大数据篇Kafka消息队列指定Topic打印Key、Value、Offset和Partition

最新推荐文章于 2025-04-26 23:13:01 发布

数智客栈

最新推荐文章于 2025-04-26 23:13:01 发布

阅读量4.9k

点赞数

分类专栏： BigData Scala 文章标签：大数据 kafka 分布式

本文链接：https://blog.youkuaiyun.com/programmer589/article/details/131754810

版权

Scala 同时被 2 个专栏收录

15 篇文章

订阅专栏

BigData

13 篇文章

订阅专栏

文章介绍了ApacheKafka的核心概念，包括Key和Value在消息结构中的作用，Offset作为消息位置跟踪器，以及Partition对高吞吐量和扩展性的贡献。还提供了一段Java代码示例，展示如何打印Kafka队列中指定Topic的Key、Value、Offset和Partition。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、概念简介

说到Apache Kafka消息传递系统时，以下是一些关键概念的解释：

Key（键）：Kafka消息由Key和Value组成。Key是一个可选的字段，它通常用于消息的路由和分区策略。Key的目的是确保具有相同Key的消息被写入同一个分区。当消费者接收到消息时，可以使用Key来进行消息处理和路由操作。在某些情况下，Key还可以用于数据合并和聚合。

Value（值）：Value是Kafka消息中包含的实际数据。它可以是任何形式的字节流，没有特定的格式要求。Value可以是文本、二进制数据、JSON、XML或任何其他格式的信息。消费者通常根据Value进行业务逻辑处理。

Offset（偏移量）：Offset是一个用来唯一标识Kafka分区中每条消息的数字。每个分区都有自己的Offset序列，并且它们是连续递增的。Offset的作用是跟踪每个消费者在分区中的处理位置。当消费者读取消息时，它会保存最后处理的Offset，以便在下次读取消息时从正确的位置开始。

Partition（分区）：Kafka将主题划分为多个分区，每个分区是一个有序的、持久化的日志文件。分区使得Kafka能够实现高吞吐量和水平扩展。在生产者写入消息时，Kafka会根据特定的分区策略将消息写入到合适的分区中。每个分区都有自己的一系列Offset，并且可以被独立地读取和复制。

总结起来，Kafka的消息由Key和Value组成，Key用于路由和分区策略，Value是实际的消息数据。每个消息都有一个唯一的Offset，用于跟踪消费者在分区中的处理位置。而分区则允许Kafka实现高吞吐量和扩展性。

2、代码实现

写一段代码打印一下当前Kafka队列中指定一个Topic，打印Key、Value、Offset和Partition

package test.scala;

import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.util.Collections;
import java.util.Properties;

public class KafkaDebug {
    public static void main(String[] args) {
        String bootstrapServers = "hadoop101:9092";
        String topic = "TOPIC_TEST_MESSAGE";

        // 设置消费者配置
        Properties props = new Properties();
        props.setProperty("bootstrap.servers", bootstrapServers);
        props.setProperty("group.id", "msg_group");
        props.setProperty("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        props.setProperty("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        props.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        props.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        props.setProperty("auto.offset.reset", "earliest");


        // 创建消费者
        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
        // 订阅 Topic
        consumer.subscribe(Collections.singletonList(topic));
        // 从 Offset 0 开始消费
        consumer.poll(0); // 触发分区分配
        for (TopicPartition partition : consumer.assignment()) {
            consumer.seek(partition, 0); // 将消费者的偏移量设置为 0
        }
        // 消费消息并打印 Key 和 Offset
        while (true) {
            ConsumerRecords<String, String> records = consumer.poll(100);
            for (ConsumerRecord<String, String> record : records) {
                System.out.println("Key: " + record.key() + ", Offset: " + record.offset() + ", Partition: " + record.partition());
                System.out.println("Value：" + record.value());
            }
        }
    }
}