• 4、Kafka 消费者

    5.1 Kafka 消费方式
    在这里插入图片描述
    5.2 Kafka 消费者工作流程
    5.2.1 消费者总体工作流程
    在这里插入图片描述
    5.2.2 消费者组原理
    Consumer Group（CG）：消费者组，由多个consumer组成。形成一个消费者组的条件，是所有消费者的groupid相同。
    • 消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费。
    • 消费者组之间互不影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    5.2.3 消费者重要参数
    在这里插入图片描述
    5.3 消费者 API
    5.3.1 独立消费者案例（订阅主题）
    1）需求：
    创建一个独立消费者，消费 first 主题中数据。
    在这里插入图片描述
    注意：在消费者 API 代码中必须配置消费者组 id。命令行启动消费者不填写消费者组
    id 会被自动填写随机的消费者组 id。
    2）实现步骤
    （1）创建包名：com.atguigu.kafka.consumer
    （2）编写代码

    import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import java.time.Duration;
import java.util.ArrayList;
import java.util.Properties;
public class CustomConsumer {
 public static void main(String[] args) {
 // 1.创建消费者的配置对象
 Properties properties = new Properties();
 // 2.给消费者配置对象添加参数
 properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, 
"hadoop102:9092");
 // 配置序列化 必须
properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, 
StringDeserializer.class.getName());
 
properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, 
StringDeserializer.class.getName());
 // 配置消费者组（组名任意起名） 必须
 properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test");
 // 创建消费者对象
 KafkaConsumer<String, String> kafkaConsumer = new 
KafkaConsumer<String, String>(properties);
 // 注册要消费的主题（可以消费多个主题）
 ArrayList<String> topics = new ArrayList<>();
 topics.add("first");
 kafkaConsumer.subscribe(topics);
 // 拉取数据打印
 while (true) {
 // 设置 1s 中消费一批数据
 ConsumerRecords<String, String> consumerRecords = 
kafkaConsumer.poll(Duration.ofSeconds(1));
 // 打印消费到的数据
 for (ConsumerRecord<String, String> consumerRecord : 
consumerRecords) {
 System.out.println(consumerRecord);
 }
 }
 }
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42

    （2）在 Kafka 集群控制台，创建 Kafka 生产者，并输入数据。

    [hadoop102 kafka]$ bin/kafka-console-producer.sh --
bootstrap-server hadoop102:9092 --topic first


>hello

    • 1
    • 2
    • 3
    • 4
    • 5

    （3）在 IDEA 控制台观察接收到的数据。

    ConsumerRecord(topic = first, partition = 1, leaderEpoch = 3, 
offset = 0, CreateTime = 1629160841112, serialized key size = -1, 
serialized value size = 5, headers = RecordHeaders(headers = [], 
isReadOnly = false), key = null, value = hello)

    • 1
    • 2
    • 3
    • 4

    5.3.2 独立消费者案例（订阅分区）
    1）需求：创建一个独立消费者，消费 first 主题 0 号分区的数据。
    在这里插入图片描述
    2）实现步骤
    （1）代码编写。

    import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.common.TopicPartition;
import java.time.Duration;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Properties;
public class CustomConsumerPartition {
 public static void main(String[] args) {
 Properties properties = new Properties();
 
properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop102
:9092");
// 配置序列化 必须
properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, 
StringDeserializer.class.getName());
 
properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,
StringDeserializer.class.getName());
 // 配置消费者组（必须），名字可以任意起
 properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test");
 KafkaConsumer<String, String> kafkaConsumer = new 
KafkaConsumer<>(properties);
 // 消费某个主题的某个分区数据
 ArrayList<TopicPartition> topicPartitions = new 
ArrayList<>();
 topicPartitions.add(new TopicPartition("first", 0));
 kafkaConsumer.assign(topicPartitions);
 while (true){
 ConsumerRecords<String, String> consumerRecords = 
kafkaConsumer.poll(Duration.ofSeconds(1));
 for (ConsumerRecord<String, String> consumerRecord : 
consumerRecords) {
 System.out.println(consumerRecord);
 }
 }
 }
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40

