Kafka学习笔记-202102

## 解压到/usr目录下，进入到kafka目录中创建logs文件夹
cd /usr/kafka
mkdir logs

cd config/
vim server.properties
## broker的全局唯一编号，不能重复
broker.id=0
#删除topic功能使能
delete.topic.enable=true
#kafka运行日志存放的路径	
log.dirs=/opt/module/kafka/logs
#配置连接Zookeeper集群地址
zookeeper.connect=master:2181,slave1:2181,slave2:2181

==================其他默认配置==================
#处理网络请求的线程数量
num.network.threads=3
#用来处理磁盘IO的现成数量
num.io.threads=8
#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400
#接收套接字的缓冲区大小
socket.receive.buffer.bytes=102400
#请求套接字的缓冲区大小
socket.request.max.bytes=104857600
#topic在当前broker上的分区个数
num.partitions=1
#用来恢复和清理data下数据的线程数量
num.recovery.threads.per.data.dir=1
#segment文件保留的最长时间，超时将被删除
log.retention.hours=168

链接：https://pan.baidu.com/s/1cf4tYUALQyyZa947EA19Nw  提取码：toli

## 单节点启动命令(启动前必须先启动zk服务)
bin/kafka-server-start.sh -daemon config/server.properties  (-daemon是后台启动)
## 关闭命令
bin/kafka-server-stop.sh stop

## 查看当前服务器中的所有topic
bin/kafka-topics.sh --zookeeper master:2181 --list
## 创建topic  选项说明：--topic 定义topic名 --replication-factor  定义副本数(不能超过节点数) --partitions  定义分区数
bin/kafka-topics.sh --zookeeper master:2181 --create --replication-factor 1 --partitions 1 --topic first
## 删除topic (需要server.properties中设置delete.topic.enable=true否则只是标记删除。)
bin/kafka-topics.sh --zookeeper master:2181 --delete --topic first
## 启动生产者发送消息
bin/kafka-console-producer.sh --broker-list master:9092 --topic first
## 启动消费者接收消息 --from-beginning：会把主题中以往所有的数据都读取出来
bin/kafka-console-consumer.sh --bootstrap-server master:9092 --from-beginning --topic first
## 查看某个Topic的详情
bin/kafka-topics.sh --zookeeper master:2181 --describe --topic first
## 修改分区数
bin/kafka-topics.sh --zookeeper master:2181 --alter --topic first --partitions 6

## 启动kafka-connect 含source和sink
bin/connect-standalone.sh -daemon config/connect-standalone.properties config/connect-file-source.properties config/connect-file-sink.properties

Kafka中消息是以topic进行分类的，生产者生产消息，消费者消费消息，都是面向topic的。
topic是逻辑上的概念，而partition是物理上的概念，每个partition对应于一个log文件，该log文件中存储的就是producer生产的数据。Producer生产的数据会被不断追加到该log文件末端，且每条数据都有自己的offset。消费者组中的每个消费者，都会实时记录自己消费到了哪个offset，以便出错恢复时，从上次的位置继续消费。

由于生产者生产的消息会不断追加到log文件末尾，为防止log文件过大导致数据定位效率低下，Kafka采取了分片和索引机制，将每个partition分为多个segment。每个segment对应两个文件——“.index”文件和“.log”文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic名称+分区序号。例如，first这个topic有三个分区，则其对应的文件夹为first-0,first-1,first-2。

00000000000000000000.index
00000000000000000000.log
00000000000000170410.index
00000000000000170410.log
00000000000000239430.index
00000000000000239430.log

`index和log文件以当前segment的第一条消息的offset命名。`
`.index`文件存储大量的索引信息，`.log`文件存储大量的数据，索引文件中的元数据指向对应数据文件中message的物理偏移地址。

1、方便在集群中扩展,每个Partition可以通过调整以适应它所在的机器,而一个topic又可以有多个Partition组成,因此整个集群就可以适应任意大小的数据了；
2、可以提高并发，因为可以以Partition为单位读写了。

1、指明 partition 的情况下，直接将指明的值直接作为 partiton 值；
2、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；
3、既没有 partition 值又没有 key 值的情况下，第一次调用时随机生成一个整数（后面每次调用在这个整数上自增），将这个值与 topic 可用的 partition 总数取余得到 partition 值，也就是常说的 round-robin 算法。

## kafka方案（kafka选择了第二个方案）
1、半数以上完成同步，就发送ack。优点：延迟低。缺点：选举新的leader时，容忍n台节点的故障，需要2n+1个副本
2、全部完成同步，才发送ack。优点选举新的leader时，容忍n台节点的故障，需要n+1个副本。缺点：延迟高

## 选择方案2的原因:
1.同样为了容忍n台节点的故障，第一种方案需要2n+1个副本，而第二种方案只需要n+1个副本，而Kafka的每个分区都有大量的数据，第一种方案会造成大量数据的冗余。
2.虽然第二种方案的网络延迟会比较高，但网络延迟对Kafka的影响较小。

采用第二种方案之后，设想以下'情景'：leader收到数据，所有follower都开始同步数据，但有一个follower，因为某种故障，迟迟不能与leader进行同步，那leader就要一直等下去，直到它完成同步，才能发送ack。`这个问题怎么解决呢？`
Leader维护了一个动态的in-sync replica set (ISR)，意为和leader保持同步的follower集合。当ISR中的follower完成数据的同步之后，leader就会给follower发送ack。如果follower长时间未向leader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。Leader发生故障之后，就会从ISR中选举新的leader。

对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失，所以没必要等ISR中的follower全部接收成功。
所以Kafka为用户提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡，选择以下的配置。
## acks参数配置
acks：
0：producer不等待broker的ack，这一操作提供了一个最低的延迟，broker一接收到还没有写入磁盘就已经返回，当broker故障时有可能丢失数据；
1：producer等待broker的ack，partition的leader落盘成功后返回ack，如果在follower同步成功之前leader故障，那么将会丢失数据；
-1：producer等待broker的ack，partition的leader和follower全部落盘成功后才返回ack。但是如果在follower同步完成后，broker发送ack之前，leader发生故障，那么会造成数据重复。

## follower故障
follower发生故障后会被临时踢出ISR，待该follower恢复后，follower会读取本地磁盘记录的上次的HW，并将log文件高于HW的部分截取掉，从HW开始向leader进行同步。等该follower的LEO大于等于该Partition的HW，即follower追上leader之后，就可以重新加入ISR了。
## leader故障
leader发生故障之后，会从ISR中选出一个新的leader，之后，为保证多个副本之间的数据一致性，其余的follower会先将各自的log文件高于HW的部分截掉，然后从新的leader同步数据。

`注意：这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。`

## 对于某些比较重要的消息，我们需要保证exactly once语义，即保证每条消息被发送且仅被发送一次。
在0.11版本之后，Kafka引入了幂等性机制（idempotent），配合acks = -1时的at least once语义，实现了producer到broker的exactly once语义。
idempotent + at least once = exactly once
使用时，只需将enable.idempotence属性设置为true，kafka自动将acks属性设为-1。

consumer采用pull（拉）模式从broker中读取数据。
push（推）模式很难适应消费速率不同的消费者，因为消息发送速率是由broker决定的。它的目标是尽可能以最快速度传递消息，但是这样很容易造成consumer来不及处理消息，典型的表现就是拒绝服务以及网络拥塞。而pull模式则可以根据consumer的消费能力以适当的速率消费消息。
pull模式不足之处是，如果kafka没有数据，消费者可能会陷入循环中，一直返回空数据。针对这一点，Kafka的消费者在消费数据时会传入一个时长参数timeout，如果当前没有数据可供消费，consumer会等待一段时间之后再返回，这段时长即为timeout。

一个consumer group中有多个consumer,一个topic有多个partition,所以必然会涉及到partition的分配问题,即确定那个partition由哪个consumer来消费。
Kafka有两种分配策略，一是roundrobin，一是range。

由于consumer在消费过程中可能会出现断电宕机等故障，consumer恢复后，需要从故障前的位置的继续消费，所以consumer需要实时记录自己消费到了哪个offset，以便故障恢复后继续消费。
Kafka 0.9版本之前，consumer默认将offset保存在Zookeeper中，从0.9版本开始，consumer默认将offset保存在Kafka一个内置的topic中，该topic为__consumer_offsets。

Kafka的producer生产数据，要写入到log文件中，写的过程是一直追加到文件末端，为顺序写。官网有数据表明，同样的磁盘，顺序写能到到600M/s，而随机写只有100k/s。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间。

<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>0.11.0.0</version>
</dependency>

Kafka的Producer发送消息采用的是异步发送的方式。在消息发送的过程中，涉及到了两个线程——main线程和Sender线程，以及一个线程共享变量——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。
## 相关参数：
batch.size：只有数据积累到batch.size之后，sender才会发送数据。
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。

