Kafka安装与使用

2.1. 下载
你可以在kafka官网 http://kafka.apache.org/downloads下载到最新的kafka安装包，选择下载二进制版本的tgz文件，根据网络状态可能需要fq，这里我们选择的版本是kafka_2.11-1.1.0，目前的最新版
2.2. 安装
Kafka是使用scala编写的运行与jvm虚拟机上的程序，虽然也可以在windows上使用，但是kafka基本上是运行在linux服务器上，因此我们这里也使用linux来开始今天的实战。
首先确保你的机器上安装了jdk，kafka需要java运行环境，以前的kafka还需要zookeeper，新版的kafka已经内置了一个zookeeper环境，所以我们可以直接使用
说是安装，如果只需要进行最简单的尝试的话我们只需要解压到任意目录即可，这里我们将kafka压缩包解压到/home目录
2.3. 配置
在kafka解压目录下下有一个config的文件夹，里面放置的是我们的配置文件
consumer.properites 消费者配置，这个配置文件用于配置于2.5节中开启的消费者，此处我们使用默认的即可
producer.properties 生产者配置，这个配置文件用于配置于2.5节中开启的生产者，此处我们使用默认的即可
server.properties kafka服务器的配置，此配置文件用来配置kafka服务器，目前仅介绍几个最基础的配置
broker.id 申明当前kafka服务器在集群中的唯一ID，需配置为integer,并且集群中的每一个kafka服务器的id都应是唯一的，我们这里采用默认配置即可
 listeners 申明此kafka服务器需要监听的端口号，如果是在本机上跑虚拟机运行可以不用配置本项，默认会使用localhost的地址，如果是在远程服务器上运行则必须配置，例如：listeners=PLAINTEXT://192.168.180.128:9092。并确保服务器的9092端口能够访问
 zookeeper.connect 申明kafka所连接的zookeeper的地址 ，需配置为zookeeper的地址，由于本次使用的是kafka高版本中自带zookeeper，使用默认配置即可
 zookeeper.connect=localhost:2181
 当我们有多个应用,在不同的应用中都使用zookeer,都使用默认的zk端口的话就会2181端口冲突,我们可以设置自己的端口号,在config文件夹下zookeeper.properties文件中修改为clientPort=2185
也就是zk开放接口为2185.
同时修改kafka的接入端口,server.properties文件中修改为
zookeeper.connect=localhost:2185
这样我们就成功修改了kafka里面的端口号
2.4. 运行
启动zookeeper
cd进入kafka解压目录，输入
bin/zookeeper-server-start.sh config/zookeeper.properties
 1
 启动zookeeper成功后会看到如下的输出2.启动kafka
cd进入kafka解压目录，输入
bin/kafka-server-start.sh config/server.properties
 1
 启动kafka成功后会看到如下的输出2.5. 第一个消息
2.5.1 创建一个topic
Kafka通过topic对同一类的数据进行管理，同一类的数据使用同一个topic可以在处理数据时更加的便捷
在kafka解压目录打开终端，输入
bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test
 1
 创建一个名为test的topic在创建topic后可以通过输入
bin/kafka-topics.sh --list --zookeeper localhost:2181
 1
 来查看已经创建的topic2.5.2 创建一个消息消费者
在kafka解压目录打开终端，输入
bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test --from-beginning
 1
 可以创建一个用于消费topic为test的消费者消费者创建完成之后，因为还没有发送任何数据，因此这里在执行后没有打印出任何数据
不过别着急，不要关闭这个终端，打开一个新的终端，接下来我们创建第一个消息生产者
2.5.3 创建一个消息生产者
在kafka解压目录打开一个新的终端，输入
bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test
 1
 在执行完毕后会进入的编辑器页面在发送完消息之后，可以回到我们的消息消费者终端中，可以看到，终端中已经打印出了我们刚才发送的消息
kafka清理数据和topic
1、删除kafka存储目录（server.properties文件log.dirs配置，默认为"/tmp/kafka-logs"）相关topic目录
2、Kafka 删除topic的命令是：
./bin/kafka-topics  --delete --zookeeper 【zookeeper server】  --topic 【topic name】
 1
 如果kafaka启动时加载的配置文件中server.properties没有配置delete.topic.enable=true，那么此时的删除并不是真正的删除，而是把topic标记为：marked for deletion你可以通过命令：
./bin/kafka-topics --zookeeper 【zookeeper server】 --list 来查看所有topic
 1
 此时你若想真正删除它，可以如下操作：（1）登录zookeeper客户端：命令：./bin/zookeeper-client
（2）找到topic所在的目录：ls /brokers/topics
（3）找到要删除的topic，执行命令：rmr /brokers/topics/【topic name】即可，此时topic被彻底删除。
另外被标记为marked for deletion的topic你可以在zookeeper客户端中通过命令获得：ls /admin/delete_topics/【topic name】，
如果你删除了此处的topic，那么marked for deletion 标记消失
zookeeper 的config中也有有关topic的信息： ls /config/topics/【topic name】暂时不知道有什么用
总结：
彻底删除topic：
1、删除kafka存储目录（server.properties文件log.dirs配置，默认为"/tmp/kafka-logs"）相关topic目录
2、如果配置了delete.topic.enable=true直接通过命令删除，如果命令删除不掉，直接通过zookeeper-client 删除掉broker下的topic即可。
python操作kafka
我们已经知道了kafka是一个消息队列,下面我们来学习怎么向kafka中传递数据和如何从kafka中获取数据
首先安装python的kafka库
pip install kafka
 1
 按照官网的样例，先跑一个应用1、生产者:
from kafka import KafkaProducer
 import time
 producer = KafkaProducer(bootstrap_servers=['127.0.0.1:9092'])  #此处ip可以是多个['0.0.0.1:9092','0.0.0.2:9092','0.0.0.3:9092' ] i=0
 while True:
     i+=1
     msg = "producer1+%d" % i
     print(msg)
     producer.send('test', msg.encode('utf-8'))  # 参数为主题和bytes数据
     time.sleep(1)producer.close()
 
