Kafka 生产者缓存

不建议使用:

java 复制代码
public void produce(String message) {
    DmsProducer<String, String> producer = new DmsProducer<String, String>();
    try {
        producer.produce("test1",0, "key", message);
    } finally {
        producer.close();
    }
}

原因:

每次调用produce函数时,都会新建一个producer,每次都需要进行新建与broker连接->获取分区元数据->生产消息的过程,存在性能瓶颈

正确用法:

java 复制代码
private DmsProducer producer;

public void init() {
    this.producer = new DmsProducer();
}

public void produce(String message) {
    if (producer == null) {
        this.init();
    }
    produce(message);
}

public void tearDown() {
    if (this.producer != null) {
        producer.close();
    }
}

进阶优化:

按照上面的使用方式,如果在多线程的环境下,可能会出现一个producer单个sender线程会有性能瓶颈(单发送线程),可能导致,导致入大于出,最终缓存堆积

示例代码:

private ProducerLru cache = new ProducerLru(5);

java 复制代码
class ProducerLru<k, v> extends LinkedHashMap<k, v> {
    
    private int capacity;
    
    public ProducerLru(int capacity) {
        super(capacity, 0.75f, true);
        this.capacity = capacity;
    }
    
    @Override
    protected boolean removeEldestEntry(Map.Entry<k, v> eldest) {
        if (size() > capacity) {
            if (eldest.getValue() instanceof  DmsProducer) {
                DmsProducer producer = (DmsProducer) eldest.getValue();
                producer.close();
            }
        }
        return super.size() > capacity;
    }
    
}

public static void main(String[] args) throws Exception {
    Main main = new Main();
    String topicA = "topicA";
    DmsProducer producer;
    if (main.cache.get(topicA) != null) {
        producer = (DmsProducer) main.cache.get(topicA);
        main.cache.put(topicA, producer);
    } else {
        producer = new DmsProducer();
    }
    main.cache.put(topicA, producer);
}

上述示例中,producerLru的key可以是topic名称,如果是多个用户场景下,也可以以用户名作为key,可以根据实际业务场景进行调整

相关推荐
Elsa️7465 小时前
个人项目开发(1):使用Spring Secruity实现用户登录
java·后端·spring
老葱头蒸鸡5 小时前
(2)Kafka架构原理与存储机制
分布式·架构·kafka
码界奇点6 小时前
Spring Web MVC构建现代Java Web应用的基石
java·前端·spring·设计规范
智海观潮6 小时前
Spark RDD详解 —— RDD特性、lineage、缓存、checkpoint、依赖关系
大数据·缓存·spark
野犬寒鸦7 小时前
从零起步学习Redis || 第十章:主从复制的实现流程与常见问题处理方案深层解析
java·服务器·数据库·redis·后端·缓存
梁辰兴7 小时前
计算机操作系统:进程同步
网络·缓存·操作系统·进程·进程同步·计算机操作系统
陈一Tender7 小时前
JavaWeb后端实战(IOC+DI)
java·spring boot·spring
Seven978 小时前
Spring AOP、MVC高频面试题解析
java·spring
练习时长一年9 小时前
Spring内置功能
java·前端·spring
❀͜͡傀儡师10 小时前
Spring 前后端通信加密解密
java·后端·spring