文章目录

• • • 1. Kafka 生产者
    • 2. 生产者发送消息
    • • 1. 生产者异步发送消息
      • 2. 生产者异步发送消息带回调函数
      • 3. 生产者同步发送消息
    • 3. 生产者发送消息的分区策略
    • • 1. Kafka 分区好处
      • 2. 分区器 DefaultPartitioner 和 ProducerRecord 源码
      • 3. 指定 partition 的情况
      • 4. 没有指定 partition 但指定 key 的情况
      • 5. 既没有指定 partition 也没有指定 key 的情况
      • 6. 自定义分区器
    • 4. 生产者如何提高吞吐量
    • 5. 生产者发送数据的可靠性
    • 6. 生产者发送数据去重
    • 7. 生产者发送数据有序

1. Kafka 生产者

在消息发送的过程中，涉及到了两个线程——main 线程和 Sender 线程。在 main 线程中创建了一个双端队列 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。

生产者重要参数列表：

• bootstrap.servers：生产者连接集群所需的broker地址清单，可以设置1个或者多个，中间用逗号隔开。

• key.serializer 和 value.serializer：指定发送消息的 key 和 value 的序列化类型。一定要写全类名。

• buffer.memory ：RecordAccumulator 缓冲区总大小，默认 32m。

• batch.size：缓冲区一批数据最大值，默认 16k。适当增加该值，可以提高吞吐量，但是如果该值设置太大，会导致数据传输延迟增加。

• 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。单位 ms，默认值是 0ms，表示没有延迟。生产环境建议该值大小为 5-100ms 之间。

• acks：0：生产者发送过来的数据，不需要等数据落盘应答。1：生产者发送过来的数据，Leader 收到数据后应答。-1（all）：生产者发送过来的数据，Leader+和 isr 队列里面的所有节点收齐数据后应答。默认值是-1，-1 和 all 是等价的。

• retries：当消息发送出现错误的时候，系统会重发消息。retries 表示重试次数。默认是 int 最大值2147483647。如果设置了重试，还想保证消息的有序性，需要设置MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION=1 否则在重试此失败消息的时候，其他的消息可能发送成功了。

• retry.backoff.ms ：两次重试之间的时间间隔，默认是 100ms

• enable.idempotence：是否开启幂等性，默认 true，开启幂等性。

• max.in.flight.requests.per.connection：允许最多没有返回 ack 的次数，默认为 5，开启幂等性
  要保证该值是 1-5 的数字。

• compression.type：生产者发送的所有数据的压缩方式。默认是 none，也就是不压缩。支持压缩类型：none、gzip、snappy、lz4 和 zstd。

2. 生产者发送消息

1. 生产者异步发送消息

① 打开cmd命令行窗口，创建一个主题 topic_test：

F:\install\kafka\kafka_2.12-2.3.0\bin\windows>kafka-topics.bat --create --bootstrap-server localhost:9092 --replication-factor 1 -partitions 1 --topic topic-test

② Maven项目搭建，并导入依赖：

4.0.0com.hhkafka1.0-SNAPSHOT88org.apache.kafkakafka-clients3.0.0

③ kafka 生产者发送消息：

public class CustomProducer {public static void main(String[] args) {// kafka生产者属性配置Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"localhost: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");// kafka生产者发送消息，默认是异步发送方式KafkaProducer kafkaProducer = new KafkaProducer(properties);for(int i=0;i<5;i++){kafkaProducer.send(new ProducerRecord<>("topic-test","message-" + i));}kafkaProducer.close();}
}

④ cmd命令行窗口开启 kafka 消息者，观察消费者是否接收到消息：

2. 生产者异步发送消息带回调函数

回调函数会在 producer 收到 ack 时调用，为异步调用，该方法有两个参数，分别是元数据信息（RecordMetadata）和异常信息（Exception），如果 Exception 为 null，说明消息发送成功，如果 Exception 不为 null，说明消息发送失败。

注意：消息发送失败会自动重试，不需要我们在回调函数中手动重试。

public class CustomProducerCallback {public static void main(String[] args) throws InterruptedException {// kafka生产者属性配置Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"localhost: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");// kafka生产者KafkaProducer kafkaProducer = new KafkaProducer(properties);for(int i=0;i<5;i++){// 带回调函数发送消息kafkaProducer.send(new ProducerRecord<>("topic-test", "message-" + i), new Callback() {@Overridepublic void onCompletion(RecordMetadata recordMetadata, Exception exception) {if(exception==null){// 消息发送成功System.out.println("主题"+recordMetadata.topic()+"->"+"分区："+recordMetadata.partition());}else{// 消息发送失败exception.printStackTrace();}}});Thread.sleep(2);}// 关闭资源kafkaProducer.close();}
}

