Kafka 分区键无法正常工作

Question

我正在为如何正确使用分区键机制而苦恼。我的逻辑是设置分区号为3，然后创建三个分区键为“0”、“1”、“2”，然后使用分区键创建三个KeyedMessage如

• KeyedMessage（主题，“0”，消息）
• KeyedMessage（主题，“1”，消息）
• KeyedMessage（主题，“2”，消息）

在此之后，创建一个生产者实例以发送所有 KeyedMessage。

我希望每个 KeyedMessage 应该根据不同的分区键进入不同的分区，这意味着

• KeyedMessage(topic, "0", message) 转到分区 0
• KeyedMessage(topic, "1", message) 转到分区 1
• KeyedMessage(topic, "2", message) 转到分区 2

我正在使用 Kafka-web-console 来查看主题状态，但结果与我期望的不一样。 KeyedMessage 仍然会随机进入分区，有时两个 KeyedMessage 会进入同一个分区，即使它们有不同的分区键。

为了让我的问题更清楚，我想发布一些我目前拥有的 Scala 代码，我正在使用 Kafka 0.8.2-beta 和 Scala 2.10.4。

这里是生产者代码，我没有使用自定义partitioner.class：

  val props = new Properties()

  val codec = if(compress) DefaultCompressionCodec.codec else NoCompressionCodec.codec

  props.put("compression.codec", codec.toString)
  props.put("producer.type", if(synchronously) "sync" else "async")
  props.put("metadata.broker.list", brokerList)
  props.put("batch.num.messages", batchSize.toString)
  props.put("message.send.max.retries", messageSendMaxRetries.toString)
  props.put("request.required.acks",requestRequiredAcks.toString)
  props.put("client.id",clientId.toString)

  val producer = new Producer[AnyRef, AnyRef](new ProducerConfig(props))

  def kafkaMesssage(message: Array[Byte], partition: Array[Byte]): KeyedMessage[AnyRef, AnyRef] = {
     if (partition == null) {
       new KeyedMessage(topic,message)
     } else {
       new KeyedMessage(topic,partition,message)
     }
  }

  def send(message: String, partition: String = null): Unit = send(message.getBytes("UTF8"), if (partition == null) null else partition.getBytes("UTF8"))

  def send(message: Array[Byte], partition: Array[Byte]): Unit = {
    try {
      producer.send(kafkaMesssage(message, partition))
    } catch {
      case e: Exception =>
        e.printStackTrace
        System.exit(1)
    }       
  }

下面是我如何使用生产者，创建一个生产者实例，然后使用这个实例发送三个消息。目前我将分区键创建为整数，然后将其转换为字节数组：

  val testMessage = UUID.randomUUID().toString
  val testTopic = "sample1"
  val groupId_1 = "testGroup"

  print("starting sample broker testing")
  val producer = new KafkaProducer(testTopic, "localhost:9092")

  val numList = List(0,1,2);
  for (a <- numList) {
    // Create a partition key as Byte Array
    var key = java.nio.ByteBuffer.allocate(4).putInt(a).array()
    //Here I give a Array[Byte] key
    //so the second "send" function of producer will be called
    producer.send(testMessage.getBytes("UTF8"), key)
  }

