Kafka复习计划 - 客户端实践及原理（连接器/TCP的管理/幂等性和事务）

Kafka复习计划 - 客户端实践及原理（连接器/TCP的管理/幂等性和事务）

• 一. Kafka的拦截器
• • 1.1 拦截器 - 环境准备
  • 1.2 创建个主题
  • 1.3 准备 - 验证生产者能否发送消息
  • 1.4 准备 - 验证消费者能否接收消息
  • 1.5 拦截器案例 - 计算消息的平均处理时长
• 二. TCP管理
• • 2.1 生产者管理TCP
  • • 2.1.1 创建TCP的时机
    • 2.1.2 关闭TCP的时机
  • 2.2 消费者管理TCP
  • • 2.2.1 创建TCP的时机
    • 2.2.2 关闭TCP的时机
  • 2.3 题外话 - Java的对象逃逸问题
• 三. Kafka的幂等性和事务介绍
• • 3.1 幂等性
  • 3.2 事务性

一. Kafka的拦截器

Kafka拦截器可以再消息处理的前后插入对应的处理逻辑。其分为两种：

• 生产者拦截器：可作用于 发送消息前 和 消息提交成功后 两个时间点。
• 消费者拦截器：可作用于 消费消息前 和 提交位移后 两个时间点。

倘若需要配置对应的拦截器，需要注意这么几个点：

1. 生产者端和消费者端都有一个相同的参数，名字为interceptor.classes，它代表一组拦截器列表。
2. 生产者端拦截器需要实现org.apache.kafka.clients.producer.ProducerInterceptor接口。
3. 消费者端拦截器需要实现org.apache.kafka.clients.consumer.ConsumerInterceptor接口。
4. 其中配置的值是对应实现类的全类名。

例如下面的伪代码：

Properties props = new Properties();

List interceptors = new ArrayList<>();
interceptors.add("com.test.MyInterceptor"); 
interceptors.add("com.test.MyInterceptor2"); 

props.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG,interceptors);

生产者拦截器中，需要实现两个具体方法：

1. onSend()：在消息发送之前被调用。一般用于在消息发送之前对消息进行封装。
2. onAcknowledgement()：该方法会在消息成功提交或发送失败之后被调用。值得注意的是：该方法的调用要早于send(message,callback)函数中callback的调用。

消费者拦截器中，同样需要实现两个方法：

1. onConsume()：该方法在消息返回给 Consumer 程序之前调用。
2. onCommit()：Consumer 在提交位移之后调用该方法。可以用来记录日志。

接下来就来给个案例，从搭建环境开始到编写自定义的拦截器。

1.1 拦截器 - 环境准备

本次使用Docker来进行环境安装。如果使用安装包安装的，可以参考我这篇文章（附带了安装软件的下载地址）深入理解Kafka系列（一）–初识Kafka

1.下载Zookeeper和Kafka的镜像：

docker pull wurstmeister/zookeeper
docker pull wurstmeister/kafka

2.在/mydata/zookeeper/conf路径下创建Zookeeper的配置文件(你自己的机器可以自己找一个路径)：vi zoo.cfg

# 先提前在安装目录下创建一个文件夹zkData:mkdir zkData，用来保存数据和日志
dataDir=/mydata/zookeeper/data

3.启动Zookeeper，并进行挂载，这样方便修改配置文件：

docker run -d --name zookeeper -p 2181:2181 --restart=always 
-v /mydata/zookeeper/data:/data 
-v /mydata/zookeeper/conf:/conf wurstmeister/zookeeper 

4.校验Zookeeper是否启动成功：docker ps

5.启动Kafka：

docker run -d --name kafka -p 9092:9092 
-e KAFKA_BROKER_ID=1 
-e KAFKA_ZOOKEEPER_CONNECT=(服务器外网IP):2181 
-e KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://(服务器外网IP):9092 
-e KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092 
-v /etc/localtime:/etc/localtime -t wurstmeister/kafka

