操作步骤

Maven依赖

核心依赖 kafka-clients

 	<dependency>
          <groupId>org.apache.kafka</groupId>
           <artifactId>kafka-clients</artifactId>
           <version>1.1.0</version>
       </dependency>

生产者

package com.artisan.kafkademo.producer;

import com.alibaba.fastjson.JSON;
import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.TimeUnit;

/**
 * @author 小工匠
 * @version v1.0
 * @create 2019-11-18 0:17
 * @motto show me the code ,change the word
 * @blog https://artisan.blog.csdn.net/
 * @description
 **/

public class MsgProducer {

    public static void main(String[] args) throws InterruptedException {

        // ---------------参数设置---------------BEGIN
        Properties properties = new Properties();
        // broker 信息
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.18.130:9092,192.168.18.131:9092,192.168.18.132:9092");

        /*
         发出消息持久化机制参数
        （1）acks=0： 表示producer不需要等待任何broker确认收到消息的回复，就可以继续发送下一条消息。
                     性能最高，但是最容易丢消息。
        （2）acks=1： 至少要等待leader已经成功将数据写入本地log，
                     但是不需要等待所有follower是否成功写入。就可以继续发送下一条消息。
                     这种情况下，如果follower没有成功备份数据，而此时leader又挂掉，则消息会丢失。
        （3）acks=‐1或all： 这意味着leader需要等待所有备份(min.insync.replicas配置的备份个数)都成功写入日志，
                这种策略会保证只要有一个备份存活就不会丢失数据。
                这是最强的数据保证。一般除非是金融级别，或跟钱打交道的场景才会使用这种配置。
         */
        properties.put(ProducerConfig.ACKS_CONFIG, "1");

        // 发送失败会重试，默认重试间隔100ms，重试能保证消息发送的可靠性，
        // 但是也可能造成消息重复发送，比如网络抖动，所以需要在接收者那边做好消息接收的幂等性处理
        properties.put(ProducerConfig.RETRIES_CONFIG,3);

        // 重试间隔设置
        properties.put(ProducerConfig.RETRY_BACKOFF_MS_CONFIG,300);


        // /设置发送消息的本地缓冲区，
        // 如果设置了该缓冲区，消息会先发送到本地缓冲区，可以提高消息发送性能，默认值是33554432，即32MB
        properties.put(ProducerConfig.BUFFER_MEMORY_CONFIG,33554432);

        // kafka本地线程会从缓冲区取数据，批量发送到broker，
        // 设置批量发送消息的大小，默认值是16384，即16kb，就是说一个batch满了16kb就发送出去
        properties.put(ProducerConfig.BATCH_SIZE_CONFIG,16384);


        //默认值是0，意思就是消息必须立即被发送，但这样会影响性能
        //一般设置100毫秒左右，就是说这个消息发送完后会进入本地的一个batch，
        // 如果100毫秒内，这个batch满了16kb就会随batch一起被发送出去
        //如果100毫秒内，batch没满，那么也必须把消息发送出去，不能让消息的发送延迟时间太长
        properties.put(ProducerConfig.LINGER_MS_CONFIG,100);

        // 把发送的key从字符串序列化为字节数组
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
        //把发送消息value从字符串序列化为字节数组
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
        // ---------------参数设置---------------END


        // 使用properties实例化KafkaProducer
        Producer producer = new KafkaProducer(properties);

        final int messageNum = 5 ;
        final CountDownLatch countDownLatch = new CountDownLatch(messageNum);

        // 发送5条消息
        for (int i = 1; i <= messageNum; i++) {
            Order order = new Order(i, 100,66,987.99 + i);

            // 指定发送分区
            ProducerRecord<String,String> record = new ProducerRecord<String, String>("artisan-replicated-topic",
                    0,String.valueOf(order.getOrderId()), JSON.toJSONString(order));


            // 异步方式发送消息
            producer.send(record, new Callback() {
                public void onCompletion(RecordMetadata metadata, Exception exception) {
                    if (exception != null){
                        countDownLatch.countDown();
                        System.err.println("发送消息失败：" + exception.getStackTrace());
                    }

                    if (metadata != null){
                        countDownLatch.countDown();
                        System.out.println("异步方式发送消息结果: topic=" + metadata.topic()
                                + " , partition=" + metadata.partition()
                                + " , offset=" + metadata.offset());
                    }
                }
            });

        }

        // 等5秒钟，5秒钟后，执行后续的代码
        countDownLatch.await(5, TimeUnit.SECONDS);
        producer.close();

