Kafka Streams開發入門(1)

weixin_42073629發表於2020-11-14

背景

最近發現Confluent公司在官網上釋出了Kafka Streams教程，共有10節課，每節課給出了Kafka Streams的一個功能介紹。這個系列教程對於我們瞭解Kafka Streams還是很有幫助的。為什麼要了解Kafka Streams？其實我一直覺得國內對於Flink有點過於迷戀了。大廠使用Flink尚自合理，畢竟資料量大且需要整套的叢集管理排程監控功能。但一般的中小公司業務簡單體量小，何必要費時費力地搭建一整套Flink叢集。有很多簡單的流處理業務場景使用Kafka Streams綽綽有餘了，更何況Kafka Streams在設計上特別是在訊息精確處理語義上一點都不必Flink差，只是它的定位不同罷了。如果你對Kafka Streams感興趣，不妨關注一下這個系列。不過有點令人不爽的是，該教程使用Confluent Kafka作為開發環境進行演示，而且大量用到了Avro進行訊息的序列化/反序列化。Confluent Kafka預設提供Schema Regstry、avro-console-producer和avro-console-consumer工具可以很方便地把訊息轉換成Avro格式並進行測試，但是如果你使用原生的Kafka（也就是社群版的Apache Kafka），這些功能要自行開發，非常地不方便。

鑑於此，我打算對照著這系列教程中的例子，使用Apache Kafka重新實現一遍。雖然有些科普，不過我覺得這是個很好的學習過程。需要注意的是，我不是使用Avro，而是使用Google的Protocol Buffer（下稱protobuf）來進行演示。

演示功能說明

第一篇要演示的功能很簡單，就是流處理的map功能：map函式或運算元將一個訊息流中的每條事件進行轉換，變更成另一個格式或另一條新的事件。今天輸入訊息是表示電影的訊息，格式如下：

{"id": 294, "title": "Die Hard::1988", "genre": "action"}

我們使用Kafka Streams實時地將每條訊息中的title欄位分開，將裡面的發行年份欄位提取出來，變成下面這樣：

{"id":294,"title":"Die Hard","release_year":1988,"genre":"action"}

初始化專案

第一步是建立專案資料夾。在執行這步前，你需要安裝並配置好Java環境和Gradle環境。Gradle是用於構建Java工程用的，下載地址是：https://gradle.org/。然後執行下列命令去建立專案：

mkdir movie-streams/
cd movie-streams/

配置專案

在movie-streams目錄下，建立build.gradle檔案——該檔案是Gradle的專案配置檔案，類似於Maven的pom.xml。該檔案內容如下：

buildscript {

    repositories {
        jcenter()
    }
    dependencies {
        classpath 'com.github.jengelman.gradle.plugins:shadow:4.0.2'
    }
}

plugins {
    id 'java'
    id "com.google.protobuf" version "0.8.10"
}
apply plugin: 'com.github.johnrengelman.shadow'


repositories {
    mavenCentral()
    jcenter()

    maven {
        url 'http://packages.confluent.io/maven'
    }
}

group 'huxihx.kafkastreams'

sourceCompatibility = 1.8
targetCompatibility = '1.8'
version = '0.0.1'

dependencies {
    implementation 'com.google.protobuf:protobuf-java:3.0.0'
    implementation 'org.slf4j:slf4j-simple:1.7.26'
    implementation 'org.apache.kafka:kafka-streams:2.3.0'
    implementation 'com.google.protobuf:protobuf-java:3.9.1'

    testCompile group: 'junit', name: 'junit', version: '4.12'
}

protobuf {
    generatedFilesBaseDir = "$projectDir/src/"
    protoc {
        artifact = 'com.google.protobuf:protoc:3.0.0'
    }
}

jar {
    manifest {
        attributes(
                'Class-Path': configurations.compile.collect { it.getName() }.join(' '),
                'Main-Class': 'huxihx.kafkastreams.MovieStreamApp'
        )
    }
}

shadowJar {
    archiveName = "kstreams-transform-standalone-${version}.${extension}"
}

其中比較關鍵的是：首先我們要引入Gradle的shadow外掛，用於fat jar打包；其次，我們指定了Gradle的protobuf外掛用於幫助我們將*.proto檔案自動編譯成Java類。儲存上面的檔案，然後執行下列命令下載Gradle的wrapper套件：

gradle wrapper

之後在movie-streams目錄下建立一個名為configuration的資料夾用於儲存我們的引數配置檔案：

mkdir configuration

同時建立配置檔案dev.properties，內容如下：

application.id=movie-transformer

bootstrap.servers=localhost:9092

input.topic.name=raw-movies
input.topic.partitions=1
input.topic.replication.factor=1

output.topic.name=movies
output.topic.partitions=1
output.topic.replication.factor=1

