python 使用 kafka
Posted 紫青宝剑
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python 使用 kafka相关的知识,希望对你有一定的参考价值。
python 使用 kafka
说明:关于 kafka 的启动与安装,命令行的使用,此处不做过多的解释,本篇文章主要描述 kafka 在 python 中的使用;
1. python 使用 kafka 生产者
**说明:**python 在操作 kafka 写入数据的时候,分为发送往已经存在的主题或者是不存在的主题,当主题不存在的时候,生产者会自动创建该主题,并将消息存贮在默认的 0 分区;
使用 python 操作 kafka 首先安装如下的包
pip install kafka
pip install kafka-python # 由于 python 3.7 后的版本中 async 的关键字发生了变化,因此需要多安装该包;
常规的使用主要就是根据,第三方包的介绍使用,网上有许多基本的案例,此处不做介绍,下面直接将封装好的常用的方法进行封装;
import json
import kafka
class Producer(object):
""" kafka 的生产者模型
"""
_coding = "utf-8"
def __init__(self,
broker=\'192.168.74.136:9092\',
topic="add_topic",
max_request_size=104857600,
batch_size=0, # 即时发送,提高并发可以适当增加,但是会造成消息的延迟;
**kwargs):
"""初始化设置 kafka 生产者连接对象;参数不存在的情况下使用配置文件中的默认连接;
"""
self.broker = broker
self.topic = topic
self.max_request_size = max_request_size
# 实例化生产者对象
self.producer_json = kafka.KafkaProducer(
bootstrap_servers=self.broker,
max_request_size=self.max_request_size,
batch_size=batch_size,
key_serializer=lambda k: json.dumps(k).encode(self._coding), # 设置键的形式使用匿名函数进行转换
value_serializer=lambda v: json.dumps(v).encode(self._coding), # 当需要使用 json 传输地时候必须加上这两个参数
**kwargs
)
self.producer = kafka.KafkaProducer(
bootstrap_servers=broker,
max_request_size=self.max_request_size,
batch_size=batch_size,
api_version=(0, 10, 1),
**kwargs
)
def send(self, message: bytes, partition: int = 0):
"""
写入普通的消息;
Args:
message: bytes; 字节流数据;将字符串编码成 utf-8的格式;
partition: int; kafka 的分区,将消息发送到指定的分区之中;
Returns:
None
"""
future = self.producer.send(self.topic, message, partition=partition)
record_metadata = future.get(timeout=30)
if future.failed(): # 发送失败,记录异常到日志;
raise Exception("send message failed:%s)" % future.exception)
def send_json(self, key: str, value: dict, partition: int = 0):
"""
发送 json 形式的数据;
Args:
key: str; kafka 中键的值
value: dict; 发送的具体消息
partition: int; 分区的信息
Returns:
None
"""
future = self.producer_json.send(self.topic, key=key, value=value, partition=partition)
record_metadata = future.get(timeout=30)
if future.failed(): # 发送失败记录异常;
raise Exception("send json message failed:%s)" % future.exception)
def close(self):
"""
关闭kafka的连接。
Returns:
None
"""
self.producer_json.close()
self.producer.close()
if __name__ == \'__main__\':
\'\'\'脚本调用执行;\'\'\'
kafka_obj = Producer()
print(kafka_obj.broker)
kafka_obj.send("自动生成".encode())
发送的消息,主要是普通的字符串消息,和字典形式的消息,方便对接;
2. python 使用 kafka 消费者
由于 kafka 消费者的特性,阻塞循环是一个必然的过程,可以使用 python 中的生成器进行优化,但是循环阻塞是无可避免的;
操作 kafka 的消费者依旧只需要安装上述的两个第三方依赖包;
封装指定的操作
import json
from kafka import KafkaConsumer, KafkaProducer
from kafka.structs import TopicPartition
class KConsumer(object):
"""kafka 消费者; 动态传参,非配置文件传入;
kafka 的消费者应该尽量和生产者保持在不同的节点上;否则容易将程序陷入死循环中;
"""
_encode = "UTF-8"
def __init__(self, topics="start_server", bootstrap_server=None, group_id="start_task", partitions=None, **kwargs):
""" 初始化kafka的消费者;
1. 设置默认 kafka 的主题, 节点地址, 消费者组 id(不传入的时候使用默认的值)
2. 当需要设置特定参数的时候可以直接在 kwargs 直接传入,进行解包传入原始函数;
3. 手动设置偏移量
Args:
topics: str; kafka 的消费主题;
