Kafka 概述

Apache Kafka 是一个分布式流处理平台，用于构建实时的数据管道和流式的应用.它可以让你发布和订阅流式的记录，可以储存流式的记录，并且有较好的容错性，可以在流式记录产生时就进行处理。

Apache Kafka是分布式发布-订阅消息系统，在 kafka官网上对 Kafka 的定义：一个分布式发布-订阅消息传递系统。

Kafka 特性

1. 高吞吐量、低延迟：kafka每秒可以处理几十万条消息，它的延迟最低只有几毫秒，每个topic可以分多个partition, consumer group 对partition进行consume操作；
2. 可扩展性：kafka集群支持热扩展；
3. 持久性、可靠性：消息被持久化到本地磁盘，并且支持数据备份防止数据丢失；
4. 容错性：允许集群中节点失败（若副本数量为n,则允许n-1个节点失败）；
5. 高并发：支持数千个客户端同时读写；
6. 支持实时在线处理和离线处理：可以使用Storm这种实时流处理系统对消息进行实时进行处理，同时还可以使用Hadoop这种批处理系统进行离线处理；

Kafka 使用场景

1. 日志收集：一个公司可以用Kafka可以收集各种服务的log，通过kafka以统一接口服务的方式开放给各种consumer，例如Hadoop、Hbase、Solr等；
2. 消息系统：解耦和生产者和消费者、缓存消息等；
3. 用户活动跟踪：Kafka经常被用来记录web用户或者app用户的各种活动，如浏览网页、搜索、点击等活动，这些活动信息被各个服务器发布到kafka的topic中，然后订阅者通过订阅这些topic来做实时的监控分析，或者装载到Hadoop、数据仓库中做离线分析和挖掘；
4. 运营指标：Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告；
5. 流式处理：比如spark streaming和storm；
6. 事件源；

Spring Boot2.0 + Kafka

1，安装配置Kafka ,Zookeeper

安装和配置过程很简单，就不详细说了，参考官网：

使用命令启动Kafka： bin``/kafka-server-start``.sh config``/server``.properties

下面给出我的环境：

Centos 7.5,  Kafka 2.11, Zookeeper-3.4.13,  JDK1.8+

2，创建 Spring Boot 项目

注意版本：该项目使用Spring Boot 2.0 +，低版本可能不对

1. pom.xml引用

                       
     
      org.springframework.boot
                        
     
      spring-boot-starter
                    
                   
                       
     
      org.springframework.kafka
                        
     
      spring-kafka
                    
                   
                       
     
      com.alibaba
                        
     
      fastjson
                        
     
      1.2.47
                    
    

1. 定义消息生产者
   直接使用 KafkaTemplate 发送消息 ，Spring Boot自动装配，不需要自己定义一个Kafka配置类，吐槽一下网站的文章，全都是互相抄，全都写一个 ProduceConfig Consumerconfig 类, Kafka 的参数配置 硬编码在代码中，简直无法直视。。
   定义一个泛型类KafkaSender<T> T 就是你需要发送的消息 对象，序列化使用阿里的 fastjson

消息发送后，可以在回调类里面处理自己的业务，ListenableFutureCallback 类有两个方法，分别是 onFailureon 和 onSuccess ，实际场景可以在这两个方法，处理自己的具体业务，这里不做实现。

/**        * 消息生产者        *        * @author Jarvis        * @date 2018/8/3        */       @Component       public class KafkaSender
    
      {                  private Logger logger = LoggerFactory.getLogger(KafkaSender.class);                  @Autowired           private KafkaTemplate
     
       kafkaTemplate;                  /**            * kafka 发送消息            *            * @param obj 消息对象            */           public void send(T obj) {               String jsonObj = JSON.toJSONString(obj);               logger.info("------------ message = {}", jsonObj);                      //发送消息               ListenableFuture
      
       
        > future = kafkaTemplate.send("kafka.tut", jsonObj);               future.addCallback(new ListenableFutureCallback
        
         
          >() { @Override public void onFailure(Throwable throwable) { logger.info("Produce: The message failed to be sent:" + throwable.getMessage()); } @Override public void onSuccess(SendResult
          
            stringObjectSendResult) { //TODO 业务处理 logger.info("Produce: The message was sent successfully:"); logger.info("Produce: _+_+_+_+_+_+_+ result: " + stringObjectSendResult.toString()); } }); } }
          
         
        
       
      
     
    

