介绍
http://kafka.apache.org
kafka是一种高吞吐量的分布式发布订阅消息系统
kafka是linkedin用于日志处理的分布式消息队列,linkedin的日志数据容量大,但对可靠性要求不高,其日志数据主要包括用户行为(登录、浏览、点击、分享、喜欢)以及系统运行日志(CPU、内存、磁盘、网络、系统及进程状态)
当前很多的消息队列服务提供可靠交付保证,并默认是即时消费(不适合离线)。
高可靠交付对linkedin的日志不是必须的,故可通过降低可靠性来提高性能,同时通过构建分布式的集群,允许消息在系统中累积,使得kafka同时支持离线和在线日志处理
测试环境
kafka_2.10-0.8.1.1 3个节点做的集群
zookeeper-3.4.5 一个实例节点
代码示例
消息生产者代码示例
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
|
import java.util.Collections;
import java.util.Date;
import java.util.Properties;
import java.util.Random;
import kafka.javaapi.producer.Producer;
import kafka.producer.KeyedMessage;
import kafka.producer.ProducerConfig;
/** * 详细可以参考:https://cwiki.apache.org/confluence/display/KAFKA/0.8.0+Producer+Example
* @author Fung
*
*/
public class ProducerDemo {
public static void main(String[] args) {
Random rnd = new Random();
int events= 100 ;
// 设置配置属性
Properties props = new Properties();
props.put( "metadata.broker.list" , "172.168.63.221:9092,172.168.63.233:9092,172.168.63.234:9092" );
props.put( "serializer.class" , "kafka.serializer.StringEncoder" );
// key.serializer.class默认为serializer.class
props.put( "key.serializer.class" , "kafka.serializer.StringEncoder" );
// 可选配置,如果不配置,则使用默认的partitioner
props.put( "partitioner.class" , "com.catt.kafka.demo.PartitionerDemo" );
// 触发acknowledgement机制,否则是fire and forget,可能会引起数据丢失
// 值为0,1,-1,可以参考
// http://kafka.apache.org/08/configuration.html
props.put( "request.required.acks" , "1" );
ProducerConfig config = new ProducerConfig(props);
// 创建producer
Producer<String, String> producer = new Producer<String, String>(config);
// 产生并发送消息
long start=System.currentTimeMillis();
for ( long i = 0 ; i < events; i++) {
long runtime = new Date().getTime();
String ip = "192.168.2." + i; //rnd.nextInt(255);
String msg = runtime + ",www.example.com," + ip;
//如果topic不存在,则会自动创建,默认replication-factor为1,partitions为0
KeyedMessage<String, String> data = new KeyedMessage<String, String>(
"page_visits" , ip, msg);
producer.send(data);
}
System.out.println( "耗时:" + (System.currentTimeMillis() - start));
// 关闭producer
producer.close();
}
} |
消息消费者代码示例
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
|
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 kafka.consumer.Consumer;
import kafka.consumer.ConsumerConfig;
import kafka.consumer.KafkaStream;
import kafka.javaapi.consumer.ConsumerConnector;
/** * 详细可以参考:https://cwiki.apache.org/confluence/display/KAFKA/Consumer+Group+Example
*
* @author Fung
*
*/
public class ConsumerDemo {
private final ConsumerConnector consumer;
private final String topic;
private ExecutorService executor;
public ConsumerDemo(String a_zookeeper, String a_groupId, String a_topic) {
consumer = Consumer.createJavaConsumerConnector(createConsumerConfig(a_zookeeper,a_groupId));
this .topic = a_topic;
}
public void shutdown() {
if (consumer != null )
consumer.shutdown();
if (executor != null )
executor.shutdown();
}
public void run( int numThreads) {
Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
topicCountMap.put(topic, new Integer(numThreads));
Map<String, List<KafkaStream< byte [], byte []>>> consumerMap = consumer
.createMessageStreams(topicCountMap);
List<KafkaStream< byte [], byte []>> streams = consumerMap.get(topic);
// now launch all the threads
executor = Executors.newFixedThreadPool(numThreads);
// now create an object to consume the messages
//
int threadNumber = 0 ;
for ( final KafkaStream stream : streams) {
executor.submit( new ConsumerMsgTask(stream, threadNumber));
threadNumber++;
}
}
private static ConsumerConfig createConsumerConfig(String a_zookeeper,
String a_groupId) {
Properties props = new Properties();
props.put( "zookeeper.connect" , a_zookeeper);
props.put( "group.id" , a_groupId);
