Go 如何通过 Kafka 客户端库 生产与消费消息
文章目录
- 0.前置说明
- 1. confluent-kafka-go
- 2. sarama
- 3. segmentio/kafka-go
- 4. franz-go
- 选择建议
- 1.启动 kafka 集群
- 2.安装 confluent-kafka-go 库
- 3.创建生产者
- 特殊文件说明
- 如何查看.log文件内容
- 4.创建消费者
0.前置说明
Go 语言中有一些流行的 Kafka 客户端库。以下是几个常用的库及其优劣与区别：
1. confluent-kafka-go
-
优点：
- 高性能：基于
librdkafka，性能非常高。 - 功能全面：支持 Kafka 的所有高级功能，如事务、压缩、认证等。
- 社区支持：由 Confluent 维护，社区活跃，文档丰富。
- 稳定性：广泛使用于生产环境，经过大量测试和验证。
- 高性能：基于
-
缺点：
- 依赖性：依赖于
librdkafka，需要额外安装该库。 - 复杂性：配置和使用相对复杂，特别是对于新手。
- 依赖性：依赖于
2. sarama
-
优点：
- 纯 Go 实现：不依赖于任何 C 库，安装和使用非常方便。
- 社区活跃：由 Shopify 维护，社区支持良好，文档齐全。
- 灵活性：提供了丰富的配置选项，适用于各种使用场景。
-
缺点：
- 性能：相对于
confluent-kafka-go，性能稍逊一筹。 - 功能：不支持 Kafka 的一些高级功能，如事务。
- 性能：相对于
3. segmentio/kafka-go
-
优点：
- 纯 Go 实现：不依赖于任何 C 库，安装和使用非常方便。
- 简洁易用：API 设计简洁，易于上手。
- 灵活性：支持多种配置选项，适用于各种使用场景。
-
缺点：
- 性能：相对于
confluent-kafka-go，性能稍逊一筹。 - 功能：不支持 Kafka 的一些高级功能，如事务。
- 性能：相对于
4. franz-go
-
优点：
- 纯 Go 实现：不依赖于任何 C 库，安装和使用非常方便。
- 高性能：在纯 Go 实现中性能较为优越。
- 功能全面：支持 Kafka 的大部分功能，包括事务。
-
缺点：
- 社区支持：相对于
sarama和confluent-kafka-go，社区支持稍弱。 - 文档：文档相对较少，需要更多的社区贡献。
- 社区支持：相对于
选择建议
- 高性能和高级功能需求：如果你需要高性能和 Kafka 的高级功能（如事务、压缩、认证等），
confluent-kafka-go是一个不错的选择。 - 纯 Go 实现和易用性：如果你更倾向于使用纯 Go 实现的库，并且希望安装和使用更加简便，可以选择
sarama或segmentio/kafka-go。 - 平衡性能和功能：如果你希望在纯 Go 实现中获得较好的性能和功能支持，可以考虑
franz-go。
本文我们就以confluent-kafka-go库为例来编写代码。
1.启动 kafka 集群
不知道如何搭建集群请点击这里 ----》Kafka 集群部署（CentOS 单机模拟版）
如果你懒得启动集群，那么直接跳过。
- 在
cluster目录下运行集群启动脚本cluster.sh;
cd cluster
./cluster.sh
- 检查是否启动成功；
ll zookeeper-data/
total 4
drwxr-xr-x 3 root root 4096 May 27 10:20 zookeeperll broker-data/
total 12
drwxr-xr-x 2 root root 4096 May 27 10:21 broker-1
drwxr-xr-x 2 root root 4096 May 27 10:21 broker-2
drwxr-xr-x 2 root root 4096 May 27 10:21 broker-3
2.安装 confluent-kafka-go 库
- 查看你的
go工作目录
echo $GOPATH
- 在
GOPATH目录下的src目录下新建produce项目
mkdir src/produce
cd src/produce
- 在你的项目目录中运行
go mod init命令来初始化一个新的Go 模块
go mod init produce
- 安装
confluent-kafka-go库
go get github.com/confluentinc/confluent-kafka-go/kafka
3.创建生产者
- 新建文件
producer.go
touch producer.go
- 编写代码
package mainimport ("fmt""log""github.com/confluentinc/confluent-kafka-go/kafka"
)func main() {// 创建生产者实例broker := "localhost:9091" // 集群地址topic := "test" // 主题名称producer, err := kafka.NewProducer(&kafka.ConfigMap{"bootstrap.servers": broker}) // 创建生产者实例// 检查错误if err != nil {log.Fatalf("Failed to create producer: %s", err)}defer producer.Close()fmt.Printf("Created Producer %v\n", producer)// 生产消息message := "hello kafka"for i := 0; i < 10; i++ {producer.Produce(&kafka.Message{TopicPartition: kafka.TopicPartition{Topic: &topic, Partition: kafka.PartitionAny}, // 任题名称Value: []byte(message + fmt.Sprintf("%d", i)), // 消息内容}, nil)}if err != nil {log.Fatalf("Failed to produce message: %v", err)}// 等待消息发送完成e := <-producer.Events() // 阻塞直到消息发送完成switch ev := e.(type) {case *kafka.Message:if ev.TopicPartition.Error != nil {log.Printf("Failed to deliver message: %v", ev.TopicPartition)} else {fmt.Printf("Delivered message: %s to %v\n", string(ev.Value), ev.TopicPartition)}}// 冲刷缓冲区消息producer.Flush(15 * 1000)