结果如下：

1.2 创建个主题

1.查看容器docker ps。记住Kafka的容器ID。
2.运行命令：

docker exec -it 6cdd634814d5 bash

3.进入对应的目录：/opt/kafka_2.13-2.8.1/bin，你的版本可能不一样，但是目录是/opt下的没问题。可以看到这里有很多脚本：

4.创建主题：

./bin/kafka-topics.sh --zookeeper (你的Zookeeper地址):2181 
--partitions 1 --replication-factor 1 --create --topic test

结果如下：

1.3 准备 - 验证生产者能否发送消息

1.pom依赖：

    org.apache.kafka
    kafka-clients
    0.11.0.0


    org.apache.kafka
    kafka_2.12
    0.11.0.0

2.生产者程序：

import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerRecord;

import java.util.Properties;


public class Test {
    public static void main(String[] args) {
        Properties properties = new Properties();
        properties.put("bootstrap.servers", "你的服务器地址:9092");
        properties.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        properties.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        KafkaProducer producer = new KafkaProducer<>(properties);
        for (int i = 0; i < 3; i++) {
        	// 实际写代码的时候，请使用带回调函数的send重载方法。
            producer.send(new ProducerRecord("test", Integer.toString(i), "message" + i));
        }
        producer.close();
    }
}

3.提前在Kafka容器中输入命令，等待消息的接收

./kafka-console-consumer.sh --bootstrap-server [你的服务器地址]:9092 --from-beginning --topic test

4.运行程序后，在容器中观察结果：

1.4 准备 - 验证消费者能否接收消息

1.消费者端代码：

import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;

import java.util.Collections;
import java.util.Properties;


public class Consumer {
    public static void main(String[] args) {
        Properties properties = new Properties();
        properties.put("bootstrap.servers", "你的服务器地址:9092");
        properties.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        properties.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        properties.put("group.id", "test-consumer");
        // 1.创建KafkaConsumer
        KafkaConsumer consumer = new KafkaConsumer<>(properties);
        // 2.订阅主题
        consumer.subscribe(Collections.singletonList("test"));
        // 3.轮询消费
        try {
            while (true) {
                ConsumerRecords records = consumer.poll(100);
                for (ConsumerRecord record : records) {
                    System.out.println("topic = " + record.topic() +
                            ", partition = " + record.partition() +
                            ", offset = " + record.offset() +
                            ", customer = " + record.key() +
                            ", country = " + record.value());
                }
            }
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            consumer.close();
        }
    }
}

2.运行消费者端代码，准备接收消息。

3.运行一遍1.3节中的生产者代码，发送三条消息，观察消费者端窗口输出：

到这里，程序就串起来啦，接下来开始写自定义的拦截器。

1.5 拦截器案例 - 计算消息的平均处理时长

需求：我们希望一条消息，从被生产出来到最后被消费的平均总时长是多少。

大致思路：在生产端和消费端都添加一个拦截器，用于计算前后的时间差，其中，利用Redis来存储开始的时间。

由于要使用到Redis，添加pom依赖：

    redis.clients
    jedis
    4.1.1

1.生产者拦截器如下：

import org.apache.kafka.clients.producer.ProducerInterceptor;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;
import redis.clients.jedis.Jedis;

import java.util.Map;


public class MyProducerInterceptor implements ProducerInterceptor {
    private static Jedis jedis = null;

    static {
        jedis = new Jedis("你的服务器地址", 6379);
        // 如果你设置了密码
        jedis.auth("xxx");
    }

    @Override
    public ProducerRecord onSend(ProducerRecord producerRecord) {
        // 发送的数据总数+1
        jedis.incr("totalSentMessage");
        return producerRecord;
    }

    @Override
    public void onAcknowledgement(RecordMetadata recordMetadata, Exception e) {

