花呗套现是什么鬼:快速了解 Kafka 生产者的使用和原理

 2020-09-14    10  

花呗套现是什么鬼:  
  作者 | 草捏子  整理 | 杨碧玉  出品 | 草捏子(ID:chaycao)  头图 | CSDN 下载自视觉中国  本文将学习 Kafka 生产者的使用和原理,文中使用的 kafka-clients 版本号为2.6.0。下面进入正文,先通过一个示例看下如何使用生产者 API 发送消息。
  public class Producer {  public static void main(String[] args) {
// 1. 配置参数
Properties properties = new Properties();
properties.put("bootstrap.servers", "localhost:9092");
properties.put("key.serializer",
"org.apache.kafka.common.serialization.StringSerializer");
properties.put("value.serializer",
"org.apache.kafka.common.serialization.StringSerializer");
// 2. 根据参数创建KafkaProducer实例(生产者)
KafkaProducer producer = new KafkaProducer(properties);
// 3. 创建ProducerRecord实例(消息)
ProducerRecord record = new ProducerRecord("topic-demo", "hello kafka");
// 4. 发送消息
producer.send(record);
// 5. 关闭生产者示例
producer.close();
}  }
  关于配置的三个必填参数
  首先创建一个 Properties 实例,设置了三个必填参数:
  bootstrap.servers : broker 的地址清单;  key.serializer :消息的键的序列化器;  value.serializer :消息的值的序列化器。  由于 broker 希望接受的是字节数组,所以需要将消息中的键值序列化成字节数组。在设置好参数后,根据参数创建 KafkaProducer 实例,也就是用于发送消息的生产者,接着再创建准备发送的消息 ProducerRecord 实例,然后使用 KafkaProducer 的send 方法发送消息,最后再关闭生产者。  关于 KafkaProducer ,我们先记住两点:  在创建实例的时候,需要指定配置;  send 方法 可发送消息。  send方法  关于配置我们先只了解这三个必填参数,下面我们看下 send 方法,关于发送消息的方式有三种:  1、发送并忘记(fire-and-forget)  在 发送消息给 Kafka 时,不 关心消息是否 正常到达,只负责成功发送,存在丢失消息的 可能。 上面给 出 的示例就是这种方式。  2、同步发送(sync)  send 方法的返回值是一个 Future 对象,当调用其 get 方法时将阻塞等待 Kafka 的响应。 如下:  Future recordMetadataFuture = producer.send(record);
RecordMetadata recordMetadata = recordMetadataFuture.get();
  RecordMetadata 对象中包含有消息的一些元数据,如消息的主题、分区号、分区中的偏移量、时间戳等。  3、异步发送(async)  在调用 send 方法时,指定回调函数,在 Kafka 返回响应时,将调用该函数。如下:  producer.send(record, new Callback() {
@Override
public void onCompletion(RecordMetadata recordMetadata, Exception e) {
if (e != null) {
e.printStackTrace();
} else {
System.out.println(recordMetadata.topic() + "-"
+ recordMetadata.partition() + ":" + recordMetadata.offset());
}
}
});
  onCompletion 有两个参数,其类型分别是 RecordMetadata 和 Exception 。当消息发送成功时, recordMetadata 为非 null ,而 e 将为 null 。当消息发送失败时,则反之。  消息对象ProducerRecord  下面我们认识下消息对象 ProducerRecord ,封装了发送的消息,其定义如下:  public class ProducerRecord {
private final String topic; // 主题
private final Integer partition; // 分区号
private final Headers headers; // 消息头部
private final K key; // 键
private final V value; // 值
private final Long timestamp; // 时间戳
// ...其他构造方法和成员方法
}
  其中主题和值为必填,其余非必填。例如当给出了分区号,则相当于指定了分区,而当未给出分区号时,若给出了键,则可用于计算分区号。关于消息头部和时间戳,暂不讲述。  发送消息时用到的组件  在对生产者对象 KafkaProducer 和消息对象 ProducerRecord 有了认识后,下面我们看下在使用生产者发送消息时,会使用到的组件有生产者拦截器、序列化器和分区器。其架构(部分)如下:  
  1、生产者拦截器:ProducerInterceptor 接口,主要用于在消息发送前做一些准备工作,比如对消息做过滤,或者修改消息内容,也可以用于在发送回调逻辑前做一些定制化的需求,例如统计类工作。  2、序列化器,Serializer 接口,用于将数据转换为字节数组。  3、分区器,Partitioner 接口,若未指定分区号,且提供 key 。  处理过程  下面结合代码来看下处理过程,加深印象。  public Future send(ProducerRecord record, Callback callback) {
// 拦截器,拦截消息进行处理
ProducerRecord interceptedRecord = this.interceptors.onSend(record);
return doSend(interceptedRecord, callback);
}
  上面是 KafkaProducer 的 send 方法,首先会将消息传给拦截器的 onSend 方法,然后进入 doSend 方法。其中 doSend 方法较长,但内容并不复杂,下面给出了主要步骤的注释。  private Future doSend(ProducerRecord record, Callback callback) {
TopicPartition tp = null;
try {
throwIfProducerClosed();
// 1.确认数据发送到的topic的metadata可用
long nowMs = time.milliseconds();
ClusterAndWaitTime clusterAndWaitTime;
try {
clusterAndWaitTime = waitOnMetadata(record.topic(), record.partition(), nowMs, maxBlockTimeMs);
} catch (KafkaException e) {
if (metadata.isClosed())
throw new KafkaException("Producer closed while send in progress", e);
throw e;
}
nowMs += clusterAndWaitTime.waitedOnMetadataMs;
long remainingWaitMs = Math.max(0, maxBlockTimeMs - clusterAndWaitTime.waitedOnMetadataMs);
Cluster cluster = clusterAndWaitTime.cluster;
// 2.序列化器,序列化消息的key和value
byte[] serializedKey;
try {
serializedKey = keySerializer.serialize(record.topic(), record.headers(), record.key());
} catch (ClassCastException cce) {
throw new SerializationException("Can't convert key of class " + record.key().getClass().getName() +
" to class " + producerConfig.getClass(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG).getName() +
" specified in key.serializer", cce);
}
