相信大家对 Kafka 不会陌生，但首先还是要简单介绍一下。
Kafka 是一种高性能的分布式消息系统，由 LinkedIn 公司开发，用于处理海量的实时数据流。它采用了发布/订阅模式，可以将数据流分发到多个消费者端，同时提供了高可靠性、高吞吐量和低延迟的特性。
Kafka 的应用场景非常广泛，例如日志收集、事件流处理、实时监控等。在这些场景中，Kafka 可以提供高可靠性和低延迟的数据传输，确保数据的稳定性和实时性。与此同时，Kafka 还提供了丰富的 API 和管理工具，使得用户可以方便地配置和管理 Kafka 集群。
很多高性能方案都会用到 Kafka，今天我来分享如何使用 Kafka Client API 进行 Kafka 生产者和消费者压测。
依赖
我用了 Gradle 创建的项目，依赖配置如下：
compile group: 'org.apache.kafka', name: 'kafka-clients', version: '3.4.0'
kafka 服务端
我本地用了 Kafka 最新版本：kafka_2.12-3.4.0，这个版本可以不依赖zookeeper，非常方便，用来本地功能验证和测试我是十分推荐的。基本做到了开箱即用。
具体的流程可以自行搜索。
生产者压测 Demo
在创建生产者时，会有不少的参数需要配置，这里建议使用默认的。或者使用待测试参数组合。下面是我自己的配置，常用的参数我都列了出来。具体参数含义，可以自行搜索，这方面资料还是很多的，下面直接进入压测用例环节。
package com.funtest.kafka
import com.funtester.frame.SourceCode
import com.funtester.frame.execute.FunQpsConcurrent
import com.funtester.utils.StringUtil
import groovy.util.logging.Log4j2
import org.apache.kafka.clients.producer.KafkaProducer
import org.apache.kafka.clients.producer.ProducerConfig
import org.apache.kafka.clients.producer.ProducerRecord
import org.apache.kafka.common.record.CompressionType
import org.apache.kafka.common.serialization.ByteArraySerializer
import org.apache.kafka.common.serialization.StringSerializer
@Log4j2
class Produce extends SourceCode {
static void main(String[] args) {
Properties properties = new Properties();
properties.setProperty(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");
properties.setProperty(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
properties.setProperty(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, ByteArraySerializer.class.getName());
properties.setProperty(ProducerConfig.RETRIES_CONFIG, "3");
properties.setProperty(ProducerConfig.ACKS_CONFIG, "all"); //所有分区副本都收到确认信息,才能确认写入
properties.setProperty(ProducerConfig.BATCH_SIZE_CONFIG, "16384")
properties.setProperty(ProducerConfig.BUFFER_MEMORY_CONFIG, "33554432")
properties.setProperty(ProducerConfig.LINGER_MS_CONFIG, "10")
properties.setProperty(ProducerConfig.COMPRESSION_TYPE_CONFIG, CompressionType.LZ4.name);
KafkaProducer<String, String> producer = new KafkaProducer<>(properties);
def topic = "testkafka"
def test = {
producer.send(new ProducerRecord<>(topic, StringUtil.getString(10)))
}
new FunQpsConcurrent(test,"Kafka测试").start()
producer.close();
}
}
这里用到了动态 QPS 模型，最后的close()也可以不使用，毕竟 main 方法的代码结束了就真的结束了。
消费者
呼应生产者，消费者也有一堆需要配置的参数。这里先按下不表，有兴趣的可以自行学习。
Kafka 消费者有两种订阅消息的方式，分别是订阅模式和分配模式。
订阅模式是指消费者订阅一个或多个主题，然后自动分配分区进行消费。这种模式下，Kafka 会自动管理消费者与分区之间的关系，当有新的消费者加入或者退出消费组时，Kafka 会自动重新分配分区，保证每个消费者都能够获取到消息。
而分配模式则是由消费者主动向 Kafka 请求分配指定的分区进行消费。这种模式下，消费者需要手动管理分区与消费者之间的关系，需要注意的是，当有新的消费者加入或者退出消费组时，需要手动重新分配分区。
订阅模式相对于分配模式来说更加简单易用，但是分配模式可以更加灵活地控制消费者与分区之间的关系。所以我选择了订阅模式。
package com.funtest.kafka
import com.funtester.frame.SourceCode
import com.funtester.frame.execute.FunQpsConcurrent
import org.apache.kafka.clients.consumer.ConsumerConfig
import org.apache.kafka.clients.consumer.ConsumerRecord
import org.apache.kafka.clients.consumer.ConsumerRecords
import org.apache.kafka.clients.consumer.KafkaConsumer
import java.time.Duration
class Cunsumer extends SourceCode {
static void main(String[] args) {
KafkaConsumer<String, String> consumer;
Properties properties = new Properties();
properties.setProperty(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");
properties.setProperty(ConsumerConfig.GROUP_ID_CONFIG, "FunTester32");
properties.setProperty(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
properties.setProperty(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
properties.setProperty(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,"1000");
properties.setProperty(ConsumerConfig.MAX_POLL_RECORDS_CONFIG,"10");
properties.setProperty(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG,"10000");
properties.setProperty(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG
, "earliest");
consumer = new KafkaConsumer<>(properties);
String topic = "testkafka";
// TopicPartition topicPartition = new TopicPartition(topic, 0);
// List<TopicPartition> topics = Arrays.asList(topicPartition);
// consumer.assign(topics);
// consumer.seekToEnd(topics);
// long current = consumer.position(topicPartition);
// consumer.seek(topicPartition, current - 10);//手动设置偏移量
consumer.subscribe([topic])//订阅模式,不能与assign混用
while (true) {
ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(1000));
for (ConsumerRecord<String, String> record : records) {
System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
}
sleep(1.0)
}
def test = {
consumer.poll(Duration.ofMillis(1000));
}
new FunQpsConcurrent(test,"Kafka消费").start()
consumer.close()
}
}
由于本地机器原因，需要在服务器上启动一个 Kafka 服务，用来测试不同参数组合情况下 Kafka 的性能表现。后续有机会再来分享。