kafka的知识了解

• 名词简单说明;
  • topic ： 主题，特指kafka处理的消息源的不同分类
  • partition ： topic物理上的分组，一个topic可以分为多个partition
    • 多个副本：选其中一个为leader,其余都是follower

  创建副本的单位是topic的分区，每个分区都有一个leader和零或多个followers.所有的读写操作都由leader处理，一般分区的数量都比broker的数量多的多，各分区的leader均匀的分布在brokers中。所有的followers都复制leader的日志，日志中的消息和顺序都和leader中的一致。flowers向普通的consumer那样从leader那里拉取消息并保存在自己的日志文件中。

• 引入依赖

  	<dependency>
            <groupId>org.springframework.kafka</groupId>
            <artifactId>spring-kafka</artifactId>
        </dependency>
  

简单使用方式

• 配置文件

 # 指定kafka server的地址，集群配多个，中间，逗号隔开
spring.kafka.bootstrap-servers=1.1.1.1:9092

#-----product 生产者参数-----
# 指定消息key和消息体的编解码方式
spring.kafka.producer.key-serializer=org.apache.kafka.common.serialization.StringSerializer
spring.kafka.producer.value-serializer=org.apache.kafka.common.serialization.StringSerializer

demo：

 @Autowired
    private KafkaTemplate kafkaTemplate;

    @Test
    public void send(){
        //send(topic,消息信息)
        kafkaTemplate.send("test","242323424");
    }

附录一：

文献：

• https://blog.csdn.net/qrne06/article/details/79586212
• http://shixinke.com/java/kafka-configuration

附录二

• ProducerConfig values:生产者的默认配置：

	
	bootstrap.servers = [1.1.1.1:9092]
	acks = 1
		# 0：客户端发送了，认为是发送成功
	 	# 1：客户端发送了，分区leader收到了，认为是发送成功
		# all: 客户端发送了，分区leader收到了,其他副本follower也有了，认为是发送成功
	batch.size = 16384
	 	# 每个Batch要存放batch.size大小的数据后，才可以发送出去
	linger.ms = 0
		# 一个Batch被创建之后，最多过多久，不管这个Batch有没有写满，都必须发送出去了。避免达不到size导致无法发送
	buffer.memory = 33554432
		# 约束KafkaProducer能够使用的内存缓冲的大小的
		# 个人理解：类似于 文件字符流的管道大小
	retries = 2147483647
		# 失败重新发送次数
	retry.backoff.ms = 100
		# 每次重试的间隔是多少毫秒
		max.request.size = 1048576
		# 决定了每次发送给Kafka服务器请求消息的最大大小
	client.dns.lookup = default
	client.id = 
	compression.type = none
	connections.max.idle.ms = 540000
	delivery.timeout.ms = 120000
	enable.idempotence = false
	interceptor.classes = []
	key.serializer = class org.apache.kafka.common.serialization.StringSerializer
	max.block.ms = 60000
	max.in.flight.requests.per.connection = 5
	metadata.max.age.ms = 300000
	metric.reporters = []
	metrics.num.samples = 2
	metrics.recording.level = INFO
	metrics.sample.window.ms = 30000
	partitioner.class = class org.apache.kafka.clients.producer.internals.DefaultPartitioner
	receive.buffer.bytes = 32768
	reconnect.backoff.max.ms = 1000
	reconnect.backoff.ms = 50
	request.timeout.ms = 30000

	sasl.client.callback.handler.class = null
	sasl.jaas.config = null
	sasl.kerberos.kinit.cmd = /usr/bin/kinit
	sasl.kerberos.min.time.before.relogin = 60000
	sasl.kerberos.service.name = null
	sasl.kerberos.ticket.renew.jitter = 0.05
	sasl.kerberos.ticket.renew.window.factor = 0.8
	sasl.login.callback.handler.class = null
	sasl.login.class = null
	sasl.login.refresh.buffer.seconds = 300
	sasl.login.refresh.min.period.seconds = 60
	sasl.login.refresh.window.factor = 0.8
	sasl.login.refresh.window.jitter = 0.05
	sasl.mechanism = GSSAPI
	security.protocol = PLAINTEXT
	send.buffer.bytes = 131072
	ssl.cipher.suites = null
	ssl.enabled.protocols = [TLSv1.2, TLSv1.1, TLSv1]
	ssl.endpoint.identification.algorithm = https
	ssl.key.password = null
	ssl.keymanager.algorithm = SunX509
	ssl.keystore.location = null
	ssl.keystore.password = null
	ssl.keystore.type = JKS
	ssl.protocol = TLS
	ssl.provider = null
	ssl.secure.random.implementation = null
	ssl.trustmanager.algorithm = PKIX
	ssl.truststore.location = null
	ssl.truststore.password = null
	ssl.truststore.type = JKS
	transaction.timeout.ms = 60000
	transactional.id = null
	value.serializer = class org.apache.kafka.common.serialization.StringSerializer

附录3