<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>0.11.0.0</version>
</dependency>

/** 需要用到的类：
KafkaProducer：需要创建一个生产者对象，用来发送数据
ProducerConfig：获取所需的一系列配置参数
ProducerRecord：每条数据都要封装成一个ProducerRecord对象
*/

package com.simple.producer;

import org.apache.kafka.clients.producer.*;

import java.util.Properties;
import java.util.concurrent.ExecutionException;

public class CustomProducer {

    public static void main(String[] args) throws ExecutionException, InterruptedException {
        Properties props = new Properties();
        props.put("bootstrap.servers", "hadoop102:9092");//kafka集群，broker-list
        props.put("acks", "all");
        props.put("retries", 1);//重试次数
        props.put("batch.size", 16384);//批次大小
        props.put("linger.ms", 1);//等待时间
        props.put("buffer.memory", 33554432);//RecordAccumulator缓冲区大小
        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);
        for (int i = 0; i < 100; i++) {
            producer.send(new ProducerRecord<String, String>("first", Integer.toString(i), Integer.toString(i)));
        }
        producer.close();
    }
}

package com.simple.producer;

import org.apache.kafka.clients.producer.*;
import java.util.Properties;

/**
 * Description：
 * Copyright (c) ，2020 ， Mr.simpleLi
 * This program is protected by copyright laws.
 * Date： 2020/11/24
 *
 * @author 李金祺
 * @version : 1.0
 */
public class CallBackProducer {
    public static void main(String[] args) {
//        1、创建配置信息
        Properties properties = new Properties();
//        2、配置集群信息
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "master:9092");
//        3、key的序列化
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
//        4、value的序列化
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");

//        5、创建生产者
        KafkaProducer<String, String> producer = new KafkaProducer<>(properties);

//        6、发送数据  传统格式和lambda格式
/**
传统格式
        for (int i = 0; i <10 ; i++) {
            producer.send(new ProducerRecord<String, String>("simple", 0,"simple","simple--->" + i ), new Callback() {
                @Override
                public void onCompletion(RecordMetadata metadata, Exception exception) {
                    if (exception == null) {
                        System.out.println("topic->" + metadata.topic() + ",partition->" + metadata.partition() + ",offset->" + metadata.offset());
                    } else {
                        exception.printStackTrace();
                    }
                }
            });
        }
*/
        
//       lambda格式：new出Callback对象后alt+回车 选择Replace with lambda即可
        for (int i = 0; i < 10; i++) {
            producer.send(new ProducerRecord<>("simple", 0,"simple","simple--->" + i), (metadata, exception) -> {
                if (exception == null) {
                    System.out.println("topic:"+metadata.topic() + "---partiton:" + metadata.partition() + "---offset:" + metadata.offset());
                } else {
                    exception.printStackTrace();
                }
            });
        }
//关闭
        producer.close();

    }
}

package com.simple.producer;

import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerRecord;
import java.util.Properties;
import java.util.concurrent.ExecutionException;

/**
 * Description：
 * Copyright (c) ，2020 ， Mr.simpleLi
 * This program is protected by copyright laws.
 * Date： 2020/12/1
 *
 * @author 李金祺
 * @version : 1.0
 */
public class TongBu {
    public static void main(String[] args) throws ExecutionException, InterruptedException {

        Properties props = new Properties();
        props.put("bootstrap.servers", "hadoop102:9092");//kafka集群，broker-list
        props.put("acks", "all");
        props.put("retries", 1);//重试次数
        props.put("batch.size", 16384);//批次大小
        props.put("linger.ms", 1);//等待时间
        props.put("buffer.memory", 33554432);//RecordAccumulator缓冲区大小
        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);
        for (int i = 0; i < 100; i++) {
            producer.send(new ProducerRecord<String, String>("first",Integer.toString(i),Integer.toString(i))).get();
        }
        producer.close();
    }
}

/** 需要用到的类：
KafkaConsumer：需要创建一个消费者对象，用来消费数据
ConsumerConfig：获取所需的一系列配置参数
ConsuemrRecord：每条数据都要封装成一个ConsumerRecord对象
*/

package com.simple.consumer;

import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import java.util.Arrays;
import java.util.Properties;

/**
 * Description：
 * Copyright (c) ，2020 ， Mr.simpleLi
 * This program is protected by copyright laws.
 * Date： 2020/11/24
 *
 * @author 李金祺
 * @version : 1.0
 */
public class MyConsumer {
    public static void main(String[] args) {