    3）测试
    （1）在 IDEA 中执行消费者程序。
    （2）在 IDEA 中执行生产者程序 CustomProducerCallback()在控制台观察生成几个 0 号
    分区的数据。

    first 0 381
first 0 382
first 2 168
first 1 165
first 1 166

    • 1
    • 2
    • 3
    • 4
    • 5

    （3）在 IDEA 控制台，观察接收到的数据，只能消费到 0 号分区数据表示正确。

    ConsumerRecord(topic = first, partition = 0, leaderEpoch = 14, 
offset = 381, CreateTime = 1636791331386, serialized key size = -
1, serialized value size = 9, headers = RecordHeaders(headers = 
[], isReadOnly = false), key = null, value = atguigu 0)
ConsumerRecord(topic = first, partition = 0, leaderEpoch = 14, 
offset = 382, CreateTime = 1636791331397, serialized key size = -
1, serialized value size = 9, headers = RecordHeaders(headers = 
[], isReadOnly = false), key = null, value = atguigu 1)

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8

    5.3.3 消费者组案例
    1）需求：测试同一个主题的分区数据，只能由一个消费者组中的一个消费。
    在这里插入图片描述
    2）案例实操
    （1）复制一份基础消费者的代码，在 IDEA 中同时启动，即可启动同一个消费者组中
    的两个消费者。

    import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import java.time.Duration;
import java.util.ArrayList;
import java.util.Properties;
public class CustomConsumer1 {
    public static void main(String[] args) {
        // 1.创建消费者的配置对象
        Properties properties = new Properties();
        // 2.给消费者配置对象添加参数
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,
                "hadoop102:9092");
        // 配置序列化 必须

        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,
                StringDeserializer.class.getName());

        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,
                StringDeserializer.class.getName());
        // 配置消费者组 必须
        properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test");
        // 创建消费者对象
        KafkaConsumer<String, String> kafkaConsumer = new
                KafkaConsumer<String, String>(properties);
        // 注册主题
        ArrayList<String> topics = new ArrayList<>();
        topics.add("first");
        kafkaConsumer.subscribe(topics);
        // 拉取数据打印
        while (true) {
            // 设置 1s 中消费一批数据
            ConsumerRecords<String, String> consumerRecords =
                    kafkaConsumer.poll(Duration.ofSeconds(1));
            // 打印消费到的数据
            for (ConsumerRecord<String, String> consumerRecord :
                    consumerRecords) {
                System.out.println(consumerRecord);
            }
        }
    }
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43

    （2）启动代码中的生产者发送消息，在 IDEA 控制台即可看到两个消费者在消费不同
    分区的数据（如果只发生到一个分区，可以在发送时增加延迟代码 Thread.sleep(2);）。

    ConsumerRecord(topic = first, partition = 0, leaderEpoch = 2, 
offset = 3, CreateTime = 1629169606820, serialized key size = -1, 
serialized value size = 8, headers = RecordHeaders(headers = [], 
isReadOnly = false), key = null, value = hello1)
ConsumerRecord(topic = first, partition = 1, leaderEpoch = 3, 
offset = 2, CreateTime = 1629169609524, serialized key size = -1, 
serialized value size = 6, headers = RecordHeaders(headers = [], 
isReadOnly = false), key = null, value = hello2)
ConsumerRecord(topic = first, partition = 2, leaderEpoch = 3, 
offset = 21, CreateTime = 1629169611884, serialized key size = -1, 
serialized value size = 6, headers = RecordHeaders(headers = [], 
isReadOnly = false), key = null, value = hello3)

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12

    （3）重新发送到一个全新的主题中，由于默认创建的主题分区数为 1，可以看到只能
    有一个消费者消费到数据。
    在这里插入图片描述
    5.4 生产经验——分区的分配以及再平衡
    在这里插入图片描述
    在这里插入图片描述