byte[] serializedValue;
try {
serializedValue = valueSerializer.serialize(record.topic(), record.headers(), record.value());
} catch (ClassCastException cce) {
throw new SerializationException("Can't convert value of class " + record.value().getClass().getName() +
" to class " + producerConfig.getClass(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG).getName() +
" specified in value.serializer", cce);
}
// 3.分区器,获取或计算分区号
int partition = partition(record, serializedKey, serializedValue, cluster);
tp = new TopicPartition(record.topic(), partition);  setReadOnly(record.headers());
Header[] headers = record.headers().toArray();  int serializedSize = AbstractRecords.estimateSizeInBytesUpperBound(apiVersions.maxUsableProduceMagic(),
compressionType, serializedKey, serializedValue, headers);
ensureValidRecordSize(serializedSize);
long timestamp = record.timestamp() == null ? nowMs : record.timestamp();
if (log.isTraceEnabled()) {
log.trace("Attempting to append record {} with callback {} to topic {} partition {}", record, callback, record.topic(), partition);
}
Callback interceptCallback = new InterceptorCallback(callback, this.interceptors, tp);  if (transactionManager != null transactionManager.isTransactional()) {
transactionManager.failIfNotReadyForSend();
}
// 4.消息累加器,缓存消息
RecordAccumulator.RecordAppendResult result = accumulator.append(tp, timestamp, serializedKey,
serializedValue, headers, interceptCallback, remainingWaitMs, true, nowMs);  if (result.abortForNewBatch) {
int prevPartition = partition;
partitioner.onNewBatch(record.topic(), cluster, prevPartition);
partition = partition(record, serializedKey, serializedValue, cluster);
tp = new TopicPartition(record.topic(), partition);
if (log.isTraceEnabled()) {
log.trace("Retrying append due to new batch creation for topic {} partition {}. The old partition was {}", record.topic(), partition, prevPartition);
}
// producer callback will make sure to call both 'callback' and interceptor callback
interceptCallback = new InterceptorCallback(callback, this.interceptors, tp);  result = accumulator.append(tp, timestamp, serializedKey,
serializedValue, headers, interceptCallback, remainingWaitMs, false, nowMs);
}  if (transactionManager != null transactionManager.isTransactional())
transactionManager.maybeAddPartitionToTransaction(tp);  // 5.如果batch满了或者消息大小超过了batch的剩余空间需要创建新的batch
// 将唤醒sender线程发送消息
if (result.batchIsFull || result.newBatchCreated) {
log.trace("Waking up the sender since topic {} partition {} is either full or getting a new batch", record.topic(), partition);
this.sender.wakeup();
}
return result.future;
} catch (ApiException e) {
log.debug("Exception occurred during message send:", e);
if (callback != null)
callback.onCompletion(null, e);
this.errors.record();
this.interceptors.onSendError(record, tp, e);
return new FutureFailure(e);
} catch (InterruptedException e) {
this.errors.record();
this.interceptors.onSendError(record, tp, e);
throw new InterruptException(e);
} catch (KafkaException e) {
this.errors.record();
this.interceptors.onSendError(record, tp, e);
throw e;
} catch (Exception e) {
this.interceptors.onSendError(record, tp, e);
throw e;
}
}
  doSend方法  doSend方法主要分为5个步骤:
  在发送数据前,先确认数据发送的 topic 的 metadata 是可用的( partition 的 leader 存在即为可用,如果开启了权限控制,则还要求 client 具有相应的权限);  序列化器,序列化消息的 key 和 value ;  分区器,获取或计算分区号;  消息累加器,缓存消息;  在消息累加器中,消息会被放在一个 batch 中,用于批量发送,当 batch 满了或者消息大小超过了 batch 的剩余空间需要创建新的 batch ,则将唤醒 sender 线程发送消息。  关于 meatadata 本文将不深究,序列化器、分区器前文也给出了介绍。下面我们主要看下消息累加器。  消息累加器  消息累加器,其作用是用于缓存消息,以便批量发送消息。在 RecordAccumulator 中用一个 ConcurrentMap TopicPartition , Deque ProducerBatch batches 的 map 变量保存消息。作为 key 的 TopicPartition 封装了 topic 和分区号,而对应的 value 为 ProducerBatch 的双端队列,也就是将发往同一个分区的消息缓存在 ProducerBatch 中。在发送消息时, Record 会被追加在队列的尾部,即加入到尾部的 ProducerBatch 中,如果 ProducerBatch 的空间不足或队列为空,则将创建新的 ProducerBatch ,然后追加。当 ProducerBatch 满了或创建新的 ProducerBatch 时,将唤醒 Sender 线程从队列的头部获取 ProducerBatch 进行发送。  
RecordAccumulator
  在Sender线程中会将待发送的 ProducerBatch 将转换成 Integer , List ProducerBatch 的形式,按 Kafka 节点的 ID 进行分组,然后将同一个 node 的 ProducerBatch 放在一个请求中发送。  Kafka 源码解析之 Producer 发送模型(一): http://matt33.com/2017/06/25/kafka-producer-send-module/
  •  标签: