logo标签列表

如何使用Avro二进制编码器对Kafka消息进行编解码？

javaapache-kafkaavro
30

我想在从/写入Kafka的消息中使用Avro。有没有使用Avro二进制编码器对将放入消息队列的数据进行编码/解码的示例？

我更需要Avro部分而不是Kafka部分。或许我应该考虑其他解决方案？基本上，我正在尝试寻找比JSON更高效的空间解决方案。之所以提到Avro，是因为它可以比JSON更紧凑。

5个回答
20

这是一个基本示例。我还没有尝试在多个分区/主题中使用它。

//生产者代码示例

import org.apache.avro.Schema;
import org.apache.avro.generic.GenericData;
import org.apache.avro.generic.GenericRecord;
import org.apache.avro.io.*;
import org.apache.avro.specific.SpecificDatumReader;
import org.apache.avro.specific.SpecificDatumWriter;
import org.apache.commons.codec.DecoderException;
import org.apache.commons.codec.binary.Hex;
import kafka.javaapi.producer.Producer;
import kafka.producer.KeyedMessage;
import kafka.producer.ProducerConfig;
import java.io.ByteArrayOutputStream;
import java.io.File;
import java.io.IOException;
import java.nio.charset.Charset;
import java.util.Properties;


public class ProducerTest {

    void producer(Schema schema) throws IOException {

        Properties props = new Properties();
        props.put("metadata.broker.list", "0:9092");
        props.put("serializer.class", "kafka.serializer.DefaultEncoder");
        props.put("request.required.acks", "1");
        ProducerConfig config = new ProducerConfig(props);
        Producer<String, byte[]> producer = new Producer<String, byte[]>(config);
        GenericRecord payload1 = new GenericData.Record(schema);
        //Step2 : Put data in that genericrecord object
        payload1.put("desc", "'testdata'");
        //payload1.put("name", "अasa");
        payload1.put("name", "dbevent1");
        payload1.put("id", 111);
        System.out.println("Original Message : "+ payload1);
        //Step3 : Serialize the object to a bytearray
        DatumWriter<GenericRecord>writer = new SpecificDatumWriter<GenericRecord>(schema);
        ByteArrayOutputStream out = new ByteArrayOutputStream();
        BinaryEncoder encoder = EncoderFactory.get().binaryEncoder(out, null);
        writer.write(payload1, encoder);
        encoder.flush();
        out.close();

        byte[] serializedBytes = out.toByteArray();
        System.out.println("Sending message in bytes : " + serializedBytes);
        //String serializedHex = Hex.encodeHexString(serializedBytes);
        //System.out.println("Serialized Hex String : " + serializedHex);
        KeyedMessage<String, byte[]> message = new KeyedMessage<String, byte[]>("page_views", serializedBytes);
        producer.send(message);
        producer.close();

    }


    public static void main(String[] args) throws IOException, DecoderException {
        ProducerTest test = new ProducerTest();
        Schema schema = new Schema.Parser().parse(new File("src/test_schema.avsc"));
        test.producer(schema);
    }
}

//示例消费者代码

第一部分：消费者组代码：你可以为多个分区/主题拥有多个消费者。

import kafka.consumer.ConsumerConfig;
import kafka.consumer.KafkaStream;
import kafka.javaapi.consumer.ConsumerConnector;

import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Properties;
import java.util.concurrent.Executor;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;

/**
 * Created by  on 9/1/15.
 */
public class ConsumerGroupExample {
   private final ConsumerConnector consumer;
   private final String topic;
   private ExecutorService executor;

   public ConsumerGroupExample(String a_zookeeper, String a_groupId, String a_topic){
      consumer = kafka.consumer.Consumer.createJavaConsumerConnector(
              createConsumerConfig(a_zookeeper, a_groupId));
      this.topic = a_topic;
   }

   private static ConsumerConfig createConsumerConfig(String a_zookeeper, String a_groupId){
       Properties props = new Properties();
       props.put("zookeeper.connect", a_zookeeper);
       props.put("group.id", a_groupId);
       props.put("zookeeper.session.timeout.ms", "400");
       props.put("zookeeper.sync.time.ms", "200");
       props.put("auto.commit.interval.ms", "1000");

       return new ConsumerConfig(props);
   }

    public void shutdown(){
         if (consumer!=null) consumer.shutdown();
        if (executor!=null) executor.shutdown();
        System.out.println("Timed out waiting for consumer threads to shut down, exiting uncleanly");
        try{
          if(!executor.awaitTermination(5000, TimeUnit.MILLISECONDS)){

