.sh --zookeeper 127.0.0.1:2181 --create --replication-factor 2 --partitions 2 --topic test ``` - 查看某个topic详情 ``` [root@144 bin]# kafka-topics.sh --zookeeper 127.0.0.1:2181 --describe --topic test ``` - 删除topic ``` [root@144 bin]# kafka-topics.sh --zookeeper 127.0.0.1:2181 --delete --topic test ``` - 修改分区数 ``` [root@144 bin]# kafka-topics.sh --zookeeper 127.0.0.1:2181 --alter --topic test --partitions 3 ``` - 发送消息 ``` [root@144 bin]# kafka-console-producer.sh --broker-list 127.0.0.1:9093 --topic test ``` - 消费消息 ``` [root@144 bin]# kafka-console-consumer.sh --bootstrap-server 127.0.0.1:9093 --topic test --from-beginning ``` ## 架构深入 ### `工作流程及文件存储机制` ![抱歉,图片休息了](af-mq-kafka/af-mq-kafka-002.png) ``` Kafka中的消息是以topic进行分类的，生产者生产消息，消费者消费消息，都是面向topic的。 topic是逻辑上的概念，而partition是物理上的概念，每个partition对应于一个log文件，该log文件中存储的就是producer生产的数据。 Producer生产的数据会被不断追加到该log文件末端，且每条数据都有自己的offset。 消费者组中的每个消费者，都会实时记录自己消费到了哪个offset，以便出错恢复时，从上次的位置继续消费。 ``` ![抱歉,图片休息了](af-mq-kafka/af-mq-kafka-003.png) ``` 由于生产者生产的消息会不断追加到log文件末尾，为防止log文件过大导致数据定位效率低下，Kafk采取了分片和索引机制，将每个partition分为多个segment。 每个segment对应两个文件——“.index”文件和“.log”文件。这些文件位于一个文件夹下，该文件夹的命名规则为： 新版本存储好像有变化 topic名称+分区序号。例如，test这个topic有2个分区，则其对应的文件夹为test-0,test-1。index和log文件以当前segment的第一条消息的offset命名。 ``` ![抱歉,图片休息了](af-mq-kafka/af-mq-kafka-004.png) ``` index文件存储大量的索引信息，log文件存储大量的数据，索引文件中的元数据指向对应数据文件中message的物理偏移地址。 ``` ### `生产者` - 分区策略 ``` 1.分区的原因 a.方便在集群中扩展，每个Partition可以通过调整以适应它所在的机器，而一个topic又可以有多个Partition组成，因此整个集群就可以适应任意大小的数据了； b.可以提高并发，因为可以以Partition为单位读写了。 2.分区的原则 我们需要将producer发送的数据封装成一个ProducerRecord对象。 a.指明partition的情况下，直接将指明的值直接作为partiton值； b.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； c.既没有partition值又没有key值的情况下，第一次调用时随机生成一个整数（后面每次调用在这个整数上自增），将这个值与topic可用的partition总数取余得到partition值，也就是常说的round-robin算法。 ``` - 数据可靠性保证 ``` 为保证producer发送的数据，能可靠的发送到指定的topic，topic的每个partition收到producer发送的数据后， 都需要向producer发送ack（acknowledgement确认收到），如果producer收到ack，就会进行下一轮的发送，否则重新发送数据。 --- 何时发送ack? 确保有follower与leader同步完成，leader再发送ack，这样才能保证leader挂掉之后，能在follower中选举出新的leader。 --- 多少个follower同步完成后发送ack? 一种方案是半数以上的follower同步完成，即可发送ack。优点是延迟低；缺点是选举新的leader时，容忍n台节点的故障，需要2n+1个副本 另一种方案是全部的follower同步完成，才可以发送ack。优点是选举新的leader时，容忍n台节点的故障，需要n+1个副本；缺点是延迟高 --- Kafka选择了第二种方案，原因如下： 1.同样为了容忍n台节点的故障，第一种方案需要2n+1个副本，而第二种方案只需要n+1个副本，而Kafka的每个分区都有大量的数据，第一种方案会造成大量数据的冗余。 2.虽然第二种方案的网络延迟会比较高，但网络延迟对Kafka的影响较小。 ``` ``` 采用第二种方案之后，设想以下情景：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leader就要一直等下去，直到它完成同步，才能发送ack。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集合。当ISR中的follower完成数据的同步之后，leader就 会给producer发送ack。如果follower长时间未向leader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。 Leader发生故障之后，就会从ISR中选举新的leader。 ``` ``` 对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失，所以没必要等ISR中的follower全部接收成功。 所以Kafka为用户提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡，对acks参数配置。 --- 0：producer不等待broker的ack，这一操作提供了一个最低的延迟，broker一接收到还没有写入磁盘就已经返回，当broker故障时有可能丢失数据； 1：producer等待broker的ack，partition的leader落盘成功后返回ack，如果在follower同步成功之前leader故障，那么将会丢失数据； -1（all）：producer等待broker的ack，partition的leader和follower全部落盘成功后才返回ack。