    5.4.1 Range 以及再平衡
    1）Range 分区策略原理
    在这里插入图片描述
    2）Range 分区分配策略案例
    （1）修改主题 first 为 7 个分区。
    [hadoop102 kafka]$ bin/kafka-topics.sh --bootstrap-server
    hadoop102:9092 --alter --topic first --partitions 7
    注意：分区数可以增加，但是不能减少。
    （2）复制 CustomConsumer 类，创建 CustomConsumer2。这样可以由三个消费者
    CustomConsumer、CustomConsumer1、CustomConsumer2 组成消费者组，组名都为“test”，
    同时启动 3 个消费者。
    在这里插入图片描述
    （3）启动 CustomProducer 生产者，发送 500 条消息，随机发送到不同的分区。

    import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;
import java.util.Properties;
public class CustomProducer {
    public static void main(String[] args) throws
            InterruptedException {
        Properties properties = new Properties();
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,
                "hadoop102:9092");
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,
                StringDeserializer.class.getName());

        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,
                StringDeserializer.class.getName());
        KafkaProducer<String, String> kafkaProducer = new
                KafkaProducer<>(properties);
        for (int i = 0; i < 7; i++) {
            kafkaProducer.send(new ProducerRecord<>("first", i,
                    "test", "prince"));
        }
        kafkaProducer.close();
    }
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24

    说明：Kafka 默认的分区分配策略就是 Range + CooperativeSticky，所以不需要修改策
    略。
    （4）观看 3 个消费者分别消费哪些分区的数据。

    3）Range 分区分配再平衡案例
    （1）停止掉 0 号消费者，快速重新发送消息观看结果（45s 以内，越快越好）。
    1 号消费者：消费到 3、4 号分区数据。
    2 号消费者：消费到 5、6 号分区数据。
    0 号消费者的任务会整体被分配到 1 号消费者或者 2 号消费者。
    说明：0 号消费者挂掉后，消费者组需要按照超时时间 45s 来判断它是否退出，所以需
    要等待，时间到了 45s 后，判断它真的退出就会把任务分配给其他 broker 执行。
    （2）再次重新发送消息观看结果（45s 以后）。
    1 号消费者：消费到 0、1、2、3 号分区数据。
    2 号消费者：消费到 4、5、6 号分区数据。
    说明：消费者 0 已经被踢出消费者组，所以重新按照 range 方式分配。

    5.4.2 RoundRobin 以及再平衡
    1）RoundRobin 分区策略原理
    在这里插入图片描述
    2）RoundRobin 分区分配策略案例
    （1）依次在 CustomConsumer、CustomConsumer1、CustomConsumer2 三个消费者代
    码中修改分区分配策略为 RoundRobin

    // 修改分区分配策略
properties.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFI
G, "org.apache.kafka.clients.consumer.RoundRobinAssignor");

    • 1
    • 2
    • 3

    （2）重启 3 个消费者，重复发送消息的步骤，观看分区结果。

    3）RoundRobin 分区分配再平衡案例
    （1）停止掉 0 号消费者，快速重新发送消息观看结果（45s 以内，越快越好）。
    1 号消费者：消费到 2、5 号分区数据
    2 号消费者：消费到 4、1 号分区数据
    0 号消费者的任务会按照 RoundRobin 的方式，把数据轮询分成 0 、6 和 3 号分区数据，
    分别由 1 号消费者或者 2 号消费者消费。
    说明：0 号消费者挂掉后，消费者组需要按照超时时间 45s 来判断它是否退出，所以需
    要等待，时间到了 45s 后，判断它真的退出就会把任务分配给其他 broker 执行。
    （2）再次重新发送消息观看结果（45s 以后）。
    1 号消费者：消费到 0、2、4、6 号分区数据
    2 号消费者：消费到 1、3、5 号分区数据
    说明：消费者 0 已经被踢出消费者组，所以重新按照 RoundRobin 方式分配。