3. 生产者同步发送消息

只需在异步发送的基础上，再调用一下 get()方法即可。

public class CustomProducerSync {public static void main(String[] args) throws ExecutionException, InterruptedException {// kafka生产者属性配置Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"localhost: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");// kafka生产者发送消息，默认是异步发送方式KafkaProducer kafkaProducer = new KafkaProducer(properties);for(int i=0;i<5;i++){// kafka生产者发送消息，同步方式发送kafkaProducer.send(new ProducerRecord<>("topic-test","message-" + i)).get();}kafkaProducer.close();}
}

3. 生产者发送消息的分区策略

1. Kafka 分区好处

① 便于合理使用存储资源，每个Partition在一个Broker上存储，可以把海量的数据按照分区切割成一
块一块数据存储在多台Broker上。合理控制分区的任务，可以实现负载均衡的效果。

② 提高并行度，生产者可以以分区为单位发送数据；消费者可以以分区为单位进行消费数据。

2. 分区器 DefaultPartitioner 和 ProducerRecord 源码

① 默认的分区器 DefaultPartitioner 源码：

/*** The default partitioning strategy:* If a partition is specified in the record, use it* If no partition is specified but a key is present choose a partition based on a hash of the key* If no partition or key is present choose the sticky partition that changes when the batch is full.* * See KIP-480 for details about sticky partitioning.*/
public class DefaultPartitioner implements Partitioner {private final StickyPartitionCache stickyPartitionCache = new StickyPartitionCache();public void configure(Map configs) {}/*** Compute the partition for the given record.*/public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {return partition(topic, key, keyBytes, value, valueBytes, cluster, cluster.partitionsForTopic(topic).size());}/*** Compute the partition for the given record.*/public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster,int numPartitions) {if (keyBytes == null) {return stickyPartitionCache.partition(topic, cluster);}// hash the keyBytes to choose a partitionreturn Utils.toPositive(Utils.murmur2(keyBytes)) % numPartitions;}public void close() {}/*** If a batch completed for the current sticky partition, change the sticky partition. * Alternately, if no sticky partition has been determined, set one.*/public void onNewBatch(String topic, Cluster cluster, int prevPartition) {stickyPartitionCache.nextPartition(topic, cluster, prevPartition);}
}

② ProducerRecord 类源码：

public class ProducerRecord {private final String topic;private final Integer partition;private final Headers headers;private final K key;private final V value;private final Long timestamp;/*** Creates a record with a specified timestamp to be sent to a specified topic and partition*/public ProducerRecord(String topic, Integer partition, Long timestamp, K key, V value, Iterable
 headers) {// ...}/*** Creates a record with a specified timestamp to be sent to a specified topic and partition*/public ProducerRecord(String topic, Integer partition, Long timestamp, K key, V value) {this(topic, partition, timestamp, key, value, null);}/*** Creates a record to be sent to a specified topic and partition*/public ProducerRecord(String topic, Integer partition, K key, V value, Iterable
 headers) {this(topic, partition, null, key, value, headers);}/*** Creates a record to be sent to a specified topic and partition*/public ProducerRecord(String topic, Integer partition, K key, V value) {this(topic, partition, null, key, value, null);}/*** Create a record to be sent to Kafka*/public ProducerRecord(String topic, K key, V value) {this(topic, null, null, key, value, null);}/*** Create a record with no key*/public ProducerRecord(String topic, V value) {this(topic, null, null, null, value, null);}
}

• 在指明 partition 的情况下，直接将指明的值作为partition值，如partition=0，则将数据写入分区0；
• 在没有指明 partition 的情况下，将key的hash值和topic的partition数进行取余得到partition值，例如key的hash值为5，topic的partition数为6，则key对应的value值写入分区1；
• 既没有指明partition又没有执行key的情况下，afka采用Sticky Partition（黏性分区器），会随机选择一个分区，并尽可能一直使用该分区，待该分区的batch已满或者已完成，Kafka再随机一个分区进行使用（和上一次的分区不同），例如：第一次随机选择0号分区，等0号分区当前批次满了（默认16k）或者linger.ms设置的时间到， Kafka再随机一个分区进行使用（如果还是0会继续随机）。

