当前位置：首页 > news >正文

Kafka 生产者详解（上）：消息发送流程与API，分区，吞吐量与数据可靠性

news 2025/10/27 7:38:20

整体流程

在消息发送的过程中，涉及到了两个线程：main 线程和 Sender 线程。在 main 线程中创建了一个双端队列 RecordAccumulator。main 线程将消息发送给 RecordAccumulator， Sender 线程不断从 RecordAccumulator 中拉取消息发送到 Kafka Broker。

batch.size：只有数据积累到batch.size，Sender线程才会从RecordAccumulator中拉取数据。

linger.ms：数据拉取的超时时间。如果迟迟没有达到batch.size，Sender会等待linger.ms后自动拉取数据。

Selector：是负责网络 I/O 操作的核心组件，它基于 Java NIO 的 Selector 实现，主要用于高效管理生产者与 Kafka broker 之间的网络连接、I/O 事件（如可读、可写）以及处理网络请求。

应答ACKs：

0：生产者不需要等待数据落盘后应答
1：Leader收到数据并且已经落盘后需要应答
-1（all）：Leader和ISR队列里的所有节点收到数据后应答

如果ack返回为成功，生产者会清理RecordAccumulator中的数据。如果失败，则会重试，次数为int的最大值。

常见参数：

参数名称	描述
bootstrap.servers	生产者连接集群所需的 broker 地址清单。例如 hadoop102:9092,hadoop103:9092,hadoop104:9092，可以设置 1 个或者多个，中间用逗号隔开。注意这里并非需要所有的 broker 地址，因为生产者从给定的 broker 里查找到其他 broker 信息。
key.serializer	指定发送消息的 key 的序列化类型。一定要写全类名。
value.serializer	指定发送消息的 value 的序列化类型。一定要写全类名。
buffer.memory	RecordAccumulator 缓冲区总大小，默认 32m。
batch.size	缓冲区一批数据最大值，默认 16k。适当增加该值，可以提高吞吐量，但是如果该值设置太大，会导致数据传输延迟增加。
linger.ms	如果数据迟迟未达到 batch.size，sender 等待 linger.time 之后就会发送数据。单位 ms，默认值是 0ms，表示没有延迟。生产环境建议该值大小为 5-100ms 之间。
acks	0：生产者发送过来的数据，不需要等数据落盘应答。1：生产者发送过来的数据，Leader 收到数据后应答。-1（all）：生产者发送过来的数据，Leader + 和 isr 队列里面的所有节点收齐数据后应答。默认值是 - 1，-1 和 all 是等价的。
max.in.flight.requests.per.connection	允许最多没有返回 ack 的次数，默认为 5，开启幂等性要保证该值是 1-5 的数字。
retries	当消息发送出现错误的时候，系统会重发消息。retries 表示重试次数。默认是 int 最大值，2147483647。如果设置了重试，还想保证消息的有序性，需要设置 MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION=1，否则在重试此失败消息的时候，其他的消息可能发送成功了。
retry.backoff.ms	两次重试之间的时间间隔，默认是 100ms。
enable.idempotence	是否开启幂等性，默认 true，开启幂等性。
compression.type	生产者发送的所有数据的压缩方式。默认是 none，也就是不压缩。支持压缩类型：none、gzip、snappy、lz4 和 zstd。

消息发送API

异步发送

API

1）：导入依赖

<dependencies><dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-clients</artifactId><version>3.0.0</version></dependency>
</dependencies>

2）：发送消息代码

public class CustomProducer {public static void main(String[] args) throws InterruptedException {// 1. 创建 kafka 生产者的配置对象Properties properties = new Properties();// 2. 给 kafka 配置对象添加配置信息：bootstrap.serversproperties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "hadoop102:9092");// key,value 序列化（必须）：key.serializer，value.serializerproperties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");// 3. 创建 kafka 生产者对象KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(properties);// 4. 调用 send 方法,发送消息for (int i = 0; i < 5; i++) {kafkaProducer.send(new ProducerRecord<>("first", "atguigu " + i));}// 5. 关闭资源kafkaProducer.close();}
}