//        创建配置信息
        Properties properties = new Properties();

//        给配置信息赋值
//        kafka集群信息
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "aliyun:9092");
//        开启自动提交offset
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");
//        反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
//        消费者组，只要group.id相同，就属于同一个消费者组
        properties.put(ConsumerConfig.GROUP_ID_CONFIG, "bigdata1");

/**
 * 重置消费者的offset(默认是latest)(同一消费者组不能重复消费)，此处bigdata组已经消费过了之前的数据，所以测试时不能再次消费之前数据了
 * 生效条件：
 * a)换消费者组了
 * b)该消费者组中的数据过期了（默认是7天）
 */
        properties.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");

//        创建消费者对象
        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);

//        订阅主题
        consumer.subscribe(Arrays.asList("aliyun"));
        while (true) {
            //        获取数据
            ConsumerRecords<String, String> consumerRecords = consumer.poll(100);
//        解析并打印
            for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
                System.out.println("key:"+consumerRecord.key()+"value:"+consumerRecord.value());
            }
             /** 
            手动提交offset的方法有两种：分别是commitSync（同步提交）和commitAsync（异步提交）。两者的相同点是，都会将本次poll的一批数据最高的偏移量提交；不同点是，commitSync会失败重试，一直到提交成功（如果由于不可恢复原因导致，也会提交失败）；而commitAsync则没有失败重试机制，故有可能提交失败。
            */
            consumer.commitSync();
           
        }

    }
}

为了使我们能够专注于自己的业务逻辑，Kafka提供了自动提交offset的功能。 
## 自动提交offset的相关参数：
enable.auto.commit：是否开启自动提交offset功能
auto.commit.interval.ms：自动提交offset的时间间隔

package com.simple.consumer;

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

import java.util.Arrays;
import java.util.Properties;

/**
 * Description：
 * Copyright (c) ，2020 ， Mr.simpleLi
 * This program is protected by copyright laws.
 * Date： 2020/11/24
 *
 * @author 李金祺
 * @version : 1.0
 */
public class MyConsumer {
    public static void main(String[] args) {

//        创建配置信息
        Properties properties = new Properties();

//        给配置信息赋值
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "aliyun:9092");
//        开启自动提交offset
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true");
//        自动提交的延迟,单位毫秒，此处即1s
        properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");
//        反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
//        消费者组
        properties.put(ConsumerConfig.GROUP_ID_CONFIG, "bigdata1");

/**
 * 重置消费者的offset(默认是latest)(同一消费者组不能重复消费)，此处bigdata组已经消费过了之前的数据，所以测试时不能再次消费之前数据了
 * 生效条件：
 * a)换消费者组了
 * b)该消费者组中的数据过期了（默认是7天）
 */
        properties.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");

//        创建消费者对象
        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);

//        订阅主题
        consumer.subscribe(Arrays.asList("aliyun"));
        while (true) {
            //        获取数据
            ConsumerRecords<String, String> consumerRecords = consumer.poll(100);
//        解析并打印
            for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
                System.out.println("key:"+consumerRecord.key()+"value:"+consumerRecord.value());
            }
        }

    }
}

Producer拦截器(interceptor)是在Kafka 0.10版本被引入的，主要用于实现clients端的定制化控制逻辑。
对于producer而言，interceptor使得用户在消息发送前以及producer回调逻辑前有机会对消息做一些定制化需求，比如`修改消息`等。同时，producer允许用户指定多个interceptor按序作用于同一条消息从而形成一个拦截链(interceptor chain)。Intercetpor的实现接口是org.apache.kafka.clients.producer.ProducerInterceptor，其定义的方法包括：

(1)configure(configs)
## 获取配置信息和初始化数据时调用。
(2)onSend(ProducerRecord)：
## 该方法封装进KafkaProducer.send方法中，即它运行在用户主线程中。Producer确保在消息被序列化以及计算分区前调用该方法。用户可以在该方法中对消息做任何操作，但最好保证不要修改消息所属的topic和分区，否则会影响目标分区的计算。
(3)onAcknowledgement(RecordMetadata, Exception)：
## 该方法会在消息从RecordAccumulator成功发送到Kafka Broker之后，或者在发送过程中失败时调用。并且通常都是在producer回调逻辑触发之前。onAcknowledgement运行在producer的IO线程中，因此不要在该方法中放入很重的逻辑，否则会拖慢producer的消息发送效率。
(4)close：
## 关闭interceptor，主要用于执行一些资源清理工作
如前所述，interceptor可能被运行在多个线程中，因此在具体实现时用户需要自行确保线程安全。另外倘若指定了多个interceptor，则producer将按照指定顺序调用它们，并仅仅是捕获每个interceptor可能抛出的异常记录到错误日志中而非在向上传递。这在使用过程中要特别留意。

package com.simple.interceptor;

import org.apache.kafka.clients.producer.ProducerInterceptor;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;

import java.util.Map;