該檔案設定了我們要連線的Kafka叢集資訊以及輸入topic和輸出topic詳情。

建立訊息Schema

下一步是建立輸入訊息和輸出訊息的schema。在movie-streams下執行命令建立儲存schema的資料夾：

mkdir -p src/main/proto

然後分別建立raw-movie.proto和parsed-movie.proto檔案，內容分別是：

syntax = "proto3";

package huxihx.kafkastreams.proto;

message RawMovie {
    uint64 id = 1;
    string title = 2;
    string genre = 3;
}
syntax = "proto3";

package huxihx.kafkastreams.proto;

message Movie {
    uint64 id = 1;
    string title = 2;
    uint32 release_year = 3;
    string genre = 4;
}

檔案內容是標準的protobuf語法，定義了電影事件的id、title、release_year和genre資訊。儲存這兩個檔案，在movie-streams下之後執行gradlew命令將它們自動編譯成Java類：

./gradlew build

此時，你應該可以在src/main/java/huxihx/kafkastreams/proto下看到生成的兩個Java類：ParsedMovie和RawMovieOuterClass。

建立Serdes

這一步我們為RawMovie和Movie訊息建立各自的Serdes。所謂的Serdes是serializer和deserializer的合稱。Kafka Streams程式在讀取訊息時需要用到Serdes中的deserializer將訊息位元組序列轉換成對應的Java物件例項，而生產訊息時則會用到Serdes的serializer將Java物件例項轉換成位元組序列。由於我們使用protobuf框架進行序列化和反序列化，因此我們需要建立支援protobuf的Serdes。

在movie-streams下執行:

mkdir -p src/main/java/huxihx/kafkastreams/serdes

然後在新建立的serdes資料夾下建立ProtobufSerializer.java：

package huxihx.kafkastreams.serdes;
 
import com.google.protobuf.MessageLite;
import org.apache.kafka.common.serialization.Serializer;
 
public class ProtobufSerializer<T extends MessageLite> implements Serializer<T> {
    @Override
    public byte[] serialize(String topic, T data) {
        return data == null ? new byte[0] : data.toByteArray();
    }
}

然後建立ProtobufDeserializer.java：

package huxihx.kafkastreams.serdes;
 
import com.google.protobuf.InvalidProtocolBufferException;
import com.google.protobuf.MessageLite;
import com.google.protobuf.Parser;
import org.apache.kafka.common.errors.SerializationException;
import org.apache.kafka.common.serialization.Deserializer;
 
import java.util.Map;
 
public class ProtobufDeserializer<T extends MessageLite> implements Deserializer<T> {
 
    private Parser<T> parser;
 
    @Override
    public void configure(Map<String, ?> configs, boolean isKey) {
        parser = (Parser<T>) configs.get("parser");
    }
 
    @Override
    public T deserialize(String topic, byte[] data) {
        try {
            return parser.parseFrom(data);
        } catch (InvalidProtocolBufferException e) {
            throw new SerializationException("Failed to deserialize from a protobuf byte array.", e);
        }
    }
}

最後建立ProtobufSerdes.java：

package huxihx.kafkastreams.serdes;
 
import com.google.protobuf.MessageLite;
import com.google.protobuf.Parser;
import org.apache.kafka.common.serialization.Deserializer;
import org.apache.kafka.common.serialization.Serde;
import org.apache.kafka.common.serialization.Serializer;
 
import java.util.HashMap;
import java.util.Map;
 
public class ProtobufSerdes<T extends MessageLite> implements Serde<T> {
 
    private final Serializer<T> serializer;
    private final Deserializer<T> deserializer;
 
    public ProtobufSerdes(Parser<T> parser) {
        serializer = new ProtobufSerializer<>();
        deserializer = new ProtobufDeserializer<>();
        Map<String, Parser<T>> config = new HashMap<>();
        config.put("parser", parser);
        deserializer.configure(config, false);
    }
 
    @Override
    public Serializer<T> serializer() {
        return serializer;
    }
 
    @Override
    public Deserializer<T> deserializer() {
        return deserializer;
    }
}

