如何使用 Avro 二进制编码器对 Kafka 消息进行编码/解码？
Posted
技术标签:
【中文标题】如何使用 Avro 二进制编码器对 Kafka 消息进行编码/解码？【英文标题】：How to encode/decode Kafka messages using Avro binary encoder? 【发布时间】：2012-01-08 01:22:59 【问题描述】：我正在尝试使用 Avro 来读取/写入 Kafka 的消息。有没有人有使用 Avro 二进制编码器对将放入消息队列的数据进行编码/解码的示例？
我需要 Avro 部分而不是 Kafka 部分。或者，也许我应该看一个不同的解决方案？基本上，我试图找到一个关于空间的更有效的 JSON 解决方案。刚刚提到了 Avro，因为它可以比 JSON 更紧凑。
【问题讨论】：
【参考方案1】：这是一个基本示例。我还没有尝试过多个分区/主题。
//示例生产者代码
import org.apache.avro.Schema;
import org.apache.avro.generic.GenericData;
import org.apache.avro.generic.GenericRecord;
import org.apache.avro.io.*;
import org.apache.avro.specific.SpecificDatumReader;
import org.apache.avro.specific.SpecificDatumWriter;
import org.apache.commons.codec.DecoderException;
import org.apache.commons.codec.binary.Hex;
import kafka.javaapi.producer.Producer;
import kafka.producer.KeyedMessage;
import kafka.producer.ProducerConfig;
import java.io.ByteArrayOutputStream;
import java.io.File;
import java.io.IOException;
import java.nio.charset.Charset;
import java.util.Properties;
public class ProducerTest
void producer(Schema schema) throws IOException
Properties props = new Properties();
props.put("metadata.broker.list", "0:9092");
props.put("serializer.class", "kafka.serializer.DefaultEncoder");
props.put("request.required.acks", "1");
ProducerConfig config = new ProducerConfig(props);
Producer<String, byte[]> producer = new Producer<String, byte[]>(config);
GenericRecord payload1 = new GenericData.Record(schema);
//Step2 : Put data in that genericrecord object
payload1.put("desc", "'testdata'");
//payload1.put("name", "अasa");
payload1.put("name", "dbevent1");
payload1.put("id", 111);
System.out.println("Original Message : "+ payload1);
//Step3 : Serialize the object to a bytearray
DatumWriter<GenericRecord>writer = new SpecificDatumWriter<GenericRecord>(schema);
ByteArrayOutputStream out = new ByteArrayOutputStream();
BinaryEncoder encoder = EncoderFactory.get().binaryEncoder(out, null);
writer.write(payload1, encoder);
encoder.flush();
out.close();
byte[] serializedBytes = out.toByteArray();
System.out.println("Sending message in bytes : " + serializedBytes);
//String serializedHex = Hex.encodeHexString(serializedBytes);
//System.out.println("Serialized Hex String : " + serializedHex);
KeyedMessage<String, byte[]> message = new KeyedMessage<String, byte[]>("page_views", serializedBytes);
producer.send(message);
producer.close();
public static void main(String[] args) throws IOException, DecoderException
ProducerTest test = new ProducerTest();
Schema schema = new Schema.Parser().parse(new File("src/test_schema.avsc"));
test.producer(schema);
//示例消费者代码
第 1 部分：消费者组代码：因为您可以为多个分区/主题拥有多个消费者。
import kafka.consumer.ConsumerConfig;
import kafka.consumer.KafkaStream;
import kafka.javaapi.consumer.ConsumerConnector;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Properties;
import java.util.concurrent.Executor;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;
/**
* Created by on 9/1/15.
