Kafka Producer端封装自定义消息
这篇文章主要讲kafka producer端的编程，通过一个应用案例来描述kafka在实际应用中的作用。如果你还没有搭建起kafka的开发环境，可以先参考：<kafka开发环境搭建>
首先描述一下应用的情况：一个站内的搜索引擎，运营人员想知道某一时段，各类用户对商品的不同需求。通过对这些数据的分析，从而获得更多有价值的市场分析报表。这样的情况，就需要我们对每次的搜索进行记录，当然，不太可能使用数据库区记录这些信息（数据库存这些数据我会觉得是种浪费，个人意见）。最好的办法是存日志。然后通过对日志的分析，计算出有用的数据。我们采用kafka这种分布式日志系统来实现这一过程。
完成上述一系列的工作，可以按照以下步骤来执行：
1. 搭建kafka系统运行环境。
2. 设计数据存储格式（按照自定义格式来封装消息）
3. Producer端获取真实数据（搜索记录），并对数据按上述2中设计的格式进行编码。
4. Producer将已经编码的数据发送到broker上，在broker上进行存储（分配存储策略）。
5. Consumer端从broker中获取数据，分析计算。
如果用淘宝数据服务平台的架构来匹配这一过程，broker就好比数据中心中存储的角色，producer端基本是放在了应用中心的开放API中，consumer端则一般用于数据产品和应用中心的获取数据中使用。
今天主要写的是2、3、4三个步骤。我们先看第二步。为了快速实现，这里就设计一个比较简单的消息格式，复杂的原理和这个一样。
用四个字段分别表示消息的ID、用户、查询关键词和查询时间。当然你如果要设计的更复杂，可以加入IP这些信息。这些用java写就是一个简单的pojo类，这是getter/setter方法即可。由于在封转成kafka的message时需要将数据转化成bytep[]类型，可以提供一个序列化的方法。我在这里直接重写toString了：
@Override
public String toString() {
String keyword = "[info kafka producer:]";
keyword = keyword + this.getId() + "-" + this.getUser() + "-"
+ this.getKeyword() + "-" + this.getCurrent();
return keyword;
}这样还没有完成，这只是将数据格式用java对象表现出来，解析来要对其按照kafka的消息类型进行封装，在这里我们只需要实现Encoder类即可：
package org.gfg.kafka.message;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import kafka.message.Message;
public classKeywordMessageimplementskafka.serializer.Encoder<Keyword>{
public static final Logger LOG=LoggerFactory.getLogger(Keyword.class);
@Override
public Message toMessage(Keyword words){
LOG.info("start in encoding...");
return new Message(words.toString().getBytes());
}
}注意泛型和返回类型即可。这样KeywordMessage就是一个可以被kafka发送和存储的对象了。
接下来，我们可以编写一部分producer，获取业务系统的数据。要注意，producer数据的推送到broker的，所以发起者还是业务系统，下面的代码就能直接发送一次数据，注释都很详细：
/**配置producer必要的参数*/
Properties props = new Properties();
props.put("zk.connect", "192.168.10.11:2181");
/**选择用哪个类来进行序列化*/
props.put("serializer.class", "org.gfg.kafka.message.KeywordMessage");
props.put("zk.connectiontimeout.ms", "6000");
ProducerConfig config=new ProducerConfig(props);
/**制造数据*/
Keyword keyword=new Keyword();
keyword.setUser("Chenhui");
keyword.setId(0);
keyword.setKeyword("china");
List<Keyword> msg=new ArrayList<Keyword>();
msg.add(keyword);
/**构造数据发送对象*/
Producer<String, Keyword> producer=new Producer<String, Keyword>(config);
ProducerData<String,Keyword> data=new ProducerData<String, Keyword>("test", msg);
producer.send(data);发送完之后，我们可以用bin目录下的kafka-console-consumer来看发送的结果（当然现在用的topic是test）。可以用命令：
./kafka-console-consumer –zookeeper 192.168.10.11:2181 –topic test –from-beginning
如果是在使用zookeeper搭建分布式的情况下（zookeeper based broker discovery），我们可以执行第三个步骤，用编码来实现partition的分配策略。这里需要我们实现Partitioner对象：
package org.gfg.kafka.partitioner;
import org.gfg.kafka.message.Keyword;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import kafka.producer.Partitioner;
/**
*
* @author Chen.Hui
*
*/
public classProducerPartitionerimplementsPartitioner<String> {
public static final Logger LOG=LoggerFactory.getLogger(Keyword.class);
@Override
publicintpartition(String key, int numPartitions){
LOG.info("ProducerPartitioner key:"+key+" partitions:"+numPartitions);
return key.length() % numPartitions;
}
}在上面的partition方法中，值得注意的是，key我们是在构造数据发送对象时设置的，这个key是区分存储的关键，比如我想将我的数据按照不同的用户类别存储。Partition的好处是可以并发的获取同类数据，提高效率，具体可以看之前的文章。
所以在第二部时的producer代码需要有所改进：
/**选择用哪个类来进行设置partition*/
props.put("partitioner.class", "org.gfg.kafka.partitioner.ProducerPartitioner");
ProducerData<String,Keyword> data=new ProducerData<String, Keyword>("test","developer", msg);增加了对partition的配置，并且修改了ProducerData的参数，其中，中间的就是key，如果不设置partition，kafka则随机的向broker中发送请求。我们可以看一眼ProducerData的源码：
package kafka.javaapi.producer
import scala.collection.JavaConversions._
classProducerData[K, V](private val topic: String,
private val key: K,
private val data: java.util.List[V]) {
def this(t: String, d: java.util.List[V]) = this(topic = t, key = null.asInstanceOf[K], data = d)
def this(t: String, d: V) = this(topic = t, key = null.asInstanceOf[K], data = asList(List(d)))
def getTopic: String = topic
def getKey: K = key
def getData: java.util.List[V] = data
}至此，producer端的事情都做完了，当然这就是个demo，还有很多性能上的优化需要做，当然有了这个基础，我们就能将数据存储到broker上，下一步，就是用consumer来消费这些日志，形成有价值的数据产品。