Kafka筆記整理（三）：消費形式驗證與性能測試

[TOC]

Kafka消費形式驗證

前面的《Kafka筆記整理（一）》中有提到消費者的消費形式，說明如下：

1、每個consumer屬于一個consumer group，可以指定組id。group.id

2、消費形式：
   組內：組內的消費者消費同一份數據；同時只能有一個consumer消費一個Topic中的1個partition；
   一個consumer可以消費多個partitions中的消息。所以，對于一個topic,同一個group中推薦不能有多于
   partitions個數的consumer同時消費,否則將意味著某些consumer將無法得到消息。
   組間：每個消費組消費相同的數據，互不影響。

3、在一個consumer多個線程的情況下，一個線程相當于一個消費者。
   例如：partition為3，一個consumer起了3個線程消費，另一個后來的consumer就無法消費。

下面就來驗證Kafka的消費形式，不過需要說明的是，在消費者的程序代碼中，可以指定消費者的group.id（我們下面將會在配置文件中指定）。

而在使用kafka的shell命令時，其實也是可以指定配置文件來指定消費者的group.id的，如果不指定，那么kafka將會隨機生成一個group.id（kafka-console-consumer.sh中的kafka.tools.ConsoleConsumer類，如果沒有指定group.id，其策略是隨機生成）。

在后面的程序代碼中，會使用同一group.id開啟4個消費的線程（因為我們創建的topic有3個partition），然后在終端中通過kafka shell來開啟另外一個消費者，進而達到驗證kafka消費形式的目的。

另外，在測試中使用的topic如下：

$ kafka-topics.sh --describe hadoop --zookeeper uplooking01:2181,uplooking02:2181,uplooking03:2181
Topic:hadoop    PartitionCount:3        ReplicationFactor:3     Configs:
        Topic: hadoop   Partition: 0    Leader: 103     Replicas: 103,101,102   Isr: 103,101,102
        Topic: hadoop   Partition: 1    Leader: 101     Replicas: 101,102,103   Isr: 101,102,103
        Topic: hadoop   Partition: 2    Leader: 102     Replicas: 102,103,101   Isr: 102,103,101

即partition為3，副本因為也為3.

程序代碼

KafkaProducerOps.java

package com.uplooking.bigdata.kafka.producer;

import com.uplooking.bigdata.kafka.constants.Constants;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerRecord;

import java.io.IOException;
import java.io.InputStream;
import java.util.Properties;
import java.util.Random;

/**
 * 通過這個KafkaProducerOps向Kafka topic中生產相關的數據
 * <p>
 * Producer
 */
public class KafkaProducerOps {
    public static void main(String[] args) throws IOException {
        /**
         * 專門加載配置文件
         * 配置文件的格式：
         * key=value
         *
         * 在代碼中要盡量減少硬編碼
         *  不要將代碼寫死，要可配置化
         */
        Properties properties = new Properties();
        InputStream in = KafkaProducerOps.class.getClassLoader().getResourceAsStream("producer.properties");
        properties.load(in);
        /**
         * 兩個泛型參數
         * 第一個泛型參數：指的就是kafka中一條記錄key的類型
         * 第二個泛型參數：指的就是kafka中一條記錄value的類型
         */
        String[] girls = new String[]{"姚慧瑩", "劉向前", "周  新", "楊柳"};
        Producer<String, String> producer = new KafkaProducer<String, String>(properties);
        Random random = new Random();
        int start = 1;
        for (int i = start; i <= start + 20; i++) {
            String topic = properties.getProperty(Constants.KAFKA_PRODUCER_TOPIC);
            String key = i + "";
            String value = "今天的<--" + girls[random.nextInt(girls.length)] + "-->很美很美哦~";
            ProducerRecord<String, String> producerRecord =
                    new ProducerRecord<String, String>(topic, key, value);
            producer.send(producerRecord);
        }
        producer.close();
    }
}

KafkaConsumerOps.java

package com.uplooking.bigdata.kafka.consumer;

import org.apache.kafka.clients.consumer.Consumer;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;

import java.io.IOException;
import java.util.Arrays;
import java.util.Collection;
import java.util.Properties;
import java.util.concurrent.*;

