Kafka2.0消費(fèi)者客戶端使用

1 初始化配置

??Kafka 通過(guò) KafkaConsumer 構(gòu)造器初始化生產(chǎn)者客戶端的配置园爷。
??常用的重要配置戴质,詳見(jiàn)官網(wǎng)

  • bootstrap.servers:Kafka 集群地址(host1:post,host2:post)踢匣,Kafka 客戶端初始化時(shí)會(huì)自動(dòng)發(fā)現(xiàn)地址告匠,所以可以不填寫(xiě)所有地址。
  • group.id:消費(fèi)組 ID
  • key.serializer:實(shí)現(xiàn)了 Kafka 序列化接口的類(lèi)离唬,用來(lái)序列化 key后专。
  • value.serializer:實(shí)現(xiàn)了 Kafka 序列化接口的類(lèi),用來(lái)序列化 value输莺。
  • enable.auto.commit:默認(rèn) true戚哎,表示消費(fèi)者偏移量會(huì)定期提交到后臺(tái)裸诽。
  • auto.offset.reset:Kafka 的偏移量。
    ?earliest:自動(dòng)重置為最早的偏移量型凳。
    ?latest:自動(dòng)重置為最新的偏移量丈冬。
    ?none:如果沒(méi)有找到消費(fèi)組之前的那個(gè)偏移量,則消費(fèi)者拋出異常甘畅。
    ?其他:消費(fèi)者拋出異常埂蕊。
  • fetch.min.bytes/fetch.max.bytes:消費(fèi)者一次拉取的最小/最大值。
  • max.poll.interval.ms:消費(fèi)者拉取的最大間隔時(shí)間疏唾,超時(shí)后從組中移除消費(fèi)者蓄氧。
  • heartbeat.interval.ms:心跳發(fā)送間隔的超時(shí)時(shí)間,超時(shí)后從組中移除消費(fèi)者槐脏。
  • isolation.level:事務(wù)的隔離級(jí)別喉童。
    ?read_uncommitted:默認(rèn),可以消費(fèi)到所有消息顿天,包括被中止的消息堂氯。
    ?read_committed:只能消費(fèi)到事務(wù)提交過(guò)的消息。
    ?非事務(wù)性消息無(wú)條件返回露氮。
// 基礎(chǔ)配置
Map<String, Object> configs = new HashMap<>();
configs.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "127.0.0.1:9092,127.0.0.1:9093,127.0.0.1:9094");
configs.put(ConsumerConfig.GROUP_ID_CONFIG, "my_test");
configs.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, true);
configs.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");
configs.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
configs.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);

KafkaConsumer<String, String> consumer = new KafkaConsumer<>(configs);

2 訂閱主題

??Kafka 消費(fèi)者提供4種方式訂閱主題祖灰,1種方式指定分區(qū)。

  • topics:指定主題集畔规。
  • pattern:指定正則表達(dá)式來(lái)匹配主題局扶。
  • listener:消費(fèi)者再均衡監(jiān)聽(tīng)器。
  • partitions:指定分區(qū)集合叁扫。
// 指定主題
public void subscribe(Collection<String> topics, ConsumerRebalanceListener listener)
public void subscribe(Collection<String> topics)
public void subscribe(Pattern pattern, ConsumerRebalanceListener listener)
public void subscribe(Pattern pattern)
// 指定分區(qū)
public void assign(Collection<TopicPartition> partitions)

3 拉取消息

KafkaConsumer<String, String> consumer = new KafkaConsumer<>(configs);
consumer.subscribe(Collections.singletonList("test")); // 指定主題
ConsumerRecords<String, String> records = consumer.poll(Duration.ofSeconds(3));

?3.1 指定偏移量消費(fèi)

TopicPartition tp = new TopicPartition("test", 0);
consumer.assign(Collections.singletonList(tp)); // 訂閱指定分區(qū)
consumer.seek(tp, 4L); // 指定分區(qū)偏移量值為4
ConsumerRecords<String, String> records = consumer.poll(Duration.ofSeconds(3));

?3.2 指定時(shí)間戳消費(fèi)

        TopicPartition tp = new TopicPartition("test", 0);
        consumer.assign(Collections.singletonList(tp)); // 訂閱指定分區(qū)
        Map<TopicPartition, Long> tpTime = new HashMap<>();
        tpTime.put(tp, 1563027475113L); // 指定時(shí)間戳
        Map<TopicPartition, OffsetAndTimestamp> tpOffsetAndTime = consumer.offsetsForTimes(tpTime);
        long offset = tpOffsetAndTime.get(tp).offset(); // 獲取偏移量
        consumer.seek(tp, offset); // 指定偏移量
        ConsumerRecords<String, String> records = consumer.poll(Duration.ofSeconds(3));