開發主流程

在src/main/java/huxihx/kafkastreams下建立MovieStreamApp.java檔案：

package huxihx.kafkastreams;
 
import huxihx.kafkastreams.proto.ParsedMovie;
import huxihx.kafkastreams.proto.RawMovieOuterClass;
import huxihx.kafkastreams.serdes.ProtobufSerdes;
import org.apache.kafka.clients.admin.AdminClient;
import org.apache.kafka.clients.admin.AdminClientConfig;
import org.apache.kafka.clients.admin.NewTopic;
import org.apache.kafka.clients.admin.TopicListing;
import org.apache.kafka.common.serialization.Serdes;
import org.apache.kafka.streams.KafkaStreams;
import org.apache.kafka.streams.KeyValue;
import org.apache.kafka.streams.StreamsBuilder;
import org.apache.kafka.streams.StreamsConfig;
import org.apache.kafka.streams.Topology;
import org.apache.kafka.streams.kstream.Consumed;
import org.apache.kafka.streams.kstream.Produced;
 
import java.io.FileInputStream;
import java.io.IOException;
import java.util.ArrayList;
import java.util.Collection;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Properties;
import java.util.concurrent.CountDownLatch;
import java.util.stream.Collectors;
 
public class MovieStreamApp {
 
    public static void main(String[] args) throws Exception {
        if (args.length < 1) {
            throw new IllegalArgumentException("Config file path must be specified.");
        }
 
        MovieStreamApp app = new MovieStreamApp();
        Properties envProps = app.loadEnvProperties(args[0]);
        Properties streamProps = app.createStreamsProperties(envProps);
        Topology topology = app.buildTopology(envProps);
 
        app.preCreateTopics(envProps);
 
        final KafkaStreams streams = new KafkaStreams(topology, streamProps);
        final CountDownLatch latch = new CountDownLatch(1);
 
        Runtime.getRuntime().addShutdownHook(new Thread("streams-shutdown-hook") {
            @Override
            public void run() {
                streams.close();
                latch.countDown();
            }
        });
 
        try {
            streams.start();
            latch.await();
        } catch (Exception e) {
            System.exit(1);
        }
        System.exit(0);
    }
 
 
    /**
     * 構建Streams拓撲物件例項
     *
     * @param envProps
     * @return
     */
    private Topology buildTopology(Properties envProps) {
        final StreamsBuilder builder = new StreamsBuilder();
        final String inputTopic = envProps.getProperty("input.topic.name");
        final String outputTopic = envProps.getProperty("output.topic.name");
 
        builder.stream(inputTopic, Consumed.with(Serdes.String(), rawMovieProtobufSerdes()))
                .map((key, rawMovie) -> new KeyValue<>(rawMovie.getId(), parseRawMovie(rawMovie)))
                .to(outputTopic, Produced.with(Serdes.Long(), movieProtobufSerdes()));
 
        return builder.build();
    }
 
    /**
     * 為Kafka Streams程式構建所需的Properties例項
     *
     * @param envProps
     * @return
     */
    private Properties createStreamsProperties(Properties envProps) {
        Properties props = new Properties();
        props.put(StreamsConfig.APPLICATION_ID_CONFIG, envProps.getProperty("application.id"));
        props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, envProps.getProperty("bootstrap.servers"));
        props.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());
        props.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());
        return props;
    }
 
    /**
     * 預建立輸入/輸出topic，如果topic已存在則忽略
     *
     * @param envProps
     * @throws Exception
     */
    private void preCreateTopics(Properties envProps) throws Exception {
        Map<String, Object> config = new HashMap<>();
        config.put(AdminClientConfig.BOOTSTRAP_SERVERS_CONFIG, envProps.getProperty("bootstrap.servers"));
        String inputTopic = envProps.getProperty("input.topic.name");
        String outputTopic = envProps.getProperty("output.topic.name");
        try (AdminClient client = AdminClient.create(config)) {
            Collection<TopicListing> existingTopics = client.listTopics().listings().get();
 
            List<NewTopic> topics = new ArrayList<>();
            List<String> topicNames = existingTopics.stream().map(TopicListing::name).collect(Collectors.toList());
            if (!topicNames.contains(inputTopic))
                topics.add(new NewTopic(
                        envProps.getProperty("input.topic.name"),
                        Integer.parseInt(envProps.getProperty("input.topic.partitions")),
                        Short.parseShort(envProps.getProperty("input.topic.replication.factor"))));
 
            if (!topicNames.contains(outputTopic))
                topics.add(new NewTopic(
                        envProps.getProperty("output.topic.name"),
                        Integer.parseInt(envProps.getProperty("output.topic.partitions")),
                        Short.parseShort(envProps.getProperty("output.topic.replication.factor"))));
 
            if (!topics.isEmpty())
                client.createTopics(topics).all().get();
        }
    }
 