/**
 * 從kafka topic中消費數據
 */
public class KafkaConsumerOps {
    public static void main(String[] args) throws IOException {
        //線程池
        ScheduledExecutorService service = Executors.newScheduledThreadPool(4);
        System.out.println("外部開始時間：" + System.currentTimeMillis());
        for (int i =0; i < 4; i++){
            ScheduledFuture<?> schedule = service.schedule(
                    new ConsumerThread(),
                    5L,
                    TimeUnit.SECONDS);
        }
    }
}

class ConsumerThread implements Runnable {

    public void run() {
        System.out.println("線程ID：" + Thread.currentThread().getId() + "線程開始時間：" + System.currentTimeMillis());
        /**
         * 兩個泛型參數
         * 第一個泛型參數：指的就是kafka中一條記錄key的類型
         * 第二個泛型參數：指的就是kafka中一條記錄value的類型
         */
        Properties properties = new Properties();
        try {
            properties.load(KafkaConsumerOps.class.getClassLoader().getResourceAsStream("consumer.properties"));
        } catch (IOException e) {
            e.printStackTrace();
        }
        Consumer<String, String> consumer = new KafkaConsumer<String, String>(properties);

        Collection<String> topics = Arrays.asList("hadoop");
        //消費者訂閱topic
        consumer.subscribe(topics);
        ConsumerRecords<String, String> consumerRecords = null;
        while (true) {
            //接下來就要從topic中拉取數據
            consumerRecords = consumer.poll(1000);
            //遍歷每一條記錄
            for (ConsumerRecord consumerRecord : consumerRecords) {
                long offset = consumerRecord.offset();
                Object key = consumerRecord.key();
                Object value = consumerRecord.value();
                int partition = consumerRecord.partition();
                System.out.println("CurrentThreadID: " + Thread.currentThread().getId() + "\toffset: " + offset + "\tpartition: " + partition + "\tkey: " + key + "\tvalue: " + value);
            }
        }
    }
}

MyKafkaPartitioner.java

package com.uplooking.bigdata.kafka.partitioner;

import org.apache.kafka.clients.producer.Partitioner;
import org.apache.kafka.common.Cluster;

import java.util.Map;
import java.util.Random;

/**
 * 創建自定義的分區，根據數據的key來進行劃分
 * <p>
 * 可以根據key或者value的hashCode
 * 還可以根據自己業務上的定義將數據分散在不同的分區中
 * 需求：
 * 根據用戶輸入的key的hashCode值和partition個數求模
 */
public class MyKafkaPartitioner implements Partitioner {

    public void configure(Map<String, ?> configs) {

    }

    /**
     * 根據給定的數據設置相關的分區
     *
     * @param topic      主題名稱
     * @param key        key
     * @param keyBytes   序列化之后的key
     * @param value      value
     * @param valueBytes 序列化之后的value
     * @param cluster    當前集群的元數據信息
     */
    public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
        Integer partitionNums = cluster.partitionCountForTopic(topic);
        int targetPartition = -1;
        if (key == null || keyBytes == null) {
            targetPartition = new Random().nextInt(10000) % partitionNums;
        } else {
            int hashCode = key.hashCode();
            targetPartition = hashCode % partitionNums;
            System.out.println("key: " + key + ", value: " + value + ", hashCode: " + hashCode + ", partition: " + targetPartition);
        }
        return targetPartition;
    }

    public void close() {
    }
}

Constants.java

package com.uplooking.bigdata.kafka.constants;

public interface Constants {
    /**
     * 生產的key對應的常量
     */
    String KAFKA_PRODUCER_TOPIC = "producer.topic";
}

producer.properties

############################# Producer Basics #############################

# list of brokers used for bootstrapping knowledge about the rest of the cluster
# format: host1:port1,host2:port2 ...
bootstrap.servers=uplooking01:9092,uplooking02:9092,uplooking03:9092

# specify the compression codec for all data generated: none, gzip, snappy, lz4
compression.type=none

# name of the partitioner class for partitioning events; default partition spreads data randomly
partitioner.class=com.uplooking.bigdata.kafka.partitioner.MyKafkaPartitioner

# the maximum amount of time the client will wait for the response of a request
#request.timeout.ms=

# how long `KafkaProducer.send` and `KafkaProducer.partitionsFor` will block for
#max.block.ms=

# the producer will wait for up to the given delay to allow other records to be sent so that the sends can be batched together
#linger.ms=

