操作步骤
Maven依赖
核心依赖 kafka-clients
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>1.1.0</version>
</dependency>
生产者
package com.artisan.kafkademo.producer;
import com.alibaba.fastjson.JSON;
import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;
import java.util.Properties;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.TimeUnit;
/**
* @author 小工匠
* @version v1.0
* @create 2019-11-18 0:17
* @motto show me the code ,change the word
* @blog https://artisan.blog.csdn.net/
* @description
**/
public class MsgProducer {
public static void main(String[] args) throws InterruptedException {
// ---------------参数设置---------------BEGIN
Properties properties = new Properties();
// broker 信息
properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.18.130:9092,192.168.18.131:9092,192.168.18.132:9092");
/*
发出消息持久化机制参数
（1）acks=0： 表示producer不需要等待任何broker确认收到消息的回复，就可以继续发送下一条消息。
性能最高，但是最容易丢消息。
（2）acks=1： 至少要等待leader已经成功将数据写入本地log，
但是不需要等待所有follower是否成功写入。就可以继续发送下一条消息。
这种情况下，如果follower没有成功备份数据，而此时leader又挂掉，则消息会丢失。
（3）acks=‐1或all： 这意味着leader需要等待所有备份(min.insync.replicas配置的备份个数)都成功写入日志，
这种策略会保证只要有一个备份存活就不会丢失数据。
这是最强的数据保证。一般除非是金融级别，或跟钱打交道的场景才会使用这种配置。
*/
properties.put(ProducerConfig.ACKS_CONFIG, "1");
// 发送失败会重试，默认重试间隔100ms，重试能保证消息发送的可靠性，
// 但是也可能造成消息重复发送，比如网络抖动，所以需要在接收者那边做好消息接收的幂等性处理
properties.put(ProducerConfig.RETRIES_CONFIG,3);
// 重试间隔设置
properties.put(ProducerConfig.RETRY_BACKOFF_MS_CONFIG,300);
// /设置发送消息的本地缓冲区，
// 如果设置了该缓冲区，消息会先发送到本地缓冲区，可以提高消息发送性能，默认值是33554432，即32MB
properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG,33554432);
// kafka本地线程会从缓冲区取数据，批量发送到broker，
// 设置批量发送消息的大小，默认值是16384，即16kb，就是说一个batch满了16kb就发送出去
properties.put(ProducerConfig.BATCH_SIZE_CONFIG,16384);
//默认值是0，意思就是消息必须立即被发送，但这样会影响性能
//一般设置100毫秒左右，就是说这个消息发送完后会进入本地的一个batch，
// 如果100毫秒内，这个batch满了16kb就会随batch一起被发送出去
//如果100毫秒内，batch没满，那么也必须把消息发送出去，不能让消息的发送延迟时间太长
properties.put(ProducerConfig.LINGER_MS_CONFIG,100);
// 把发送的key从字符串序列化为字节数组
properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
//把发送消息value从字符串序列化为字节数组
properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
// ---------------参数设置---------------END
// 使用properties实例化KafkaProducer
Producer producer = new KafkaProducer(properties);
final int messageNum = 5 ;
final CountDownLatch countDownLatch = new CountDownLatch(messageNum);
// 发送5条消息
for (int i = 1; i <= messageNum; i++) {
Order order = new Order(i, 100,66,987.99 + i);
// 指定发送分区
ProducerRecord<String,String> record = new ProducerRecord<String, String>("artisan-replicated-topic",
0,String.valueOf(order.getOrderId()), JSON.toJSONString(order));
// 异步方式发送消息
producer.send(record, new Callback() {
public void onCompletion(RecordMetadata metadata, Exception exception) {
if (exception != null){
countDownLatch.countDown();
System.err.println("发送消息失败：" + exception.getStackTrace());
}
if (metadata != null){
countDownLatch.countDown();
System.out.println("异步方式发送消息结果: topic=" + metadata.topic()
+ " , partition=" + metadata.partition()
+ " , offset=" + metadata.offset());
}
}
});
}
// 等5秒钟，5秒钟后，执行后续的代码
countDownLatch.await(5, TimeUnit.SECONDS);
producer.close();
}
static class Order {
private int orderId ;
private int productId ;
private int productNum;
private double orderAmount ;
public Order() {
}
public Order(int orderId, int productId, int productNum, double orderAmount) {
this.orderId = orderId;
this.productId = productId;
this.productNum = productNum;
this.orderAmount = orderAmount;
}
public int getOrderId() {
return orderId;
}
public void setOrderId(int orderId) {
this.orderId = orderId;
}
public int getProductId() {
return productId;
}
public void setProductId(int productId) {