但是如果在follower同步完成后，broker发送ack之前，leader发生故障，那么会造成数据重复。 ``` ``` LEO：指的是每个副本最大的offset； HW：指的是消费者能见到的最大的offset，ISR队列中最小的LEO。 --- 1. follower故障 follower发生故障后会被临时踢出ISR，待该follower恢复后，follower会读取本地磁盘记录的上次的HW，并将log文件高于HW的部分截取掉， 从HW开始向leader进行同步。等该follower的LEO大于等于该Partition的HW，即follower追上leader之后，就可以重新加入ISR了。 2. leader故障 leader发生故障之后，会从ISR中选出一个新的leader，之后为保证多个副本之间的数据一致性，其余的follower会先将各自的log文件高于HW 的部分截掉，然后从新的leader同步数据。这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。 ``` ### `消费者` - 消费方式 ``` consumer采用pull（拉）模式从broker中读取数据。 --- push（推）模式很难适应消费速率不同的消费者，因为消息发送速率是由broker决定的。它的目标是尽可能以最快速度传递消息， 但是这样很容易造成consumer来不及处理消息，典型的表现就是拒绝服务以及网络拥塞。而pull模式则可以根据consumer的消 费能力以适当的速率消费消息。 --- pull模式不足之处是，如果kafka没有数据，消费者可能会陷入循环中，一直返回空数据。针对这一点，Kafka的消费者在消费数据时 会传入一个时长参数timeout，如果当前没有数据可供消费，consumer会等待一段时间之后再返回，这段时长即为timeout。 ``` - 分区分配策略 ``` 一个consumer group中有多个consumer，一个topic有多个partition，所以必然会涉及到partition的分配问题，即确定哪个 partition由哪个consumer来消费。Kafka有两种分配策略，一是RoundRobin，一是Range。 --- 同一个消费者组中的消费者，同一时刻只能有一个消费者消费。 ``` - offset的维护 ``` 由于consumer在消费过程中可能会出现断电宕机等故障，consumer恢复后，需要从故障前的位置的继续消费，所以consumer需要实时 记录自己消费到了哪个offset，以便故障恢复后继续消费。所以offset的维护是Consumer消费数据是必须考虑的问题。 --- Kafka 0.11版本之前，consumer默认将offset保存在Zookeeper中，从0.11版本开始，consumer默认将offset保存在Kafka一个内置 的topic中，该 topic为__consumer_offsets。 ``` ### `高效读写数据` ``` 1. 顺序写磁盘 Kafka的producer生产数据，要写入到log文件中，写的过程是一直追加到文件末端，为顺序写。 官网有数据表明，同样的磁盘，顺序写能到600M/s，而随机写只有100K/s。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间。 2. 零复制技术 ``` ### `zk的作用` ``` Kafka集群中有一个broker会被选举为Controller，负责管理集群broker的上下线，所有topic的分区副本分配和leader选举等工作。 Controller的管理工作都是依赖于Zookeeper的。 ``` ### `事务` ``` Kafka从0.11版本开始引入了事务支持。事务可以保证Kafka在Exactly Once语义的基础上，生产和消费可以跨分区和会话，要么全部成功，要么全部失败。 --- Producer事务 为了实现跨分区跨会话的事务，需要引入一个全局唯一的Transaction ID，并将Producer获得的PID和Transaction ID绑定。这样当Producer重启后就 可以通过正在进行的Transaction ID获得原来的 PID。 为了管理Transaction，Kafka引入了一个新的组件Transaction Coordinator。Producer就是通过和Transaction Coordinator交互获得Transaction ID 对应的任务状态。TransactionCoordinator还负责将事务所有写入Kafka的一个内部Topic，这样即使整个服务重启，由于事务状态得到保存，进行中的事务状态 可以得到恢复，从而继续进行。 --- Consumer事务 上述事务机制主要是从Producer方面考虑，对于Consumer而言，事务的保证就会相对较弱，尤其是无法保证Commit的信息被精确消费。这是由于Consumer 可以通过offset访问任意信息，而且不同的Segment File生命周期不同，同一事务的消息可能会出现重启后被删除的情况。 ``` ## kafka API ### `Producer API` - 消息发送流程 ``` Kafka的Producer发送消息采用的是异步发送的方式。在消息发送的过程中，涉及到了两个线程——main线程和Sender线程， 以及一个线程共享变量——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。 linger.ms： 如果数据迟迟未达到 batch.size，sender等待linger.time之后就会发送数据。 ``` ![抱歉,图片休息了](af-mq-kafka/af-mq-kafka-005.png) - 异步发送API ```java @Slf4j public class Procuder { // 带回调函数的API public static void main(String[] args) { Properties props = new Properties(); //kafka集群，broker-list props.put("bootstrap.servers", "hexo.lvzhiqiang.top:9093"); //ack应答机制 props.put("acks", "all"); //重试次数 props.put("retries", 1); //批次大小 只有数据积累到batch.size之后，sender才会发送数据 props.put("batch.size", 16384); //等待时间 如果数据迟迟未达到batch.size，sender等待linger.time之后就会发送数据 props.put("linger.ms", 1); //缓冲区大小 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"); KafkaProducer producer = new