# the maximum size of a request in bytes
#max.request.size=

# the default batch size in bytes when batching multiple records sent to a partition
#batch.size=

# the total bytes of memory the producer can use to buffer records waiting to be sent to the server
#buffer.memory=

#####設置自定義的topic
producer.topic=hadoop

key.serializer=org.apache.kafka.common.serialization.StringSerializer
value.serializer=org.apache.kafka.common.serialization.StringSerializer

consumer.properties

# Zookeeper connection string
# comma separated host:port pairs, each corresponding to a zk
# server. e.g. "127.0.0.1:3000,127.0.0.1:3001,127.0.0.1:3002"
zookeeper.connect= uplooking01:2181,uplooking02:2181,uplooking03:2181

bootstrap.servers=uplooking01:9092,uplooking02:9092,uplooking03:9092

# timeout in ms for connecting to zookeeper
zookeeper.connection.timeout.ms=6000

#consumer group id
group.id=test-consumer-group

#consumer timeout
#consumer.timeout.ms=5000

key.deserializer=org.apache.kafka.common.serialization.StringDeserializer
value.deserializer=org.apache.kafka.common.serialization.StringDeserializer

pom.xml

主要是kafka-clients的依賴：

<dependencies>
  <!--kafka-->
  <dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-clients</artifactId>
    <version>0.10.0.1</version>
  </dependency>
</dependencies>

測試

先在終端啟動一個消費者，注意由于沒有指定配置文件，所以其group.id是隨機生成的：

$ kafka-console-consumer.sh --topic hadoop --zookeeper uplooking01:2181,uplooking02:2181,uplooking03:2181

接下來分別執行消費者的代碼和生產者的代碼，然后觀察各個終端的輸出。

生產者程序的終端輸出如下：

key: 1, value: 今天的<--劉向前-->很美很美哦~, hashCode: 49, partition: 1
key: 2, value: 今天的<--劉向前-->很美很美哦~, hashCode: 50, partition: 2
key: 3, value: 今天的<--劉向前-->很美很美哦~, hashCode: 51, partition: 0
key: 4, value: 今天的<--楊柳-->很美很美哦~, hashCode: 52, partition: 1
key: 5, value: 今天的<--姚慧瑩-->很美很美哦~, hashCode: 53, partition: 2
key: 6, value: 今天的<--姚慧瑩-->很美很美哦~, hashCode: 54, partition: 0
key: 7, value: 今天的<--楊柳-->很美很美哦~, hashCode: 55, partition: 1
key: 8, value: 今天的<--劉向前-->很美很美哦~, hashCode: 56, partition: 2
key: 9, value: 今天的<--姚慧瑩-->很美很美哦~, hashCode: 57, partition: 0
key: 10, value: 今天的<--楊柳-->很美很美哦~, hashCode: 1567, partition: 1
key: 11, value: 今天的<--姚慧瑩-->很美很美哦~, hashCode: 1568, partition: 2
key: 12, value: 今天的<--周  新-->很美很美哦~, hashCode: 1569, partition: 0
key: 13, value: 今天的<--姚慧瑩-->很美很美哦~, hashCode: 1570, partition: 1
key: 14, value: 今天的<--姚慧瑩-->很美很美哦~, hashCode: 1571, partition: 2
key: 15, value: 今天的<--劉向前-->很美很美哦~, hashCode: 1572, partition: 0
key: 16, value: 今天的<--劉向前-->很美很美哦~, hashCode: 1573, partition: 1
key: 17, value: 今天的<--楊柳-->很美很美哦~, hashCode: 1574, partition: 2
key: 18, value: 今天的<--劉向前-->很美很美哦~, hashCode: 1575, partition: 0
key: 19, value: 今天的<--楊柳-->很美很美哦~, hashCode: 1576, partition: 1
key: 20, value: 今天的<--姚慧瑩-->很美很美哦~, hashCode: 1598, partition: 2
key: 21, value: 今天的<--楊柳-->很美很美哦~, hashCode: 1599, partition: 0