 启动后生产者便可以将字节流发送到kafka服务器.2、消费者(简单demo):
from kafka import KafkaConsumer
consumer = KafkaConsumer('test',bootstrap_servers=['127.0.0.1:9092'])  #参数为接收主题和kafka服务器地址
# 这是一个永久堵塞的过程，生产者消息会缓存在消息队列中,并且不删除,所以每个消息在消息队列中都有偏移
 for message in consumer:  # consumer是一个消息队列，当后台有消息时，这个消息队列就会自动增加．所以遍历也总是会有数据，当消息队列中没有数据时，就会堵塞等待消息带来
     print("%s:%d:%d: key=%s value=%s" % (message.topic, message.partition,message.offset, message.key,message.value)) 
 启动后消费者可以从kafka服务器获取数据.3、消费者(消费群组)
from kafka import KafkaConsumer
 # 使用group,对于同一个group的成员只有一个消费者实例可以读取数据
 consumer = KafkaConsumer('test',group_id='my-group',bootstrap_servers=['127.0.0.1:9092'])
 for message in consumer:
     print("%s:%d:%d: key=%s value=%s" % (message.topic, message.partition,message.offset, message.key,message.value))
 启动多个消费者，只有其中某一个成员可以消费到，满足要求，消费组可以横向扩展提高处理能力4、消费者(读取目前最早可读的消息)
from kafka import KafkaConsumer
consumer = KafkaConsumer('test',auto_offset_reset='earliest',bootstrap_servers=['127.0.0.1:9092'])
for message in consumer:
     print("%s:%d:%d: key=%s value=%s" % (message.topic, message.partition,message.offset, message.key,message.value))
 auto_offset_reset:重置偏移量，earliest移到最早的可用消息，latest最新的消息，默认为latest
 源码定义:{‘smallest’: ‘earliest’, ‘largest’: ‘latest’}5、消费者(手动设置偏移量)
# ==========读取指定位置消息===============
 from kafka import KafkaConsumer
 from kafka.structs import TopicPartitionconsumer = KafkaConsumer('test',bootstrap_servers=['127.0.0.1:9092'])
print(consumer.partitions_for_topic("test"))  #获取test主题的分区信息
 print(consumer.topics())  #获取主题列表
 print(consumer.subscription())  #获取当前消费者订阅的主题
 print(consumer.assignment())  #获取当前消费者topic、分区信息
 print(consumer.beginning_offsets(consumer.assignment())) #获取当前消费者可消费的偏移量
 consumer.seek(TopicPartition(topic='test', partition=0), 5)  #重置偏移量，从第5个偏移量消费
 for message in consumer:
     print ("%s:%d:%d: key=%s value=%s" % (message.topic, message.partition,message.offset, message.key,message.value)) 
 6、消费者(订阅多个主题)# =======订阅多个消费者==========
from kafka import KafkaConsumer
 from kafka.structs import TopicPartitionconsumer = KafkaConsumer(bootstrap_servers=['127.0.0.1:9092'])
 consumer.subscribe(topics=('test','test0'))  #订阅要消费的主题
 print(consumer.topics())
 print(consumer.position(TopicPartition(topic='test', partition=0))) #获取当前主题的最新偏移量
 for message in consumer:
     print ("%s:%d:%d: key=%s value=%s" % (message.topic, message.partition,message.offset, message.key,message.value)) 
 7、消费者(手动拉取消息)from kafka import KafkaConsumer
 import timeconsumer = KafkaConsumer(bootstrap_servers=['127.0.0.1:9092'])
 consumer.subscribe(topics=('test','test0'))
 while True:
     msg = consumer.poll(timeout_ms=5)   #从kafka获取消息
     print(msg)
     time.sleep(2)
 8、消费者(消息挂起与恢复)# ==============消息恢复和挂起===========
from kafka import KafkaConsumer
 from kafka.structs import TopicPartition
 import timeconsumer = KafkaConsumer(bootstrap_servers=['127.0.0.1:9092'])
 consumer.subscribe(topics=('test'))
 consumer.topics()
 consumer.pause(TopicPartition(topic=u'test', partition=0))  # pause执行后，consumer不能读取，直到调用resume后恢复。
 num = 0
 while True:
     print(num)
     print(consumer.paused())   #获取当前挂起的消费者
     msg = consumer.poll(timeout_ms=5)
     print(msg)
     time.sleep(2)
     num = num + 1
     if num == 10:
         print("resume...")
         consumer.resume(TopicPartition(topic='test', partition=0))
         print("resume......")
 