}
代码说明
- 创建生产者时需要指定
集群地址以及主题信息，如果没有该主题则自动创建。 - 生产者会
异步地将消息发送到 Kafka，因此你需要处理交付报告以确保消息成功发送。
我们需要了解一下Go语言和Kafka之间的关系：Go是一种静态类型、编译型的编程语言，由Google开发并开源。它适用于构建高性能服务器端应用程序和网络服务。而Apache Kafka是一个分布式流处理平台，主要面向大规模数据传输和存储。
在这个例子中，我们有一个生产者程序，它使用Kafka的客户端库来连接到Kafka集群，然后通过创建一个生产者实例来开始发送消息。当生产者准备好要发送的消息时，它就会调用Send()方法将其添加到缓冲区中。一旦缓冲区满了或者用户主动触发了Flush()方法，生产者就会把缓冲区里的所有消息一起发送给Kafka集群。
- 编译运行，生产者发送消息
go build producer.go
./producer
Created Producer rdkafka#producer-1
Delivered message: hello kafka0 to test[0]@0
- 查看消息
ll cluster/broker-data/broker-1
total 20
-rw-r--r-- 1 root root 0 May 27 10:20 cleaner-offset-checkpoint
-rw-r--r-- 1 root root 4 May 27 11:36 log-start-offset-checkpoint
-rw-r--r-- 1 root root 88 May 27 10:20 meta.properties
-rw-r--r-- 1 root root 13 May 27 11:36 recovery-point-offset-checkpoint
-rw-r--r-- 1 root root 14 May 27 11:36 replication-offset-checkpoint
drwxr-xr-x 2 root root 4096 May 27 11:21 test-0 # 我们创建的主题 数字代表分区号ll cluster/broker-data/broker-1/test-0/
total 12
-rw-r--r-- 1 root root 10485760 May 27 11:21 00000000000000000000.index
-rw-r--r-- 1 root root 251 May 27 11:21 00000000000000000000.log
-rw-r--r-- 1 root root 10485756 May 27 11:21 00000000000000000000.timeindex
-rw-r--r-- 1 root root 8 May 27 11:21 leader-epoch-checkpoint
-rw-r--r-- 1 root root 43 May 27 11:21 partition.metadata
特殊文件说明
Kafka 的数据文件存储在每个分区的目录中，这些文件包括 .index、.log、.timeindex、leader-epoch-checkpoint 和 partition.metadata 文件。每个文件都有其特定的用途，下面是对这些文件的详细解释：
-
.log文件：- 用途：存储实际的消息数据。
- 描述：这是 Kafka 中最重要的文件，包含了生产者发送到 Kafka 的消息。每个
.log文件代表一个日志段（log segment），文件名通常是该段的起始偏移量（offset）。
-
.index文件：- 用途：存储消息偏移量到物理文件位置的映射。
- 描述：这个文件是一个稀疏索引，允许 Kafka 快速查找特定偏移量的消息。通过这个索引，Kafka 可以避免从头开始扫描整个日志文件，从而提高查找效率。
-
.timeindex文件：- 用途：存储消息时间戳到物理文件位置的映射。
- 描述：这个文件允许 Kafka 根据时间戳快速查找消息。它是一个稀疏索引，类似于
.index文件，但索引的是时间戳而不是偏移量。
-
leader-epoch-checkpoint文件：- 用途：记录分区的领导者纪元（leader epoch）信息。
- 描述：这个文件包含了每个纪元的起始偏移量。领导者纪元是 Kafka 用来跟踪分区领导者变化的机制。每次分区领导者发生变化时，纪元号会增加。这个文件帮助 Kafka 在领导者变更时进行数据恢复和一致性检查。
-
partition.metadata文件：- 用途：存储分区的元数据信息。
- 描述：这个文件包含了分区的一些基本信息，如分区的版本号等。它帮助 Kafka 管理和维护分区的元数据。
这些文件共同作用，确保 Kafka 能够高效、可靠地存储和检索消息数据。
如何查看.log文件内容
- 执行指令
~/cluster/broker-1/bin/kafka-run-class.sh kafka.tools.DumpLogSegments --files ./00000000000000000000.log --print-data-log
~/cluster/broker-1/bin/kafka-run-class.sh kafka.tools.DumpLogSegments --files ./00000000000000000000.log --print-data-log
Dumping ./00000000000000000000.log
Log starting offset: 0
