kafka是一种高吞吐量的分布式发布订阅消息系统,
特点 通过O(1)的磁盘数据结构提供消息的持久,这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能. 高吞吐量,即使是非常普通的硬件,kafka也可以支持每秒数百万的消息. 支持通过kafka服务器和消费机集群来分区消息 支持hadoop并行数据加载. kafka组成部分 brokerkafka集群包含一个或多个服务器,这种服务器被称为broker
topic每条发布到kafka集群的消息都有一个类别,这个类别被称为topic.(物理上不同topic的消息分开存储. 逻辑上topic的消息虽然保存于一个或多个broker上,但是用户只需要指定消息的topic,即可生产或消费数据,而不同关心数据存于何处)
PartitionPartition是物理上的概念,每个topic包含一个或多个Partition
Producer负责发布消息到Kafka broker
Consumer消息消费者,向kafka broker读取消息的客户端
Consumer Group每个Consumer属于一个特定的Consumer Group(可以每个consumer指定group name,若不指定group name,则属于默认的group)
golang驱动kafkago get github.com/Shopify/Sarama
这个是github.com上开源的一个kafka驱动包.在下载这个包的过程中,会附带的下载几个依赖包.
示例代码:
package mainimport ( "fmt" "log" "os" "strings" "sync" "github.com/Shopify/Sarama")var ( // kafka 服务器地址,以及端口号,这里可以指定多个地址,使用逗号分隔开即可. kafka = "172.168.173.55:9092" wg sync.WaitGroup logger = log.New(os.Stderr,"[srama]",log.LstdFlags))func main() { Sarama.Logger = logger // 连接kafka消息服务器 consumer,err := Sarama.NewConsumer(strings.Split(kafka,","),nil) if err != nil { logger.Println("Failed to start consumer: %s",err) } // consumer.Partitions 用户获取topic上所有的Partitions. 消息服务器上已经创建了test这个topic,所以,在这里指定参数为test. partitionList,err := consumer.Partitions("test") if err != nil { logger.Println("Failed to get the List of partitions: ",err) } for partition := range partitionList { pc,err := consumer.ConsumePartition("test",int32(partition),Sarama.OffsetNewest) if err != nil { logger.Printf("Failed to start consumer for partition %d: %s\n",partition,err) } defer pc.Asyncclose() wg.Add(1) go func(Sarama.PartitionConsumer) { defer wg.Done() for msg := range pc.Messages() { fmt.Println("message is :",msg) fmt.Printf("Partition:%d,Offset:%d,Key:%s,Value:%s",msg.Partition,msg.Offset,string(msg.Key),string(msg.Value)) fmt.Println() } }(pc) } wg.Wait() logger.Println("Done consuming topic hello") consumer.Close()}总结
kafka是一个非常优秀的消息订阅发布系统. 在大型项目中,通过消息系统,有效的解耦各个系统,使各个系统信息方便的互联.
参考资料 百度百科 其他网络上的文章 总结以上是内存溢出为你收集整理的golang驱动kafka全部内容,希望文章能够帮你解决golang驱动kafka所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)