 pause执行后，consumer不能读取，直到调用resume后恢复。Python创建自定义的Kafka Topic
client = KafkaClient(bootstrap_servers=brokers)
if topic not in client.cluster.topics(exclude_internal_topics=True):  # Topic不存在
    request = admin.CreateTopicsRequest_v0(
         create_topic_requests=[(
             topic,
             num_partitions,
             -1,  # replication unset.
             [],  # Partition assignment.
             [(key, value) for key, value in configs.items()],  # Configs
         )],
         timeout=timeout_ms
     )    future = client.send(2, request)  # 2是Controller,发送给其他Node都创建失败。
     client.poll(timeout_ms=timeout_ms, future=future, sleep=False)  # 这里    result = future.value
     # error_code = result.topic_error_codes[0][1]
     print("CREATE TOPIC RESPONSE: ", result)  # 0 success, 41 NOT_CONTROLLER, 36 ALREADY_EXISTS
     client.close()
 else:  # Topic已经存在
     print("Topic already exists!")
     return
 kafka的配置在kafka/config/目录下面有3个配置文件：
producer.properties
consumer.properties
server.properties
kafka的配置分为 broker（server.properties）、producter（producer.properties）、consumer（consumer.properties）三个不同的配置
一 BROKER 的全局配置
最为核心的三个配置 broker.id、log.dir、zookeeper.connect 。
------------------------------------------- 系统 相关 -------------------------------------------
 ##每一个broker在集群中的唯一标示，要求是正数。在改变IP地址，不改变broker.id的话不会影响consumers
 broker.id =1
  