props.put( "zookeeper.session.timeout.ms" , "400" );
props.put( "zookeeper.sync.time.ms" , "200" );
props.put( "auto.commit.interval.ms" , "1000" );
return new ConsumerConfig(props);
}
public static void main(String[] arg) {
String[] args = { "172.168.63.221:2188" , "group-1" , "page_visits" , "12" };
String zooKeeper = args[ 0 ];
String groupId = args[ 1 ];
String topic = args[ 2 ];
int threads = Integer.parseInt(args[ 3 ]);
ConsumerDemo demo = new ConsumerDemo(zooKeeper, groupId, topic);
demo.run(threads);
try {
Thread.sleep( 10000 );
} catch (InterruptedException ie) {
}
demo.shutdown();
}
} |
消息处理类
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
import kafka.consumer.ConsumerIterator;
import kafka.consumer.KafkaStream;
public class ConsumerMsgTask implements Runnable {
private KafkaStream m_stream;
private int m_threadNumber;
public ConsumerMsgTask(KafkaStream stream, int threadNumber) {
m_threadNumber = threadNumber;
m_stream = stream;
}
public void run() {
ConsumerIterator< byte [], byte []> it = m_stream.iterator();
while (it.hasNext())
System.out.println( "Thread " + m_threadNumber + ": "
+ new String(it.next().message()));
System.out.println( "Shutting down Thread: " + m_threadNumber);
}
} |
Partitioner类示例
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
import kafka.producer.Partitioner;
import kafka.utils.VerifiableProperties;
public class PartitionerDemo implements Partitioner {
public PartitionerDemo(VerifiableProperties props) {
}
@Override
public int partition(Object obj, int numPartitions) {
int partition = 0 ;
if (obj instanceof String) {
String key=(String)obj;
int offset = key.lastIndexOf( '.' );
if (offset > 0 ) {
partition = Integer.parseInt(key.substring(offset + 1 )) % numPartitions;
}
} else {
partition = obj.toString().length() % numPartitions;
}
return partition;
}
} |
pom.xml文件
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
|
<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 http://maven.apache.org/xsd/maven-4.0.0.xsd" >
<modelVersion> 4.0 . 0 </modelVersion>
<groupId>com.xxx</groupId>
<artifactId>kafka-demo</artifactId>
<version> 0.0 . 1 -SNAPSHOT</version>
<packaging>jar</packaging>
<name>kafka-demo</name>
<url>http: //maven.apache.org</url>
<properties>
<project.build.sourceEncoding>UTF- 8 </project.build.sourceEncoding>
</properties>
<dependencies>
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka_2. 10 </artifactId>
<version> 0.8 . 1.1 </version>
<exclusions>
<exclusion>
<artifactId>jmxtools</artifactId>
<groupId>com.sun.jdmk</groupId>
</exclusion>
<exclusion>
<artifactId>jmxri</artifactId>
<groupId>com.sun.jmx</groupId>
</exclusion>
<exclusion>
<artifactId>jms</artifactId>
<groupId>javax.jms</groupId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>log4j</groupId>
<artifactId>log4j</artifactId>
<version> 1.2 . 15 </version>
<exclusions>
<exclusion>
<artifactId>jmxtools</artifactId>
<groupId>com.sun.jdmk</groupId>
</exclusion>
<exclusion>
<artifactId>jmxri</artifactId>
<groupId>com.sun.jmx</groupId>
</exclusion>
<exclusion>
<artifactId>jms</artifactId>
<groupId>javax.jms</groupId>
</exclusion>
<exclusion>
<artifactId>mail</artifactId>
<groupId>javax.mail</groupId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version> 4.11 </version>
<scope>test</scope>
</dependency>
</dependencies>
</project> |
相关推荐
在Maven的pom.xml文件中,你需要添加Kafka的Java客户端依赖,以便项目可以编译和运行Kafka相关的代码。 【Kafka的其他特性】 除了基本的生产和消费功能,Kafka还支持一些高级特性,如幂等性生产者、事务性消费者、...
Kafka 使用 Java 客户端进行访问的示例代码 Kafka 是一种流行的分布式消息队列系统,广泛应用于大数据实时处理、日志聚合、消息队列等领域。Java 是一种广泛使用的编程语言,很多开发者使用 Java 进行 Kafka 的开发...
在" kafka-study "压缩包中,你可能会找到一些示例代码,这些代码展示了如何使用Java API创建Kafka生产者和消费者,以及如何处理错误和配置选项。通过研究这些示例,你可以更好地理解和应用Kafka的Java开发实践。...
