1、先看最简单的场景，生产者生产消息，消费者接收消息，下面是生产者的简单代码。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#!/usr/bin/env python# -*- coding: utf-8 -*-import jsonfrom kafka import kafkaproducerproducer = kafkaproducer(bootstrap_servers='xxxx:x')msg_dict = { "sleep_time": 10, "db_config": { "database": "test_1", "host": "xxxx", "user": "root", "password": "root" }, "table": "msg", "msg": "hello world"}msg = json.dumps(msg_dict)producer.send('test_rhj', msg, partition=0)producer.close() |
下面是消费者的简单代码：
|
1
2
3
4
5
6
|
from kafka import kafkaconsumerconsumer = kafkaconsumer('test_rhj', bootstrap_servers=['xxxx:x'])for msg in consumer: recv = "%s:%d:%d: key=%s value=%s" % (msg.topic, msg.partition, msg.offset, msg.key, msg.value) print recv |
下面是结果：
2、如果想要完成负载均衡，就需要知道kafka的分区机制，同一个主题，可以为其分区，在生产者不指定分区的情况，kafka会将多个消息分发到不同的分区，消费者订阅时候如果不指定服务组，会收到所有分区的消息，如果指定了服务组，则同一服务组的消费者会消费不同的分区，如果2个分区两个消费者的消费者组消费，则，每个消费者消费一个分区，如果有三个消费者的服务组，则会出现一个消费者消费不到数据；如果想要消费同一分区，则需要用不同的服务组。以此为原理，我们对消费者做如下修改：
|
1
2
3
4
5
6
|
from kafka import kafkaconsumerconsumer = kafkaconsumer('test_rhj', bootstrap_servers=['xxxx:x'])for msg in consumer: recv = "%s:%d:%d: key=%s value=%s" % (msg.topic, msg.partition, msg.offset, msg.key, msg.value) print recv |
然后我们开两个消费者进行消费，生产者分别往0分区和1分区发消息结果如下，可以看到，一个消费者只能消费0分区，另一个只能消费1分区：
3、kafka提供了偏移量的概念，允许消费者根据偏移量消费之前遗漏的内容，这基于kafka名义上的全量存储，可以保留大量的历史数据，历史保存时间是可配置的，一般是7天，如果偏移量定位到了已删除的位置那也会有问题，但是这种情况可能很小；每个保存的数据文件都是以偏移量命名的，当前要查的偏移量减去文件名就是数据在该文件的相对位置。要指定偏移量消费数据，需要指定该消费者要消费的分区，否则代码会找不到分区而无法消费，代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
from kafka import kafkaconsumerfrom kafka.structs import topicpartitionconsumer = kafkaconsumer(group_id='123456', bootstrap_servers=['10.43.35.25:4531'])consumer.assign([topicpartition(topic='test_rhj', partition=0), topicpartition(topic='test_rhj', partition=1)])print consumer.partitions_for_topic("test_rhj") # 获取test主题的分区信息print consumer.assignment()print consumer.beginning_offsets(consumer.assignment())consumer.seek(topicpartition(topic='test_rhj', partition=0), 0)for msg in consumer: recv = "%s:%d:%d: key=%s value=%s" % (msg.topic, msg.partition, msg.offset, msg.key, msg.value) print recv |
因为指定的便宜量为0，所以从一开始插入的数据都可以查到，而且因为指定了分区，指定的分区结果都可以消费，结果如下：
4、有时候，我们并不需要实时获取数据，因为这样可能会造成性能瓶颈，我们只需要定时去获取队列里的数据然后批量处理就可以，这种情况，我们可以选择主动拉取数据
|
1
2
3
4
5
6
7
8
9
10
11
12
|
from kafka import kafkaconsumerimport timeconsumer = kafkaconsumer(group_id='123456', bootstrap_servers=['10.43.35.25:4531'])consumer.subscribe(topics=('test_rhj',))index = 0while true: msg = consumer.poll(timeout_ms=5) # 从kafka获取消息 print msg time.sleep(2) index += 1 print '--------poll index is %s----------' % index |
结果如下，可以看到，每次拉取到的都是前面生产的数据，可能是多条的列表，也可能没有数据，如果没有数据，则拉取到的为空：
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://www.cnblogs.com/small-office/p/9399907.html