3. 指定 partition 的情况

将数据发往指定 partition 的情况。

修改主题topic-test，增加分区数

# 修改主题，修改分区数为3
F:\install\kafka\kafka_2.12-2.3.0\bin\windows>kafka-topics.bat --alter --bootstrap-server localhost:9092  --topic topic-test --partitions 3# 查看主题详情
F:\install\kafka\kafka_2.12-2.3.0\bin\windows>kafka-topics.bat --bootstrap-server localhost:9092 --describe  --topic topic-test

public class CustomProducerCallbackPartitions {public static void main(String[] args) throws InterruptedException {// kafka生产者属性配置Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"localhost: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");// kafka生产者KafkaProducer kafkaProducer = new KafkaProducer(properties);for(int i=0;i<5;i++){// 构造方法：ProducerRecord(String topic, Integer partition, K key, V value)// 将key的value值发送到执行分区1kafkaProducer.send(new ProducerRecord<>("topic-test", 1,"","message-" + i), new Callback() {@Overridepublic void onCompletion(RecordMetadata recordMetadata, Exception exception) {if(exception==null){// 消息发送成功System.out.println("主题"+recordMetadata.topic()+"->"+"分区："+recordMetadata.partition());}else{// 消息发送失败exception.printStackTrace();}}});Thread.sleep(2);}// 关闭资源kafkaProducer.close();}
}

4. 没有指定 partition 但指定 key 的情况

将 key 的 hash 值与 topic 的 partition 数进行取余得到 partition 值。

public class CustomProducerCallbackPartitions {public static void main(String[] args) throws InterruptedException {// kafka生产者属性配置Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"localhost: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");// kafka生产者KafkaProducer kafkaProducer = new KafkaProducer(properties);for(int i=0;i<5;i++){// 构造方法：public ProducerRecord(String topic, K key, V value)// 依次指定 key 值为 a,b,f ，数据 key 的 hash 值与 3 个分区求余，分别发往分区 1、2、0kafkaProducer.send(new ProducerRecord<>("topic-test", "f","message-" + i), new Callback() {@Overridepublic void onCompletion(RecordMetadata recordMetadata, Exception exception) {if(exception==null){// 消息发送成功System.out.println("主题"+recordMetadata.topic()+"->"+"分区："+recordMetadata.partition());}else{// 消息发送失败exception.printStackTrace();}}});Thread.sleep(2);}// 关闭资源kafkaProducer.close();}
}

key="ａ"时，在控制台查看结果：

key="ｂ"时，在控制台查看结果：

key="f"时，在控制台查看结果：

5. 既没有指定 partition 也没有指定 key 的情况

public class CustomProducerCallbackPartitions {public static void main(String[] args) throws InterruptedException {// kafka生产者属性配置Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"localhost: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");// kafka生产者KafkaProducer kafkaProducer = new KafkaProducer(properties);for(int i=0;i<5;i++){// 构造方法：public ProducerRecord(String topic, V value)kafkaProducer.send(new ProducerRecord<>("topic-test" ,"message-" + i), new Callback() {@Overridepublic void onCompletion(RecordMetadata recordMetadata, Exception exception) {if(exception==null){// 消息发送成功System.out.println("主题"+recordMetadata.topic()+"->"+"分区："+recordMetadata.partition());}else{// 消息发送失败exception.printStackTrace();}}});Thread.sleep(2);}// 关闭资源kafkaProducer.close();}
}

6. 自定义分区器

例如我们实现一个分区器实现，发送过来的数据中如果包含 atguigu，就发往 0 号分区，不包含 atguigu，就发往 1 号分区。

① 定义类实现 Partitioner 接口：

public class MyPartitioner implements Partitioner {/**** @param topic 主题* @param key 消息的key* @param keyBytes 消息的key序列化之后的字节数组* @param value 消息的value* @param valueBytes 消息的value序列化之后的字节数组* @param cluster 集群元数据可以查看分区消息* @return*/@Overridepublic int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {// 获取消息String message= value.toString();int partition;if(message.contains("chahua")){partition = 0;}else{partition = 1;}return partition;}@Overridepublic void close() {}@Overridepublic void configure(Map configs) {}
}