 ##kafka数据的存放地址，多个地址的话用逗号分割 /tmp/kafka-logs-1，/tmp/kafka-logs-2
 log.dirs = /tmp/kafka-logs
  
 ##提供给客户端响应的端口
 port =6667
  
 ##消息体的最大大小，单位是字节
 message.max.bytes =1000000
  
 ## broker 处理消息的最大线程数，一般情况下不需要去修改
 num.network.threads =3
  
 ## broker处理磁盘IO 的线程数 ，数值应该大于你的硬盘数
 num.io.threads =8
  
 ## 一些后台任务处理的线程数，例如过期消息文件的删除等，一般情况下不需要去做修改
 background.threads =4
  
 ## 等待IO线程处理的请求队列最大数，若是等待IO的请求超过这个数值，那么会停止接受外部消息，算是一种自我保护机制
 queued.max.requests =500
  
 ##broker的主机地址，若是设置了，那么会绑定到这个地址上，若是没有，会绑定到所有的接口上，并将其中之一发送到ZK，一般不设置
 host.name
  
 ## 打广告的地址，若是设置的话，会提供给producers, consumers,其他broker连接，具体如何使用还未深究
 advertised.host.name
  
 ## 广告地址端口，必须不同于port中的设置
 advertised.port
  
 ## socket的发送缓冲区，socket的调优参数SO_SNDBUFF
 socket.send.buffer.bytes =100*1024
  
 ## socket的接受缓冲区，socket的调优参数SO_RCVBUFF
 socket.receive.buffer.bytes =100*1024
  
 ## socket请求的最大数值，防止serverOOM，message.max.bytes必然要小于socket.request.max.bytes，会被topic创建时的指定参数覆盖
 socket.request.max.bytes =100*1024*1024
  
 ------------------------------------------- LOG 相关 -------------------------------------------
 ## topic的分区是以一堆segment文件存储的，这个控制每个segment的大小，会被topic创建时的指定参数覆盖
 log.segment.bytes =1024*1024*1024
  
 ## 这个参数会在日志segment没有达到log.segment.bytes设置的大小，也会强制新建一个segment 会被 topic创建时的指定参数覆盖
 log.roll.hours =24*7
  
 ## 日志清理策略 选择有：delete和compact 主要针对过期数据的处理，或是日志文件达到限制的额度，会被 topic创建时的指定参数覆盖
 log.cleanup.policy = delete
  
 ## 数据存储的最大时间 超过这个时间 会根据log.cleanup.policy设置的策略处理数据，也就是消费端能够多久去消费数据
 ## log.retention.bytes和log.retention.minutes任意一个达到要求，都会执行删除，会被topic创建时的指定参数覆盖
 log.retention.minutes=7days指定日志每隔多久检查看是否可以被删除，默认1分钟
 log.cleanup.interval.mins=1
  
 ## topic每个分区的最大文件大小，一个topic的大小限制 = 分区数*log.retention.bytes 。-1没有大小限制
 ## log.retention.bytes和log.retention.minutes任意一个达到要求，都会执行删除，会被topic创建时的指定参数覆盖
 log.retention.bytes=-1
  
 ## 文件大小检查的周期时间，是否处罚 log.cleanup.policy中设置的策略
 log.retention.check.interval.ms=5minutes
  
 ## 是否开启日志压缩
 log.cleaner.enable=false
  
 ## 日志压缩运行的线程数
 log.cleaner.threads =1
  
 ## 日志压缩时候处理的最大大小
 log.cleaner.io.max.bytes.per.second=None
  
 ## 日志压缩去重时候的缓存空间 ，在空间允许的情况下，越大越好
 log.cleaner.dedupe.buffer.size=500*1024*1024
  
 ## 日志清理时候用到的IO块大小 一般不需要修改
 log.cleaner.io.buffer.size=512*1024
  
 ## 日志清理中hash表的扩大因子 一般不需要修改
 log.cleaner.io.buffer.load.factor =0.9
  
 ## 检查是否处罚日志清理的间隔
 log.cleaner.backoff.ms =15000
  
 ## 日志清理的频率控制，越大意味着更高效的清理，同时会存在一些空间上的浪费，会被topic创建时的指定参数覆盖
 log.cleaner.min.cleanable.ratio=0.5
  
 ## 对于压缩的日志保留的最长时间，也是客户端消费消息的最长时间，同log.retention.minutes的区别在于一个控制未压缩数据，一个控制压缩后的数据。会被topic创建时的指定参数覆盖
 log.cleaner.delete.retention.ms =1day
  