    }

    @Override
    public void close() {

    }

    @Override
    public void configure(Map map) {

    }
}

2.消费者拦截器如下：

import org.apache.kafka.clients.consumer.ConsumerInterceptor;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.OffsetAndMetadata;
import org.apache.kafka.common.TopicPartition;
import redis.clients.jedis.Jedis;

import java.util.Map;


public class MyConsumerInterceptor implements ConsumerInterceptor {
    private static Jedis jedis = null;

    static {
        jedis = new Jedis("你的服务器地址", 6379);
        // 如果你设置了密码
        jedis.auth("xxx");
    }

    @Override
    public ConsumerRecords onConsume(ConsumerRecords consumerRecords) {
        long count = 0L;
        for (ConsumerRecord record : consumerRecords) {
            count += (System.currentTimeMillis() - record.timestamp());
        }
        jedis.incrBy("totalTimeCount", count);
        // 所有消息的总耗时
        long totalTimeCount = Long.parseLong(jedis.get("totalTimeCount"));
        // 消息总数
        long totalSentMessage = Long.parseLong(jedis.get("totalSentMessage"));
        String avgLatency = String.valueOf(totalTimeCount / totalSentMessage);
        jedis.set("avgLatency", avgLatency);
        System.out.println("平均耗时：" + avgLatency + "ms");
        return consumerRecords;
    }

    @Override
    public void onCommit(Map map) {

    }

    @Override
    public void close() {

    }

    @Override
    public void configure(Map map) {

    }
}

3.先运行消费者，再运行生产者，可见结果如下：

当然这个数值可能会有出入，不过整个流程和思路已经是跑通了。案例到这里也就结束了。

二. TCP管理

背景：Kafka相关的通信都是基于TCP的，而非HTTP或是其他协议。那么Kafka为何使用TCP来进行通信呢，主要有两个原因（了解即可）：

1. 社区认为，在开发客户端的时候，可以合理利用TCP本身提供的高级特性，例如多路复用请求以及轮询多连接的能力。
2. 目前已知的 HTTP 库在很多编程语言中都略显简陋。

2.1 生产者管理TCP

首先我们把上文中，一个简单的生产者代码搬出来：

// 创建生产者
KafkaProducer producer = new KafkaProducer<>(properties);
// 发送消息
producer.send(new ProducerRecord("test", Integer.toString(i), "message" + i));
// 关闭生产者
producer.close();

2.1.1 创建TCP的时机

创建TCP的时机从代码上可以推断可能有两处：

1. new KafkaProducer<>(properties)
2. producer.send()

首先对于第一点，关于KafkaProducer实例的创建，其会在后台创建一个名为Sender的线程，并将其启动，他会首先与Broker建立连接，以下是KafkaProducer构造函数中的部分代码（会在后续的章节去专门学习Kafka的源码）：

KafkaProducer(ProducerConfig config,
                  Serializer keySerializer,
                  Serializer valueSerializer,
                  ProducerMetadata metadata,
                  KafkaClient kafkaClient,
                  ProducerInterceptors interceptors,
                  Time time) {
   try {
    	this.sender = newSender(logContext, kafkaClient, this.metadata);
        String ioThreadName = NETWORK_THREAD_PREFIX + " | " + clientId;
        this.ioThread = new KafkaThread(ioThreadName, this.sender, true);
        this.ioThread.start();
        config.logUnused();
        AppInfoParser.registerAppInfo(JMX_PREFIX, clientId, metrics, time.milliseconds());
        log.debug("Kafka producer started");
    } catch (Throwable t) {
        // ....
    }
}

目前KafkaProducer设计的启动过程是：

1. bootstrap.servers参数指定了Broker的地址。
2. KafkaProducer启动的时候会发起与这些Broker的连接。

注意：

• bootstrap.servers中，没必要把整个Kafka集群的IP地址全部写上去，倘若有1000个，那么KafkaProducer启动的时候就会和1000个Broker发起TCP连接。
• 同时， Producer 一旦连接到集群中的任一台Broker，就能拿到整个集群的 Broker 信息。 因此，通常只需要配置 3 - 4 台即可。

