普通的maven项目引入kafka用什么依赖

Kafka—— Java API

• 一、Maven依赖
• 二、Java API

• 本文Kafka版本：1.0.x

一、Maven依赖

• Producer API

<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-clients</artifactId>
    <version>1.0.2</version>
</dependency>

• Consumer API

<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-clients</artifactId>
    <version>1.0.2</version>
</dependency>

• Streams API

<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-streams</artifactId>
    <version>1.0.2</version>
</dependency>

二、Java API

• API官方文档

• Producer code

/**
 * @ClassName: KafkaProducerDemo
 * @author: AidenBrett
 * @Description: 构建一个kafka的生产者，往topic中生产数据
 */
public class KafkaProducerDemo {
    public static void main(String[] args) {
        //构建存放对象的Properties
        Properties props = new Properties();

        //指定kafka servers的地址
        props.put("bootstrap.servers", "node01:9092，node02:9092，node03:9092");

        /**
         * 异步发送数据的模式
         * 0：将数据发送给主副本分区，直接发送，不管kafka是否收到，不断的持续发送数据
         * 1：将数据发送给主副本分区，等到主副本分区收到并返回1确认，再发送下一条数据
         * all：将数据发送给主副本分区，等到分区的所有副本都存储该数据，并返回-1，再发送下一条数据
         */
        props.put("acks", "all");

        //如果发送失败，重试的次数
        props.put("retries", 3);

        //在满足业务要求的情况下，优先将数据缓存起来，批量发送，减少资源浪费提高效率
        //每一批发送的数据量
        props.put("batch.size", 16384);

        //每次发送的时间间隔
        props.put("linger.ms", 1);

        //缓存大小
        props.put("buffer.memory", 33554432);

        /**
         * Kafka中数据的生产以及消费的数据都是可以以key value形式存在的
         * 第一种形态：只发送数据，数据作为value，如果没有key，key为空。即使key为空，也要序列化
         * 第二种形态：以key value形式发送，key：1-hash分区，2-添加标记属性配置
         * 生产者要将数据写入硬盘序列化
         * 下面两个参数是指定key和value序列化的类
         */
        props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");

        //构建生产者对象，并加载配置
        Producer<String, String> producer = new KafkaProducer<>(props);

        //定义topic的名称
        String topic = "topic";

        //生产数据
        for (int i = 0; i < 10; i++) {
            producer.send(new ProducerRecord<String, String>(topic, "AidenBrett" + i));
        }

        //关闭连接
        producer.close();
    }
}

• Consumer code

/**
 * @ClassName: KafkaConsumerDemo
 * @author: AidenBrett
 * @Description: Kafka消费者API，订阅topic，消费topic数据
 */
public class KafkaConsumerDemo {
    public static void main(String[] args) {
        //构建存放对象的Properties
        Properties props = new Properties();

        //指定kafka servers的地址
        props.put("bootstrap.servers", "node01:9092，node02:9092，node03:9092");

        //指定当前消费者属于哪个组
        props.put("group.id", "bigdata");

        //自动提交offset，kafka会自动记录当前消费者消费到哪条记录
        props.put("enable.auto.commit", "true");

        //自动提交offset的时间间隔
        props.put("auto.commit.interval.ms", "1000");

        //对key和value进行反序列化
        props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");

        //实例化一个消费者对象
        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);

        //订阅主题
        consumer.subscribe(Arrays.asList("topic"));

        //拉去数据
        while (true) {
            //拉取数据，并指定拉取时间间隔，100ms拉取一次
            ConsumerRecords<String, String> records = consumer.poll(100);

            //将拉取到的所有数据进行迭代
            for (ConsumerRecord<String, String> record : records) {
                //获取该数据的分区
                int partition = record.partition();
                //获取该数据在分区中的偏移量
                long offset = record.offset();
                //获取key
                String key = record.key();
                //获取value
                String value = record.value();

                System.out.println(partition + "\t" + offset + "\t" + key + "\t" + value);
            }
        }
    }
}

• 自定义分区

/**
 * @ClassName: UserDefinePartition
 * @author: AidenBrett
 * @Description: 自定义分区
 */
public class UserDefinePartition implements Partitioner {
    //返回分区编号
    @Override
    public int partition(String topic, Object o, byte[] bytes, Object o1, byte[] bytes1, Cluster cluster) {
        //获取当前的topic总共的分区个数
        Integer partNumber = cluster.partitionCountForTopic(topic);
        //随机分区
        Random random = new Random();
        int i = random.nextInt(partNumber);
        return i;
    }

    //关闭资源
    @Override
    public void close() {
        
    }

    
    //传递配置文件
    @Override
    public void configure(Map<String, ?> map) {

    }
}