KafkaProducer<>(props); SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); for (int i = 0; i < 100; i++) { int finalI = i; producer.send(new ProducerRecord<>("test", Integer.toString(i), Integer.toString(i)), new Callback() { //回调函数，该方法会在Producer收到ack时调用，为异步调用 //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 @Override public void onCompletion(RecordMetadata recordMetadata, Exception e) { if (null == e) { log.info("{}->success->{}->{}", finalI, sdf.format(new Date()), recordMetadata.offset()); } else { log.warn("{}->fail->{}", finalI, sdf.format(new Date()), e); } } }); } producer.close(); } } ``` - 同步发送API ``` 同步发送的意思就是，一条消息发送之后，会阻塞当前线程，直至返回ack。 由于send方法返回的是一个Future对象，根据Futrue对象的特点，我们只需再调用Future对象的get方法即可实现同步发送的效果。 ``` ### `Consumer API` - offset维护 ``` Consumer消费数据时的可靠性是很容易保证的，因为数据在Kafka中是持久化的，故不用担心数据丢失问题。 为了使我们能够专注于自己的业务逻辑，Kafka提供了自动提交offset的功能。 --- 虽然自动提交offset十分简洁便利，但由于其是基于时间提交的，开发人员难以把握offset提交的时机。 因此Kafka还提供了手动提交offset的API。手动提交offset的方法有两种：分别是commitSync（同步提交）和commitAsync（异步提交）。 两者的相同点是，都会将本次poll的一批数据最高的偏移量提交；不同点是，commitSync阻塞当前线程，一直到提交成功，并且会自动失 败重试（由不可控因素导致，也会出现提交失败）；而commitAsync则没有失败重试机制，故有可能提交失败。 --- 虽然同步提交offset更可靠一些，但是由于其会阻塞当前线程，直到提交成功。因此吞吐量会收到很大的影响。因此更多的情况下， 会选用异步提交offset的方式。 --- 无论是同步提交还是异步提交offset，都有可能会造成数据的漏消费或者重复消费。先提交offset后消费，有可能造成数据的漏消费； 而先消费后提交offset，有可能会造成数据的重复消费。 ``` - 自动提交offset ```java @Slf4j public class Consumer { public static void main(String[] args) { Properties props = new Properties(); //kafka集群，broker-list props.put("bootstrap.servers", "144.34.207.84:9093"); //消费者组，只要group.id相同，就属于同一个消费者组 props.put("group.id", "test"); //是否开启自动提交offset功能 props.put("enable.auto.commit", "true"); //自动提交offset的时间间隔 props.put("auto.commit.interval.ms", "100000"); //key,value反序列化 props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); KafkaConsumer consumer = new KafkaConsumer<>(props); SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); // 订阅主题 consumer.subscribe(Arrays.asList("test")); while (true) { // 拉取数据 ConsumerRecords records = consumer.poll(Duration.ofMillis(1000L)); // 消费数据 for (ConsumerRecord record : records) { log.info("{},offset={},key={},value={}", sdf.format(new Date()), record.offset(), record.key(), record.value()); } } } } ``` - 手动提交offset ```java @Slf4j // 同步 public class Consumer { public static void main(String[] args) { Properties props = new Properties(); //kafka集群，broker-list props.put("bootstrap.servers", "144.34.207.84:9093"); //消费者组，只要group.id相同，就属于同一个消费者组 props.put("group.id", "test"); //关闭自动提交offset props.put("enable.auto.commit", "false"); //key,value反序列化 props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); KafkaConsumer consumer = new KafkaConsumer<>(props); SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); // 订阅主题 consumer.subscribe(Arrays.asList("test")); while (true) { // 拉取数据 ConsumerRecords records = consumer.poll(Duration.ofMillis(1000L)); // 消费数据 for (ConsumerRecord record : records) { log.info("{},offset={},key={},value={}", sdf.format(new Date()), record.offset(), record.key(), record.value()); } //同步提交，当前线程会阻塞直到offset提交成功 consumer.commitSync(); } } } ``` ```java @Slf4j // 异步 public class Consumer { public static void main(String[] args) { Properties props = new Properties(); //kafka集群，broker-list props.put("bootstrap.servers", "144.34.207.84:9093"); //消费者组，只要group.id相同，就属于同一个消费者组 props.put("group.id", "test"); //关闭自动提交offset props.put("enable.auto.commit", "false"); //key,value反序列化 props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); KafkaConsumer consumer = new KafkaConsumer<>(props); SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); // 订阅主题 consumer.subscribe(Arrays.asList("test")); while (true) { // 拉取数据 ConsumerRecords records = consumer.poll(Duration.ofMillis(1000L)); // 消费数据 for (ConsumerRecord record : records) { log.info("{},offset={},key={},value={}", sdf.format(new Date()), record.offset(), record.key(), record.value()); } //异步提交 consumer.commitAsync(new OffsetCommitCallback() { @Override public void onComplete(Map offsets, Exception exception) { if (exception != null) { log.error("Commit failed for {}", offsets, exception); } } }); } } } ``` - 自定义存储offset ``` offset除了可以存储在zookeeper或者内置的topic中。Kafka还可以选择自定义存储offset。 --- offset的维护是相当繁琐的，因为需要考虑到消费者的Rebalace。当有新的消费者加入消费者组、已有的消费者退出消费者组 或者所订阅的主题的分区发生变化，就会触发到分区的重新分配，重新分配的过程叫做Rebalance。 --- 消费者发生Rebalance之后，每个消费者消费的分区就会发生变化。因此消费者要首先获取到自己被重新分配到的分区，并且定 位到每个分区最近提交的offset位置继续消费。要实现自定义存储offset，需要借助ConsumerRebalanceListener，以下 为示例代码，其中提交和获取offset的方法，需要根据所选的offset存储系统自行实现。 ``` ```java @Slf4j public class CustomConsumer { private static Map currentOffset = new HashMap<>(); public static void main(String[] args) { //创建配置信息 Properties props = new Properties(); //kafka集群，broker-list props.put("bootstrap.servers", "144.34.207.84:9093"); //消费者组，只要group.id相同，就属于同一个消费者组 props.put("group.id", "test"); //关闭自动提交offset props.put("enable.auto.commit", "false"); //Key和Value的反序列化类 props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer"); //创建一个消费者 KafkaConsumer consumer = new KafkaConsumer<>(props); SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); //消费者订阅主题 consumer.subscribe(Arrays.asList("test"), new ConsumerRebalanceListener() { //该方法会在Rebalance之前调用 @Override public void onPartitionsRevoked(Collection partitions) { commitOffset(currentOffset); } //该方法会在Rebalance之后调用 @Override public void onPartitionsAssigned(Collection partitions) { currentOffset.clear(); for (TopicPartition partition : partitions) { //定位到最近提交的offset位置继续消费 consumer.seek(partition, getOffset(partition)); } } }); while (true) { //消费者拉取数据 ConsumerRecords records = consumer.poll(Duration.ofMillis(1000L)); //消费数据 for (ConsumerRecord record : records) { log.info("{},offset={},key={},value={}", sdf.format(new Date()), record.offset(), record.key(), record.value()); currentOffset.put(new TopicPartition(record.topic(), record.partition()), record.offset()); } //异步提交 commitOffset(currentOffset); } } //获取某分区的最新offset private static long getOffset(TopicPartition partition) { return 0; } //提交该消费者所有分区的offset private static void commitOffset(Map currentOffset) { } } ``` ### `自定义Interceptor` ## kafka监控 ## flume对接kafka ## 参考链接 ## 结束语 - 未完待续...