Kafka - 生产者 - 技术栈

生产者消息对象

java 复制代码

public class ProducerRecord<K, V> {
	private final String topic; // 主题
	private final Integer partition; //分区号
	private final Headers headers; //消息头部
	private final K key; //键
	private final V value; //值
	private final Long timestamp; //消息的时间戳
}

其中key是用来指定消息的键，它不仅是消息的附加信息，还可以用来计算分区号，进而让消息发往特定的分区，一般同一个key的消息会被划分到同一个分区中。

timestamp是指消息的时间戳，它有CreateTime和LogAppendTime两种类型，前者表示消息创建的时间，后者表示消息追加到日志文件的时间。

创建生产者实例

java 复制代码

public static Properties initConfig() {
	Properties props = new Properties();
	props.put(ProducerConfig.KEY_SERIALZER_CLASS_CONFIG,
	StringSerializer.class.getName());
	props.put(ProducerConfig.VALUE_SERIALZER_CLASS_CONFIG,
	StringSerializer.class.getName());
}

KafkaProducer<String, String> producer = new KafkaProducer<>(props, new StringSerializer(), new StringSerializer());

消息的发送

创建生产者实例

创建生产者实例的方法有很多种，其中最简单的是下面的构造方于除了topic和value外的属性，其他都置为null。

public ProducerRecord(String topic, V value);

发送消息主要有三种模式：发完即忘（fire-and-forget），同步（sync）及异步（async）。

KafkaProducer的sand()方法返回值并非是void类型，而是Future类型，send()方法有两个重载方法，具体定义如下：

java 复制代码

public Future<RecordMetadata> send(ProducerRecord<K,V> record);
public Future<RecordMetadata> send(ProducerRecord<K,V> record, Callback callback);

发完即忘

它只管往Kafka中发送消息而并不关心消息是否正确到达。
在大多数情况下，这种发送方式没有什么问题，不过在某些时候（比如发生不可重试异常时），会造成消息的丢失。这种发送方式性能最高，但可靠性也最差。
同步发送

java 复制代码

try {
	producer.send(record).get();
} catch (ExecutionException | InterruptedException e) {
	e.printStackTrace();
}

通过feature对象中的get()方法，来阻塞等待kafka的响应，直到发送成功，或者发生异常。

同步发送的可靠性高，但性能会差很多，因为需要阻塞等到一条消息发送完之后，才能发送下一条。

异步发送

java 复制代码

producer.send(record, new Callback()) {
	@override
	public void onCompletion(RecordMetadata metadata, Excetion exception){
		if (excetion != null) {
			exception.printStackTrace();
		} else {
			...
		}
	}
}

当Kafka有响应时候，就会有回调，要么发送成功，要么抛出异常。

序列化器

生产者需要用序列化器把对象转换成字节数组，才能通过网络发送给Kafka。而消费者需要用反序列器把从Kafka中收到的字节数组转换成相应的对象。

分区器

分区器的作用是为消息分配分区。

消息经过序列化后，就需要确定它发往的分区，如果消息ProducerRecord中指定了partition字段，那么就不需要分区器，因为patition代表的就是要发往的分区号。如果没有指定partition，则需要依赖分区器，根据key字段来计算partition的值。

拦截器

生产者拦截器既可以用来在消息发送前做一些准备工作，比如按照某个规则过滤不符合要求的消息、修改消息的内容等，也可以用来在发送回调逻辑前，做一些定制化的需求，比如统计类工作。

原理分析

整体架构

整个生产者客户端由两个线程协调运行，这两个线程分别为主线程 和Sender线程。在主线程中由KafkaProducer创建消息，然后通过可能的拦截器、序列化器和分区器的作用后，缓存到消息收集器中（RecordAccumulator）。Sender现成负责从消息收集器中获取消息，并将其发送到kafka中。

RecordAccumulator

该收集器主要用来缓存消息，以便Sender线程可以批量发送，进而减少网络传输的资源消耗，以提高性能。

RecordAccumulator的内部为每个分区都维护了一个双端队列，队列中的内容为ProducerBatch，即Deque。消息写入缓存时候，追加到双端队列的尾部，读取消息时，从双端队列的头部读取。

Sender

Seender从RecordAccumulator中获取缓存的消息后，会进一步将原来<分区，Deque>的保存形式转变为<Node， List>的形式，其中Node表示集群的broken节点。

对于网络连接来说，生产者客户端是与具体的broken节点建立的连接，就是向具体的broken节点发送消息，而不关心消息属于哪一个分区；而对于KafkaProducer

的应用逻辑而言，我们只关注向哪个分区中发送消息，所以在这里需要做一个应用逻辑层面到网络I/O层面的转换。

在转换成<Node, List>后，Sender还会进一步封装成<Node, Request>的形式，这样就可以将Request发往各个Node了。

请求在从Sender线程发往Kafka之前还会保存到InFlightRequest中，InFlightRequest存对象的具体形式为Map<NodeId, Deque>，它的主要作用是缓存了已经发送出去但还是没有收到响应的请求。

元数据的更新

元数据是指Kafka集群的元数据，这些元数据具体记录了集群中有哪些主题，这些主题有哪些分区，每个分区的leader副本分配在哪个节点上follower副本又分配在哪些节点上等等信息。

假设我们通过如下的方式创建了一条消息ProducerRecord，

ProducerRecord<String, String> record = new ProducerRecord<>(topic, "xxx");

这里的发送指令，我们只知道主题名称，和需要发送的内容，对其他信息却一无所知。例如要将此消息追加到指定主题的某个分区所对应的leader副本之前，首先需要知道主题的分区数量，然后计算出目标分区，还需要知道leader副本所在的broken节点的地址、端口等信息才能建立链接，这些都属于元信息。

元数据的更新是在客户端进行的，对客户端的外部使用者不可见。更新操作是由Sender线程发起的，主线程也需要读取这些信息，这里的数据同步，是通过Synchronized和final关键字来保障。