1. 定义消息消费者
   使用@KafkaListener 注解监听 topics 消息，此处的topics 必须和 send 函数中的 一致

@Header(KafkaHeaders.RECEIVED_TOPI 直接获取 topic

/**     * 监听kafka.tut 的 topic     *     * @param record     * @param topic  topic     */    @KafkaListener(id = "tut", topics = "kafka.tut")    public void listen(ConsumerRecord
     record, @Header(KafkaHeaders.RECEIVED_TOPIC) String topic) {        //判断是否NULL        Optional
     kafkaMessage = Optional.ofNullable(record.value());        if (kafkaMessage.isPresent()) {            //获取消息            Object message = kafkaMessage.get();            logger.info("Receive： +++++++++++++++ Topic:" + topic);            logger.info("Receive： +++++++++++++++ Record:" + record);            logger.info("Receive： +++++++++++++++ Message:" + message);        }    }

1. 配置文件 application.yml

spring:         application:           name: kafka-tutorial         kafka:           # 指定kafka 代理地址，可以多个           bootstrap-servers: 192.168.10.100:9092           producer:             retries: 0             # 每次批量发送消息的数量             batch-size: 16384             # 缓存容量             buffer-memory: 33554432             # 指定消息key和消息体的编解码方式             key-serializer: org.apache.kafka.common.serialization.StringSerializer             value-serializer: org.apache.kafka.common.serialization.StringSerializer           consumer:             # 指定默认消费者group id             group-id: consumer-tutorial             auto-commit-interval: 100             auto-offset-reset: earliest             enable-auto-commit: true             # 指定消息key和消息体的编解码方式             key-deserializer: org.apache.kafka.common.serialization.StringDeserializer             value-deserializer: org.apache.kafka.common.serialization.StringDeserializer           # 指定listener 容器中的线程数，用于提高并发量           listener:             concurrency: 3

1. 直接使用 @Autowired 对类 KafkaSender 自动装配，然后调用 send 方法发送消息即可，下面给出代码：

@Autowired           private KafkaSender
    
      kafkaSender;                  @Test           public void kafkaSend() throws InterruptedException {               //模拟发消息               for (int i = 0; i < 5; i++) {                          User user = new User();                   user.setId(System.currentTimeMillis());                   user.setMsg(UUID.randomUUID().toString());                   user.setSendTime(new Date());                          kafkaSender.send(message);                   Thread.sleep(3000);                      }           }
    

控制台可以看到执行成功：

在服务器执行 bin/kafka-topics.sh --list --zookeeper localhost:2181 可以看到topic

Kafka如何保证数据的不丢失

1.生产者数据的不丢失

• 新版本的producer采用异步发送机制。KafkaProducer.send(ProducerRecord)方法仅仅是把这条消息放入一个缓存中(即RecordAccumulator，本质上使用了队列来缓存记录)，同时后台的IO线程会不断扫描该缓存区，将满足条件的消息封装到某个batch中然后发送出去。显然，这个过程中就有一个数据丢失的窗口：若IO线程发送之前client端挂掉了，累积在accumulator中的数据的确有可能会丢失。 kafka的ack机制：在kafka发送数据的时候，每次发送消息都会有一个确认反馈机制，确保消息正常的能够被收到。
• 如果是同步模式：ack机制能够保证数据的不丢失，如果ack设置为0，风险很大，一般不建议设置为0
  producer.type=sync
  request.required.acks=1
• 如果是异步模式：通过buffer来进行控制数据的发送，有两个值来进行控制，时间阈值与消息的数量阈值，如果buffer满了数据还没有发送出去，如果设置的是立即清理模式，风险很大，一定要设置为阻塞模式
  producer.type=async
  request.required.acks=1
  queue.buffering.max.ms=5000
  queue.buffering.max.messages=10000
  queue.enqueue.timeout.ms = -1
  batch.num.messages=200
• 结论：producer有丢数据的可能，但是可以通过配置保证消息的不丢失
  2.消费者数据的不丢失
• 如果在消息处理完成前就提交了offset，那么就有可能造成数据的丢失。由于Kafka consumer默认是自动提交位移的，所以在后台提交位移前一定要保证消息被正常处理了，因此不建议采用很重的处理逻辑，如果处理耗时很长，则建议把逻辑放到另一个线程中去做。为了避免数据丢失，现给出两点建议：
  enable.auto.commit=false 关闭自动提交位移
  在消息被完整处理之后再手动提交位移
• 如果使用了storm，要开启storm的ackfail机制；
• 如果没有使用storm，确认数据被完成处理之后，再更新offset值。低级API中需要手动控制offset值。通过offset commit 来保证数据的不丢失，kafka自己记录了每次消费的offset数值，下次继续消费的时候，接着上次的offset进行消费即可。

源码 github：

参考：