this.productId = productId;
}
public int getProductNum() {
return productNum;
}
public void setProductNum(int productNum) {
this.productNum = productNum;
}
public double getOrderAmount() {
return orderAmount;
}
public void setOrderAmount(double orderAmount) {
this.orderAmount = orderAmount;
}
}
}
消费者
package com.artisan.kafkademo.consumer;
import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.PartitionInfo;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;
import java.util.*;
/**
* @author 小工匠
* @version v1.0
* @create 2019-11-18 23:51
* @motto show me the code ,change the word
* @blog https://artisan.blog.csdn.net/
* @description
**/
public class MsgConsumer {
public static void main(String[] args) {
// ---------------参数设置---------------BEGIN
Properties props = new Properties();
props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.18.130:9092,192.168.18.131:9092,192.168.18.132:9092");
// 消费分组名
props.put(ConsumerConfig.GROUP_ID_CONFIG,"testGroup");
// 是否自动提交offset
/*props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");
// 自动提交offset的间隔时间
props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG , "1000");*/
//props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");
/*
心跳时间，服务端broker通过心跳确认consumer是否故障，如果发现故障，就会通过心跳下发
rebalance的指令给其他的consumer通知他们进行rebalance操作，这个时间可以稍微短一点
*/
props.put(ConsumerConfig.HEARTBEAT_INTERVAL_MS_CONFIG, 1000);
//服务端broker多久感知不到一个consumer心跳就认为他故障了，默认是10秒
props.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, 10 * 1000);
/*
如果两次poll操作间隔超过了这个时间，broker就会认为这个consumer处理能力太弱，
会将其踢出消费组，将分区分配给别的consumer消费
*/
props.put(ConsumerConfig.MAX_POLL_INTERVAL_MS_CONFIG, 30 * 1000);
props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
KafkaConsumer<String, String> consumer = new KafkaConsumer<String, String>(props);
// 消费主题
String topicName = "test777";
consumer.subscribe(Arrays.asList(topicName));
// 消费指定分区
//consumer.assign(Arrays.asList(new TopicPartition(topicName, 0)));
//消息回溯消费
/*consumer.assign(Arrays.asList(new TopicPartition(topicName, 0)));
*//*consumer.seekToBeginning(Arrays.asList(new TopicPartition(topicName, 0)));*//*
//指定offset消费
consumer.seek(new TopicPartition(topicName, 0), 10);
*/
//从指定时间点开始消费
Map<TopicPartition, Long> map = new HashMap<TopicPartition, Long>();
List<PartitionInfo> topicPartitions = consumer.partitionsFor(topicName);
//从半小时前开始消费
long fetchDataTime = new Date().getTime() - 1000 * 60 * 60;
for (PartitionInfo par : topicPartitions) {
map.put(new TopicPartition(topicName, par.partition()), fetchDataTime);
}
Map<TopicPartition, OffsetAndTimestamp> parMap = consumer.offsetsForTimes(map);
for (Map.Entry<TopicPartition, OffsetAndTimestamp> entry : parMap.entrySet()) {
TopicPartition key = entry.getKey();
OffsetAndTimestamp value = entry.getValue();
if (key == null || value == null) continue;
Long offset = value.offset();
System.out.println("partition-" + key.partition() + "|offset-" + offset);
System.out.println();
//根据消费里的timestamp确定offset
if (value != null) {
//没有这行代码会导致下面的报错信息
consumer.assign(Arrays.asList(key));
consumer.seek(key, offset);
}
}
while (true) {
/*
* poll() API 是拉取消息的长轮询，主要是判断consumer是否还活着，只要我们持续调用poll()，
* 消费者就会存活在自己所在的group中，并且持续的消费指定partition的消息。
* 底层是这么做的：消费者向server持续发送心跳，如果一个时间段（session.
* timeout.ms）consumer挂掉或是不能发送心跳，这个消费者会被认为是挂掉了，
* 这个Partition也会被重新分配给其他consumer
*/
ConsumerRecords<String, String> records = consumer.poll(10000);
for (ConsumerRecord<String, String> record : records) {
System.out.printf("收到消息：offset = %d, key = %s, value = %s%n", record.offset(), record.key(),
record.value());
}
if (records.count() > 0) {
// 提交offset
consumer.commitSync();
}
}
}
}