4 提交偏移量

?4.1 同步提交

??參數(shù)說(shuō)明

  • offsets:可以指定提交分區(qū)的偏移量三妈。
  • timeout:偏移量提交成功的超時(shí)時(shí)間。
public void commitSync()
public void commitSync(Duration timeout)
public void commitSync(final Map<TopicPartition, OffsetAndMetadata> offsets)
public void commitSync(final Map<TopicPartition, OffsetAndMetadata> offsets, final Duration timeout)

?4.2 異步提交

??參數(shù)說(shuō)明

  • offsets:可以指定提交分區(qū)的偏移量莫绣。
  • callback:異步回調(diào)畴蒲。
public void commitAsync()
public void commitAsync(OffsetCommitCallback callback)
public void commitAsync(final Map<TopicPartition, OffsetAndMetadata> offsets, OffsetCommitCallback callback)

5 其他方法

// 獲取分配給當(dāng)前消費(fèi)者的分區(qū)集合
public Set<TopicPartition> assignment()
// 取消訂閱
public void unsubscribe()
// 找到指定分區(qū)的第一個(gè)偏移量
public void seekToBeginning(Collection<TopicPartition> partitions)
// 找到指定分區(qū)的最后一個(gè)偏移量
public void seekToEnd(Collection<TopicPartition> partitions)
// 獲取指定分區(qū)即將消費(fèi)的下一個(gè)偏移量
public long position(TopicPartition partition)
// 獲取指定分區(qū)最后提交的偏移量
public OffsetAndMetadata committed(TopicPartition partition)
// 獲取指定主題的分區(qū)列表
public List<PartitionInfo> partitionsFor(String topic)
// 獲取所有主題的信息
public Map<String, List<PartitionInfo>> listTopics()
// 暫停消費(fèi)
public void pause(Collection<TopicPartition> partitions)
// 恢復(fù)被暫停的消費(fèi)
public void resume(Collection<TopicPartition> partitions)
// 獲取暫停的分區(qū)列表
public Set<TopicPartition> paused()
// 獲取指定分區(qū)第一個(gè)偏移量
public Map<TopicPartition, Long> beginningOffsets(Collection<TopicPartition> partitions)
// 獲取指定分區(qū)最后一個(gè)偏移量
public Map<TopicPartition, Long> endOffsets(Collection<TopicPartition> partitions)
// 喚醒消費(fèi)者
public void wakeup()
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市对室,隨后出現(xiàn)的幾起案子模燥,更是在濱河造成了極大的恐慌,老刑警劉巖掩宜,帶你破解...
    沈念sama閱讀 206,482評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件蔫骂,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡牺汤,警方通過(guò)查閱死者的電腦和手機(jī)辽旋,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,377評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人补胚,你說(shuō)我怎么就攤上這事码耐。” “怎么了溶其?”我有些...
    開(kāi)封第一講書(shū)人閱讀 152,762評(píng)論 0 342
  • 文/不壞的土叔 我叫張陵骚腥,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我握联,道長(zhǎng)桦沉,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,273評(píng)論 1 279
  • 正文 為了忘掉前任金闽,我火速辦了婚禮纯露,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘代芜。我一直安慰自己埠褪,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,289評(píng)論 5 373
  • 文/花漫 我一把揭開(kāi)白布挤庇。 她就那樣靜靜地躺著钞速,像睡著了一般。 火紅的嫁衣襯著肌膚如雪嫡秕。 梳的紋絲不亂的頭發(fā)上渴语,一...
    開(kāi)封第一講書(shū)人閱讀 49,046評(píng)論 1 285
  • 那天,我揣著相機(jī)與錄音昆咽,去河邊找鬼驾凶。 笑死,一個(gè)胖子當(dāng)著我的面吹牛掷酗,可吹牛的內(nèi)容都是我干的调违。 我是一名探鬼主播,決...
    沈念sama閱讀 38,351評(píng)論 3 400
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼泻轰,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼技肩!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起浮声,我...
    開(kāi)封第一講書(shū)人閱讀 36,988評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤虚婿,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后泳挥,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體然痊,經(jīng)...
    沈念sama閱讀 43,476評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,948評(píng)論 2 324
  • 正文 我和宋清朗相戀三年羡洁,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了玷过。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片爽丹。...
    茶點(diǎn)故事閱讀 38,064評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡筑煮,死狀恐怖辛蚊,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情真仲,我是刑警寧澤袋马,帶...
    沈念sama閱讀 33,712評(píng)論 4 323
  • 正文 年R本政府宣布,位于F島的核電站秸应,受9級(jí)特大地震影響虑凛,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜软啼,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,261評(píng)論 3 307
  • 文/蒙蒙 一桑谍、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧祸挪,春花似錦锣披、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,264評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至整以,卻和暖如春胧辽,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背公黑。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,486評(píng)論 1 262
  • 我被黑心中介騙來(lái)泰國(guó)打工邑商, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人帆调。 一個(gè)月前我還...
    沈念sama閱讀 45,511評(píng)論 2 354
  • 正文 我出身青樓奠骄,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親番刊。 傳聞我的和親對(duì)象是個(gè)殘疾皇子含鳞,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,802評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容