 ## 对于segment日志的索引文件大小限制，会被topic创建时的指定参数覆盖
 log.index.size.max.bytes =10*1024*1024
  
 ## 当执行一个fetch操作后，需要一定的空间来扫描最近的offset大小，设置越大，代表扫描速度越快，但是也更好内存，一般情况下不需要搭理这个参数
 log.index.interval.bytes =4096
  
 ## log文件"sync"到磁盘之前累积的消息条数
 ## 因为磁盘IO操作是一个慢操作,但又是一个"数据可靠性"的必要手段
 ## 所以此参数的设置,需要在"数据可靠性"与"性能"之间做必要的权衡.
 ## 如果此值过大,将会导致每次"fsync"的时间较长(IO阻塞)
 ## 如果此值过小,将会导致"fsync"的次数较多,这也意味着整体的client请求有一定的延迟.
 ## 物理server故障,将会导致没有fsync的消息丢失.
 log.flush.interval.messages=None
  
 ## 检查是否需要固化到硬盘的时间间隔
 log.flush.scheduler.interval.ms =3000
  
 ## 仅仅通过interval来控制消息的磁盘写入时机,是不足的.
 ## 此参数用于控制"fsync"的时间间隔,如果消息量始终没有达到阀值,但是离上一次磁盘同步的时间间隔
 ## 达到阀值,也将触发.
 log.flush.interval.ms = None
  
 ## 文件在索引中清除后保留的时间 一般不需要去修改
 log.delete.delay.ms =60000
  
 ## 控制上次固化硬盘的时间点，以便于数据恢复 一般不需要去修改
 log.flush.offset.checkpoint.interval.ms =60000
  
 ------------------------------------------- TOPIC 相关 -------------------------------------------
 ## 是否允许自动创建topic ，若是false，就需要通过命令创建topic
 auto.create.topics.enable =true
  
 ## 一个topic ，默认分区的replication个数 ，不得大于集群中broker的个数
 default.replication.factor =1
  
 ## 每个topic的分区个数，若是在topic创建时候没有指定的话 会被topic创建时的指定参数覆盖
 num.partitions =1
  
 实例 --replication-factor3--partitions1--topic replicated-topic ：名称replicated-topic有一个分区，分区被复制到三个broker上。
  
 ----------------------------------复制(Leader、replicas) 相关 ----------------------------------
 ## partition leader与replicas之间通讯时,socket的超时时间
 controller.socket.timeout.ms =30000
  
 ## partition leader与replicas数据同步时,消息的队列尺寸
 controller.message.queue.size=10
  
 ## replicas响应partition leader的最长等待时间，若是超过这个时间，就将replicas列入ISR(in-sync replicas)，并认为它是死的，不会再加入管理中
 replica.lag.time.max.ms =10000
  
 ## 如果follower落后与leader太多,将会认为此follower[或者说partition relicas]已经失效
 ## 通常,在follower与leader通讯时,因为网络延迟或者链接断开,总会导致replicas中消息同步滞后
 ## 如果消息之后太多,leader将认为此follower网络延迟较大或者消息吞吐能力有限,将会把此replicas迁移
 ## 到其他follower中.
 ## 在broker数量较少,或者网络不足的环境中,建议提高此值.
 replica.lag.max.messages =4000
  