    5.4.3 Sticky 以及再平衡
    粘性分区定义：可以理解为分配的结果带有“粘性的”。即在执行一次新的分配之前，
    考虑上一次分配的结果，尽量少的调整分配的变动，可以节省大量的开销。
    粘性分区是 Kafka 从 0.11.x 版本开始引入这种分配策略，首先会尽量均衡的放置分区
    到消费者上面，在出现同一消费者组内消费者出现问题的时候，会尽量保持原有分配的分
    区不变化。
    1）需求
    设置主题为 first，7 个分区；准备 3 个消费者，采用粘性分区策略，并进行消费，观察
    消费分配情况。然后再停止其中一个消费者，再次观察消费分配情况。
    2）步骤
    （1）修改分区分配策略为粘性。
    注意：3 个消费者都应该注释掉，之后重启 3 个消费者，如果出现报错，全部停止等
    会再重启，或者修改为全新的消费者组

    // 修改分区分配策略
ArrayList<String> startegys = new ArrayList<>();
startegys.add("org.apache.kafka.clients.consumer.StickyAssignor");
properties.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG, 
startegys);

    • 1
    • 2
    • 3
    • 4
    • 5

    （2）使用同样的生产者发送 500 条消息。
    可以看到会尽量保持分区的个数近似划分分区。

    3）Sticky 分区分配再平衡案例
    （1）停止掉 0 号消费者，快速重新发送消息观看结果（45s 以内，越快越好）。
    1 号消费者：消费到 2、5、3 号分区数据。
    2 号消费者：消费到 4、6 号分区数据。
    0 号消费者的任务会按照粘性规则，尽可能均衡的随机分成 0 和 1 号分区数据，分别
    由 1 号消费者或者 2 号消费者消费。
    说明：0 号消费者挂掉后，消费者组需要按照超时时间 45s 来判断它是否退出，所以需
    要等待，时间到了 45s 后，判断它真的退出就会把任务分配给其他 broker 执行。
    （2）再次重新发送消息观看结果（45s 以后）。
    1 号消费者：消费到 2、3、5 号分区数据。
    2 号消费者：消费到 0、1、4、6 号分区数据。
    说明：消费者 0 已经被踢出消费者组，所以重新按照粘性方式分配。

    5.5 offset 位移
    5.5.1 offset 的默认维护位置
    在这里插入图片描述
    __consumer_offsets 主题里面采用 key 和 value 的方式存储数据。key 是 group.id+topic+
    分区号，value 就是当前 offset 的值。每隔一段时间，kafka 内部会对这个 topic 进行
    compact，也就是每个 group.id+topic+分区号就保留最新数据。
    1）消费 offset 案例
    （0）思想：__consumer_offsets 为 Kafka 中的 topic，那就可以通过消费者进行消费。
    （1）在配置文件 config/consumer.properties 中添加配置 exclude.internal.topics=false，
    默认是 true，表示不能消费系统主题。为了查看该系统主题数据，所以该参数修改为 false。
    （2）采用命令行方式，创建一个新的 topic。

    [hadoop102 kafka]$ bin/kafka-topics.sh --bootstrap-server 
hadoop102:9092 --create --topic atguigu --partitions 2 --
replication-factor 2

    • 1
    • 2
    • 3

    （3）启动生产者往 atguigu 生产数据。

    [hadoop102 kafka]$ bin/kafka-console-producer.sh --topic 
atguigu --bootstrap-server hadoop102:9092

    • 1
    • 2

    （4）启动消费者消费 atguigu 数据。

    [hadoop104 kafka]$ bin/kafka-console-consumer.sh --
bootstrap-server hadoop102:9092 --topic atguigu --group test
注意：指定消费者组名称，更好观察数据存储位置（key 是 group.id+topic+分区号）。