*/
public class ConsumerGroupExample
private final ConsumerConnector consumer;
private final String topic;
private ExecutorService executor;
public ConsumerGroupExample(String a_zookeeper, String a_groupId, String a_topic)
consumer = kafka.consumer.Consumer.createJavaConsumerConnector(
createConsumerConfig(a_zookeeper, a_groupId));
this.topic = a_topic;
private static ConsumerConfig createConsumerConfig(String a_zookeeper, String a_groupId)
Properties props = new Properties();
props.put("zookeeper.connect", a_zookeeper);
props.put("group.id", a_groupId);
props.put("zookeeper.session.timeout.ms", "400");
props.put("zookeeper.sync.time.ms", "200");
props.put("auto.commit.interval.ms", "1000");
return new ConsumerConfig(props);
public void shutdown()
if (consumer!=null) consumer.shutdown();
if (executor!=null) executor.shutdown();
System.out.println("Timed out waiting for consumer threads to shut down, exiting uncleanly");
try
if(!executor.awaitTermination(5000, TimeUnit.MILLISECONDS))
catch(InterruptedException e)
System.out.println("Interrupted");
public void run(int a_numThreads)
//Make a map of topic as key and no. of threads for that topic
Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
topicCountMap.put(topic, new Integer(a_numThreads));
//Create message streams for each topic
Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer.createMessageStreams(topicCountMap);
List<KafkaStream<byte[], byte[]>> streams = consumerMap.get(topic);
//initialize thread pool
executor = Executors.newFixedThreadPool(a_numThreads);
//start consuming from thread
int threadNumber = 0;
for (final KafkaStream stream : streams)
executor.submit(new ConsumerTest(stream, threadNumber));
threadNumber++;
public static void main(String[] args)
String zooKeeper = args[0];
String groupId = args[1];
String topic = args[2];
int threads = Integer.parseInt(args[3]);
ConsumerGroupExample example = new ConsumerGroupExample(zooKeeper, groupId, topic);
example.run(threads);
try
Thread.sleep(10000);
catch (InterruptedException ie)
example.shutdown();
第 2 部分：实际消费消息的个人消费者。
import kafka.consumer.ConsumerIterator;
import kafka.consumer.KafkaStream;
import kafka.message.MessageAndMetadata;
import org.apache.avro.Schema;
import org.apache.avro.generic.GenericRecord;
import org.apache.avro.generic.IndexedRecord;
import org.apache.avro.io.DatumReader;
import org.apache.avro.io.Decoder;
import org.apache.avro.io.DecoderFactory;
import org.apache.avro.specific.SpecificDatumReader;
import org.apache.commons.codec.binary.Hex;
import java.io.File;
import java.io.IOException;
public class ConsumerTest implements Runnable
private KafkaStream m_stream;
private int m_threadNumber;
public ConsumerTest(KafkaStream a_stream, int a_threadNumber)
m_threadNumber = a_threadNumber;
m_stream = a_stream;
public void run()
ConsumerIterator<byte[], byte[]>it = m_stream.iterator();
while(it.hasNext())
try
//System.out.println("Encoded Message received : " + message_received);
//byte[] input = Hex.decodeHex(it.next().message().toString().toCharArray());
//System.out.println("Deserializied Byte array : " + input);