 ##follower与leader之间的socket超时时间
 replica.socket.timeout.ms=30*1000
  
 ## leader复制时候的socket缓存大小
 replica.socket.receive.buffer.bytes=64*1024
  
 ## replicas每次获取数据的最大大小
 replica.fetch.max.bytes =1024*1024
  
 ## replicas同leader之间通信的最大等待时间，失败了会重试
 replica.fetch.wait.max.ms =500
  
 ## fetch的最小数据尺寸,如果leader中尚未同步的数据不足此值,将会阻塞,直到满足条件
 replica.fetch.min.bytes =1
  
 ## leader 进行复制的线程数，增大这个数值会增加follower的IO
 num.replica.fetchers=1
  
 ## 每个replica检查是否将最高水位进行固化的频率
 replica.high.watermark.checkpoint.interval.ms =5000
  
 ## 是否允许控制器关闭broker ,若是设置为true,会关闭所有在这个broker上的leader，并转移到其他broker
 controlled.shutdown.enable =false
  
 ## 控制器关闭的尝试次数
 controlled.shutdown.max.retries =3
  
 ## 每次关闭尝试的时间间隔
 controlled.shutdown.retry.backoff.ms =5000
  
 ## 是否自动平衡broker之间的分配策略
 auto.leader.rebalance.enable =false
  
 ## leader的不平衡比例，若是超过这个数值，会对分区进行重新的平衡
 leader.imbalance.per.broker.percentage =10
  
 ## 检查leader是否不平衡的时间间隔
 leader.imbalance.check.interval.seconds =300
  
 ## 客户端保留offset信息的最大空间大小
 offset.metadata.max.bytes
  
 ----------------------------------ZooKeeper 相关----------------------------------
 ##zookeeper集群的地址，可以是多个，多个之间用逗号分割 hostname1:port1,hostname2:port2,hostname3:port3
 zookeeper.connect = localhost:2181
  
 ## ZooKeeper的最大超时时间，就是心跳的间隔，若是没有反映，那么认为已经死了，不易过大
 zookeeper.session.timeout.ms=6000
  
 ## ZooKeeper的连接超时时间
 zookeeper.connection.timeout.ms =6000
  
 ## ZooKeeper集群中leader和follower之间的同步实际那
 zookeeper.sync.time.ms =2000
 配置的修改
 其中一部分配置是可以被每个topic自身的配置所代替，例如
 新增配置
 bin/kafka-topics.sh --zookeeper localhost:2181--create --topic my-topic --partitions1--replication-factor1--config max.message.bytes=64000--config flush.messages=1
  
 修改配置
 bin/kafka-topics.sh --zookeeper localhost:2181--alter --topic my-topic --config max.message.bytes=128000
  
 删除配置 ：
 bin/kafka-topics.sh --zookeeper localhost:2181--alter --topic my-topic --deleteConfig max.message.bytes 
 二 CONSUMER 配置最为核心的配置是group.id、zookeeper.connect
 ## Consumer归属的组ID，broker是根据group.id来判断是队列模式还是发布订阅模式，非常重要
  group.id
  
 ## 消费者的ID，若是没有设置的话，会自增
  consumer.id
  
 ## 一个用于跟踪调查的ID ，最好同group.id相同
  client.id = group id value
  
 ## 对于zookeeper集群的指定，可以是多个 hostname1:port1,hostname2:port2,hostname3:port3 必须和broker使用同样的zk配置
  zookeeper.connect=localhost:2182
  
