Docker下的Kafka学习之三:集群环境下的java开发
来源:互联网 发布:日常生活记账软件 编辑:程序博客网 时间:2024/06/04 19:14
在上一章《Docker下的Kafka学习之二:搭建集群环境》中我们学会了搭建kafka集群环境,今天我们来实战集群环境下的用java发送和消费kafka的消息;
环境规划
本次实战我们要搭建的环境略有一些复杂,整体环境如下图:
如上图所示,从浏览器发起一个请求会经历以下历程:
1. 请求到nginx后,由nginx转发到tomcat,nginx后面接了两个tomcat,容器名分别是producer1和producer2,部署的都是kafkaclusterproducerdemo这个应用的war包;
2. producer1和producer2收到消息后,向broker投递消息;
3. consumer1、consumer2、consumer3是三个tomcat,上面都部署了kafkaclusterconsumerdemo这个应用,连接了kafka的partition,收到消息后消费这些消息,这三个consumer属于同一个group,共同消息主题”test002”的消息;
整个环境的ip和功能说明列表如下:
docker-compose.yml配置
这么多容器,还是用docker-compose来配置和管理比较方便,配置好的docker-compose.yml文件如下所示:
version: '2'services: broker1: image: bolingcavalry/ssh-kafka292081-zk346:0.0.1 container_name: broker1 ports: - "19011:22" restart: always broker2: image: bolingcavalry/ssh-kafka292081-zk346:0.0.1 container_name: broker2 depends_on: - broker1 ports: - "19012:22" restart: always broker3: image: bolingcavalry/ssh-kafka292081-zk346:0.0.1 container_name: broker3 depends_on: - broker2 ports: - "19013:22" restart: always producer1: image: bolingcavalry/online_deploy_tomcat:0.0.1 container_name: producer1 depends_on: - broker3 links: - broker1:hostb1 - broker2:hostb2 - broker3:hostb3 ports: - "19014:8080" environment: TOMCAT_SERVER_ID: producer1 restart: always producer2: image: bolingcavalry/online_deploy_tomcat:0.0.1 container_name: producer2 depends_on: - producer1 links: - broker1:hostb1 - broker2:hostb2 - broker3:hostb3 ports: - "19015:8080" environment: TOMCAT_SERVER_ID: producer2 restart: always nginx: image: daocloud.io/library/nginx:latest container_name: nginx depends_on: - producer2 links: - producer1:t01 - producer2:t02 ports: - "19016:80" restart: always consumer1: image: bolingcavalry/online_deploy_tomcat:0.0.1 container_name: consumer1 depends_on: - nginx links: - broker1:hostb1 - broker2:hostb2 - broker3:hostb3 ports: - "19017:8080" environment: TOMCAT_SERVER_ID: consumer1 restart: always consumer2: image: bolingcavalry/online_deploy_tomcat:0.0.1 container_name: consumer2 depends_on: - consumer1 ports: - "19018:8080" links: - broker1:hostb1 - broker2:hostb2 - broker3:hostb3 environment: TOMCAT_SERVER_ID: consumer2 restart: always consumer3: image: bolingcavalry/online_deploy_tomcat:0.0.1 container_name: consumer3 depends_on: - consumer2 ports: - "19019:8080" links: - broker1:hostb1 - broker2:hostb2 - broker3:hostb3 environment: TOMCAT_SERVER_ID: consumer3 restart: always
如上所示,broker1、broker2、broker3是用来搭建kafka集群环境的,作为生产消息的tomcat有两个,消费消息的tomcat有三个,再加上一个nginx,就是全部的容器了;
启动所有容器
在docker-compose.yml所在目录下执行以下命令即可启动所有容器:
docker-compose up -d
启动的过程下图所示:
搭建kafka集群环境
详细的搭建步骤,请看《Docker下的Kafka学习之二:搭建集群环境》,所有操作都在broker1、broker2、broker3这三个容器上进行;
创建topic
在容器broker1上执行以下命令,就会在kafka上创建一个主题,有6个patition:
/usr/local/work/kafka_2.9.2-0.8.1/bin/kafka-topics.sh --create --zookeeper broker1:2181,broker2:2181,broker3:2181 --replication-factor 1 --partitions 6 --topic test002
查看broker1的/tmp/kafka-logs/目录,就能看到partition目录,如下图:
如上图,broker1负责的是partition2和partition5;
去broker2、borker3检查后,得到每个broker和partition的关系如下:
配置nginx
遗憾的是nginx容器里面没有安装vim工具,需要先执行apt-get update,再执行apt-get install -y vim,将vim装好,再去修改/etc/nginx/nginx.conf文件,修改后的内容如下:
user nginx;worker_processes 1;error_log /var/log/nginx/error.log warn;pid /var/run/nginx.pid;events { worker_connections 1024;}http { include /etc/nginx/mime.types; default_type application/octet-stream; log_format main '$remote_addr - $remote_user [$time_local] "$request" ' '$status $body_bytes_sent "$http_referer" ' '"$http_user_agent" "$http_x_forwarded_for"'; access_log /var/log/nginx/access.log main; sendfile on; #tcp_nopush on; keepalive_timeout 65; #gzip on; #include /etc/nginx/conf.d/*.conf;upstream tomcat_client { server t01:8080 weight=1; server t02:8080 weight=1; } server { server_name ""; listen 80 default_server; listen [::]:80 default_server ipv6only=on; location / { proxy_pass http://tomcat_client; proxy_redirect default; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; } }}
和原来的内容相比,主要的修改点就是注释掉“include /etc/nginx/conf.d/*.conf”,再增加upstream和server的配置;
修改完成后,执行/usr/sbin/nginx -s reload命令让nginx加载修改后的配置;
在当前电脑的浏览器输入“http://localhost:19016/examples/servlets/servlet/HelloWorldExample”试试,可以看到请求已经被nginx转发到tomcat上去了,如下图:
关于tomcat的在线部署
本次实战要开发两个java的web应用,然后将构建的war在线部署到tomcat上去,关于在线部署的详情请参照《实战docker,编写Dockerfile定制tomcat镜像,实现web应用在线部署》,本次开发的两个java应用的pom.xml中已经配置好了在线部署的插件和参数,读者们只需要将本地maven配置好部署所需的用户名和密码即可;
源码下载
本次开发的两个java工程的源码都可以在github下载,地址是:git@github.com:zq2599/blog_demos.git,这里面有多个工程,本次用到的两个工程如下图红框所示:
- kafkaclusterproducerdemo是生产kafka消息的工程;
- kafkaclusterconsumerdemo是消费kafka消息的工程;
接下来开始编码了;
消息生产的工程kafkaclusterproducerdemo
- 用maven创建一个web工程kafkaclusterproducerdemo;
- pom.xml中,除了spring,日志相关的依赖,还要加入下面这些:
<!--fastjson--> <dependency> <groupId>com.alibaba</groupId> <artifactId>fastjson</artifactId> <version>1.2.39</version> </dependency> <dependency> <groupId>org.apache.commons</groupId> <artifactId>commons-lang3</artifactId> <version>3.5</version> </dependency> <!--kafka--> <dependency> <groupId>org.apache.kafka</groupId> <artifactId>kafka_2.9.2</artifactId> <version>0.8.1</version> </dependency>
如上所示,除了kafka的依赖,fastjson和commons-lang3也会用到;
3. 自定义partition规则,创建一个实现了Partitioner接口的类BusinessPartition,可以通过key的值来决定将消息投递到那个partition,这里的做法是直接用key的值来代表partition,源码如下:
public class BusinessPartition implements Partitioner { /** * 构造函数的函数体没有东西,但是不能没有构造函数 * @param props */ public BusinessPartition(VerifiableProperties props) { super(); } public int partition(Object o, int i) { int partitionValue = 0; if(o instanceof String && StringUtils.isNoneBlank((String)o)){ partitionValue = Integer.valueOf((String)o); } return partitionValue; }}
注意:带VerifiableProperties的构造方法一定要写!
4. 消息服务初始化:
初始化工作是放在一个Bean的init方法中进行的,如下:
@PostConstruct public void init(){ try { Properties props = new Properties(); props.put("serializer.class", "kafka.serializer.StringEncoder"); props.put("zk.connect", "hostb1:2181,hostb1:2181,hostb1:2181"); props.put("metadata.broker.list", "hostb1:9092,hostb1:9092,hostb1:9092"); props.put("partitioner.class","com.bolingcavalry.service.BusinessPartition"); producer = new kafka.javaapi.producer.Producer<String, String>(new ProducerConfig(props)); } catch (Exception e) { e.printStackTrace(); } }
hostb1、hostb2、hostb3都是docker-compose.yml配置的link参数;
值得注意的是”partitioner.class”这个参数的值,是我们刚刚创建的BusinessPartition这个类,这样kafka就知道用哪个自定义类来处理partition的逻辑了;
5. 发送消息:
发送消息的方法有两个,第二个接受外部传来的key,用来确定当前消息发往哪个partition:
public void sendSimpleMsg(String topic, String message) { //producer的内部实现中,已经考虑了线程安全,所以此处不用加锁了 producer.send(new KeyedMessage<String, String>(topic, message)); } public void sendKeyMsg(String topic, String key, String message) { //producer的内部实现中,已经考虑了线程安全,所以此处不用加锁了 producer.send(new KeyedMessage<String, String>(topic, key, message)); }