我们目前可以得知：创建KafkaProducer实例的时候，就会创建TCP连接。那么除此之外还可能发生在两个地方：

1. 更新元数据。可能有两个场景：1.当 Producer 尝试给一个不存在的主题发送消息时。2.Producer 通过 metadata.max.age.ms 参数定期地去更新元数据信息。
2. 消息发送时。

上述两种情况并不是必然发生的，在更新元数据或者发送消息的时候，当生产者发现某些Broker当前没有TCP连接，此时才会创建。

2.1.2 关闭TCP的时机

关闭TCP的时机有两种：

1. 用户主动关闭，例如producer.close() 方法。
2. Kafka自动关闭。

Producer端有一个参数：connections.max.idle.ms，默认情况下改参数的值为9分钟，意思是：在 9 分钟内没有任何请求流过某个TCP 连接，那么 Kafka 会主动帮你把该 TCP 连接关闭。不然，也可以将这个值设置为 -1 ，那么此时TCP连接将成为永久的长连接。

总结下就是：

1. 生产者端：创建KafkaProducer实例的时候，会启动Sender线程，会和bootstrap.servers配置的所有Broker进行TCP连接。
2. KafkaProducer实例首次更新元数据信息之后，会再次与所有的Broker进行TCP连接。
3. 若Producer发送消息的时候，发现与某台Broker没有建立TCP连接，那么创建。
4. 若Producer端connections.max.idle.ms 参数大于0，那么在指定的时间内，某个TCP没有流过任何的请求，此时关闭该TCP连接。

2.2 消费者管理TCP

同样地，这里把消费者的程序段搬过来先：

// 1.创建KafkaConsumer
KafkaConsumer consumer = new KafkaConsumer<>(properties);
// 2.订阅主题
consumer.subscribe(Collections.singletonList("test"));
// 3.轮询消费
try {
    while (true) {
    	// 取一个批次的消息
        ConsumerRecords records = consumer.poll(100);
        for (ConsumerRecord record : records) {
            // doSomething()
        }
    }
} catch (Exception e) {
    e.printStackTrace();
} finally {
    consumer.close();
}

2.2.1 创建TCP的时机

KafkaConsumer和KafkaProducer不同的是，KafkaConsumer并不会在创建实例的时候创建TCP连接。而 TCP 连接是在调用 KafkaConsumer.poll() 方法时被创建的，其中可能在以下三个场景创建TCP：

• 发起FindCoordinator请求时。目的是确定协调者和获取集群元数据。
• 连接协调者Coordinator时。目的是连接协调者，令其执行组成员管理操作。
• 消费数据时。此时会为每个要消费的分区创建与该分区领导者副本所在 Broker 连接的 TCP。目的是执行实际的消息获取。

协调者Coordinator相关概念：

1. 存在于Broker端的内存中，负责消费组中的组成员管理以及各个消费者的位移提交管理。
2. 集群中负载最小的那一台Broker将会成为协调者。
3. 消费者需要和协调者所在的Broker建立TCP连接，这样才能够进行相关的操作。例如：加入组、等待组分配方案、心跳请求处理、位移获取、位移提交等。

2.2.2 关闭TCP的时机

同样消费者关闭TCP的时机也有两个：

1. 主动关闭：KafkaConsumer.close()。或者是用户将该进程停止。
2. 自动关闭：connection.max.idle.ms

2.3 题外话 - Java的对象逃逸问题

Java里面，对于对象的溢出有两种常见的情况：

1. 在构造函数中注册事件的监听。
2. 在构造函数中启动新线程。

当然，上面的两种我个人觉得它只是一个场景，而只有满足了指定的动作才会发生溢出的现象，总额的来说就是：

1. 在执行构造函数的时候，外部类对象的创建过程可能还没有结束（这里指的是构造函数）。
2. 这个时候如果内部类（这里指的是监听器或者内部启动的新线程）访问了外部类中的数据。
3. 此时可能得到的数据并没有被正确地初始化。