不确定我的逻辑是否不正确，或者我没有正确理解分区键机制。任何人都可以提供一些示例代码或解释会很棒！

Answer 1

人们通常认为分区是一种将业务数据按业务类别分开的方法，但这不是查看分区的正确角度。

分区直接影响这些科目：

-性能（每个分区可以与其他分区并行消耗）

-消息顺序（仅在分区级别保证消息的顺序）

我将举例说明我们如何创建分区：

你有一个话题，比如 MyMessagesToWorld

您想将此主题（所有 MyMessagesToWorld）转移给某个消费者。

您“称重”了 MyMessagesToWorld 的整个“质量”，发现这是 10 公斤。

您在“MyMessagesToWorld”中有以下“业务”类别：

-给爸爸的信息（D）

-给妈妈的信息（M）

-给sis (S)的消息

-给奶奶的信息（G）

-给老师的信息（T）

-给女朋友的信息（F）

你想，你的消费者是谁，发现你的消费者是侏儒，每个人一个小时可以消费 1 公斤的消息。

您最多可以雇佣 2 个这样的侏儒。

1 个 gnome 需要 10 个小时来消费 10 kg 消息，2 个 gnome 需要 5 个小时。

所以你决定使用所有可用的侏儒来节省时间。

要为这 2 个 gnome 创建 2 个“通道”，您需要在 Kafka 上创建该主题的 2 个分区。如果您设想更多 gnome，请创建更多分区。

您有 6 个内部业务类别和 2 个连续的独立消费者 - gnome（消费者线程）。

怎么办？

Kafka 的做法如下：

假设集群中有 2 个 kafka 实例。 （同样的例子可以，如果集群中有更多实例）

您在 Kafka 上将分区号设置为 2，例如（以 Kafka 0.8.2.1 为例）：

您在 Kafka 中定义您的主题，告诉您该主题有 2 个分区：

kafka-topics.sh(.bat) --create --zookeeper localhost:2181 --replication-factor 2 --partitions 2 --topic MyMessagesToWorld 

现在 MyMessagesToWorld 主题有 2 个分区：P(0) 和 P(1)。

你选择了 2 号（分区），因为你知道，你（invision）只有 2 个消费侏儒。

您可以稍后添加更多分区，届时将使用更多的消费者 gnome。

不要将 Kafka 消费者与此类 gnome 混淆。

Kafka 消费者可以使用 N 个侏儒。 （N个并行线程）

现在您为您的消息创建 KEY。

您需要 KEYS 在分区之间分发消息。

键将是您之前定义的“业务类别”的这些字母： D、M、S、G、T、F，你觉得这样的字母可以当ID。

但在一般情况下，任何可以用作 Key 的东西： （复杂的对象和字节数组，任何东西......）

如果您不创建分区器，则将使用默认分区器。

默认的分区器有点笨。

它获取每个 KEY 的哈希码并除以可用分区数，“提醒”将定义该键的分区数。

例子：

KEY M, hashcode=12345, partition for M = 12345 % 2 = 1

您可以想象，在最好的情况下，使用这样的分区器，您可以在每个分区中登陆 3 个业务类别。

在更糟糕的情况下，您可以将所有业务类别放在 1 个分区中。

如果你有 100000 个业务类别，按这样的算法分配它们在统计上是可以的。

但是只有很少的类别，你的分布可能不是很公平。

因此，您可以重写分区程序并更明智地分配业务类别。

有一个例子：

此分区程序在可用分区之间平均分配业务类别。

public class CustomPartitioner {

private static Map<String, Integer> keyDistributionTable = new HashMap<String, Integer>();
private static AtomicInteger sequence = new AtomicInteger();
private ReentrantLock lock = new ReentrantLock();

public int partition(ProducerRecord<String, Object> record, Cluster cluster) {

    String key = record.key();
    int seq = figureSeq(key);

    List<PartitionInfo> availablePartitions = cluster.availablePartitionsForTopic(record.topic());

    if (availablePartitions.size() > 0) {
        int part = seq % availablePartitions.size();
        return availablePartitions.get(part).partition();
    } else {
        List<PartitionInfo> partitions = cluster.partitionsForTopic(record.topic());
        int numPartitions = partitions.size();
        // no partitions are available, give a non-available partition
        return seq % numPartitions;
    }
}


private int figureSeq(String key) {
    int sequentualNumber = 0;
    if(keyDistributionTable.containsKey(key)){
        sequentualNumber = keyDistributionTable.get(key);
    }else{//synchronized region
        //used only for new Keys, so high waiting time for monitor expected only on start
        lock.lock();
        try{
            if(keyDistributionTable.containsKey(key)){
                sequentualNumber =  keyDistributionTable.get(key);
            }else{
                int seq = sequence.incrementAndGet();
                keyDistributionTable.put(key, seq);
                sequentualNumber =  seq;
            }
        }finally{
            lock.unlock();
        }
    }
    return sequentualNumber;
}

}

Answer 2

默认分区程序查看键（作为字节数组）并使用 (% numPartitions) 将该值转换为介于 0 和分区数 - 1 之间的整数值。结果整数决定了消息写入的分区，而不是你正在做的键的值。

Answer 3

遇到同样的问题 - 只需切换到 ByteArrayParitioner：

props.put("partitioner.class", "kafka.producer.ByteArrayPartitioner")