Kafka Producer端自定义消息

这篇文章主要讲kafka producer端的编程，通过一个应用案例来描述kafka在实际应用中的作用。如果你还没有搭建起kafka的开发环境，可以先参考：<kafka开发环境搭建>

首先描述一下应用的情况：一个站内的搜索引擎，运营人员想知道某一时段，各类用户对商品的不同需求。通过对这些数据的分析，从而获得更多有价值的市场分析报表。这样的情况，就需要我们对每次的搜索进行记录，当然，不太可能使用数据库区记录这些信息（数据库存这些数据我会觉得是种浪费，个人意见）。最好的办法是存日志。然后通过对日志的分析，计算出有用的数据。我们采用kafka这种分布式日志系统来实现这一过程。

完成上述一系列的工作，可以按照以下步骤来执行：

1.         搭建kafka系统运行环境。

2.         设计数据存储格式（按照自定义格式来封装消息）

3.         Producer端获取真实数据（搜索记录），并对数据按上述2中设计的格式进行编码。

4.         Producer将已经编码的数据发送到broker上，在broker上进行存储（分配存储策略）。

5.         Consumer端从broker中获取数据，分析计算。

如果用淘宝数据服务平台的架构来匹配这一过程，broker就好比数据中心中存储的角色，producer端基本是放在了应用中心的开放API中，consumer端则一般用于数据产品和应用中心的获取数据中使用。

今天主要写的是2、3、4三个步骤。我们先看第二步。为了快速实现，这里就设计一个比较简单的消息格式，复杂的原理和这个一样。

用四个字段分别表示消息的ID、用户、查询关键词和查询时间。当然你如果要设计的更复杂，可以加入IP这些信息。这些用java写就是一个简单的pojo类，这是getter/setter方法即可。由于在封转成kafka的message时需要将数据转化成bytep[]类型，可以提供一个序列化的方法。我在这里直接重写toString了：

1@Override

2    public String toString() {

3        String keyword = "[info kafka producer:]";

4        keyword = keyword + this.getId() + "-" + this.getUser() + "-"

5                + this.getKeyword() + "-" + this.getCurrent();

6        return keyword;

7    }

这样还没有完成，这只是将数据格式用java对象表现出来，解析来要对其按照kafka的消息类型进行封装，在这里我们只需要实现Encoder类即可：

01package org.gfg.kafka.message;

02

03import org.slf4j.Logger;

04import org.slf4j.LoggerFactory;

05

06import kafka.message.Message;

07

08public class KeywordMessage implements kafka.serializer.Encoder<Keyword>{

09     

10    public static final Logger LOG=LoggerFactory.getLogger(Keyword.class);

11     

12    @Override

13    public Message toMessage(Keyword words) {

14        LOG.info("start in encoding...");

15        return new Message(words.toString().getBytes());

16    }

17

18}

注意泛型和返回类型即可。这样KeywordMessage就是一个可以被kafka发送和存储的对象了。

接下来，我们可以编写一部分producer，获取业务系统的数据。要注意，producer数据的推送到broker的，所以发起者还是业务系统，下面的代码就能直接发送一次数据，注释都很详细：

01/**配置producer必要的参数*/

02        Properties props = new Properties();

03        props.put("zk.connect", "192.168.10.11:2181");

04        /**选择用哪个类来进行序列化*/

05        props.put("serializer.class", "org.gfg.kafka.message.KeywordMessage");

06        props.put("zk.connectiontimeout.ms", "6000");

07        ProducerConfig config=new ProducerConfig(props);

08         

09        /**制造数据*/

10        Keyword keyword=new Keyword();

11        keyword.setUser("Chenhui");

12        keyword.setId(0);

13        keyword.setKeyword("china");

14         

15        List<Keyword> msg=new ArrayList<Keyword>();

16        msg.add(keyword);

17         

18        /**构造数据发送对象*/

19        Producer<String, Keyword> producer=new Producer<String, Keyword>(config);      

20        ProducerData<String,Keyword> data=new ProducerData<String, Keyword>("test", msg);

21        producer.send(data);

发送完之后，我们可以用bin目录下的kafka-console-consumer来看发送的结果（当然现在用的topic是test）。可以用命令：

1./kafka-console-consumer –zookeeper 192.168.10.11:2181 –topic test –from-beginning

如果是在使用zookeeper搭建分布式的情况下（zookeeper based broker discovery），我们可以执行第三个步骤，用编码来实现partition的分配策略。这里需要我们实现Partitioner对象：

01package org.gfg.kafka.partitioner;

02

03import org.gfg.kafka.message.Keyword;

04import org.slf4j.Logger;

05import org.slf4j.LoggerFactory;

06

07import kafka.producer.Partitioner;

08

09/**

10 *

11 * @author Chen.Hui

12 *

13 */

14public class ProducerPartitioner implements Partitioner<String> {

15     

16    public static final Logger LOG=LoggerFactory.getLogger(Keyword.class);

17     

18    @Override

19    public int partition(String key, int numPartitions) {

20        LOG.info("ProducerPartitioner key:"+key+" partitions:"+numPartitions);

21        return key.length() % numPartitions;

22    }

23

24}

在上面的partition方法中，值得注意的是，key我们是在构造数据发送对象时设置的，这个key是区分存储的关键，比如我想将我的数据按照不同的用户类别存储。Partition的好处是可以并发的获取同类数据，提高效率，具体可以看之前的文章。

所以在第二部时的producer代码需要有所改进：

1/**选择用哪个类来进行设置partition*/

2        props.put("partitioner.class", "org.gfg.kafka.partitioner.ProducerPartitioner");

3

4        ProducerData<String,Keyword> data=new ProducerData<String, Keyword>("test","developer", msg);

增加了对partition的配置，并且修改了ProducerData的参数，其中，中间的就是key，如果不设置partition，kafka则随机的向broker中发送请求。我们可以看一眼ProducerData的源码：

01package kafka.javaapi.producer

02

03import scala.collection.JavaConversions._

04

05class ProducerData[K, V](private val topic: String,

06                         private val key: K,

07                         private val data: java.util.List[V]) {

08

09  def this(t: String, d: java.util.List[V]) = this(topic = t, key = null.asInstanceOf[K], data = d)

10

11  def this(t: String, d: V) = this(topic = t, key = null.asInstanceOf[K], data = asList(List(d)))

12

13  def getTopic: String = topic

14

15  def getKey: K = key

16

17  def getData: java.util.List[V] = data

18}

至此，producer端的事情都做完了，当然这就是个demo，还有很多性能上的优化需要做，当然有了这个基础，我们就能将数据存储到broker上，下一步，就是用consumer来消费这些日志，形成有价值的数据产品