    • 1
    • 2
    • 3

    （5）查看消费者消费主题__consumer_offsets。

    [hadoop102 kafka]$ bin/kafka-console-consumer.sh --topic 
__consumer_offsets --bootstrap-server hadoop102:9092 --
consumer.config config/consumer.properties --formatter 
"kafka.coordinator.group.GroupMetadataManager\$OffsetsMessageForm
atter" --from-beginning
[offset,atguigu,1]::OffsetAndMetadata(offset=7, 
leaderEpoch=Optional[0], metadata=, commitTimestamp=1622442520203, 
expireTimestamp=None)
[offset,atguigu,0]::OffsetAndMetadata(offset=8, 
leaderEpoch=Optional[0], metadata=, commitTimestamp=1622442520203, 
expireTimestamp=None)

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11

    5.5.2 自动提交 offset

    为了使我们能够专注于自己的业务逻辑，Kafka提供了自动提交offset的功能。
    5s
    自动提交offset的相关参数：
    ⚫ enable.auto.commit：是否开启自动提交offset功能，默认是true
    ⚫ auto.commit.interval.ms：自动提交offset的时间间隔，默认是5s

    在这里插入图片描述
    在这里插入图片描述
    1）消费者自动提交 offset

    import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import java.util.Arrays;
import java.util.Properties;
public class CustomConsumerAutoOffset {
    public static void main(String[] args) {
        // 1. 创建 kafka 消费者配置类
        Properties properties = new Properties();
        // 2. 添加配置参数
        // 添加连接
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,
                "hadoop102:9092");

        // 配置序列化 必须
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,
                "org.apache.kafka.common.serialization.StringDeserializer");
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,
                "org.apache.kafka.common.serialization.StringDeserializer");
        // 配置消费者组
        properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test");
        // 是否自动提交 offset
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,
                true);
        // 提交 offset 的时间周期 1000ms，默认 5s
        properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,
                1000);
        //3. 创建 kafka 消费者
        KafkaConsumer<String, String> consumer = new
                KafkaConsumer<>(properties);
        //4. 设置消费主题 形参是列表
        consumer.subscribe(Arrays.asList("first"));
        //5. 消费数据
        while (true){
            // 读取消息
            ConsumerRecords<String, String> consumerRecords =
                    consumer.poll(Duration.ofSeconds(1));
            // 输出消息
            for (ConsumerRecord<String, String> consumerRecord :
                    consumerRecords) {
                System.out.println(consumerRecord.value());
            }
        }
    }
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46

    5.5.3 手动提交 offset
    此Kafka还提供了手动提交offset的API。
    手动提交offset的方法有两种：分别是commitSync（同步提交）和commitAsync（异步提交）。两者的相
    同点是，都会将本次提交的一批数据最高的偏移量提交；不同点是，同步提交阻塞当前线程，一直到提交成
    功，并且会自动失败重试（由不可控因素导致，也会出现提交失败）；而异步提交则没有失败重试机制，故
    有可能提交失败。
    • commitSync（同步提交）：必须等待offset提交完毕，再去消费下一批数据。
    • commitAsync（异步提交） ：发送完提交offset请求后，就开始消费下一批数据了。
    在这里插入图片描述
    1）同步提交 offset
    由于同步提交 offset 有失败重试机制，故更加可靠，但是由于一直等待提交结果，提
    交的效率比较低。以下为同步提交 offset 的示例。

    import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import java.util.Arrays;
import java.util.Properties;
public class CustomConsumerByHandSync {
    public static void main(String[] args) {
        // 1. 创建 kafka 消费者配置类
        Properties properties = new Properties();
        // 2. 添加配置参数
        // 添加连接
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,
                "hadoop102:9092");
        // 配置序列化 必须
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,
                "org.apache.kafka.common.serialization.StringDeserializer");

        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,
                "org.apache.kafka.common.serialization.StringDeserializer");
        // 配置消费者组
        properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test");
        // 是否自动提交 offset
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,
                false);
        //3. 创建 kafka 消费者
        KafkaConsumer<String, String> consumer = new
                KafkaConsumer<>(properties);
        //4. 设置消费主题 形参是列表
        consumer.subscribe(Arrays.asList("first"));
        //5. 消费数据
        while (true){
            // 读取消息
            ConsumerRecords<String, String> consumerRecords =
                    consumer.poll(Duration.ofSeconds(1));
            // 输出消息
            for (ConsumerRecord<String, String> consumerRecord :
                    consumerRecords) {
                System.out.println(consumerRecord.value());
            }
            // 同步提交 offset
            consumer.commitSync();
        }
    }
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45