          }
        }catch(InterruptedException e){
            System.out.println("Interrupted");
        }

    }


    public void run(int a_numThreads){
        //Make a map of topic as key and no. of threads for that topic
        Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
        topicCountMap.put(topic, new Integer(a_numThreads));
        //Create message streams for each topic
        Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer.createMessageStreams(topicCountMap);
        List<KafkaStream<byte[], byte[]>> streams = consumerMap.get(topic);

        //initialize thread pool
        executor = Executors.newFixedThreadPool(a_numThreads);
        //start consuming from thread
        int threadNumber = 0;
        for (final KafkaStream stream : streams) {
            executor.submit(new ConsumerTest(stream, threadNumber));
            threadNumber++;
        }
    }
    public static void main(String[] args) {
        String zooKeeper = args[0];
        String groupId = args[1];
        String topic = args[2];
        int threads = Integer.parseInt(args[3]);

        ConsumerGroupExample example = new ConsumerGroupExample(zooKeeper, groupId, topic);
        example.run(threads);

        try {
            Thread.sleep(10000);
        } catch (InterruptedException ie) {

        }
        example.shutdown();
    }


}

第二部分：实际消费信息的个体消费者。

import kafka.consumer.ConsumerIterator;
import kafka.consumer.KafkaStream;
import kafka.message.MessageAndMetadata;
import org.apache.avro.Schema;
import org.apache.avro.generic.GenericRecord;
import org.apache.avro.generic.IndexedRecord;
import org.apache.avro.io.DatumReader;
import org.apache.avro.io.Decoder;
import org.apache.avro.io.DecoderFactory;
import org.apache.avro.specific.SpecificDatumReader;
import org.apache.commons.codec.binary.Hex;

import java.io.File;
import java.io.IOException;

public class ConsumerTest implements Runnable{

    private KafkaStream m_stream;
    private int m_threadNumber;

    public ConsumerTest(KafkaStream a_stream, int a_threadNumber) {
        m_threadNumber = a_threadNumber;
        m_stream = a_stream;
    }

    public void run(){
        ConsumerIterator<byte[], byte[]>it = m_stream.iterator();
        while(it.hasNext())
        {
            try {
                //System.out.println("Encoded Message received : " + message_received);
                //byte[] input = Hex.decodeHex(it.next().message().toString().toCharArray());
                //System.out.println("Deserializied Byte array : " + input);
                byte[] received_message = it.next().message();
                System.out.println(received_message);
                Schema schema = null;
                schema = new Schema.Parser().parse(new File("src/test_schema.avsc"));
                DatumReader<GenericRecord> reader = new SpecificDatumReader<GenericRecord>(schema);
                Decoder decoder = DecoderFactory.get().binaryDecoder(received_message, null);
                GenericRecord payload2 = null;
                payload2 = reader.read(null, decoder);
                System.out.println("Message received : " + payload2);
            }catch (Exception e) {
                e.printStackTrace();
                System.out.println(e);
            }
        }

    }


}

测试 AVRO 模式：

{
    "namespace": "xyz.test",
     "type": "record",
     "name": "payload",
     "fields":[
         {
            "name": "name", "type": "string"
         },
         {
            "name": "id",  "type": ["int", "null"]
         },
         {
            "name": "desc", "type": ["string", "null"]
         }
     ]
}