我们以第二个例子，启动新线程为例，来看下这个案例：

public class EscapeDemo {
    private int count = 0;

    public EscapeDemo() {
        count = 1;
        new Thread(() -> {
            System.out.println(EscapeDemo.this.count);
        }).start();
        for (int i = 0; i < 1000; i++) {
            count++;
        }
    }

    public static void main(String[] args) {
        new EscapeDemo();
    }
}

想想看，按照代码的逻辑顺序，我们在构造函数内部新启动了一个线程，这里我们理想的值打印出来应该是1，那么实际效果会是啥呢？请看结果：

这就是一个典型的对象逃逸问题。而根据2.1小节的内容来看，Kafka的生产者KafkaProducer在创建实例的时候，就会启动一个Sender线程，那么这个场景对应着Java的对象逃逸情形里的其中一种。就不合适了。

三. Kafka的幂等性和事务介绍

我们知道，只有Broker成功提交消息并且Producer端接收到Broker的应答才会认定为消息发送成功。倘若消息在成功发送到Broker的前提下，但是Broker的应答却因网络波动等因素没有返回，那么此时Producer端无法确定消息是否真的提交成功，只能通过重试来再次发送消息。 因此Kafka会提供至少一次的可靠性保障，但是这会导致消息重复发送。

那么如何保证消息只有一条并且消息不会丢失也不会被重复处理呢？通过两种机制：

• 幂等性。
• 事务性。

3.1 幂等性

Producer默认不具有幂等性，但是我们可以通过开启配置来创建一个幂等性的Producer。开启幂等性非常简单，如下：

// 方式一
properties.put(ProducerConfig.ENABLE_IDEMPOTENCE_CONFIG, true);
// 方式二
properties.put("enable.idempotence", true);

开启幂等性之后，Kafka就会自动做消息的去重。底层逻辑大概如下：

1. Broker端会对每个消息多保存一些字段。
2. Producer发送了一些具有相同字段值的消息后。此时Broker就能够识别哪些消息是重复的。此时就将这些重复的消息给排除掉。

注意点：

1. 该特性只能够保证单分区上的幂等性：保证某个主题的某一个分区上不存在重复消息。但是无法保证多分区的幂等性。
2. 只能够实现单会话（Producer进程的一次运行）上的幂等性，不能实现跨会话的幂等性。

因此，倘若想实现多分区以及多会话上的消息无重复，仅仅靠幂等性是不行的，此时应该依赖事务的运用。

3.2 事务性

事务型的Producer能够保证将消息原子性地写入到多个分区。要么这批消息全部写入成功，要么全部失败。

开启条件：

1. enable.idempotence =true。
2. 设置transctional. id的值。

如何使用：

public static void main(String[] args) {
    Properties properties = new Properties();
    properties.put("bootstrap.servers", "你的服务器地址:9092");
    properties.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
    properties.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");

    properties.put("enable.idempotence", true);
    properties.put("transactional.id", "testTransaction");
    KafkaProducer producer = new KafkaProducer<>(properties);
    // 1.初始化事务
    producer.initTransactions();
    try {
        // 2.事务的开启
        producer.beginTransaction();
        for (int i = 0; i < 3; i++) {
            // 实际写代码的时候，请使用带回调函数的send重载方法。
            producer.send(new ProducerRecord("test", Integer.toString(i), "message" + i));
        }
        // 3.事务提交
        producer.commitTransaction();
    }catch (Exception e){
        // 4.事务终止
        producer.abortTransaction();
    }
    producer.close();
}

这里有一个值得注意的点是：

1. 仅仅在生产者端开启事务的作用是不大的。
2. 哪怕事务写入失败，kafka依旧会把这些消息写入到底层的日志中，因此Consumer端依旧能够消费到这些消息。

因此，在生产者端开启了事务的前提下，消费者端应该做出对应的修改，修改 isolation.level的值：

• read_uncommitted（默认值）：表示Consumer能够读取到Kafka写入的任何消息。不论事务型Producer提交了事务还是终止了事务。
• read_committed：表示Consumer只会读取事务型Producer成功提交事务写入的消息。（包括非事务写入的消息）

暑期编程PK赛 得CSDN机械键盘等精美礼品！