② 使用分区器的方法，在生产者的配置中添加分区器参数：

public class CustomProducerCallbackPartitions {public static void main(String[] args) throws InterruptedException {// kafka生产者属性配置Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"localhost: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");// 添加自定义分区器properties.put(ProducerConfig.PARTITIONER_CLASS_CONFIG,"com.hh.producer.MyPartitioner");// kafka生产者KafkaProducer kafkaProducer = new KafkaProducer(properties);for(int i=0;i<5;i++){// 构造方法：public ProducerRecord(String topic, V value)kafkaProducer.send(new ProducerRecord<>("topic-test" ,"chahua-" + i), new Callback() {@Overridepublic void onCompletion(RecordMetadata recordMetadata, Exception exception) {if(exception==null){// 消息发送成功System.out.println("主题"+recordMetadata.topic()+"->"+"分区："+recordMetadata.partition());}else{// 消息发送失败exception.printStackTrace();}}});Thread.sleep(2);}// 关闭资源kafkaProducer.close();}
}

控制台查看消息发送的分区：

消费者消费消息：

F:\install\kafka\kafka_2.12-2.3.0\bin\windows>kafka-console-consumer.bat --bootstrap-server localhost:9092 --topic topic-test --from-beginning
chahua-0
chahua-1
chahua-2
chahua-3
chahua-4

4. 生产者如何提高吞吐量

修改以下参数：

• batch.size：批次大小，默认16k

• linger.ms：等待时间，修改为5-100ms

• compression.type：压缩snappy

• RecordAccumulator：缓冲区大小，修改为64m

public class CustomProducerParameters {public static void main(String[] args) {Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"localhost: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");// batch.size：批次大小，默认为16kproperties.put(ProducerConfig.BATCH_SIZE_CONFIG,16384);// linger.ms：等待时间，默认为0properties.put(ProducerConfig.LINGER_MS_CONFIG,1);// RecordAccumulator 缓冲区大小，默认为32Mproperties.put(ProducerConfig.BUFFER_MEMORY_CONFIG,33554432);// 压缩，默认为none，可以配置的值有：gzip、snappy、lz4、zstdproperties.put(ProducerConfig.CONFIG_PROVIDERS_CONFIG,"snappy");// 创建生产者对象KafkaProducer kafkaProducer = new KafkaProducer(properties);// send方法发送消息for(int i=0;i<5;i++){kafkaProducer.send(new ProducerRecord<>("topic-test","hh-"+i));}// 关闭资源kafkaProducer.close();}
}

5. 生产者发送数据的可靠性

① 生产者发送消息流程：

② ack 应答原理 ：

ack = 0 : 生产者发送过来的数据，不需要等数据落盘应答

ack = 1：生产者发送过来的数据，Leader收到数据后应答。

ack = -1（all）：生产者发送过来的数据，Leader和ISR队列里面的所有节点收齐数据后应答。

③ 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+Leader集合(leader：0，isr:0,1,2)。如果Follower长时间未向Leader发送通信请求或同步数据，则该Follower将被踢出ISR。该时间阈值由replica.lag.time.max.ms参数设定，默认30s。例如2超时，(leader:0, isr:0,1)。这样就不用等长期联系不上或者已经故障的节点。

如果分区副本设置为 1个 ，或者ISR里应答的最小副本数量（ min.insync.replicas 默认为1）设置为1，和ack=1的效果是一样的，仍然有丢数的风险（leader：0，isr:0）。

④ 数据完全可靠条件 = ACK级别设置为-1 + 分区副本大于等于2 + ISR里应答的最小副本数量大于等于2

⑤ 可靠性总结：

acks=0，生产者发送过来数据就不管了，可靠性差，效率高；
acks=1，生产者发送过来数据Leader应答，可靠性中等，效率中等；
acks=-1，生产者发送过来数据Leader和ISR队列里面所有Follwer应答，可靠性高，效率低；

在生产环境中，acks=0很少使用；acks=1，一般用于传输普通日志，允许丢个别数据；acks=-1，一般用于传输和钱相关的数据，对可靠性要求比较高的场景。

⑥ 数据重复分析：

ack = -1：生产者发送过来的数据，Leader和ISR队列里面的所有节点收齐数据后应答。

生产者发送消息Hello，Leader收到消息并同步给了Follower，但是在ack应答时Leader挂掉了，ack失败。于是重新选择一个Leader，由于ack失败，生产者会再发送一个消息Hello给Leader，导致数据重复。