需要注意的重要事项：

  1. 您需要标准的kafka和avro jars才能立即运行此代码。

  2. 很重要的是使用props.put("serializer.class", "kafka.serializer.DefaultEncoder");，不要使用stringEncoder，因为如果您发送字节数组作为消息，则它不起作用。

  3. 您可以将byte[]转换为十六进制字符串，并将其发送到消费者，然后将十六进制字符串重新转换为byte[]，然后转换为原始消息。

  4. 按照这里所述运行zookeeper和broker：- http://kafka.apache.org/documentation.html#quickstart 并创建一个名为“page_views”的主题或任何您想要的主题。

  5. 运行ProducerTest.java，然后运行ConsumerGroupExample.java，查看生成和消费的avro数据。

谢谢帮助！我尝试了这个，但在消费者代码中，我的it.hasNext()函数返回false，因此控制永远不会进入while循环。有什么想法我可能做错了吗？ - Vikas Saxena
11

我最终想起来询问Kafka邮件列表，并得到了下面的回答，这个方法非常有效:

是的，你可以发送字节数组作为消息。如果你看一下Message类的构造函数，你会发现-

def this(bytes: Array[Byte])

现在，再看一下Producer send() API -

def send(producerData: ProducerData[K,V]*)

你可以将V设置为Message类型，将K设置为你想要的键类型。如果你不关心使用键进行分区，则也可以将它设置为Message类型。

谢谢， Neha

11

如果您想从Avro消息中获取字节数组（kafka部分已经回答），请使用二进制编码器：

    GenericDatumWriter<GenericRecord> writer = new GenericDatumWriter<GenericRecord>(schema); 
    ByteArrayOutputStream os = new ByteArrayOutputStream(); 
    try {
        Encoder e = EncoderFactory.get().binaryEncoder(os, null); 
        writer.write(record, e); 
        e.flush(); 
        byte[] byteData = os.toByteArray(); 
    } finally {
        os.close(); 
    }
你能将这个byteData发送到KafkaBroker并从控制台消费者中读取吗？生产者键序列化器应该是什么？ - user2441441
如响应所述，kafka 部分在其他响应中有记录 -- https://dev59.com/zmsy5IYBdhLWcg3w0RTT#8348264 和 https://dev59.com/zmsy5IYBdhLWcg3w0RTT#32341917。 - Will Sargent
3

更新的回答。

Kafka有一个带有Maven（SBT格式）坐标的Avro序列化器/反序列化器：

  "io.confluent" % "kafka-avro-serializer" % "3.0.0"

您需要在KafkaProducer构造函数中传递一个KafkaAvroSerializer实例。

然后，您可以创建Avro GenericRecord实例，并将其用作Kafka ProducerRecord实例中的值，然后使用KafkaProducer发送。

在Kafka消费者端，您需要使用KafkaAvroDeserializer和KafkaConsumer。

1
你能提供一个简短但完整的例子吗？ - Cedric H.
2
这仅适用于添加了Confluent自己的Maven存储库，因为他们不会将工件发布到maven中央：http://packages.confluent.io/maven - Robert Metzger
3

除了使用Avro之外，你也可以考虑压缩数据，可以使用gzip（压缩效果好但是占用CPU较高），也可以使用LZF或Snappy（速度快但是压缩效果稍差）。

或者你还可以考虑使用Smile二进制JSON格式，它被Jackson支持（使用这个扩展）。它是一种紧凑的二进制格式，比Avro更容易使用:

ObjectMapper mapper = new ObjectMapper(new SmileFactory());
byte[] serialized = mapper.writeValueAsBytes(pojo);
// or back
SomeType pojo = mapper.readValue(serialized, SomeType.class);

基本上与JSON相同的代码，只是传递了不同格式工厂。从数据大小的角度来看，Smile和Avro哪个更紧凑取决于使用情况的细节；但两者都比JSON更紧凑。

好处在于，这可以快速使用相同的代码和POJOs处理JSON和Smile。与需要代码生成或大量手动编写打包和解包GenericRecord的Avro相比。

1
杰克逊也支持Avro。 - OneCricketeer
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接