Kafka的Java客户端库使得Java开发者能够方便地与Kafka集群进行交互,包括生产消息、消费消息以及管理主题等操作。在这个场景中,"kafka java 下载的jar"指的是下载的Java客户端库的JAR文件,它包含了所有必要的类和...
在本压缩包“Kafka客户端开发实例java源码.zip”中,包含的是使用Java语言编写的Kafka客户端应用示例代码。Kafka是一款高吞吐量、分布式的消息系统,广泛应用于大数据实时处理、日志收集等领域。这个实例将帮助我们...
3. **创建Topic**:创建Topic是通过Kafka的命令行工具kafka-topics.sh完成的,或者在Java代码中使用AdminClient接口。你需要指定主题名、分区数、副本数等参数。 4. **配置管理**:Kafka的配置文件(server....
在这个示例中,Maven 用于管理项目的依赖关系,如 Spark、Kafka 和 HBase 的客户端库。 整个流程大致如下: 1. 设置 Spark Streaming 和 Kafka 连接参数。 2. 创建 DStream 从 Kafka 消费数据。 3. 处理 DStream ...
在Java中,我们需要引入Kafka的客户端库。1.0.0版本的Kafka提供了`kafka-clients`包,其中包含生产者和消费者的API。在项目中,你需要将对应的JAR文件添加到类路径中,或者使用Maven或Gradle等构建工具管理依赖。 ...
- 它涉及到三个主要角色:客户端(Kafka消费者或生产者),服务端(Kafka Broker)和Kerberos域控制器(KDC)。 - 用户首先向KDC获取服务票证,然后使用该票证与服务端进行通信。 2. **配置Flink与Kafka的...
Kafka的Java客户端库通常包括`kafka-clients`,你可以添加以下依赖: ```xml <groupId>org.apache.kafka <artifactId>kafka-clients <version>2.8.1 ``` **生产者实现** 生产者是Kafka系统中消息的源头...
首先,要创建一个Kafka生产者,我们需要引入Kafka的Java客户端库。在Maven项目中,这可以通过在`pom.xml`文件中添加以下依赖完成: ```xml <groupId>org.apache.kafka <artifactId>kafka-clients <version>...
在Java中实现Kafka的生产者和消费者,需要依赖Kafka提供的客户端库。Maven项目中通常需要在pom.xml文件中加入kafka-clients依赖,如下: ```xml <groupId>org.apache.kafka <artifactId>kafka-clients ...
在Java中,我们可以使用Kafka官方提供的Java客户端库来编写生产者和消费者程序。下面将详细介绍如何创建Java Kafka的生产者和消费者示例。 一、Kafka生产者 1. 添加依赖:在项目中添加Kafka的Maven依赖,如`org....
在项目中添加Maven依赖,以使用Kafka的Java客户端库。在`pom.xml`文件中,加入以下代码: ```xml <!-- Kafka客户端工具 --> <groupId>org.apache.kafka <artifactId>kafka-clients <version>2.4.1 <!-- ...
在Java环境中,我们通常使用Kafka的官方Java客户端库来与Kafka服务端进行交互。 对于Java连接Kafka,我们首先需要在项目中引入相关的依赖。如果你使用的是Maven,可以在pom.xml文件中添加以下依赖: ```xml ...
"Kafka 生产者和消费者的 Java API 示例代码" 在本文中,我们将详细介绍 Kafka 生产者和消费者的 Java API 示例代码,以及相关的知识点和概念。 Kafka 概述 Apache Kafka 是一个分布式流媒体平台,用于构建实时...
【描述】提到的"java"是指该示例是用Java编程语言编写的,Java是通用且跨平台的编程语言,特别适合开发企业级应用程序,如Kafka客户端。在这个kafkademo中,我们可能可以看到如何使用Java API与Kafka集群进行交互,...
这需要引入Apache Kafka的Java客户端库,并创建一个Producer实例: ```java Properties props = new Properties(); props.put("bootstrap.servers", "kafka服务器地址:端口"); props.put("key.serializer", "org....
本文将深入探讨 `Kafka消费者` 的概念、工作原理以及如何在 Java 中实现消费者示例。 ### Kafka 消费者简介 Kafka 消费者是 Kafka 集群中的客户端程序,负责从主题(Topic)中读取和消费消息。它们通过消费组...
通过阅读和运行这些示例,你可以更深入地了解Kafka的工作机制,学习如何在实际项目中应用Kafka,以及如何利用Java客户端库进行开发。对于想要掌握Kafka核心设计与实践原理的读者来说,这是一个非常宝贵的资源。