Kafka 的生产者原理及重要参数说明，Java 码农是如何进入腾讯的

然后 controller 也会监听 ZooKeeper 集群的变化，在集群产生变化时更改自己的元数据信息。并且 follower 也会去它们的老大 controller 那里去同步元数据信息，所以一个 Kafka 集群中所有服务器上的元数据信息都是一致的。

上述准备完成后，我们正式开始我们生产者的内容。

《Android学习笔记总结+最新移动架构视频+大厂安卓面试真题+项目实战源码讲义》
浏览器打开：qq.cn.hn/FTe 免费领取

名词 1——ProducerRecord

=======================================================================================

生产者需要往集群发送消息前，要先把每一条消息封装成 ProducerRecord 对象，这是生产者内部完成的。之后会经历一个序列化的过程。之前好几篇专栏也是有提到过了，需要经过网络传输的数据都是二进制的一些字节数据，需要进行序列化才能传输。

此时就会有一个问题，我们需要把消息发送到一个 Topic 下的一个 leader partition 中，可是生产者是怎样 get 到这个 topic 下哪个分区才是 leader partition 呢？

可能有些小伙伴忘了，提醒一下，controller 可以视作为 broker 的领导，负责管理集群的元数据，而 leader partition 是做负载均衡用的，它们会分布式地存储在不同的服务器上面。集群中生产数据也好，消费数据也好，都是针对 leader partition 而操作的。

名词 2——partitioner

====================================================================================

怎么知道哪个才是 leader partition，只需要获取到元数据不就好了嘛。

说来要怎么获取元数据也不难，只要随便找到集群下某一台服务器就可以了（因为集群中的每一台服务器元数据都是一样的）。

名词 3——缓冲区

============================================================================

此时生产者不着急把消息发送出去，而是先放到一个缓冲区。

名词 4——Sender

===============================================================================

把消息放进缓冲区之后，与此同时会有一个独立线程 Sender 去把消息分批次包装成一个个 Batch，不难想到如果 Kafka 真的是一条消息一条消息地传输，一条消息就是一个网络连接，那性能就会被拉得很差。为了提升吞吐量，所以采取了分批次的做法。

整好一个个 batch 之后，就开始发送给对应的主机上面。此时经过第一篇所提到的 Kakfa 的网络设计中的模型，然后再写到 os cache，再写到磁盘上面。

下图是当时我们已经说明过的 Kafka 网络设计模型。

生产者代码

=========================================================================

设置参数部分

// 创建配置文件对象

Properties props = new Properties();

// 这个参数目的是为了获取 kafka 集群的元数据

// 写一台主机也行，多个更加保险

// 这里使用的是主机名，要根据 server.properties 来决定

// 使用主机名的情况需要配置电脑的 hosts 文件（重点）

props.put("bootstrap.servers", "hadoop1:9092,hadoop2:9092,hadoop3:9092");

// 这个就是负责把发送的 key 从字符串序列化为字节数组

// 我们可以给每个消息设置 key，作用之后再阐述

props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");

// 这个就是负责把你发送的实际的 message 从字符串序列化为字节数组

props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");

// 以下属于调优，之后再解释

props.put("acks", "-1");

props.put("retries", 3);

props.put("batch.size", 323840);

props.put("linger.ms", 10);

props.put("buffer.memory", 33554432);

props.put("max.block.ms", 3000);

创建生产者实例

// 创建一个 Producer 实例：线程资源，跟各个 broker 建立 socket 连接资源

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

创建消息

ProducerRecord<String, String> record = new ProducerRecord<>(

"test-topic", "test-value");

当然你也可以指定一个 key，作用之后会说明：

ProducerRecord<String, String> record = new ProducerRecord<>(

"test-topic", "test-key", "test-value")

发送消息

带有一个回调函数，如果没有异常就返回消息发送成功。

// 这是异步发送的模式

producer.send(record, new Callback() {

@Overridepublic void onCompletion(RecordMetadata metadata, Exception exception) { if(exception == null) {

// 消息发送成功

System.out.println("消息发送成功");

} else {

// 消息发送失败，需要重新发送

}}});Thread.sleep(10 * 1000);

// 这是同步发送的模式(是一般不会使用的，性能很差，测试可以使用)

