Kafka分区键不工作properly‏

Question

我正在努力解决如何正确使用分区键机制的问题。我的逻辑是将分区号设置为3，然后创建三个分区键作为“0”，“1”，“2”，然后使用分区键创建三个键控消息，例如

< li>KeyedMessage(主题，“0”，消息) < li>KeyedMessage(topic，" 1 "，message) < li>KeyedMessage(主题，“2”，消息)

之后，创建一个生产者实例来发送所有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（主题，“0”，消息）转到分区0
• KeyedMessage（主题，“1”，消息）转到分区1
• KeyedMessage（主题，“2”，消息）转到分区2

我正在使用Kafka web控制台查看主题状态，但结果与我预期的不同。KeyedMessage仍然随机进入分区，有时两个KeyedMessages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 html" target="_blank">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)
    }       
  }

以下是我如何使用生产者，创建一个生产者实例，然后使用此实例发送三条消息。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，那就太好了！

Answer 1

有同样的问题-只需切换到ByteArrayPariator：

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

Answer 2

默认的分区器查看该键(作为一个字节数组)，并使用(% numPartitions)将该值转换为介于0和分区数-1之间的整数值。得到的整数决定了消息被写入的分区，而不是你所做的键值。

Answer 3

人们通常认为分区是一种在业务类别上分离业务数据的方法，但这不是查看分区的正确角度。

分区直接影响这些主题：

-性能（每个分区都可以与其他分区并行使用）

-消息顺序（仅在分区级别保证的消息顺序）

我将举一个如何创建分区的例子：

你有一个话题，说我的消息世界

您想将此主题（所有MyMessagesToWorld）转移给某些消费者。

你称了我的消息世界的整个“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的消息

-给奶奶的启示 （G）

-给老师的启示（T）

-给女朋友的信息（F）

你想，谁是你的消费者，然后发现你的消费者是侏儒，每个人能在一个小时内消耗1公斤的信息。

你最多可以雇佣2个这样的侏儒。

1个gnome需要10小时才能消耗10 kg消息，2个gnome需要5小时。

所以你决定雇佣所有可用的侏儒来节省时间。

为了给这两个侏儒创建两个“频道”,你在Kafka上创建了这个主题的两个分区。如果你看到更多的侏儒，创建更多的分区。

您内部有6个业务类别和2个连续的独立消费者 - 侏儒（消费者线程）。

怎么办呢？

Kafka的方法如下:

假设您在集群中有2个kafka实例。（相同的示例OK，如果您在集群中有更多实例）

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 

现在主题MyMessagesToWorld有2个分区：P（0）和P（1）。

你选择了第二个(分区)，因为你知道，你只有两个消耗侏儒。

您可以稍后html" target="_blank">添加更多的分区，届时将使用更多的消费者gnome。

不要将Kafka消费者与此类侏儒混淆。

Kafka消费者可以雇用N个侏儒。（N 个并行线程）

现在，您为您的消息创建密钥。

您需要密钥来在分区之间分发您的消息。

键将是这些字母的"业务类别"，你之前定义：D，M，S，G，T，F，你认为这样的字母是可以作为ID。

但在一般情况下，任何可能用作键：（复杂对象和字节数组，任何东西...）

如果创建 NO 分区程序，则将使用默认分区程序。

默认分区程序有点愚蠢。

它获取每个KEY的hashcode并将其除以可用分区的数量，“提醒”将删除该键的分区数量。

例子：

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

正如您可以想象的那样，在最好的情况下，使用这样的分区器，每个分区中有3个业务类别。

在更糟糕的情况下，您可以将所有业务类别都放在1个分区中。

如果您有 100000 个业务类别，则通过此类算法在统计上可以分发它们。

但是只有很少的类别，你可以有不是很公平的分配。

因此，你可以重写partitioner，更明智地分配你的业务类别。

有一个例子：

此分区器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;
}

}