python操作kafka实践

本文内容纲要：

1、先看最简单的场景，生产者生产消息，消费者接收消息，下面是生产者的简单代码。 -------------------------------------------------------------------------------- #!/usr/bin/envpython #-*-coding:utf-8-*- importjson fromkafkaimportKafkaProducer producer=KafkaProducer(bootstrap_servers=xxxx:x) msg_dict={ "sleep_time":10, "db_config":{ "database":"test_1", "host":"xxxx", "user":"root", "password":"root" }, "table":"msg", "msg":"HelloWorld" } msg=json.dumps(msg_dict) producer.send(test_rhj,msg,partition=0) producer.close() -------------------------------------------------------------------------------- 下面是消费者的简单代码： fromkafkaimportKafkaConsumer consumer=KafkaConsumer(test_rhj,bootstrap_servers=[xxxx:x]) formsginconsumer: recv="%s:%d:%d:key=%svalue=%s"%(msg.topic,msg.partition,msg.offset,msg.key,msg.value) printrecv -------------------------------------------------------------------------------- 下面是结果： 2、如果想要完成负载均衡，就需要知道kafka的分区机制，同一个主题，可以为其分区，在生产者不指定分区的情况，kafka会将多个消息分发到不同的分区，消费者订阅时候如果不指定服务组， 会收到所有分区的消息，如果指定了服务组，则同一服务组的消费者会消费不同的分区，如果2个分区两个消费者的消费者组消费，则，每个消费者消费一个分区，如果有三个消费者的服务组， 则会出现一个消费者消费不到数据；如果想要消费同一分区，则需要用不同的服务组。以此为原理，我们对消费者做如下修改： ——————————————————————————————————— fromkafkaimportKafkaConsumer consumer=KafkaConsumer(test_rhj,group_id=123456,bootstrap_servers=[10.43.35.25:4531]) formsginconsumer: recv="%s:%d:%d:key=%svalue=%s"%(msg.topic,msg.partition,msg.offset,msg.key,msg.value) printrecv ------------------------------------------------------------------------------------ 然后我们开两个消费者进行消费，生产者分别往0分区和1分区发消息结果如下，可以看到，一个消费者只能消费0分区，另一个只能消费1分区：

3、kafka提供了偏移量的概念，允许消费者根据偏移量消费之前遗漏的内容，这基于kafka名义上的全量存储，可以保留大量的历史数据，历史保存时间是可配置的，一般是7天，如果偏移量定位到了已删除的位置那也会有问题，但是这种情况可能很小；每个保存的数据文件都是以偏移量命名的，当前要查的偏移量减去文件名就是数据在该文件的相对位置。要指定偏移量消费数据，需要指定该消费者要消费的分区，否则代码会找不到分区而无法消费，代码如下：

fromkafkaimportKafkaConsumer fromkafka.structsimportTopicPartition consumer=KafkaConsumer(group_id=123456,bootstrap_servers=[10.43.35.25:4531]) consumer.assign([TopicPartition(topic=test_rhj,partition=0),TopicPartition(topic=test_rhj,partition=1)]) printconsumer.partitions_for_topic("test_rhj")#获取test主题的分区信息 printconsumer.assignment() printconsumer.beginning_offsets(consumer.assignment()) consumer.seek(TopicPartition(topic=test_rhj,partition=0),0) formsginconsumer: recv="%s:%d:%d:key=%svalue=%s"%(msg.topic,msg.partition,msg.offset,msg.key,msg.value) printrecv ----------------------------------------------------------------------------------- 因为指定的便宜量为0，所以从一开始插入的数据都可以查到，而且因为指定了分区，指定的分区结果都可以消费，结果如下：

4、有时候，我们并不需要实时获取数据，因为这样可能会造成性能瓶颈，我们只需要定时去获取队列里的数据然后批量处理就可以，这种情况，我们可以选择主动拉取数据

fromkafkaimportKafkaConsumer importtime consumer=KafkaConsumer(group_id=123456,bootstrap_servers=[10.43.35.25:4531]) consumer.subscribe(topics=(test_rhj,)) index=0 whileTrue: msg=consumer.poll(timeout_ms=5)#从kafka获取消息 printmsg time.sleep(2) index+=1 print--------pollindexis%s----------%index ----------------------------------------------------------------------------------- 结果如下，可以看到，每次拉取到的都是前面生产的数据，可能是多条的列表，也可能没有数据，如果没有数据，则拉取到的为空：

本文内容总结：

原文链接：https://www.cnblogs.com/small-office/p/9399907.html