1、KafkaProducer 概述
根据 KafkaProducer 类上的注释上来看 KafkaProducer 具有如下特征：
- KafkaProducer 是线程安全的，可以被多个线程交叉使用。
- KafkaProducer 内部包含一个缓存池，存放待发送消息，即 ProducerRecord 队列，与此同时会开启一个IO线程将 ProducerRecord 对象发送到 Kafka 集群。
- KafkaProducer 的消息发送 API send 方法是异步，只负责将待发送消息 ProducerRecord 发送到缓存区中，立即返回，并返回一个结果凭证 Future。
- acks
KafkaProducer 提供了一个核心参数 acks 用来定义消息“已提交”的条件(标准)，就是 Broker 端向客户端承偌已提交的条件，可选值如下：
- 0
表示生产者不关系该条消息在 broker 端的处理结果，只要调用 KafkaProducer 的 send 方法返回后即认为成功，显然这种方式是最不安全的，因为 Broker 端可能压根都没有收到该条消息或存储失败。 - all 或 -1
表示消息不仅需要 Leader 节点已存储该消息，并且要求其副本（准确的来说是 ISR 中的节点）全部存储才认为已提交，才向客户端返回提交成功。这是最严格的持久化保障，当然性能也最低。 - 1
表示消息只需要写入 Leader 节点后就可以向客户端返回提交成功。
- retries
kafka 在生产端提供的另外一个核心属性，用来控制消息在发送失败后的重试次数，设置为 0 表示不重试，重试就有可能造成消息在发送端的重复。 - batch.size
kafka 消息发送者为每一个分区维护一个未发送消息积压缓存区，其内存大小由batch.size指定，默认为 16K。
但如果缓存区中不足100条，但发送线程此时空闲，是需要等到缓存区中积满100条才能发送还是可以立即发送呢？默认是立即发送，即 batch.size 的作用其实是客户端一次发送到broker的最大消息大小。 - linger.ms
为了提高 kafka 消息发送的高吞吐量，即控制在缓存区中未积满 batch.size 时来控制 消息发送线程的行为，是立即发送还是等待一定时间，如果linger.ms 设置为 0表示立即发送，如果设置为大于0，则消息发送线程会等待这个值后才会向broker发送。该参数会增加响应时间，但有利于增加吞吐量。有点类似于 TCP 领域的 Nagle 算法。 - buffer.memory
用于控制消息发送者缓存的总内存大小，如果超过该值，往缓存区中添加消息会被阻塞，具体会在下文的消息发送流程中详细介绍，阻塞的最大时间可通过参数 max.block.ms 设置，阻塞超过该值会抛出超时异常。 - key.serializer
指定 key 的序列化处理器。 - value.serializer
指定 消息体的序列化处理器。 - enable.idempotence
从 kafka0.11版本开始，支持消息传递幂等，可以做到消息只会被传递一次，通过 enable.idempotence 为 true 来开启。如果该值设置为 true，其 retries 将设置为 Integer.MAX_VALUE，acks 将被设置为 all。为了确保消息发送幂等性，必须避免应用程序端的任何重试，并且如果消息发送API如果返回错误，应用端应该记录最后成功发送的消息，避免消息的重复发送。
从Kafka 0.11开始，kafka 也支持事务消息。
2、KafkaProducer 类图
在 Kafka 中，生产者通过接口 Producer 定义，通过该接口的方法，我们基本可以得知 KafkaProducer 将具备如下基本能力：
- void initTransactions()
初始化事务，如果需要使用事务方法，该方法必须首先被调用。 - void beginTransaction()
开启事务。 - void sendOffsetsToTransaction(Map< TopicPartition, OffsetAndMetadata> offsets,String consumerGroupId)
向消费组提交当前事务中的消息偏移量，将在介绍 Kafka 事务相关文章中详细介绍。 - void commitTransaction()
提交事务。 - void abortTransaction()
回滚事务。 - Future< RecordMetadata> send(ProducerRecord
record)
消息发送，该方法默认为异步发送，如果要实现同步发送的效果，对返回结果调用 get 方法即可，该方法将在下篇文章中详细介绍。 - Future< RecordMetadata> send(ProducerRecord
record, Callback callback)
消息发送，支持回调。 - void flush()
忽略 linger.ms 的值，直接唤醒发送线程，将缓冲区中的消息全部发送到 broker。 - List< PartitionInfo> partitionsFor(String topic)
获取 topic 的路由信息（分区信息）。 - Map< MetricName, ? extends Metric> metrics()
获取由生产者收集的统计信息。 - void close()
关闭发送者。 - void close(Duration timeout)
定时关闭消息发送者。
上面的方法我们会根据需要在后续文章中进行详细的介绍。接下来我们看一下 KafkaProducer 的核心属性的含义。
- String clientId