- 接受浏览器请求的MessageProduceController:
MessageProduceController的关键代码如下:
@RequestMapping("/keymessage") @ResponseBody public String keymessage(HttpServletRequest request, Model model) { String topic = get(request, "topic"); String content = get(request, "content"); String keyStr = get(request, "key"); SimpleMessage simpleMessage = new SimpleMessage(); simpleMessage.setContent(content); simpleMessage.setFrom(TOMCAT_ID); String message = JSON.toJSONString(simpleMessage); logger.info("start simple, topic [{}], key [{}], message [{}]", topic, keyStr, message); messageService.sendKeyMsg(topic, keyStr, message); logger.info("end simple, topic [{}], key [{}], message [{}]", topic, keyStr, message); return String.format("success [%s], topic [%s], key [%s], content [%s]", tag(), topic, keyStr, content); }
如上所示,收到web请求时,会构造一个SimpleMessage对象,里面有消息内容和当前tomcat的标识(因为有两个tomcat,通过此属性可以区分是哪个发的消息),再将这个对象转成字符串,然后请求kafka发送该消息,key也是从请求参数中取得的;
7. 部署到tomcat上去:
按照我们之前的规划,kafkaclusterproducerdemo要部署到producer1和producer2这两个容器上,producer1和producer2的8080端口分别映射到了当前电脑的19014和19015端口,所以我们在pom.xml中,tomcat7-maven-plugin插件的url参数中端口改为19014和19015分别部署一次,就能将war在线部署到两个tomcat上去了,如下图:
消息消费的工程kafkaclusterconsumerdemo
- 用maven创建一个web工程kafkaclusterconsumerdemo;
- pom.xml的依赖和kafkaclusterproducerdemo工程大体上是一样的,只是zookeeper的依赖这里要格外注意,不能用kafka的间接依赖,而是要自己控制,并指定版本:
<dependency> <groupId>org.apache.zookeeper</groupId> <artifactId>zookeeper</artifactId> <version>3.4.6</version> </dependency> <!--kafka--> <dependency> <groupId>org.apache.kafka</groupId> <artifactId>kafka_2.9.2</artifactId> <version>0.8.1</version> <exclusions> <exclusion> <artifactId>org.apache.zookeeper</artifactId> <groupId>zookeeper</groupId> </exclusion> </exclusions> </dependency>
如上所示,zookeeper的版本是3.4.6,而kafka中对zookeeper的间接依赖已经被排除了;
3. 对kafka消息的消费,已经封装在一个Bean中,初始化逻辑如下:
private static final String GROUP_ID = "testgroup001"; private static final String ZK = "hostb1:2181,hostb2:2181,hostb3:2181"; private static final String TOPIC = "test002"; private static final int THREAD_NUM = 2; @PostConstruct public void init(){ logger.info("start init kafka consumer service"); // 1. 创建Kafka连接器 consumer = Consumer.createJavaConsumerConnector(createConsumerConfig(ZK, GROUP_ID)); Map<String, Integer> topicCountMap = new HashMap<String, Integer>(); topicCountMap.put(TOPIC, THREAD_NUM); // 2. 指定数据的解码器 StringDecoder keyDecoder = new StringDecoder(new VerifiableProperties()); StringDecoder valueDecoder = new StringDecoder(new VerifiableProperties()); // 3. 获取连接数据的迭代器对象集合 /** * Key: Topic主题 * Value: 对应Topic的数据流读取器,大小是topicCountMap中指定的topic大小 */ Map<String, List<KafkaStream<String, String>>> consumerMap = this.consumer.createMessageStreams(topicCountMap, keyDecoder, valueDecoder); // 4. 从返回结果中获取对应topic的数据流处理器 List<KafkaStream<String, String>> streams = consumerMap.get(TOPIC); logger.info("streams size {}", streams.size()); // 5. 创建线程池 this.executorPool = new ThreadPoolExecutor(THREAD_NUM, THREAD_NUM, 0, TimeUnit.MILLISECONDS, new LinkedBlockingQueue<Runnable>(), new CustomThreadFactory(), new ThreadPoolExecutor.AbortPolicy()); // 6. 构建数据输出对象 int threadNumber = 0; for (final KafkaStream<String, String> stream : streams) { this.executorPool.submit(new Processer(stream, threadNumber)); threadNumber++; } logger.info("end init kafka consumer service"); }
