kafka Consumer分区数与多线程消费topic

Posted 2020-09-24

单线程消费数据适合在本地跑。

参考文档: http://kafka.apache.org/documentation.html

对于一个topic,可以发送给若干个partitions. partition在创建topic的时候就指定分区的数目。

分区、Offset、消费线程、group.id的关系

1）一组（类）消息通常由某个topic来归类，我们可以把这组消息“分发”给若干个分区（partition），每个分区的消息各不相同；

2）每个分区都维护着他自己的偏移量（Offset），记录着该分区的消息此时被消费的位置,由consumer自己上报到zk；

3）一个消费线程可以对应若干个分区，但一个分区只能被具体某一个消费线程消费；

4）group.id用于标记某一个消费组，每一个消费组都会被记录他在某一个分区的Offset，即不同consumer group针对同一个分区，都有“各自”的偏移量。

必须要注意的一点是，必须确认kafka的server.properties里面的一个属性num.partitions必须被设置成大于1的值，否则消费端再怎么折腾，也用不了多线程哦。测试环境设置为5个partition. 因为只有一个分区是不存在多线程同时消费的情况。

看一下消费者的代码便于理解

 //通过实现runnable接口实现多线程

 public class KafkaConsumer implements Runnable {
    String ;
    KafkaStream<[], []> ;

    KafkaConsumer(String title, KafkaStream<[], []> stream) {
        .= title;
        .= stream;
    }

    run() {
        System..println(+ );
        ConsumerIterator<[], []> it = .iterator();
(it.hasNext()) {
            MessageAndMetadata<[], []> data = it.next();
            String topic = data.topic(); partition = data.partition(); offset = data.offset(); String msg = String(data.message()); System..println(String.(
                    ,
                    , topic, partition, offset, msg));

  }
        System..println(String.(, ));
    }

    main(String[] args) {

        Properties props = Properties();
        props.put(, );
        props.put(, );
        props.put(, );props.put(, );

        ConsumerConfig config = ConsumerConfig(props);
        String topic1 = ;
      Map<String, Integer> topicCountMap = HashMap<String, Integer>();
        topicCountMap.put(topic1, );
        ConsumerConnector consumerConn = Consumer.(config);


        Map<String, List<KafkaStream<[], []>>> topicStreamsMap = consumerConn.createMessageStreams(topicCountMap);

        List<KafkaStream<[], []>> streams = topicStreamsMap.get(topic1);
        ExecutorService executor = Executors.();
        (i = ; i < streams.size(); i++)
            executor.execute(KafkaConsumer(+ (i + ), streams.get(i)));
      }

}

// producer 端的代码
public class KafkaConsumer implements Runnable {

    public String title;
    public KafkaStream<byte[], byte[]> stream;

    public KafkaConsumer(String title, KafkaStream<byte[], byte[]> stream) {
        this.title = title;
        this.stream = stream;
    }

    @Override
    public void run() {
        System.out.println("开始运行 " + title);
        ConsumerIterator<byte[], byte[]> it = stream.iterator();
/**
 * 不停地从stream读取新到来的消息，在等待新的消息时，hasNext()会阻塞
 * 如果调用 `ConsumerConnector#shutdown`，那么`hasNext`会返回false
 * */
        while (it.hasNext()) {
            MessageAndMetadata<byte[], byte[]> data = it.next();
            String topic = data.topic(); //主题
            int partition = data.partition(); //分区
            long offset = data.offset(); //偏移量
            String msg = new String(data.message()); //数据

//            System.out.println("Consumer:["+title+"], Topic: ["+);

            System.out.println(String.format(
            "Consumer: [%s],  Topic: [%s],  PartitionId: [%d], Offset: [%d], msg: [%s]",
                    title, topic, partition, offset, msg));

            //String keyWord=null;
//            try {
//                keyWord = URLDecoder.decode(msg, "UTF-8");
//                System.out.println("keyWord:"+keyWord);
//            } catch (UnsupportedEncodingException e) {
//                e.printStackTrace();
//            }
//            System.out.println(String.format(
//                    "Consumer: [%s],  Topic: [%s],  PartitionId: [%d], Offset: [%d], keyWord: [%s]",
//                    title, topic, partition, offset, keyWord));
        }
        System.out.println(String.format("Consumer: [%s] exiting ...", title));
    }

    public static void main(String[] args) {

        Properties props = new Properties();
        props.put("group.id", "test");
        props.put("zookeeper.connect", "xxx:2181,xxx:2181");
        props.put("auto.offset.reset", "smallest");//从最后开始消费数据
        props.put("auto.commit.interval.ms", "1000");

        //创建一个消费者配置文件
        ConsumerConfig config = new ConsumerConfig(props);
        String topic1 = "test_kafka";
       //String topic2 = "newTopic01";
        //定义一个map集合，里面封装了需要消费的主题的分区数
        Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
        topicCountMap.put(topic1, 4);
        // topicCountMap.put(topic2, 5);


        //只要ConsumerConnector还在的话，consumer会一直等待新消息，不会自己退出
        ConsumerConnector consumerConn = Consumer.createJavaConsumerConnector(config);


        //Map<String, List<KafkaStream<byte[], byte[]>> 中String是topic， List<KafkaStream<byte[], byte[]>是对应的流
        Map<String, List<KafkaStream<byte[], byte[]>>> topicStreamsMap = consumerConn.createMessageStreams(topicCountMap);

        //取出 `test_kafka` 对应的 streams
        List<KafkaStream<byte[], byte[]>> streams = topicStreamsMap.get(topic1);
        //创建一个容量为4的线程池
        ExecutorService executor = Executors.newFixedThreadPool(4);
        //创建20个consumer threads
        for (int i = 0; i < streams.size(); i++)
            executor.execute(new KafkaConsumer("消费者" + (i + 1), streams.get(i)));
      }
}

//运行结果: 证明了一个分区只能被一个线程消费，但一个消费线程可以消费多个分区的数据！虽然我指定了线程池的线程数为5，但并不是所有的线程都去消费了，这当然跟线程池的调度有关系了。并不是一个消费线程对应地去消费一个分区的数据。线程由zookeeper来声明它拥有1个或多个分区；真正有数据存在的分区是由生产发送端来决定，即使你的kafka设置了10个分区，消费端在消费的时候，消费线程虽然会根据zookeeper的某种机制来声明它所消费的分区，但实际消费过程中，还是会消费真正存在数据的分区；

建议设置：实际发送分区数（一般就等于设置的分区数）= topicCountMap的value = 线程池大小  否则极易出现reblance的异常；

本文出自 “星月情缘” 博客，请务必保留此出处http://xuegodxingyue.blog.51cto.com/5989753/1941009