    2）异步提交 offset
    虽然同步提交 offset 更可靠一些，但是由于其会阻塞当前线程，直到提交成功。因此
    吞吐量会受到很大的影响。因此更多的情况下，会选用异步提交 offset 的方式。
    以下为异步提交 offset 的示例：

    import org.apache.kafka.common.TopicPartition;
import java.util.Arrays;
import java.util.Map;
import java.util.Properties;
public class CustomConsumerByHandAsync {
    public static void main(String[] args) {
        // 1. 创建 kafka 消费者配置类
        Properties properties = new Properties();
        // 2. 添加配置参数
        // 添加连接
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,
                "hadoop102:9092");
        // 配置序列化 必须
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,
                "org.apache.kafka.common.serialization.StringDeserializer");

        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,
                "org.apache.kafka.common.serialization.StringDeserializer");
        // 配置消费者组
        properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test");
        // 是否自动提交 offset
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,
                "false");
        //3. 创建 Kafka 消费者
        KafkaConsumer<String, String> consumer = new
                KafkaConsumer<>(properties);
        //4. 设置消费主题 形参是列表
        consumer.subscribe(Arrays.asList("first"));
        //5. 消费数据
        while (true){
            // 读取消息
            ConsumerRecords<String, String> consumerRecords =
                    consumer.poll(Duration.ofSeconds(1));
            // 输出消息
            for (ConsumerRecord<String, String> consumerRecord :
                    consumerRecords) {
                System.out.println(consumerRecord.value());
            }
            // 异步提交 offset
            consumer.commitAsync();
        }
    }
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43

    5.5.4 指定 Offset 消费
    auto.offset.reset = earliest | latest | none 默认是 latest。
    当 Kafka 中没有初始偏移量（消费者组第一次消费）或服务器上不再存在当前偏移量
    时（例如该数据已被删除），该怎么办？
    （1）earliest：自动将偏移量重置为最早的偏移量，–from-beginning。
    （2）latest（默认值）：自动将偏移量重置为最新偏移量。
    （3）none：如果未找到消费者组的先前偏移量，则向消费者抛出异常。
    在这里插入图片描述
    （4）任意指定 offset 位移开始消费

    import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;
import java.time.Duration;
import java.util.ArrayList;
import java.util.HashSet;
import java.util.Properties;
import java.util.Set;
public class CustomConsumerSeek {
    public static void main(String[] args) {
        // 0 配置信息
        Properties properties = new Properties();
        // 连接
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,
                "hadoop102:9092");
        // key value 反序列化

        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,
                StringDeserializer.class.getName());

        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,
                StringDeserializer.class.getName());
        properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test2");
        // 1 创建一个消费者
        KafkaConsumer<String, String> kafkaConsumer = new
                KafkaConsumer<>(properties);
        // 2 订阅一个主题
        ArrayList<String> topics = new ArrayList<>();
        topics.add("first");
        kafkaConsumer.subscribe(topics);
        Set<TopicPartition> assignment= new HashSet<>();
        while (assignment.size() == 0) {
            kafkaConsumer.poll(Duration.ofSeconds(1));
            // 获取消费者分区分配信息（有了分区分配信息才能开始消费）
            assignment = kafkaConsumer.assignment();
        }
        // 遍历所有分区，并指定 offset 从 1700 的位置开始消费
        for (TopicPartition tp: assignment) {
            kafkaConsumer.seek(tp, 1700);
        }
        // 3 消费该主题数据
        while (true) {
            ConsumerRecords<String, String> consumerRecords =
                    kafkaConsumer.poll(Duration.ofSeconds(1));
            for (ConsumerRecord<String, String> consumerRecord :
                    consumerRecords) {
                System.out.println(consumerRecord);
            }
        }
    }
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54