bootstrap_server: list; kafka 的消费者地址;
group_id: str; kafka 的消费者分组 id,默认是 start_task 主要是接收并启动任务的消费者,仅此一个消费者组id;
partitions: int; 消费的分区,当不使用分区的时候默认读取是所有分区;
**kwargs: dict; 其他原生kafka消费者参数的;
"""
if bootstrap_server is None:
bootstrap_server = ["192.168.74.136:9092", ]
self.consumer = KafkaConsumer(bootstrap_servers=bootstrap_server)
exist = self.exist_topics(topics)
if not exist: # 需要的主题不存在;
# 创建一条
self.create_topics(topics)
if partitions is not None:
self.consumer = KafkaConsumer(
bootstrap_servers=bootstrap_server,
group_id=group_id,
# 目前只有一个消费者,根据情况是否需要进行修改;当扩展多个消费者的时候需要进行扩展;
**kwargs
)
# print("指定分区信息:", partitions, topics, type(partitions))
self.topic_set = TopicPartition(topics, int(partitions))
self.consumer.assign([self.topic_set])
else:
# 默认读取主题下的所有分区, 但是该操作不支持自定义 offset, 因为 offset 一定是在指定的分区中进行的;
self.consumer = KafkaConsumer(
topics,
bootstrap_servers=bootstrap_server,
group_id=group_id,
**kwargs
)
def exist_topics(self, topics):
"""
检查 kafka 中的主题是否存在;
Args:
topics: 主题名称;
Returns:
bool: True/False ; True,表示存在,False 表示不存在;
"""
topics_set = set(self.consumer.topics())
if topics not in topics_set:
return False
return True
@staticmethod
def create_topics(topics):
"""
创建相关的 kafka 主题信息;说明本方法可以实现用户自定义 kafka 的启动服务,默认是使用的是 start_server;
Args:
topics: str; 主题的名字;
Returns:
None
"""
producer = KafkaProducer(
bootstrap_servers=\'192.168.74.136:9092\',
key_serializer=lambda k: json.dumps(k).encode(\'utf-8\'),
value_serializer=lambda v: json.dumps(v).encode("utf-8")
)
producer.send(topics, key="start", value="msg": "aaaa")
producer.close()
def recv(self):
"""
接收消费中的数据
Returns:
使用生成器进行返回;
"""
for message in self.consumer:
# 这是一个永久阻塞的过程,生产者消息会缓存在消息队列中,并且不删除,所以每个消息在消息队列中都会有偏移
# print("主题:%s 分区:%d:连续值:%d: 键:key=%s 值:value=%s" % (
# message.topic, message.partition, message.offset, message.key, message.value))
yield "topic": message.topic, "partition": message.partition, "key": message.key,
"value": message.value.decode(self._encode)
def recv_seek(self, offset):
"""
接收消费者中的数据,按照 offset 的指定消费位置;
Args:
offset: int; kafka 消费者中指定的消费位置;
Returns:
generator; 消费者消息的生成器;
"""
self.consumer.seek(self.topic_set, offset)
for message in self.consumer:
# print("主题:%s 分区:%d:连续值:%d: 键:key=%s 值:value=%s" % (
# message.topic, message.partition, message.offset, message.key, message.value))
yield "topic": message.topic, "partition": message.partition, "key": message.key,
"value": message.value.decode(self._encode)
if __name__ == \'__main__\':
""" 测试使用;
"""
obj = KConsumer("exist_topic", bootstrap_server=[\'192.168.74.136:9092\'])
for i in obj.recv():
print(i)
该消费者多封装时增加了一个需求,消费的主题不存在的时候会默认创建,下次就可以继续消费
3. 使用 docker 中的 kafka
以上两种脚本适用于 Kafka 的生产者和消费者在大多数情况下的使用,在使用的时候只需要将相关的配置信息修改即可;
docker 中使用 kafka 的时候与前面的配置稍有不同,当使用docker-compose
部署 Kafka 的时候,地址在文件中经过修改,可能会被改变,但是配置方式,因此只需要将相关的地址配好,即可;代码信息无需修改;
一般情况下如果是在 docker 中配置相关的参数,需要将端口映射出来,然后如果是 windows 可能需要将host的网络地址解析,与docker 中 kafka 的名称对应;
host 文件
127.0.0.1 kafka
当需要远程连接的时候,将地址改成该计算机在内网中的地址即可;
以上是关于python 使用 kafka的主要内容,如果未能解决你的问题,请参考以下文章
如何在kafka-python和confluent-kafka之间做出选择