    /**
     * 載入configuration下的配置檔案
     *
     * @param fileName
     * @return
     * @throws IOException
     */
    private Properties loadEnvProperties(String fileName) throws IOException {
        Properties envProps = new Properties();
        try (FileInputStream input = new FileInputStream(fileName)) {
            envProps.load(input);
        }
        return envProps;
    }
 
    /**
     * 構建輸出topic所需的Serdes
     *
     * @return
     */
    private static ProtobufSerdes<ParsedMovie.Movie> movieProtobufSerdes() {
        return new ProtobufSerdes<>(ParsedMovie.Movie.parser());
    }
 
    /**
     * 構建輸入topic所需的Serdes
     *
     * @return
     */
    private static ProtobufSerdes<RawMovieOuterClass.RawMovie> rawMovieProtobufSerdes() {
        return new ProtobufSerdes<>(RawMovieOuterClass.RawMovie.parser());
    }
 
    /**
     * 執行map邏輯提取release_year欄位
     *
     * @param rawMovie
     * @return
     */
    private static ParsedMovie.Movie parseRawMovie(RawMovieOuterClass.RawMovie rawMovie) {
        String[] titleParts = rawMovie.getTitle().split("::");
        String title = titleParts[0];
        int releaseYear = Integer.parseInt(titleParts[1]);
        return ParsedMovie.Movie.newBuilder()
                .setId(rawMovie.getId())
                .setTitle(title)
                .setReleaseYear(releaseYear)
                .setGenre(rawMovie.getGenre())
                .build();
    }
}

編寫測試Producer和Consumer

在src/main/java/huxihx/kafkastreams/tests/TestProducer.java和TestConsumer.java，內容分別如下：

package huxihx.kafkastreams.tests;
 
import huxihx.kafkastreams.proto.RawMovieOuterClass;
import huxihx.kafkastreams.serdes.ProtobufSerializer;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerRecord;
 
import java.util.Arrays;
import java.util.List;
import java.util.Properties;
 
public class TestProducer {
 
    // 測試輸入事件
    private static final List<RawMovieOuterClass.RawMovie> TEST_RAW_MOVIES = Arrays.asList(
            RawMovieOuterClass.RawMovie.newBuilder()
                    .setId(294).setTitle("Die Hard::1988").setGenre("action").build(),
 
            RawMovieOuterClass.RawMovie.newBuilder()
                    .setId(354).setTitle("Tree of Life::2011").setGenre("drama").build(),
 
            RawMovieOuterClass.RawMovie.newBuilder()
                    .setId(782).setTitle("A Walk in the Clouds::1995").setGenre("romance").build(),
 
            RawMovieOuterClass.RawMovie.newBuilder()
                    .setId(128).setTitle("The Big Lebowski::1998").setGenre("comedy").build());
 
    public static void main(String[] args) {
        Properties props = new Properties();
        props.put("bootstrap.servers", "localhost:9092");
        props.put("acks", "all");
        props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        props.put("value.serializer", new ProtobufSerializer<RawMovieOuterClass.RawMovie>().getClass());
 
        try (final Producer<String, RawMovieOuterClass.RawMovie> producer = new KafkaProducer<>(props)) {
            TEST_RAW_MOVIES.stream()
                    .map(rawMovie -> new ProducerRecord<String, RawMovieOuterClass.RawMovie>("raw-movies", rawMovie))
                    .forEach(producer::send);
        }
    }
}

package huxihx.kafkastreams.tests;
 
import com.google.protobuf.Parser;
import huxihx.kafkastreams.proto.ParsedMovie;
import huxihx.kafkastreams.serdes.ProtobufDeserializer;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.common.serialization.Deserializer;
import org.apache.kafka.common.serialization.LongDeserializer;
 
import java.time.Duration;
import java.util.Arrays;
import java.util.HashMap;
import java.util.Map;
import java.util.Properties;
 
public class TestConsumer {
 
    public static void main(String[] args) {
        // 為輸出事件構造protobuf deserializer
        Deserializer<ParsedMovie.Movie> deserializer = new ProtobufDeserializer<>();
        Map<String, Parser<ParsedMovie.Movie>> config = new HashMap<>();
        config.put("parser", ParsedMovie.Movie.parser());
        deserializer.configure(config, false);
 