消費者程序的終端輸出如下：

外部開始時間：1521991118178
線程ID：20線程開始時間：1521991123182
線程ID：21線程開始時間：1521991123182
線程ID：23線程開始時間：1521991123182
線程ID：22線程開始時間：1521991123182
CurrentThreadID: 22 offset: 78  partition: 1    key: 1  value: 今天的<--劉向前-->很美很美哦~
CurrentThreadID: 22 offset: 79  partition: 1    key: 4  value: 今天的<--楊柳-->很美很美哦~
CurrentThreadID: 22 offset: 80  partition: 1    key: 7  value: 今天的<--楊柳-->很美很美哦~
CurrentThreadID: 22 offset: 81  partition: 1    key: 10 value: 今天的<--楊柳-->很美很美哦~
CurrentThreadID: 22 offset: 82  partition: 1    key: 13 value: 今天的<--姚慧瑩-->很美很美哦~
CurrentThreadID: 23 offset: 81  partition: 0    key: 3  value: 今天的<--劉向前-->很美很美哦~
CurrentThreadID: 23 offset: 82  partition: 0    key: 6  value: 今天的<--姚慧瑩-->很美很美哦~
CurrentThreadID: 23 offset: 83  partition: 0    key: 9  value: 今天的<--姚慧瑩-->很美很美哦~
CurrentThreadID: 23 offset: 84  partition: 0    key: 12 value: 今天的<--周  新-->很美很美哦~
CurrentThreadID: 23 offset: 85  partition: 0    key: 15 value: 今天的<--劉向前-->很美很美哦~
CurrentThreadID: 23 offset: 86  partition: 0    key: 18 value: 今天的<--劉向前-->很美很美哦~
CurrentThreadID: 22 offset: 83  partition: 1    key: 16 value: 今天的<--劉向前-->很美很美哦~
CurrentThreadID: 23 offset: 87  partition: 0    key: 21 value: 今天的<--楊柳-->很美很美哦~
CurrentThreadID: 21 offset: 78  partition: 2    key: 2  value: 今天的<--劉向前-->很美很美哦~
CurrentThreadID: 22 offset: 84  partition: 1    key: 19 value: 今天的<--楊柳-->很美很美哦~
CurrentThreadID: 21 offset: 79  partition: 2    key: 5  value: 今天的<--姚慧瑩-->很美很美哦~
CurrentThreadID: 21 offset: 80  partition: 2    key: 8  value: 今天的<--劉向前-->很美很美哦~
CurrentThreadID: 21 offset: 81  partition: 2    key: 11 value: 今天的<--姚慧瑩-->很美很美哦~
CurrentThreadID: 21 offset: 82  partition: 2    key: 14 value: 今天的<--姚慧瑩-->很美很美哦~
CurrentThreadID: 21 offset: 83  partition: 2    key: 17 value: 今天的<--楊柳-->很美很美哦~
CurrentThreadID: 21 offset: 84  partition: 2    key: 20 value: 今天的<--姚慧瑩-->很美很美哦~

消費者shell的終端輸出如下：

$ kafka-console-consumer.sh --topic hadoop --zookeeper uplooking01:2181,uplooking02:2181,uplooking03:2181
今天的<--劉向前-->很美很美哦~
今天的<--姚慧瑩-->很美很美哦~
今天的<--劉向前-->很美很美哦~
今天的<--姚慧瑩-->很美很美哦~
今天的<--姚慧瑩-->很美很美哦~
今天的<--楊柳-->很美很美哦~
今天的<--姚慧瑩-->很美很美哦~
今天的<--劉向前-->很美很美哦~
今天的<--姚慧瑩-->很美很美哦~
今天的<--姚慧瑩-->很美很美哦~
今天的<--周  新-->很美很美哦~
今天的<--劉向前-->很美很美哦~
今天的<--劉向前-->很美很美哦~
今天的<--楊柳-->很美很美哦~
今天的<--劉向前-->很美很美哦~
今天的<--楊柳-->很美很美哦~
今天的<--楊柳-->很美很美哦~
今天的<--楊柳-->很美很美哦~
今天的<--姚慧瑩-->很美很美哦~
今天的<--劉向前-->很美很美哦~
今天的<--楊柳-->很美很美哦~

分析

因為使用kafka shell的消費者的group.id是隨機生成的，所以其肯定可以消費到topic下partition的消息，這是屬于組間的消費。

而由于在消費者的程序代碼中，4個線程都是使用同一個group.id的（都是使用consumer.properties這個配置文件），按照理論知識的理解，因為topic hadoop只有3個partition，所以只能有3個線程即3個consumer進行消息的消費，而觀察輸出，通過線程ID，發現確實只有三個線程消費了topic中的消息，這也驗證了kafka組內消息的消費形式。