⑦ 代码中配置ack应答机制：

https://kafka.apache.org/documentation/#api

public class CustomProducerAck {public static void main(String[] args) {Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"localhost: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");// 设置acksproperties.put(ProducerConfig.ACKS_CONFIG,"all");// 重试次数 retries，默认是int最大值properties.put(ProducerConfig.RECEIVE_BUFFER_CONFIG,3);KafkaProducer kafkaProducer = new KafkaProducer(properties);for(int i=0;i<5;i++){kafkaProducer.send(new ProducerRecord<>("topic-test","haha"));}kafkaProducer.close();}
}

6. 生产者发送数据去重

• 至少一次= ACK级别设置为-1 + 分区副本大于等于2 + ISR里应答的最小副本数量大于等于2；可以保证数据不丢失，但是不能保证数据不重复。

• 最多一次= ACK级别设置为0；可以保证数据不重复，但是不能保证数据不丢失。

• 精确一次：对于一些非常重要的信息，比如和钱相关的数据，要求数据既不能重复也不丢失。Kafka 0.11版本以后，引入了一项重大特性：幂等性和事务。

① 幂等性：

幂等性就是指Producer不论向Broker发送多少次重复数据，Broker端都只会持久化一条，保证了不重复。

精确一次 = 幂等性 + 至少一次（ ack=-1 + 分区副本数>=2 + ISR最小副本数量>=2） 。

重复数据的判断标准：具有相同主键的消息提交时，Broker只会持久化一条。其
中PID是Kafka每次重启都会分配一个新的；Partition 表示分区号；Sequence Number是单调自增的。所以幂等性只能保证的是在单分区单会话内不重复。

如何使用幂等性：开启参数 enable.idempotence 默认为 true，false 关闭。

public class CustomProducerAck {public static void main(String[] args) {Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"localhost: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");// 设置acksproperties.put(ProducerConfig.ACKS_CONFIG,"all");// 重试次数 retries，默认是int最大值properties.put(ProducerConfig.RECEIVE_BUFFER_CONFIG,3);// 开启幂等性properties.put(ProducerConfig.ENABLE_IDEMPOTENCE_CONFIG,true);KafkaProducer kafkaProducer = new KafkaProducer(properties);for(int i=0;i<5;i++){kafkaProducer.send(new ProducerRecord<>("topic-test","haha"));}kafkaProducer.close();}
}

② 生产者事务：

尽管开启了幂等性，但是kafka挂掉重启后仍然会导致数据重复，因为其PID在Kafka每次重启都会分配一个新的，因此还需要使用事务。

说明：开启事务，必须开启幂等性。

Kafka 的事务一共有如下 5 个 API

// 1 初始化事务
void initTransactions();
// 2 开启事务
void beginTransaction() throws ProducerFencedException;
// 3 在事务内提交已经消费的偏移量（主要用于消费者）
void sendOffsetsToTransaction(Map offsets,String consumerGroupId) throws ProducerFencedException;
// 4 提交事务
void commitTransaction() throws ProducerFencedException;
// 5 放弃事务（类似于回滚事务的操作）
void abortTransaction() throws ProducerFencedException;

单个 Producer，使用事务保证消息的仅一次发送：

public class CustomProducerTransactions {public static void main(String[] args) {Properties properties = new Properties();properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"localhost: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");// 开启幂等性properties.put(ProducerConfig.ENABLE_IDEMPOTENCE_CONFIG,true);// 设置事务 id（必须），事务 id 任意起名properties.put(ProducerConfig.TRANSACTIONAL_ID_CONFIG,"transaction_id_0");KafkaProducer kafkaProducer = new KafkaProducer(properties);// 初始化事务kafkaProducer.initTransactions();// 开启事务kafkaProducer.beginTransaction();try {for(int i=0;i<5;i++){kafkaProducer.send(new ProducerRecord<>("topic-test","jiang"));}int i = 1/0;// 提交事务kafkaProducer.commitTransaction();}catch (Exception e){// 终止事务kafkaProducer.abortTransaction();}finally {// 关闭资源kafkaProducer.close();}}
}

7. 生产者发送数据有序

kafka在1.x版本之前保证数据单分区有序，条件如下：

max.in.flight.requests.per.connection=1（不需要考虑是否开启幂等性）。

kafka在1.x及以后版本保证数据单分区有序，条件如下：

未开启幂等性：max.in.flight.requests.per.connection需要设置为1。

开启幂等性：max.in.flight.requests.per.connection需要设置小于等于5。

因为在kafka1.x以后，启用幂等后，kafka服务端会缓存producer发来的最近5个request的元数据，故无论如何，都可以保证最近5个request的数据都是有序的。