kafka

示例一：

生产者

package kafka

import java.util.Properties

import org.apache.kafka.clients.producer.{KafkaProducer, ProducerRecord}

object Producter {
  def main(args: Array[String]): Unit = {

    val props = new Properties ()
    //服务器
    props.put ( "bootstrap.servers", "192.168.186.150:9092" )
    //acks配置控制请求被认为是完整的标准。我们指定的“all”设置将导致阻塞记录的完全提交，这是最慢但最持久的设置。
    props.put ( "acks", "all" )
    //如果请求失败，生产者可以自动重试，但由于我们已经将重试指定为0，所以它不会。启用重试也会增加重复的可能性(有关消息传递语义的文档中有详细信息)。
   // props.put ( "retries", 0 )
    //生产者维护每个分区的未发送记录的缓冲区。这些缓冲区的大小由batch.size配置指定。使得这个较大的可能导致更多的批处理，
    // 但需要更多的内存（因为我们通常会为每个活动分区拥有这些缓冲区之一）。
    //props.put ( "batch.size", 16384 )
    //默认情况下，即使缓冲区中有其他未使用的空间，也可以立即发送缓冲区。但是，如果您想减少请求的数量，可以将linger.ms设置为大于0的值。
    // 这将指示生产者在发送请求之前等待这个数毫秒，希望更多的记录将到达以填满同一批。这类似于Nagle在TCP中的算法。
    // 例如，在上面的代码片段中，由于我们将逗留时间设置为1毫秒，很可能所有100条记录都是在一个请求中发送的。
    // 但是，如果不填充缓冲区，此设置将为我们的请求增加1毫秒的延迟，等待更多的记录到达。
    // 请注意，在时间上接近到达的记录通常会批处理到一起，即使使用linger.ms=0，因此在重负载批处理下，
    // 无论逗留配置如何，都会发生批处理；但是，将其设置为大于0的值会导致在没有最大负载的情况下，以少量延迟为代价的更少、更高效的请求。
   // props.put ( "linger.ms", 1 )
    //buffer.memory控制生产者可用于缓冲的内存总量。如果记录的发送速度超过了将其传输到服务器的速度，那么这个缓冲区空间就会耗尽。
    // 当缓冲区空间耗尽时，额外的发送调用将被阻塞。阻塞时间的阈值由max.block.ms确定，然后抛出一个TimeoutException。
    //props.put ( "buffer.memory", 33554432 )
    //key.serializer和value.serializer指示如何将用户提供的密钥和值对象转换为字节。您可以使用包含的ByteraySerializer或StringSerializer来实现简单的字符串或字节类型。
    props.put ( "key.serializer", "org.apache.kafka.common.serialization.StringSerializer" )
    props.put ( "value.serializer", "org.apache.kafka.common.serialization.StringSerializer" )
    val producter = new KafkaProducer[String, String]( props )
    /**
      * private val topic: String = null
      * private val partition: Integer = null
      * private val key: K = null
      * private val value: V = null
      * private val timestamp: Long = 0L
      */
    var i = 0
    while (i < 100) {
      val pro = new ProducerRecord[String, String]( "hello", i % 3, "" + i, "" + i )
      producter.send ( pro )

      //睡眠
      Thread.sleep ( 2000 )
      println ( "生产者数据： 分区：" + pro.partition () + " key:" + pro.key () + " value:" + pro.value () )
      i += 1
    }

    producter.close ()

  }
}

 

消费者

package kafka

import java.util

import org.apache.kafka.clients.consumer.{ConsumerRecord, KafkaConsumer}

object consumerDemo01 {
  def main(args: Array[String]): Unit = {
    val map = new util.HashMap[String, Object]()
    //通过使用configuration   bootstrap.servers指定要联系的一个或多个代理程序的列表，可以引导与群集的连接。此列表仅用于发现群集中的其余代理，
    // 并且不需要是群集中服务器的详尽列表（尽管在客户端连接时服务器出现故障时，您可能需要指定多个服务器）。
    map.put ( "bootstrap.servers", "192.168.186.150:9092" )
    //在本例中，使用者作为一组名为test的消费者的一部分订阅主题foo和bar，并配置为group.id。
    map.put ( "group.id", "test" )
    //设置enable.auto.commit意味着偏移以配置auto.commit.interval.ms.控制的频率自动提交
    map.put ( "enable.auto.commit", "true" )
    map.put ( "auto.commit.interval.ms", "1000" )

    map.put ( "key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer" )
    map.put ( "value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer" )

    val consumer = new KafkaConsumer[String, String]( map )

    consumer.subscribe ( util.Arrays.asList ( "hello" ) )
    while (true) {
      //如果缓冲区中没有数据可用，则以100毫秒为单位的时间在轮询中等待.如果0，立即返回缓冲区中可用的任何记录，否则返回空。不得为负数。
      val records = consumer.poll ( 1000 )
      val result: util.Iterator[ConsumerRecord[String, String]] = records.iterator ()
      while (result.hasNext) {
        val r = result.next ()
        println ( "消费者数据是：偏移量：" + r.offset () + " 分区：" + r.partition () + " K: " + r.key () + " value: " + r.value () )
      }
    }
  }
}

 

转载于:https://www.cnblogs.com/wangshuang123/p/11133273.html