 ## zookeeper的心跳超时时间，查过这个时间就认为是dead消费者
  zookeeper.session.timeout.ms =6000
  
 ## zookeeper的等待连接时间
  zookeeper.connection.timeout.ms =6000
  
 ## zookeeper的follower同leader的同步时间
  zookeeper.sync.time.ms =2000
  
 ## 当zookeeper中没有初始的offset时候的处理方式 。smallest ：重置为最小值 largest:重置为最大值 anythingelse：抛出异常
  auto.offset.reset = largest
  
 ## socket的超时时间，实际的超时时间是：max.fetch.wait + socket.timeout.ms.
  socket.timeout.ms=30*1000
  
 ## socket的接受缓存空间大小
  socket.receive.buffer.bytes=64*1024
  
 ##从每个分区获取的消息大小限制
  fetch.message.max.bytes =1024*1024
  
 ## 是否在消费消息后将offset同步到zookeeper，当Consumer失败后就能从zookeeper获取最新的offset
  auto.commit.enable =true
  
 ## 自动提交的时间间隔
  auto.commit.interval.ms =60*1000
  
 ## 用来处理消费消息的块，每个块可以等同于fetch.message.max.bytes中数值
  queued.max.message.chunks =10
  
 ## 当有新的consumer加入到group时,将会reblance,此后将会有partitions的消费端迁移到新
 ## 的consumer上,如果一个consumer获得了某个partition的消费权限,那么它将会向zk注册
 ##"Partition Owner registry"节点信息,但是有可能此时旧的consumer尚没有释放此节点,
 ## 此值用于控制,注册节点的重试次数.
  rebalance.max.retries =4
  
 ## 每次再平衡的时间间隔
  rebalance.backoff.ms =2000
  
 ## 每次重新选举leader的时间
  refresh.leader.backoff.ms
  
 ## server发送到消费端的最小数据，若是不满足这个数值则会等待，知道满足数值要求
  fetch.min.bytes =1
  
 ## 若是不满足最小大小(fetch.min.bytes)的话，等待消费端请求的最长等待时间
  fetch.wait.max.ms =100
  
 ## 指定时间内没有消息到达就抛出异常，一般不需要改
  consumer.timeout.ms = -1
 三 PRODUCER 的配置比较核心的配置：metadata.broker.list、request.required.acks、producer.type、serializer.class
## 消费者获取消息元信息(topics, partitions and replicas)的地址,配置格式是：host1:port1,host2:port2，也可以在外面设置一个vip
  metadata.broker.list
  
 ##消息的确认模式
  ##0：不保证消息的到达确认，只管发送，低延迟但是会出现消息的丢失，在某个server失败的情况下，有点像TCP
  ##1：发送消息，并会等待leader 收到确认后，一定的可靠性
  ## -1：发送消息，等待leader收到确认，并进行复制操作后，才返回，最高的可靠性
  request.required.acks =0
  
 ## 消息发送的最长等待时间
  request.timeout.ms =10000
  
 ## socket的缓存大小
  send.buffer.bytes=100*1024
  
 ## key的序列化方式，若是没有设置，同serializer.class
  key.serializer.class
  
 ## 分区的策略，默认是取模
  partitioner.class=kafka.producer.DefaultPartitioner
  
 ## 消息的压缩模式，默认是none，可以有gzip和snappy
  compression.codec = none
  
 ## 可以针对默写特定的topic进行压缩
  compressed.topics=null
  
 ## 消息发送失败后的重试次数
  message.send.max.retries =3
  
 ## 每次失败后的间隔时间
  retry.backoff.ms =100
  
 ## 生产者定时更新topic元信息的时间间隔 ，若是设置为0，那么会在每个消息发送后都去更新数据
  topic.metadata.refresh.interval.ms =600*1000
  
 ## 用户随意指定，但是不能重复，主要用于跟踪记录消息
  client.id=""
  
 ------------------------------------------- 消息模式 相关 -------------------------------------------
  ## 生产者的类型 async:异步执行消息的发送 sync：同步执行消息的发送
  producer.type=sync
  
 ## 异步模式下，那么就会在设置的时间缓存消息，并一次性发送
  queue.buffering.max.ms =5000
  
 ## 异步的模式下 最长等待的消息数
  queue.buffering.max.messages =10000
  
 ## 异步模式下，进入队列的等待时间 若是设置为0，那么要么进入队列，要么直接抛弃
  queue.enqueue.timeout.ms = -1
  
 ## 异步模式下，每次发送的最大消息数，前提是触发了queue.buffering.max.messages或是queue.buffering.max.ms的限制
  batch.num.messages=200
  
 ## 消息体的系列化处理类 ，转化为字节流进行传输
  serializer.class= kafka.serializer.DefaultEncoder
 --------------------- 
 作者：数据架构师