這篇文章主要講解了“如何使用kafka技術(shù)”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“如何使用kafka技術(shù)”吧！
恩施土家網(wǎng)站建設(shè)公司創(chuàng)新互聯(lián),恩施土家網(wǎng)站設(shè)計制作，有大型網(wǎng)站制作公司豐富經(jīng)驗。已為恩施土家成百上千提供企業(yè)網(wǎng)站建設(shè)服務(wù)。企業(yè)網(wǎng)站搭建\外貿(mào)網(wǎng)站制作要多少錢，請找那個售后服務(wù)好的恩施土家做網(wǎng)站的公司定做！
1）在eclipse中創(chuàng)建一個java工程
2）在工程的根目錄創(chuàng)建一個lib文件夾
3）解壓kafka安裝包，將安裝包libs目錄下的jar包拷貝到工程的lib目錄下，并build path。
4）啟動zk和kafka集群，在kafka集群中打開一個消費者
[root@hadoop102 kafka]$ bin/kafka-console-consumer.sh --zookeeper hadoop102:2181 --topic first
重慶分公司
重慶分公司
package com.root.kafka;import java.util.Properties;import kafka.javaapi.producer.Producer;import kafka.producer.KeyedMessage;import kafka.producer.ProducerConfig;public class OldProducer { @SuppressWarnings("deprecation") public static void main(String[] args) { Properties properties = new Properties(); properties.put("metadata.broker.list", "hadoop102:9092"); properties.put("request.required.acks", "1"); properties.put("serializer.class", "kafka.serializer.StringEncoder"); Producer producer = new Producer(new ProducerConfig(properties)); KeyedMessage message = new KeyedMessage("first", "hello world"); producer.send(message ); }} package com.root.kafka;import java.util.Properties;import org.apache.kafka.clients.producer.KafkaProducer;import org.apache.kafka.clients.producer.Producer;import org.apache.kafka.clients.producer.ProducerRecord;public class NewProducer { public static void main(String[] args) { Properties props = new Properties(); // Kafka服務(wù)端的主機名和端口號 props.put("bootstrap.servers", "hadoop103:9092"); // 等待所有副本節(jié)點的應(yīng)答 props.put("acks", "all"); // 消息發(fā)送最大嘗試次數(shù) props.put("retries", 0); // 一批消息處理大小 props.put("batch.size", 16384); // 請求延時 props.put("linger.ms", 1); // 發(fā)送緩存區(qū)內(nèi)存大小 props.put("buffer.memory", 33554432); // key序列化 props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); // value序列化 props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); Producer producer = new KafkaProducer<>(props); for (int i = 0; i < 50; i++) { producer.send(new ProducerRecord("first", Integer.toString(i), "hello world-" + i)); } producer.close(); }} package com.root.kafka;import java.util.Properties;import org.apache.kafka.clients.producer.Callback;import org.apache.kafka.clients.producer.KafkaProducer;import org.apache.kafka.clients.producer.ProducerRecord;import org.apache.kafka.clients.producer.RecordMetadata;public class CallBackProducer { public static void main(String[] args) {Properties props = new Properties(); // Kafka服務(wù)端的主機名和端口號 props.put("bootstrap.servers", "hadoop103:9092"); // 等待所有副本節(jié)點的應(yīng)答 props.put("acks", "all"); // 消息發(fā)送最大嘗試次數(shù) props.put("retries", 0); // 一批消息處理大小 props.put("batch.size", 16384); // 增加服務(wù)端請求延時 props.put("linger.ms", 1);// 發(fā)送緩存區(qū)內(nèi)存大小 props.put("buffer.memory", 33554432); // key序列化 props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); // value序列化 props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); KafkaProducer kafkaProducer = new KafkaProducer<>(props); for (int i = 0; i < 50; i++) { kafkaProducer.send(new ProducerRecord("first", "hello" + i), new Callback() { @Override public void onCompletion(RecordMetadata metadata, Exception exception) { if (metadata != null) { System.err.println(metadata.partition() + "---" + metadata.offset()); } } }); } kafkaProducer.close(); }} 0）需求：將所有數(shù)據(jù)存儲到topic的第0號分區(qū)上
1）定義一個類實現(xiàn)Partitioner接口，重寫里面的方法（過時API）
package com.root.kafka;import java.util.Map;import kafka.producer.Partitioner;public class CustomPartitioner implements Partitioner { public CustomPartitioner() { super(); } @Override public int partition(Object key, int numPartitions) { // 控制分區(qū) return 0; }}2）自定義分區(qū)（新API）
package com.root.kafka;import java.util.Map;import org.apache.kafka.clients.producer.Partitioner;import org.apache.kafka.common.Cluster;public class CustomPartitioner implements Partitioner { @Override public void configure(Map configs) { } @Override public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) { // 控制分區(qū) return 0; } @Override public void close() { }} 3）在代碼中調(diào)用