// 你要一直等待人家后续一系列的步骤都做完，发送消息之后

// 有了消息的回应返回给你，你这个方法才会退出来

producer.send(record).get();

关闭连接

producer.close();

干货时间：调优部分的代码

================================================================================

区分是不是一个勤于思考的打字员的部分其实就是在 1 那里还没有讲到的那部分调优，一个个拿出来单独解释，就是下面这一大串。

props.put("acks", "-1");

props.put("retries", 3);

props.put("batch.size", 32384);

props.put("linger.ms", 100);

props.put("buffer.memory", 33554432);

props.put("max.block.ms", 3000);

acks 消息验证

=============================================================================

props.put("acks", "-1");

这个 acks 参数有 3 个值，分别是-1，0，1，设置这 3 个不同的值会成为 kafka 判断消息发送是否成功的依据。Kafka 里面的分区是有副本的，如果 acks 为-1.则说明消息在写入一个分区的 leader partition 后，这些消息还需要被另外所有这个分区的副本同步完成后，才算发送成功（对应代码就是输出 System.out.println(“消息发送成功”)），此时发送数据的性能降低。

如果设置 acks 为 1，需要发送的消息只要写入了 leader partition，即算发送成功，但是这个方式存在丢失数据的风险，比如在消息刚好发送成功给 leader partition 之后，这个 leader partition 立刻宕机了，此时剩余的 follower 无论选举谁成为 leader，都不存在刚刚发送的那一条消息。

如果设置 acks 为 0，消息只要是发送出去了，就默认发送成功了。啥都不管了。

retries 重试次数（重要）

====================================================================================

这个参数还是非常重要的，在生产环境中是必须设置的参数，为设置消息重发的次数。

props.put("retries", 3);

在 Kafka 中可能会遇到各种各样的异常（可以直接跳到下方的补充异常类型），但是无论是遇到哪种异常，消息发送此时都出现了问题，特别是网络突然出现问题，但是集群不可能每次出现异常都抛出，可能在下一秒网络就恢复了呢，所以我们要设置重试机制。

这里补充一句：设置了 retries 之后，集群中 95%的异常都会自己乘风飞去，我真没开玩笑！

代码中我配置了 3 次，其实设置 5~10 次都是合理的，补充说明一个，如果我们需要设置隔多久重试一次，也有参数，没记错的话是 retry.backoff.ms，下面我设置了 100 毫秒重试一次，也就是 0.1 秒。

props.put("retry.backoff.ms",100);

batch.size 批次大小

===================================================================================

批次的大小默认是 16K，这里设置了 32K，设置大一点可以稍微提高一下吞吐量，设置这个批次的大小还和消息的大小有关，假设一条消息的大小为 16K，一个批次也是 16K，这样的话批次就失去意义了。所以我们要事先估算一下集群中消息的大小，正常来说都会设置几倍的大小。

props.put("batch.size", 32384);

linger.ms 发送时间限制

====================================================================================

比如我现在设置了批次大小为 32K，而一条消息是 2K，此时已经有了 3 条消息发送过来，总大小为 6K，而生产者这边就没有消息过来了，那在没够 32K 的情况下就不发送过去集群了吗？显然不是，linger.ms 就是设置了固定多长时间，就算没塞满 Batch，也会发送，下面我设置了 100 毫秒，所以就算我的 Batch 迟迟没有满 32K，100 毫秒过后都会向集群发送 Batch。

props.put("linger.ms", 100);

buffer.memory 缓冲区大小

=======================================================================================

当我们的 Sender 线程处理非常缓慢，而生产数据的速度很快时，我们中间的缓冲区如果容量不够，生产者就无法再继续生产数据了，所以我们有必要把缓冲区的内存调大一点，缓冲区默认大小为 32M，其实基本也是合理的。

props.put("buffer.memory", 33554432);

那应该如何去验证我们这时候应该调整缓冲区的大小了呢，我们可以用一般 Java 计算结束时间减去开始时间的方式测试，当结束时间减去开始时间大于 100ms，我们认为此时 Sender 线程处理速度慢，需要调大缓冲区大小。

当然一般情况下我们是不需要去设置这个参数的，32M 在普遍情况下已经足以应付了。