Kafka使用总结与生产消费Demo实现

什么是kafka

Kafka官网自己的介绍是：一个可支持分布式的流平台。
kafka官网介绍

 kafka三个关键能力：
     1.发布订阅记录流，类似于消息队列与企业信息系统
     2.以容错的持久方式存储记录流
     3.对流进行处理

kafka通常应用再两大类应用中：
    1.构建实时流数据管道，在系统或应用程序之间可靠地获取数据
    2.构建转换或响应数据流的实时流应用程序

kafka的一些基本概念：
    1.Kafka作为一个集群运行在一个或多个服务器上，这些服务器可以跨越多个数据中心。
    2.Kafka集群将记录流存储在称为topic的类别中。
    3.每个记录由一个键、一个值和一个时间戳组成。

kafka核心API:
    1.Producer API:允许应用程序将记录流发布到一个或多个topic。
    2.Consumer API:允许应用程序订阅一个或多个topic并处理生成给它们的记录流。
    3.Streams API:允许应用程序充当流处理器，使用来自一个或多个topic的输入流，
    并生成一个或多个输出topic的输出流，从而有效地将输入流转换为输出流。
    4.Connector API:允许构建和运行可重用的生产者或消费者，将topic连接到现有的应用程序或数据系统。
    例如，到关系数据库的连接器可能捕获对表的每个更改。

作为消息系统

传统消息传递有两类模型：消息队列、发布订阅。在消息队列中，一个消费者池可以从一个服务器读取数据，而每个记录都将被发送到其中一个服务器;在发布-订阅中，记录被广播给所有消费者。这两种模型各有优缺点：

    消息队列优缺点：
        它允许您在多个使用者实例上划分数据处理，这使您可以扩展处理。
        队列不是多订阅者的—一旦一个进程读取了它丢失的数据。

    发布订阅优缺点:
        Publish-subscribe允许您将数据广播到多个进程，
        但是由于每个消息都传递到每个订阅者，因此无法扩展处理。

作为消息传递系统，那么跟mq有什么区别呢？（RabbitMq\redis\RocketMq\ActiveMq）

RabbitMQ:
     遵循AMQP协议，由内在高并发的erlang语言开发，用在实时的对可靠性要求比较高的消息传递上.
     万级数据量，社区活跃度极高，可视化操作界面丰富。
     提供了全面的核心功能，是消息队列的优秀产品。
     因为是erlang语言开发，难以维护并且开发者很难二次开发。

Redis:
    redis的主要场景是内存数据库，作为消息队列来说可靠性太差，而且速度太依赖网络IO。
    在服务器本机上的速度较快，且容易出现数据堆积的问题，在比较轻量的场合下能够适用。

RocketMq:
    rocketMq几十万级别数据量，基于Java开发。是阿里巴巴开源的一个消息产品。
    应对了淘宝双十一考验，并且文档十分的完善，拥有一些其他消息队列不具备的高级特性，
    如定时推送，其他消息队列是延迟推送，如rabbitMq通过设置expire字段设置延迟推送时间。
    又比如rocketmq实现分布式事务，比较可靠的。RocketMq也是用过的唯一支持分布式事务的一款产品。

Kafka:
    kafka原本设计的初衷是日志统计分析，现在基于大数据的背景下也可以做运营数据的分析统计。
    kafka真正的大规模分布式消息队列，提供的核心功能比较少。基于zookeeper实现的分布式消息订阅。
    几十万级数据量级，比RokectMq更强。
    客户端和服务器之间的通信是通过一个简单的、高性能的、语言无关的TCP协议来完成的。

ActiveMq:
    Apache ActiveMQ™是最流行的开源、多协议、基于java的消息服务器。它支持行业标准协议，
    因此用户可以在各种语言和平台上选择客户端。可以使用来自C、c++、Python、. net等的连接性。
    使用通用的AMQP协议集成您的多平台应用程序。使用STOMP在websockets上交换web应用程序之间的消息。
    使用MQTT管理物联网设备。支持您现有的JMS基础结构及其他。ActiveMQ提供了支持任何messagi的强大功能
    和灵活性。

备注：因为该文章主要介绍kafka，所以上述只是简单罗列了一些特点，如果有兴趣的同学可以详细的分析一下，这些产品我后续都会专门写文章来归纳总结分析，在这里先简单带过。

为什么要用消息队列？

该部分是扩展内容，很多人包括我刚毕业那年使用消息队列，但别人问道我为啥用消息队列，我都没有一个很清晰的认识，所以在这里也说一下。希望给有需要的同学一些帮助。

那么为什么要使用消息队列呢？首先我们来回顾一下消息传递。前端而言，传统方式是通过全局变量来传递，后面有了数据总线的概念，再后来有相应的解决方案产品比如说vuex、redux、store等。对于后端来说，最先系统之间的通信，消息传递都非常依赖于通信对象彼此，高度耦合，后面有了一些产品来解决这些问题，比如说webservice.但这样的方式极其不友好，而且维护繁琐，职责难以分清，工作量增加，所以mq诞生后，基本解决了这些问题。