byte[] received_message = it.next().message();
System.out.println(received_message);
Schema schema = null;
schema = new Schema.Parser().parse(new File("src/test_schema.avsc"));
DatumReader<GenericRecord> reader = new SpecificDatumReader<GenericRecord>(schema);
Decoder decoder = DecoderFactory.get().binaryDecoder(received_message, null);
GenericRecord payload2 = null;
payload2 = reader.read(null, decoder);
System.out.println("Message received : " + payload2);
catch (Exception e)
e.printStackTrace();
System.out.println(e);
测试 AVRO 架构：
"namespace": "xyz.test",
"type": "record",
"name": "payload",
"fields":[
"name": "name", "type": "string"
,
"name": "id", "type": ["int", "null"]
,
"name": "desc", "type": ["string", "null"]
]
需要注意的重要事项是：
您需要标准的 kafka 和 avro jar 来开箱即用地运行此代码。
很重要 props.put("serializer.class", "kafka.serializer.DefaultEncoder");
如果您将字节数组作为消息发送，Dont use stringEncoder as that wont 工作。
您可以将 byte[] 转换为十六进制字符串并将其发送，然后在消费者上将十六进制字符串重新转换为 byte[]，然后再转换为原始消息。
按照此处所述运行 zookeeper 和代理：- http://kafka.apache.org/documentation.html#quickstart 并创建一个名为“page_views”或任何您想要的主题。
运行 ProducerTest.java，然后运行 ConsumerGroupExample.java，查看正在生成和使用的 avro 数据。
【讨论】：
感谢您的帮助！！我试过了，但在消费者代码中，我的 it.hasNext() 函数返回 false，因此控件永远不会进入 while 循环。知道我做错了什么吗？【参考方案2】：我终于记得问了Kafka邮件列表，得到了以下答案，效果很好。
是的，您可以将消息作为字节数组发送。如果你看构造函数 Message 类的，你会看到 -
def this(bytes: Array[Byte])
现在，看看 Producer send() API -
def send(producerData: ProducerData[K,V]*)
您可以将 V 设置为 Message 类型，将 K 设置为您想要的密钥。 如果您不关心使用密钥进行分区，请将其设置为 Message 也可以输入。
谢谢， 尼哈
【讨论】：
【参考方案3】：如果要从 Avro 消息中获取字节数组（kafka 部分已经回答），请使用二进制编码器：
GenericDatumWriter<GenericRecord> writer = new GenericDatumWriter<GenericRecord>(schema);
ByteArrayOutputStream os = new ByteArrayOutputStream();
try
Encoder e = EncoderFactory.get().binaryEncoder(os, null);
writer.write(record, e);
e.flush();
byte[] byteData = os.toByteArray();
finally
os.close();
【讨论】：
你能把这个 byteData 发送到 KafkaBroker 并从控制台消费者那里读取吗？ Producer 密钥序列化程序应该是什么？ 响应中提到，kafka 部分记录在其他响应中——***.com/a/8348264/5266 和***.com/a/32341917/5266【参考方案4】：更新答案。
Kafka 有一个带有 Maven（SBT 格式）坐标的 Avro 序列化器/反序列化器：
"io.confluent" % "kafka-avro-serializer" % "3.0.0"
您将 KafkaAvroSerializer 的实例传递给 KafkaProducer 构造函数。
然后您可以创建 Avro GenericRecord 实例，并将它们用作您可以使用 KafkaProducer 发送的 Kafka ProducerRecord 实例中的值。
在 Kafka 消费者端，您使用 KafkaAvroDeserializer 和 KafkaConsumer。
【讨论】：
你能提供一个简短但完整的例子吗？ 这只适用于添加了 Confluent 自己的 Maven 存储库，因为它们不会将工件发布到 maven Central：packages.confluent.io/maven【参考方案5】：您也可以简单地考虑压缩数据，而不是 Avro；使用 gzip（良好的压缩，更高的 cpu）或 LZF 或 Snappy（快得多，压缩慢一点）。
或者还有Smile binary JSON，Jackson 在 Java 中支持（带有 this extension）：它是紧凑的二进制格式，比 Avro 更易于使用：
ObjectMapper mapper = new ObjectMapper(new SmileFactory());
byte[] serialized = mapper.writeValueAsBytes(pojo);
// or back
SomeType pojo = mapper.readValue(serialized, SomeType.class);
与 JSON 基本相同的代码，除了传递不同的格式工厂。 从数据大小来看，Smile 还是 Avro 更紧凑取决于用例的细节；但两者都比 JSON 更紧凑。
这样做的好处是，使用相同的代码，仅使用 POJO 即可快速处理 JSON 和 Smile。与 Avro 相比，Avro 要么需要代码生成，要么需要大量手动代码来打包和解包 GenericRecords。
【讨论】：
以上是关于如何使用 Avro 二进制编码器对 Kafka 消息进行编码/解码？的主要内容，如果未能解决你的问题，请参考以下文章
Kafka：ZK+Kafka+Spark Streaming集群环境搭建（十三）定义一个avro schema使用comsumer发送avro字符流，producer接受avro字符流并解析(示例代码