回调函数：回调函数会在 producer 收到 ack 时调用，为异步调用，该方法有两个参数，分别是元数据信息（RecordMetadata）和异常信息（Exception），如果 Exception 为 null，说明消息发送成功。

同步发送

API

public class CustomProducerSync {public static void main(String[] args) throws InterruptedException, ExecutionException {// 1. 创建 kafka 生产者的配置对象Properties properties = new Properties();// 2. 给 kafka 配置对象添加配置信息properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "hadoop102:9092");// key,value 序列化（必须）：key.serializer，value.serializerproperties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializerSerializer.class.getName());// 3. 创建 kafka 生产者对象KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties);// 4. 调用 send 方法，发送消息for (int i = 0; i < 10; i++) {// 异步发送（默认）// kafkaProducer.send(new ProducerRecord<>("first", "kafka" + i));// 同步发送（通过.get()阻塞等待结果）kafkaProducer.send(new ProducerRecord<>("first", "kafka" + i)).get();}// 5. 关闭资源kafkaProducer.close();}
}

分区

优点：

便于合理使用存储资源，每个Partition在一个Broker上存储，可以把大数据分割存储在不同Broker上。合理控制分区的任务，可以实现负载均衡的效果。
提高并行度，生产者可以以分区为单位发送数据；消费者可以以分区为单位进行消费数据。多个消费者同时消费一个大数据的不同分区。

分区策略

默认的分区器 DefaultPartitioner

指明partition的情况下，将指明的值作为partition值
没有指明partition值但有key的情况下，将key的hash值与topic的 partition数进行取余得到partition值
既没有partition值又没有key值的情况下，Kafka采用Sticky Partition（黏性分区器），会随机选择一个分区，并尽可能一直使用该分区，待该分区的batch已满或者已完成，Kafka再随机一个分区进行使用（和上一次的分区不同）

自定义分区器

1）：自定义分区类，继承分区器接口

2）：重写partition()方法，实现自定义逻辑

3）：在生产者中修改配置

properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());

吞吐量的提高

通过设置batch.size和linger.ms：linger.ms越低，消息发送的延迟就越低，但消息吞吐量也小；linger.ms越高，消息发送的延迟也高，对应的消息吞吐量也更大。要合理设置batch.size和linger.ms，平衡好吞吐量和延迟之间的关系。

compression.type：压缩snappy。可以将消息压缩，使得同一batch.size，能承载的消息更多，提高吞吐量。

RecordAccumulator：缓冲区大小，默认32m，可以修改为64m。存在情形在batch.size大小的范围内能够直接拉取完缓冲区内的所有信息，因此要提高缓冲区的大小。

// batch.size：批次大小，默认 16Kproperties.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384);// linger.ms：等待时间，默认 0properties.put(ProducerConfig.LINGER_MS_CONFIG, 1);// RecordAccumulator：缓冲区大小，默认 32M：buffer.memoryproperties.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 33554432);// compression.type：压缩，默认 none，可配置值 gzip、snappy、lz4 和 zstd
properties.put(ProducerConfig.COMPRESSION_TYPE_CONFIG,"snappy");

数据可靠性

acks的不同情况：

ack = 0，生产者发送的数据不需要等待数据落盘就应答。有可能导致数据在发送到leader，但leader故障时丢失
ack = 1，leader收到数据并且数据落盘后才应答。有可能数据没有从leader同步到follower时leader挂掉，也会导致数据的丢失。
ack = -1，生产者发送过来的数据，Leader和ISR队列里面的所有节点收齐数据后应答。但follower可能存在情况迟迟无法同步消息，解决方法： Leader维护了一个动态的in-sync replica set（ISR），意为和 Leader保持同步的Follower+Leader集合(leader：0，isr:0,1,2)。如果Follower长时间未向Leader发送通信请求或同步数据，则该Follower将被踢出ISR。该时间阈值由replica.lag.time.max.ms参数设定，默认30s。例如2超时，(leader:0, isr:0,1)。

可靠性总结：