Kafka性能測試

參考文檔：https://cwiki.apache.org/confluence/display/KAFKA/Performance+testing

生產能力測試

在kafka的安裝目錄的bin里有性能的評估工具bin/kafka-producer-perf-test.sh，主要輸出4項指標，總共發送消息量（以MB為單位），每秒發送消息量（MB/second），發送消息總數，每秒發送消息數（records/second）。

測試如下：

[uplooking@uplooking01 ~]$ kafka-producer-perf-test.sh --topic flume-kafka --num-records 1000000 --producer-props bootstrap.servers=uplooking01:9092,uplooking02:9092,uplooking03:9092 --throughput 10000 --record-size 100
49972 records sent, 9994.4 records/sec (0.95 MB/sec), 3.1 ms avg latency, 258.0 max latency.
50200 records sent, 10040.0 records/sec (0.96 MB/sec), 2.4 ms avg latency, 141.0 max latency.
50020 records sent, 10004.0 records/sec (0.95 MB/sec), 1.2 ms avg latency, 19.0 max latency.
50010 records sent, 10000.0 records/sec (0.95 MB/sec), 2.3 ms avg latency, 127.0 max latency.
50010 records sent, 10002.0 records/sec (0.95 MB/sec), 1.3 ms avg latency, 24.0 max latency.
50020 records sent, 10004.0 records/sec (0.95 MB/sec), 2.4 ms avg latency, 186.0 max latency.
50010 records sent, 10002.0 records/sec (0.95 MB/sec), 15.1 ms avg latency, 466.0 max latency.
50020 records sent, 10002.0 records/sec (0.95 MB/sec), 11.1 ms avg latency, 405.0 max latency.
50000 records sent, 10000.0 records/sec (0.95 MB/sec), 1.2 ms avg latency, 19.0 max latency.
50030 records sent, 10004.0 records/sec (0.95 MB/sec), 1.2 ms avg latency, 20.0 max latency.
50000 records sent, 10000.0 records/sec (0.95 MB/sec), 1.2 ms avg latency, 30.0 max latency.
50010 records sent, 10002.0 records/sec (0.95 MB/sec), 1.3 ms avg latency, 19.0 max latency.
49990 records sent, 9998.0 records/sec (0.95 MB/sec), 1.4 ms avg latency, 49.0 max latency.
50033 records sent, 10006.6 records/sec (0.95 MB/sec), 37.9 ms avg latency, 617.0 max latency.
50010 records sent, 10002.0 records/sec (0.95 MB/sec), 1.5 ms avg latency, 74.0 max latency.
50007 records sent, 10001.4 records/sec (0.95 MB/sec), 1.3 ms avg latency, 19.0 max latency.
50000 records sent, 10000.0 records/sec (0.95 MB/sec), 1.8 ms avg latency, 132.0 max latency.
50010 records sent, 10002.0 records/sec (0.95 MB/sec), 1.2 ms avg latency, 15.0 max latency.
50020 records sent, 10000.0 records/sec (0.95 MB/sec), 1.9 ms avg latency, 121.0 max latency.
1000000 records sent, 9999.200064 records/sec (0.95 MB/sec), 4.96 ms avg latency, 617.00 ms max latency, 1 ms 50th, 3 ms 95th, 105 ms 99th, 541 ms 99.9th.

參數說明如下：

--num-records 1000000   總共生產的消息數量
--throughput 10000      每秒需要生產的消息數量
--record-size 100       每條消息的大小，單位為字節

消費能力測試

[uplooking@uplooking01 ~]$ kafka-consumer-perf-test.sh --topic flume-kafka --messages 1000000 --broker-list uplooking01:9092,uplooking02:9092,uplooking03:9092 --threads 3 --zookeeper uplooking01:2181,uplooking02:2181,uplooking03:2181
start.time, end.time, data.consumed.in.MB, MB.sec, data.consumed.in.nMsg, nMsg.sec
2018-03-26 05:17:21:185, 2018-03-26 05:17:22:458, 97.3055, 76.4380, 1020325, 801512.1760

上面的測試為需要消費一百萬條消息，輸出的參數說明如下：

開始時間     結束時間     消費消息總大小   每秒消費大小    消費消息總條數    每秒消費條數
start.time, end.time, data.consumed.in.MB, MB.sec, data.consumed.in.nMsg, nMsg.sec
2018-03-26 05:17:21:185, 2018-03-26 05:17:22:458, 97.3055, 76.4380, 1020325, 801512.1760