package com.root.kafka;import java.util.Properties;import org.apache.kafka.clients.producer.KafkaProducer;import org.apache.kafka.clients.producer.Producer;import org.apache.kafka.clients.producer.ProducerRecord;public class PartitionerProducer { public static void main(String[] args) { Properties props = new Properties(); // Kafka服務(wù)端的主機名和端口號 props.put("bootstrap.servers", "hadoop103:9092"); // 等待所有副本節(jié)點的應(yīng)答 props.put("acks", "all"); // 消息發(fā)送最大嘗試次數(shù) props.put("retries", 0); // 一批消息處理大小 props.put("batch.size", 16384); // 增加服務(wù)端請求延時 props.put("linger.ms", 1); // 發(fā)送緩存區(qū)內(nèi)存大小 props.put("buffer.memory", 33554432); // key序列化 props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); // value序列化 props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); // 自定義分區(qū) props.put("partitioner.class", "com.root.kafka.CustomPartitioner"); Producer producer = new KafkaProducer<>(props); producer.send(new ProducerRecord("first", "1", "root")); producer.close(); }} 4）測試
（1）在hadoop102上監(jiān)控/opt/module/kafka/logs/目錄下first主題3個分區(qū)的log日志動態(tài)變化情況
[root@hadoop102 first-0]$ tail -f 00000000000000000000.log[root@hadoop102 first-1]$ tail -f 00000000000000000000.log[root@hadoop102 first-2]$ tail -f 00000000000000000000.log
（2）發(fā)現(xiàn)數(shù)據(jù)都存儲到指定的分區(qū)了。
0）在控制臺創(chuàng)建發(fā)送者
[root@hadoop104 kafka]$ bin/kafka-console-producer.sh --broker-list hadoop102:9092 --topic first
>hello world
1）創(chuàng)建消費者（過時API）
package com.root.kafka.consume;import java.util.HashMap;import java.util.List;import java.util.Map;import java.util.Properties;import kafka.consumer.Consumer;import kafka.consumer.ConsumerConfig;import kafka.consumer.ConsumerIterator;import kafka.consumer.KafkaStream;import kafka.javaapi.consumer.ConsumerConnector;public class CustomConsumer { @SuppressWarnings("deprecation") public static void main(String[] args) { Properties properties = new Properties(); properties.put("zookeeper.connect", "hadoop102:2181"); properties.put("group.id", "g1"); properties.put("zookeeper.session.timeout.ms", "500"); properties.put("zookeeper.sync.time.ms", "250"); properties.put("auto.commit.interval.ms", "1000"); // 創(chuàng)建消費者連接器 ConsumerConnector consumer = Consumer.createJavaConsumerConnector(new ConsumerConfig(properties)); HashMap topicCount = new HashMap<>(); topicCount.put("first", 1); Map>> consumerMap = consumer.createMessageStreams(topicCount); KafkaStream stream = consumerMap.get("first").get(0); ConsumerIterator it = stream.iterator(); while (it.hasNext()) { System.out.println(new String(it.next().message())); } }} 2）官方提供案例（自動維護消費情況）（新API）
package com.root.kafka.consume;
import java.util.Arrays;
import java.util.Properties;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
public class CustomNewConsumer {
public static void main(String[] args) {
Properties props = new Properties();
// 定義kakfa 服務(wù)的地址，不需要將所有broker指定上
props.put("bootstrap.servers", "hadoop102:9092");
// 制定consumer group
props.put("group.id", "test");
// 是否自動確認offset
props.put("enable.auto.commit", "true");
// 自動確認offset的時間間隔
props.put("auto.commit.interval.ms", "1000");
// key的序列化類
props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
// value的序列化類
props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
// 定義consumer
KafkaConsumer consumer = new KafkaConsumer<>(props);
// 消費者訂閱的topic, 可同時訂閱多個
consumer.subscribe(Arrays.asList("first", "second","third"));
while (true) {
// 讀取數(shù)據(jù)，讀取超時時間為100ms
ConsumerRecords records = consumer.poll(100);
for (ConsumerRecord record : records)
System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
}
}
}` Producer攔截器(interceptor)是在Kafka 0.10版本被引入的，主要用于實現(xiàn)clients端的定制化控制邏輯。
對于producer而言，interceptor使得用戶在消息發(fā)送前以及producer回調(diào)邏輯前有機會對消息做一些定制化需求，比如修改消息等。同時，producer允許用戶指定多個interceptor按序作用于同一條消息從而形成一個攔截鏈(interceptor chain)。Intercetpor的實現(xiàn)接口是org.apache.kafka.clients.producer.ProducerInterceptor，其定義的方法包括：
（1）configure(configs)
獲取配置信息和初始化數(shù)據(jù)時調(diào)用。
（2）onSend(ProducerRecord)：
該方法封裝進KafkaProducer.send方法中，即它運行在用戶主線程中。Producer確保在消息被序列化以及計算分區(qū)前調(diào)用該方法。用戶可以在該方法中對消息做任何操作，但最好保證不要修改消息所屬的topic和分區(qū)，否則會影響目標(biāo)分區(qū)的計算
（3）onAcknowledgement(RecordMetadata, Exception)：
該方法會在消息被應(yīng)答或消息發(fā)送失敗時調(diào)用，并且通常都是在producer回調(diào)邏輯觸發(fā)之前。onAcknowledgement運行在producer的IO線程中，因此不要在該方法中放入很重的邏輯，否則會拖慢producer的消息發(fā)送效率
（4）close：
關(guān)閉interceptor，主要用于執(zhí)行一些資源清理工作
如前所述，interceptor可能被運行在多個線程中，因此在具體實現(xiàn)時用戶需要自行確保線程安全。另外倘若指定了多個interceptor，則producer將按照指定順序調(diào)用它們，并僅僅是捕獲每個interceptor可能拋出的異常記錄到錯誤日志中而非在向上傳遞。這在使用過程中要特別留意。
1）需求：
實現(xiàn)一個簡單的雙interceptor組成的攔截鏈。第一個interceptor會在消息發(fā)送前將時間戳信息加到消息value的最前部；第二個interceptor會在消息發(fā)送后更新成功發(fā)送消息數(shù)或失敗發(fā)送消息數(shù)。
2）案例實操
（1）增加時間戳攔截器
