python 消费 kafka 数据

1.安装python模块

pip install --user kafka-python==1.4.3

如果报错压缩相关的错尝试安装下面的依赖

yum install snappy-devel
yum install lz4-devel
pip install python-snappy
pip install lz4

2.生产者

#!/usr/bin/env python
# coding : utf-8

from kafka import KafkaProducer
import json

def kafkaProducer():
    producer = KafkaProducer(bootstrap_servers='ip:9092',value_serializer=lambda v: json.dumps(v).encode('utf-8'))
    producer.send('world', {'key1': 'value1'})

if __name__ == '__main__':
    kafkaProducer()

2.消费者

from kafka import KafkaConsumer
from kafka.structs import TopicPartition
import time
import click
import ConfigParser
import json
import threading
import datetime
import  sched


config = ConfigParser.ConfigParser()
config.read("amon.ini")

@click.group()
def cli():
    pass

@cli.command()
@click.option('--topic',type=str)
@click.option('--offset', type=click.Choice(['smallest', 'earliest', 'largest']))
@click.option("--group",type=str)
def client(topic,offset,group):
    click.echo(topic)
    consumer = KafkaConsumer(topic,
                             bootstrap_servers=config.get("KAFKA", "Broker_Servers").split(","),
                             group_id=group,
                             auto_offset_reset=offset)
    for message in consumer:
        click.echo(message.value)
        # click.echo("%d:%d: key=%s value=%s" % (message.partition,
        #                                           message.offset, message.key,
        #                                           message.value))

if __name__ == '__main__':
    cli()

3.多线程消费

#coding:utf-8
import threading

import os
import sys
from kafka import KafkaConsumer, TopicPartition, OffsetAndMetadata
from collections import OrderedDict


threads = []


class MyThread(threading.Thread):
    def __init__(self, thread_name, topic, partition):
        threading.Thread.__init__(self)
        self.thread_name = thread_name
        self.partition = partition
        self.topic = topic

    def run(self):
        print("Starting " + self.name)
        Consumer(self.thread_name, self.topic, self.partition)

    def stop(self):
        sys.exit()


def Consumer(thread_name, topic, partition):
    broker_list = 'ip1:9092,ip2:9092'

    '''
    fetch_min_bytes（int） - 服务器为获取请求而返回的最小数据量，否则请等待
    fetch_max_wait_ms（int） - 如果没有足够的数据立即满足fetch_min_bytes给出的要求，服务器在回应提取请求之前将阻塞的最大时间量（以毫秒为单位）
    fetch_max_bytes（int） - 服务器应为获取请求返回的最大数据量。这不是绝对最大值，如果获取的第一个非空分区中的第一条消息大于此值，
                            则仍将返回消息以确保消费者可以取得进展。注意：使用者并行执行对多个代理的提取，因此内存使用将取决于包含该主题分区的代理的数量。
                            支持的Kafka版本> = 0.10.1.0。默认值：52428800（50 MB）。
    enable_auto_commit（bool） - 如果为True，则消费者的偏移量将在后台定期提交。默认值：True。
    max_poll_records（int） - 单次调用中返回的最大记录数poll()。默认值：500
    max_poll_interval_ms（int） - poll()使用使用者组管理时的调用之间的最大延迟 。这为消费者在获取更多记录之前可以闲置的时间量设置了上限。
                                如果 poll()在此超时到期之前未调用，则认为使用者失败，并且该组将重新平衡以便将分区重新分配给另一个成员。默认300000
    '''

    consumer = KafkaConsumer(bootstrap_servers=broker_list,
                             group_id="test000001",
                             client_id=thread_name,
                             enable_auto_commit=False,
                             fetch_min_bytes=1024 * 1024,  # 1M
                             # fetch_max_bytes=1024 * 1024 * 1024 * 10,
                             fetch_max_wait_ms=60000,  # 30s
                             request_timeout_ms=305000,
                             # consumer_timeout_ms=1,
                             # max_poll_records=5000,
                             )
    # 设置topic partition
    tp = TopicPartition(topic, partition)
    # 分配该消费者的TopicPartition，也就是topic和partition，根据参数，每个线程消费者消费一个分区
    consumer.assign([tp])
    #获取上次消费的最大偏移量
    offset = consumer.end_offsets([tp])[tp]
    print(thread_name, tp, offset)

    # 设置消费的偏移量
    consumer.seek(tp, offset)

    print u"程序首次运行\t线程:", thread_name, u"分区:", partition, u"偏移量:", offset, u"\t开始消费..."
    num = 0  # 记录该消费者消费次数
    while True:
        msg = consumer.poll(timeout_ms=60000)
        end_offset = consumer.end_offsets([tp])[tp]
        '''可以自己记录控制消费'''
        print u'已保存的偏移量', consumer.committed(tp), u'最新偏移量，', end_offset
        if len(msg) > 0:
            print u"线程:", thread_name, u"分区:", partition, u"最大偏移量:", end_offset, u"有无数据,", len(msg)
            lines = 0
            for data in msg.values():
                for line in data:
                    print line
                    lines += 1
                '''
                do something
                '''
            # 线程此批次消息条数

            print(thread_name, "lines", lines)
            if True:
                # 可以自己保存在各topic, partition的偏移量
                # 手动提交偏移量 offsets格式：{TopicPartition:OffsetAndMetadata(offset_num,None)}
                consumer.commit(offsets={tp: (OffsetAndMetadata(end_offset, None))})
                if True == 0:
                    # 系统退出？这个还没试
                    os.exit()
                    '''
                    sys.exit()   只能退出该线程，也就是说其它两个线程正常运行，主程序不退出
                    '''
            else:
                os.exit()
        else:
            print thread_name, '没有数据'
        num += 1
        print thread_name, "第", num, "次"


if __name__ == '__main__':
    try:
        t1 = MyThread("Thread-0", "test", 0)
        threads.append(t1)
        t2 = MyThread("Thread-1", "test", 1)
        threads.append(t2)
        t3 = MyThread("Thread-2", "test", 2)
        threads.append(t3)

        for t in threads:
            t.start()

        for t in threads:
            t.join()

        print("exit program with 0")
    except:
        print("Error: failed to run consumer program")

参考：https://kafka-python.readthedocs.io/en/master/index.html
https://blog.csdn.net/xiaofei2017/article/details/80924800

python 消费 kafka 数据

猜你喜欢