目录
公众号后台回复“ kafka” 获取kafka学习资料下载链接！
一 生产者概览
（1）不同的应用场景对消息有不同的需求，即是否允许消息丢失、重复、延迟以及吞吐量的要求。不同场景对Kafka生产者的API使用和配置会有直接的影响。
例子1：信用卡事务处理系统，不允许消息的重复和丢失，延迟最大500ms，对吞吐量要求较高。
例子2：保存网站的点击信息，允许少量的消息丢失和重复，延迟可以稍高（用户点击链接可以马上加载出页面即可），吞吐量取决于用户使用网站的频度。
（2）Kafka发送消息的主要步骤
消息格式：每个消息是一个ProducerRecord对象，必须指定消息所属的Topic和消息值Value，此外还可以指定消息所属的Partition以及消息的Key。
1：序列化ProducerRecord
2：如果ProducerRecord中指定了Partition，则Partitioner不做任何事情；否则，Partitioner根据消息的key得到一个Partition。这是生产者就知道向哪个Topic下的哪个Partition发送这条消息。
3：消息被添加到相应的batch中，独立的线程将这些batch发送到Broker上
4：broker收到消息会返回一个响应。如果消息成功写入Kafka，则返回RecordMetaData对象，该对象包含了Topic信息、Patition信息、消息在Partition中的Offset信息；若失败，返回一个错误
（3）Kafka的顺序保证。Kafka保证同一个partition中的消息是有序的，即如果生产者按照一定的顺序发送消息，broker就会按照这个顺序把他们写入partition，消费者也会按照相同的顺序读取他们。
例子：向账户中先存100再取出来 和 先取100再存进去是完全不同的，因此这样的场景对顺序很敏感。
如果某些场景要求消息是有序的，那么不建议把retries设置成0,。可以把max.in.flight.requests.per.connection设置成1，会严重影响生产者的吞吐量，但是可以保证严格有序。
二 创建Kafka生产者
要往Kafka中写入消息，需要先创建一个Producer，并设置一些属性。
Properties kafkaProps = new Properties(); kafkaProps.put("bootstrap.servers",
"broker1:port1, broker2:port2"); kafkaProps.put("key.serializer",
"org.apache.kafka.common.StringSerializer"); kafkaProps.put("value.serializer",
"org.apache.kafka.common.StringSerializer"); producer = new KafkaProducer<String,
String>(kafkaProps);Kafka的生产者有如下三个必选的属性：
（1）bootstrap.servers，指定broker的地址清单
（2）key.serializer必须是一个实现org.apache.kafka.common.serialization.Serializer接口的类，将key序列化成字节数组。注意：key.serializer必须被设置，即使消息中没有指定key。
（3）value.serializer，将value序列化成字节数组
三 发送消息到Kafka
（1）同步发送消息
ProducerRecord<String, String> record = new ProducerRecord<>("CustomCountry", "Precision Products", "France");//Topic Key Value
try{
Future future = producer.send(record);
future.get();//不关心是否发送成功，则不需要这行。
} catch(Exception e) {
e.printStackTrace();//连接错误、No Leader错误都可以通过重试解决；消息太大这类错误kafkaProducer不会进行任何重试，直接抛出异常
}（2）异步发送消息
ProducerRecord<String, String> record = new ProducerRecord<>("CustomCountry", "Precision Products", "France");//Topic Key Value
producer.send(record, new DemoProducerCallback());//发送消息时，传递一个回调对象，该回调对象必须实现
org.apahce.kafka.clients.producer.Callback接口
private class DemoProducerCallback implements Callback {
@Override
public void onCompletion(RecordMetadata recordMetadata, Exception e) {
if (e != null) {//如果Kafka返回一个错误，onCompletion方法抛出一个non null异常。
e.printStackTrace();//对异常进行一些处理，这里只是简单打印出来
}
}
} 四 生产者的配置
（1）acks指定必须要有多少个partition副本收到消息，生产者才会认为消息的写入是成功的。
acks=0，生产者不需要等待服务器的响应，以网络能支持的最大速度发送消息，吞吐量高，但是如果broker没有收到消息，生产者是不知道的
acks=1，leader partition收到消息，生产者就会收到一个来自服务器的成功响应
acks=all，所有的partition都收到消息，生产者才会收到一个服务器的成功响应
（2）buffer.memory，设置生产者内缓存区域的大小，生产者用它缓冲要发送到服务器的消息。
（3）compression.type，默认情况下，消息发送时不会被压缩，该参数可以设置成snappy、gzip或lz4对发送给broker的消息进行压缩
（4）retries，生产者从服务器收到临时性错误时，生产者重发消息的次数
（5）batch.size，发送到同一个partition的消息会被先存储在batch中，该参数指定一个batch可以使用的内存大小，单位是byte。不一定需要等到batch被填满才能发送
（6）linger.ms，生产者在发送消息前等待linger.ms，从而等待更多的消息加入到batch中。如果batch被填满或者linger.ms达到上限，就把batch中的消息发送出去
（7）max.in.flight.requests.per.connection，生产者在收到服务器响应之前可以发送的消息个数
五 序列化器
在创建ProducerRecord时，必须指定序列化器，推荐使用序列化框架Avro、Thrift、ProtoBuf等，不推荐自己创建序列化器。
在使用 Avro 之前，需要先定义模式（schema），模式通常使用 JSON 来编写。
（1）创建一个类代表客户，作为消息的value
class Custom {
private int customID;
private String customerName;
public Custom(int customID, String customerName) {
super();
this.customID = customID; this.customerName = customerName;
}
public int getCustomID() {
return customID;
}
public String getCustomerName() {
return customerName;
}
}（2）定义schema
{ "namespace": "customerManagement.avro",
"type": "record",
"name": "Customer",
"fields":[
{
"name": "id",
"type": "string"
},
{
"name": "name",
"type": "string"
},
]
}（3）生成Avro对象发送到Kafka
Properties props = new Properties();
props.put("bootstrap", "loacalhost:9092");
props.put("key.serializer", "io.confluent.kafka.serializers.KafkaAvroSerializer");
props.put("value.serializer", "io.confluent.kafka.serializers.KafkaAvroSerializer");
props.put("schema.registry.url", schemaUrl);//schema.registry.url指向schema的存储位置
String topic = "CustomerContacts";
Producer<String, Customer> produer = new KafkaProducer<String, Customer>(props);
//不断生成消息并发送
while (true) {
Customer customer = CustomerGenerator.getNext();
ProducerRecord<String, Customer> record = new ProducerRecord<>(topic, customer.getId(), customer);
producer.send(record);//将customer作为消息的值发送出去，KafkaAvroSerializer会处理剩下的事情
}六 Partition
ProducerRecord可以只包含Topic和消息的value，key默认是null，但是大多数应用程序会用到key，key的两个作用：
（1）作为消息的附加信息
（2）决定消息该被写到Topic的哪个partition，拥有相同key的消息会被写到同一个partition。
如果key为空，kafka使用默认的partitioner，使用RoundRobin算法将消息均衡地分布在各个partition上；
如果key不为空，kafka使用自己实现的hash方法对key进行散列，相同的key被映射到相同的partition中。只有在不改变partition数量的前提下，key和partition的映射才能保持不变。
kafka也支持用户实现自己的partitioner，用户自己定义的paritioner需要实现Partitioner接口。
如有疑问，请扫二维码，在后台留言！
微信公众号 Hadoop 入门教程已经更新完成！
微信公众号 kafka教程正在更新中，欢迎关注！
公众号后台回复“ kafka” 获取kafka学习资料！
欢迎关注，一起学习大数据！