/**
 * Description：
 * Copyright (c) ，2020 ， Mr.simpleLi
 * This program is protected by copyright laws.
 * Date： 2020/11/24
 *
 * @author 李金祺
 * @version : 1.0
 */
public class TimeInterceptor implements ProducerInterceptor<String,String> {

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

    }

    @Override
    public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
//        1、取出数据
        String value = record.value();

//        2、创建一个新的ProducerRecord对象，因为record没有get、set方法，不能直接设置record，只能新创建一个对象再返回

        return new ProducerRecord<String, String>(record.topic(),record.partition(),record.key(),System.currentTimeMillis()+record.value());
    }

    @Override
    public void onAcknowledgement(RecordMetadata metadata, Exception exception) {

    }

    @Override
    public void close() {

    }


}

package com.simple.interceptor;

import org.apache.kafka.clients.producer.ProducerInterceptor;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.clients.producer.RecordMetadata;

import javax.sound.midi.Soundbank;
import java.sql.SQLOutput;
import java.util.Map;

/**
 * Description：
 * Copyright (c) ，2020 ， Mr.simpleLi
 * This program is protected by copyright laws.
 * Date： 2020/11/24
 *
 * @author 李金祺
 * @version : 1.0
 */
public class CounterInterceptor implements ProducerInterceptor<String,String> {
	//定义变量
    int success;
    int error;
    @Override
    public void configure(Map<String, ?> configs) {

    }

    @Override
    public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
        return record;
    }

    @Override
    public void onAcknowledgement(RecordMetadata metadata, Exception exception) {
        // 统计成功和失败的次数
        if (exception == null) {
            success++;
        } else {
            error++;
        }
    }

    @Override
    public void close() {
        // 保存结果
        System.out.println("success: "+success+"------error: "+error);
    }
}

package com.simple.producer;

import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;

import java.util.ArrayList;
import java.util.Properties;

/**
 * Description：
 * Copyright (c) ，2020 ， Mr.simpleLi
 * This program is protected by copyright laws.
 * Date： 2020/11/24
 *
 * @author 李金祺
 * @version : 1.0
 */
public class InterceptorProducer {
    public static void main(String[] args) {

        Properties properties = new Properties();
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "master:9092");
        properties.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");

//      添加拦截器，因为可以有多个拦截器，所以做一个数组放置
        ArrayList<String> interceptors = new ArrayList<>();
        interceptors.add("com.simple.interceptor.TimeInterceptor");
        interceptors.add("com.simple.interceptor.CounterInterceptor");
        properties.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG, interceptors);
	
//		定义topic
        String topic = "first";
        KafkaProducer<String, String> producer = new KafkaProducer<String, String>(properties);

        for (int i = 0; i < 15; i++) {

            producer.send(new ProducerRecord<String, String>(topic,"message" + i));

        }

//        关闭连接
        producer.close();

    }
}

## 在服务器上启动kafka的消费者，然后启动java程序，控制台输出计数结果
bin/kafka-console-consumer.sh --bootstrap-server master:9092 --from-beginning --topic first

1501904047034,message0
1501904047225,message1
1501904047230,message2
1501904047234,message3
1501904047236,message4
1501904047240,message5
1501904047243,message6
1501904047246,message7
1501904047249,message8
1501904047252,message9

# define
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# source
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F -c +0 /opt/module/datas/flume.log
a1.sources.r1.shell = /bin/bash -c

# sink
a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.kafka.bootstrap.servers = hadoop102:9092,hadoop103:9092,hadoop104:9092
a1.sinks.k1.kafka.topic = first
a1.sinks.k1.kafka.flumeBatchSize = 20
a1.sinks.k1.kafka.producer.acks = 1
a1.sinks.k1.kafka.producer.linger.ms = 1

# channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# bind
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

bin/flume-ng agent -c conf/ -n a1 -f jobs/flume-kafka.conf

echo hello >> /opt/module/datas/flume.log