如上所示,我们用的是High level的方式,很多细节的东西就不用关心了,例如commit,offset等;
由于本次实战的消息打算分成6个partition,一共有三个消费tomcat,所以每个tomcat上启动两个消费者线程来处理消息,这样就保证了每个partition都有一个单独的线程来处理;
4. 消息处理的业务类Processer实现了Runnable,关键代码如下:
public void run() { // 1. 获取数据迭代器 ConsumerIterator<String, String> iter = this.stream.iterator(); logger.info("server [{}] start run", TOMCAT_ID); // 2. 迭代输出数据 while (iter.hasNext()) { // 2.1 获取数据值 MessageAndMetadata value = iter.next(); // 2.2 输出 logger.info("server [{}], threadNumber [{}], offset [{}], key [{}], message[{}]", TOMCAT_ID, threadNumber, value.offset(), value.key(), value.message()); } // 3. 表示当前线程执行完成 logger.info("Shutdown Thread:" + this.threadNumber); }
如上,每当从kafka中取得了消息,就通过日志打印出来;
7. 部署到tomcat上去:
按照我们之前的规划,kafkaclusterconsumerdemo要部署到consumer1、consumer2、consumer3这三个容器上,它们的8080端口分别映射到了当前电脑的19017、19018、19019端口上,所以我们在pom.xml中,tomcat7-maven-plugin插件的url参数中端口改为这三个端口分别部署一次,就能将war在线部署到三个tomcat上去了;
打印实时日志
推荐同时打开五个控制台,分别登上producer1、producer2、consumer1、consumer2、consumer3这五个容器,查看日志时分别做如下操作:
1. 对producer1和producer2,执行:
tail -f /usr/local/tomcat/logs/kafkaclusterproducerdemo/output.2017-10-29.log
output.xxxxxx.log要用当天的日期;
2. 对consumer1、consumer2、consumer3,执行:
tail -f /usr/local/tomcat/logs/kafkaclusterconsumerdemo/output.2017-10-29.log
这样就能将日志实时打印出来了;
检查kafkaclusterconsumerdemo是否启动成功
实战中经常出现consumer1、consumer2、consumer3等容器在部署了war包后启动失败的情况,请浏览器输入http://localhost:19017/kafkaclusterconsumerdemo来检查consumer1是否启动成功,启动成功后的效果如下:
如果启动失败页面就404错误了,检查日志发现是连接zookeeper失败,如下图:
这时候建议多部署几次,就能连接成功了,启动成功的日志如下图所示:
实战消息发送和接收
用浏览器分别访问以下六个地址:
1. http://localhost:19016/kafkaclusterproducerdemo/keymessage?topic=test002&content=message001&key=1
2. http://localhost:19016/kafkaclusterproducerdemo/keymessage?topic=test002&content=message002&key=2
3. http://localhost:19016/kafkaclusterproducerdemo/keymessage?topic=test002&content=message003&key=3
4. http://localhost:19016/kafkaclusterproducerdemo/keymessage?topic=test002&content=message004&key=4
5. http://localhost:19016/kafkaclusterproducerdemo/keymessage?topic=test002&content=message005&key=5
6. http://localhost:19016/kafkaclusterproducerdemo/keymessage?topic=test002&content=message006&key=6
上面六个地址代表发送了六个消息,例如第一个消息的key是1,消息内容是message001,在consumer3的日志中我们看到了这个消息,如下图所示:
从from字段我们还能发现这个消息是从producer1发出的;
从每个consumer日志中的key可以将consumer1、consumer2、consumer3和partition的关系梳理如下表:
至此,kafka集群环境下的java开发实战就全部结束了,和之前的入门实战相比稍微复杂了一些,但也更接近实际生产环境的操作了,希望能对读者您的学习和开发有所帮助;
- Docker下的Kafka学习之三:集群环境下的java开发
- Docker下的Kafka学习之二:搭建集群环境
- Docker下的Kafka学习之二:搭建集群环境
- Docker下kafka学习,三部曲之三:java开发
- Kafka学习之:Centos 下Kafka集群的安装
- Docker下kafka学习,三部曲之二:本地环境搭建
- Docker下HBase学习,三部曲之三:java开发
- Docker下的Kafka学习之一:制作集群用的镜像文件
- docker环境下的python服务器端开发
- Docker下dubbo开发,三部曲之三:java开发
- 基于docker部署的微服务架构: docker环境下的zookeeper和kafka部署
- Centos 下Kafka集群的搭建
- kafka linux下的集群安装
- 集群下的kafka实现多线程消费
- 在Docker环境下部署Kafka
- 在Docker环境下部署Kafka
- java环境下:MongoDB的crud操作之Update (三)
- Kafka学习之三 Kafka线上环境集群部署及客户端应用
- LeetCode 之 Maximum Depth of Binary Tree
- 基于GMap.Net的地图瓦片下载工具
- java基础知识--类与对象、继承(二)
- Java start、、、
- 继承中的方法重写的注意事项
- Docker下的Kafka学习之三:集群环境下的java开发
- python基础(递归函数、匿名函数、文件)
- js面向对象设计
- 怎么在echarts上多个y轴
- Python Imaging Library: ImageChops Module(图像通道操作模块)
- Spring Boot 详解
- 使用canvas绘制见缝插针小游戏Hello_yihao的博客
- 使用python画图(3)
- 大根堆排序结果为升序