        Properties props = new Properties();
        props.put("bootstrap.servers", "localhost:9092");
        props.put("group.id", "test-group");
        props.put("enable.auto.commit", "true");
        props.put("auto.commit.interval.ms", "1000");
        props.put("auto.offset.reset", "earliest");
        KafkaConsumer<Long, ParsedMovie.Movie> consumer = new KafkaConsumer<>(props, new LongDeserializer(), deserializer);
        consumer.subscribe(Arrays.asList("movies"));
        while (true) {
            ConsumerRecords<Long, ParsedMovie.Movie> records = consumer.poll(Duration.ofSeconds(1));
            for (ConsumerRecord<Long, ParsedMovie.Movie> record : records)
                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
        }
    }
}

測試

首先我們執行下列命令構建專案：

./gradlew shadowJar

然後啟動Kafka叢集，之後執行Kafka Streams應用：

java -jar build/libs/kstreams-transform-standalone-0.0.1.jar configuration/dev.properties

然後啟動TestProducer傳送測試事件：

java -cp build/libs/kstreams-transform-standalone-0.0.1.jar huxihx.kafkastreams.tests.TestProducer

最後啟動TestConsumer驗證Kafka Streams提取出了每條輸入事件的release_year欄位：

java -cp build/libs/kstreams-transform-standalone-0.0.1.jar huxihx.kafkastreams.tests.TestConsumer

.......

offset = 0, key = 294, value = id: 294
title: "Die Hard"
release_year: 1988
genre: "action"

offset = 1, key = 354, value = id: 354
title: "Tree of Life"
release_year: 2011
genre: "drama"

offset = 2, key = 782, value = id: 782
title: "A Walk in the Clouds"
release_year: 1995
genre: "romance"

offset = 3, key = 128, value = id: 128
title: "The Big Lebowski"
release_year: 1998
genre: "comedy"

總結

okay，第一篇的演示至此結束。總體上來看，Kafka Streams的轉換操作運算元map還是非常好用的。它能夠實時地為每條入站訊息執行你指定的邏輯。下一篇中我將演示另一個經典的transformation操作：filter。

Kafka入門（1）：概述
2020-07-08
Kafka
Kafka Streams 剖析
2017-09-14
Kafka
Kafka 入門
2021-06-20
Kafka
kafka入門案例
2019-03-06
Kafka
Apache Kafka教程--Kafka新手入門
2023-03-14
ApacheKafka
Kafka教程(一)Kafka入門教程
2016-04-21
Kafka
kafka(docker) 入門分享
2022-01-25
KafkaDocker
Kafka基礎入門
2021-09-21
Kafka
Kafka簡單入門
2018-09-07
Kafka
Kafka入門例項
2016-10-12
Kafka
Kafka實戰－入門
2015-05-26
Kafka
kafka從入門到關門
2020-10-31
Kafka
QT開發快速入門-教程1：搭建QT開發環境
2010-05-11
QT開發環境
Azkarra Streams簡介：Apache Kafka Streams的第一個微框架
2019-11-29
ApacheKafka框架
爬蟲開發知識入門基礎（1）
2020-06-22
爬蟲
HTML5手機APP開發入門(1)
2016-03-21
HTMLAPP
【Android】1：Android APP開發入門篇
2015-11-29
AndroidAPP
Kafka除錯入門（一）
2021-02-03
Kafka除錯
kafka快速入門到精通
2022-04-05
Kafka
Kafka基礎入門篇
2021-10-09
Kafka
Kafka 入門與實踐
2018-04-12
Kafka
Kafka入門經典教程
2015-11-20
Kafka
敏捷開發入門
2019-03-02
敏捷
OpenGL開發入門
2016-07-09
Kafka 入門（三）--為什麼 Kafka 依賴 ZooKeeper？
2020-07-28
Kafka
Kafka 入門（四）-- Python Kafka Client 效能測試
2021-01-16
KafkaPythonclient
Kafka從入門到放棄(一) —— 初識Kafka
2021-12-02
Kafka
Spring Boot的Kafka入門
2018-09-12
Spring BootKafka
kafka入門安裝和使用
2018-11-07
Kafka
敏捷開發入門教程
2019-03-06
敏捷
驅動開發入門
2021-07-13
HarmonyOS快速開發入門
2021-07-23
Git入門與開發
2018-10-26
Git
前端開發快速入門
2020-10-22
前端
Pyhton開發入門心得
2017-11-05
django微信開發入門
2015-09-08
Django
（一）TypeScript開發入門
2024-10-27
TypeScript
新手入門 Git 開發
2024-07-16
Git