客户端ID。在创建 KafkaProducer 时可通过 client.id 定义 clientId，如果未指定，则默认 producer- seq，seq 在进程内递增，强烈建议客户端显示指定 clientId。 - Metrics metrics
度量的相关存储容器，例如消息体大小、发送耗时等与监控相关的指标。 - Partitioner partitioner
分区负载均衡算法，通过参数 partitioner.class 指定。 - int maxRequestSize
调用 send 方法发送的最大请求大小，包括 key、消息体序列化后的消息总大小不能超过该值。通过参数 max.request.size 来设置。 - long totalMemorySize
生产者缓存所占内存的总大小，通过参数 buffer.memory 设置。 - Metadata metadata
元数据信息，例如 topic 的路由信息，由 KafkaProducer 自动更新。 - RecordAccumulator accumulator
消息记录累积器，将在消息发送部分详细介绍。 - Sender sender
用于封装消息发送的逻辑，即向 broker 发送消息的处理逻辑。 - Thread ioThread
用于消息发送的后台线程，一个独立的线程，内部使用 Sender 来向 broker 发送消息。 - CompressionType compressionType
压缩类型，默认不启用压缩，可通过参数 compression.type 配置。可选值：none、gzip、snappy、lz4、zstd。 - Sensor errors
错误信息收集器，当成一个 metrics，用来做监控的。 - Time time
用于获取系统时间或线程睡眠等。 - Serializer< K> keySerializer
用于对消息的 key 进行序列化。 - Serializer< V> valueSerializer
对消息体进行序列化。 - ProducerConfig producerConfig
生产者的配置信息。 - long maxBlockTimeMs
最大阻塞时间，当生产者使用的缓存已经达到规定值后，此时消息发送会阻塞，通过参数 max.block.ms 来设置最多等待多久。 - ProducerInterceptors
interceptors
生产者端的拦截器，在消息发送之前进行一些定制化处理。 - ApiVersions apiVersions
维护 api 版本的相关元信息，该类只能在 kafka 内部使用。 - TransactionManager transactionManager
kafka 消息事务管理器。 - TransactionalRequestResult initTransactionsResult
kafka 生产者事务上下文环境初始结果。
经过上面的梳理，详细读者朋友对 KafkaProducer 消息生产者有了一个大概的认识，下一篇会重点介绍消息发送流程。接下来我们以一个简单的示例结束本文的学习。
3、KafkaProducer 简单示例
package persistent.prestige.demo.kafka; import org.apache.kafka.clients.producer.KafkaProducer; import org.apache.kafka.clients.producer.Producer; import org.apache.kafka.clients.producer.ProducerRecord; import org.apache.kafka.clients.producer.RecordMetadata; import java.util.Properties; import java.util.concurrent.Future; public class KafkaProducerTest { public static void main(String[] args){ Properties props = new Properties(); props.put("bootstrap.servers", "localhost:9092,localhost:9082,localhost:9072,"); props.put("acks", "all"); props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); Producer<String, String> producer = new KafkaProducer<>(props); try { for (int i = 0; i < 100; i++) { Future<RecordMetadata> future = producer.send(new ProducerRecord<String, String>("TOPIC_ORDER", Integer.toString(i), Integer.toString(i))); RecordMetadata recordMetadata = future.get(); System.out.printf("offset:" + recordMetadata.offset()); } } catch (Throwable e) { e.printStackTrace(); } finally { producer.close(); } } }
本文就介绍到这里，其主要的目的是了解Kafka 的 Producer，引出后续需要学习的内容，下一篇将重点讲述 Kafka 消息的发送流程，敬请关注。