    注意：每次执行完，需要修改消费者组名；

    5.5.5 指定时间消费
    需求：在生产环境中，会遇到最近消费的几个小时数据异常，想重新按照时间消费。
    例如要求按照时间消费前一天的数据，怎么处理？
    操作步骤：

    import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;
import java.time.Duration;
import java.util.*;
public class CustomConsumerForTime {
    public static void main(String[] args) {
        // 0 配置信息
        Properties properties = new Properties();
        // 连接
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,
                "hadoop102:9092");
        // key value 反序列化

        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,
                StringDeserializer.class.getName());

        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,
                StringDeserializer.class.getName());
        properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test2");
        // 1 创建一个消费者
        KafkaConsumer<String, String> kafkaConsumer = new
                KafkaConsumer<>(properties);
        // 2 订阅一个主题
        ArrayList<String> topics = new ArrayList<>();
        topics.add("first");
        kafkaConsumer.subscribe(topics);
        Set<TopicPartition> assignment = new HashSet<>();
        while (assignment.size() == 0) {
            kafkaConsumer.poll(Duration.ofSeconds(1));
            // 获取消费者分区分配信息（有了分区分配信息才能开始消费）
            assignment = kafkaConsumer.assignment();
        }
        HashMap<TopicPartition, Long> timestampToSearch = new
                HashMap<>();
        // 封装集合存储，每个分区对应一天前的数据
        for (TopicPartition topicPartition : assignment) {
            timestampToSearch.put(topicPartition,
                    System.currentTimeMillis() - 1 * 24 * 3600 * 1000);
        }
        // 获取从 1 天前开始消费的每个分区的 offset
        Map<TopicPartition, OffsetAndTimestamp> offsets =
                kafkaConsumer.offsetsForTimes(timestampToSearch);
        // 遍历每个分区，对每个分区设置消费时间。
        for (TopicPartition topicPartition : assignment) {
            OffsetAndTimestamp offsetAndTimestamp =
                    offsets.get(topicPartition);
            // 根据时间指定开始消费的位置
            if (offsetAndTimestamp != null){
                kafkaConsumer.seek(topicPartition,
                        offsetAndTimestamp.offset());
            }
        }

        // 3 消费该主题数据
        while (true) {
            ConsumerRecords<String, String> consumerRecords =
                    kafkaConsumer.poll(Duration.ofSeconds(1));
            for (ConsumerRecord<String, String> consumerRecord :
                    consumerRecords) {
                System.out.println(consumerRecord);
            }
        }
    }
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65

    5.5.6 漏消费和重复消费
    重复消费：已经消费了数据，但是 offset 没提交。
    漏消费：先提交 offset 后消费，有可能会造成数据的漏消费。
    在这里插入图片描述
    思考：怎么能做到既不漏消费也不重复消费呢？详看消费者事务。

    5.6 生产经验——消费者事务

    如果想完成Consumer端的精准一次性消费，那么需要Kafka消费端将消费过程和提交offset
    过程做原子绑定。此时我们需要将Kafka的offset保存到支持事务的自定义介质（比 如
    MySQL）。这部分知识会在后续项目部分涉及。
    在这里插入图片描述
    5.7 生产经验——数据积压（消费者如何提高吞吐量）
    在这里插入图片描述
    在这里插入图片描述

  • 相关阅读:
    京东购物车的原理及Java实现
    小程序如何设置配送方式
    volatile 关键字
    【Vue.js】使用ElementUI实现增删改查(CRUD)及表单验证
    《向量数据库指南》——向量数据库Elasticsearch -＞ Milvus 2.x
    【PS-6】视图操作
    .NET服务治理之限流中间件-FireflySoft.RateLimit
    PostgreSQL 与 Oracle 访问分区表执行计划差异
    代码随想录阅读笔记-字符串【翻转字符串中单词】
    UE4学习日记15（怪兽）
  • 原文地址：https://blog.csdn.net/weixin_45817985/article/details/133940662