消息队列的引入是为了：

1.解耦：
    比如：A系统操作p,需要将消息传递给B、C两个系统，如果没有消息队列，那么A系统中需要给B发一条消息，
    又得给C发一条消息，然后有一天D、E、F系统说：A系统你也要给我发p的消息，这个时候A又得修改代码，
    发布上线，DEF才能正常接收消息。然后过了n天，C又说，不要给我发消息了，把给我发消息的部分去掉吧。
    A系统的开发人员又得哐哧哐哧的去掉，发布上线。这样日复一日，随着系统增多，接入和退出的操作增多，
    那么A系统需要频繁发布上线，降低了稳定性、可用时间、同时每次上线都需要测试跟踪测试，这里面的成本
    与风险不言而喻。而消息队列一旦引入，A不需要关心谁消费，谁退出消费，A只负责将消息放入队列即可，
    而其他系统只需要监听这个队列，就算其他系统退出，对A而言也是没有任何影响的，能够一直持续不断的
    提供服务，这难道不香吗？

2.异步
    比如说：传统方式发送消息给B、C、D，需要120ms,那么如果采用了消息队列，就可以大大降低耗时。但
    这些对于那些非必要的同步业务逻辑适用。

3.削峰
    传统模式下，请求直接进入到数据库，当峰值到达一定时，必然会挂掉。如果适用了中间件消息队列，那么就可以很好的保证系统正常提供服务，这也是秒杀系统中会常常谈到的限流、这样可以防止系统崩溃，提供系统可用性。

配置MAVEN

        <dependency>
            <groupId>org.apache.kafka</groupId>
            <artifactId>kafka_2.12</artifactId>
            <version>1.0.0</version>
            <scope>provided</scope>
        </dependency>
        <dependency>
            <groupId>org.apache.kafka</groupId>
            <artifactId>kafka-clients</artifactId>
            <version>1.0.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.kafka</groupId>
            <artifactId>kafka-streams</artifactId>
            <version>1.0.0</version>
        </dependency>

生产者

/**
 * @author chandlerHuang
 * @description @TODO
 * @date 2020/1/15
 */
public class KafkaProducerService implements Runnable {

    private final KafkaProducer<String,String> producer;

    private final String topic;

    public KafkaProducerService(String topic) {
        Properties props = new Properties();
        props.put("bootstrap.servers", "绑定的外网IP:9092");
        props.put("acks", "all");
        props.put("retries", 0);
        props.put("batch.size", 16384);
        props.put("key.serializer", StringSerializer.class.getName());
        props.put("value.serializer", StringSerializer.class.getName());
        this.producer = new KafkaProducer<String, String>(props);
        this.topic = topic;
    }

    @Override
    public void run() {
        int messageNo = 1;
        try {
            for(;;) {
                String messageStr="["+messageNo+"]:hello,boys!";
                producer.send(new ProducerRecord<String, String>(topic, "Message", messageStr));
                //生产了100条就打印
                if(messageNo%100==0){
                    System.out.println("sendMessages:" + messageStr);
                }
                //生产1000条就退出
                if(messageNo%1000==0){
                    System.out.println("successCount:"+messageNo);
                    break;
                }
                messageNo++;
            }
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            producer.close();
        }
    }

    public static void main(String args[]) {
        KafkaProducerService test = new KafkaProducerService(TopicConstant.CHART_TOPIC);
        Thread thread = new Thread(test);
        thread.start();
    }
}

消费者

/**
 * @author chandlerHuang
 * @description @TODO
 * @date 2020/1/15
 */
public class KafkaConsumerService implements Runnable{

    private final KafkaConsumer<String, String> consumer;
    private ConsumerRecords<String, String> msgList;
    private final String topic;
    private static final String GROUPID = "groupA";

    public KafkaConsumerService(String topicName) {
        Properties props = new Properties();
        props.put("bootstrap.servers", "绑定的外网IP:9092");
        props.put("group.id", GROUPID);
        props.put("enable.auto.commit", "true");
        props.put("auto.commit.interval.ms", "1000");
        props.put("session.timeout.ms", "30000");
        props.put("auto.offset.reset", "earliest");
        props.put("key.deserializer", StringDeserializer.class.getName());
        props.put("value.deserializer", StringDeserializer.class.getName());
        this.consumer = new KafkaConsumer<String, String>(props);
        this.topic = topicName;
        this.consumer.subscribe(Arrays.asList(topic));
    }

    @Override
    public void run() {
        int messageNo = 1;
        System.out.println("---------开始消费---------");
        try {
            for (;;) {
                msgList = consumer.poll(1000);
                if(null!=msgList&&msgList.count()>0){
                    for (ConsumerRecord<String, String> record : msgList) {
                        //消费100条就打印 ,但打印的数据不一定是这个规律的
                        if(messageNo%100==0){
                            System.out.println(messageNo+"=======receive: key = " + record.key() + ", value = " + record.value()+" offset==="+record.offset());
                        }
                        //当消费了1000条就退出
                        if(messageNo%1000==0){
                            break;
                        }
                        messageNo++;
                    }
                }else{
                    Thread.sleep(1000);
                }
            }
        } catch (InterruptedException e) {
            e.printStackTrace();
        } finally {
            consumer.close();
        }
    }
    public static void main(String args[]) {
        KafkaConsumerService test1 = new KafkaConsumerService(TopicConstant.CHART_TOPIC);
        Thread thread1 = new Thread(test1);
        thread1.start();
    }
}

备注：上述demo编写过程中，发现报了一个Exception:Kafka java client 连接异常（org.apache.kafka.common.errors.TimeoutException: Failed to update metadata ）...

kafka中需要配置server.文件：

advertised.listeners=PLAINTEXT://外网地址:9092

zookeeper.connect=内网地址:2181

如果你是云服务器的话需要，在安全组设置对应端口开放，否则无法访问响应接口！