    }

   static class Order {
        private int orderId ;
        private int productId ;
        private int productNum;
        private double orderAmount ;

        public Order() {
        }

        public Order(int orderId, int productId, int productNum, double orderAmount) {
            this.orderId = orderId;
            this.productId = productId;
            this.productNum = productNum;
            this.orderAmount = orderAmount;
        }

        public int getOrderId() {
            return orderId;
        }

        public void setOrderId(int orderId) {
            this.orderId = orderId;
        }

        public int getProductId() {
            return productId;
        }

        public void setProductId(int productId) {
            this.productId = productId;
        }

        public int getProductNum() {
            return productNum;
        }

        public void setProductNum(int productNum) {
            this.productNum = productNum;
        }

        public double getOrderAmount() {
            return orderAmount;
        }

        public void setOrderAmount(double orderAmount) {
            this.orderAmount = orderAmount;
        }
    }
}

消费者

package com.artisan.kafkademo.consumer;

import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.PartitionInfo;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.util.*;

/**
 * @author 小工匠
 * @version v1.0
 * @create 2019-11-18 23:51
 * @motto show me the code ,change the word
 * @blog https://artisan.blog.csdn.net/
 * @description
 **/

public class MsgConsumer {

    public static void main(String[] args) {

        // ---------------参数设置---------------BEGIN
        Properties props = new Properties();
        props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.18.130:9092,192.168.18.131:9092,192.168.18.132:9092");

        // 消费分组名
        props.put(ConsumerConfig.GROUP_ID_CONFIG,"testGroup");

        // 是否自动提交offset
		/*props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");
		// 自动提交offset的间隔时间
		props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG , "1000");*/
        //props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");
		/*
		心跳时间，服务端broker通过心跳确认consumer是否故障，如果发现故障，就会通过心跳下发
		rebalance的指令给其他的consumer通知他们进行rebalance操作，这个时间可以稍微短一点
		*/
        props.put(ConsumerConfig.HEARTBEAT_INTERVAL_MS_CONFIG, 1000);
        //服务端broker多久感知不到一个consumer心跳就认为他故障了，默认是10秒
        props.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, 10 * 1000);
        /*
        如果两次poll操作间隔超过了这个时间，broker就会认为这个consumer处理能力太弱，
        会将其踢出消费组，将分区分配给别的consumer消费
        */
        props.put(ConsumerConfig.MAX_POLL_INTERVAL_MS_CONFIG, 30 * 1000);
        props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        KafkaConsumer<String, String> consumer = new KafkaConsumer<String, String>(props);
        // 消费主题
        String topicName = "artisan-replicated-topic";
        consumer.subscribe(Arrays.asList(topicName));
        // 消费指定分区
        //consumer.assign(Arrays.asList(new TopicPartition(topicName, 0)));

        //消息回溯消费
        /*consumer.assign(Arrays.asList(new TopicPartition(topicName, 0)));
        *//*consumer.seekToBeginning(Arrays.asList(new TopicPartition(topicName, 0)));*//*
        //指定offset消费
        consumer.seek(new TopicPartition(topicName, 0), 10);

        //从指定时间点开始消费
        Map<TopicPartition, Long> map = new HashMap<TopicPartition, Long>();
        List<PartitionInfo> topicPartitions = consumer.partitionsFor(topicName);
        //从半小时前开始消费
        long fetchDataTime = new Date().getTime() - 1000 * 60 * 60;
        for (PartitionInfo par : topicPartitions) {
            map.put(new TopicPartition(topicName, par.partition()), fetchDataTime);
        }
        Map<TopicPartition, OffsetAndTimestamp> parMap = consumer.offsetsForTimes(map);
        for (Map.Entry<TopicPartition, OffsetAndTimestamp> entry : parMap.entrySet()) {
            TopicPartition key = entry.getKey();
            OffsetAndTimestamp value = entry.getValue();
            if (key == null || value == null) continue;
            Long offset = value.offset();
            System.out.println("partition-" + key.partition() + "|offset-" + offset);
            System.out.println();
            //根据消费里的timestamp确定offset
            if (value != null) {
                //没有这行代码会导致下面的报错信息
                consumer.assign(Arrays.asList(key));
                consumer.seek(key, offset);
            }
        }
*/
        while (true) {
            /*
             * poll() API 是拉取消息的长轮询，主要是判断consumer是否还活着，只要我们持续调用poll()，
             * 消费者就会存活在自己所在的group中，并且持续的消费指定partition的消息。
             * 底层是这么做的：消费者向server持续发送心跳，如果一个时间段（session.
             * timeout.ms）consumer挂掉或是不能发送心跳，这个消费者会被认为是挂掉了，
             * 这个Partition也会被重新分配给其他consumer
             */
            ConsumerRecords<String, String> records = consumer.poll(1000);
            for (ConsumerRecord<String, String> record : records) {
                System.out.printf("收到消息：offset = %d, key = %s, value = %s%n", record.offset(), record.key(),
                        record.value());
            }

            if (records.count() > 0) {
                // 提交offset
                consumer.commitSync();
            }
        }
    }
}