baseOffset: 0 lastOffset: 9 count: 10 baseSequence: -1 lastSequence: -1 producerId: -1 producerEpoch: -1 partitionLeaderEpoch: 0 isTransactional: false isControl: false deleteHorizonMs: OptionalLong.empty position: 0 CreateTime: 1716780091840 size: 251 magic: 2 compresscodec: none crc: 997822510 isvalid: true
| offset: 0 CreateTime: 1716780091840 keySize: -1 valueSize: 12 sequence: -1 headerKeys: [] payload: hello kafka0
| offset: 1 CreateTime: 1716780091840 keySize: -1 valueSize: 12 sequence: -1 headerKeys: [] payload: hello kafka1
| offset: 2 CreateTime: 1716780091840 keySize: -1 valueSize: 12 sequence: -1 headerKeys: [] payload: hello kafka2
| offset: 3 CreateTime: 1716780091840 keySize: -1 valueSize: 12 sequence: -1 headerKeys: [] payload: hello kafka3
| offset: 4 CreateTime: 1716780091840 keySize: -1 valueSize: 12 sequence: -1 headerKeys: [] payload: hello kafka4
| offset: 5 CreateTime: 1716780091840 keySize: -1 valueSize: 12 sequence: -1 headerKeys: [] payload: hello kafka5
| offset: 6 CreateTime: 1716780091840 keySize: -1 valueSize: 12 sequence: -1 headerKeys: [] payload: hello kafka6
| offset: 7 CreateTime: 1716780091840 keySize: -1 valueSize: 12 sequence: -1 headerKeys: [] payload: hello kafka7
| offset: 8 CreateTime: 1716780091840 keySize: -1 valueSize: 12 sequence: -1 headerKeys: [] payload: hello kafka8
| offset: 9 CreateTime: 1716780091840 keySize: -1 valueSize: 12 sequence: -1 headerKeys: [] payload: hello kafka9
如上我们可以看到消息已经成功的发送。
4.创建消费者
- 创建消费者项目
mkdir src/consume
cd src/consume
- 在你的项目目录中运行
go mod init命令来初始化一个新的Go 模块
go mod init consume
- 安装
confluent-kafka-go库
go get github.com/confluentinc/confluent-kafka-go/kafka
- 新建文件
touch consumer.go
- 编写代码
package mainimport ("fmt""log""github.com/confluentinc/confluent-kafka-go/kafka"
)func main() {// 创建消费者实例broker := "localhost:9091" // 集群地址topic := "test" // 主题名称c, err := kafka.NewConsumer(&kafka.ConfigMap{"bootstrap.servers": broker, // 集群地址"group.id": "my-group", // 消费者组"auto.offset.reset": "earliest", // 设置偏移量 从头开始消费})// 检查错误if err != nil {log.Printf("Failed to create consumer: %s\n", err)}defer c.Close()// 描述订阅主题c.SubscribeTopics([]string{topic}, nil)fmt.Printf("Consuming topic %s\n", topic)// 消费消息for {msg, err := c.ReadMessage(-1) // 阻塞直到消息到达if err == nil {fmt.Printf("Consumed message: %s\n", msg.Value)} else {// 消费者错误fmt.Printf("Consumer error: %v (%v)\n", err, msg)}}
}
- 编译并运行
go build consumer.go
./consumer
Consuming topic test
Consumed message: hello kafka0
Consumed message: hello kafka1
Consumed message: hello kafka2
Consumed message: hello kafka3
Consumed message: hello kafka4
Consumed message: hello kafka5
Consumed message: hello kafka6
Consumed message: hello kafka7
Consumed message: hello kafka8
Consumed message: hello kafka9可以看到已经成功的消费刚才生产的消息。