10 月 23 - 25 日,QCon 上海站即将召开,现在购票,享9折优惠 了解详情
写点什么

Kafka 的 API 那么多,到底该怎么选?

  • 2018-11-15
  • 本文字数:2441 字

    阅读完需:约 8 分钟

Kafka的API那么多,到底该怎么选?

AI 前线导读:


本文介绍了各种 Kafka API 的应用场景。


更多干货内容请关注微信公众号“AI 前线”(ID:ai-front)


Kafka 是一头值得研究的野兽。尽管随着时间的推移,Kafka 的内核已经相当稳定,但围绕 Kafka 的框架却在迅速发展。


几年前,Kafka 很容易理解:Producer 和 Consumer。现在,我们还有 Kafka Connect、Kafka Streams 和 KSQL。它们是要取代 Producer 或 Consumer API,还是对它们的补充?本文将详细说明。


一个简单的示意图

选择合适的 Kafka API

我把 Apache Kafka 中的工作负载归纳成 5 类,在我看来, 每一种对应一种特定的 API:


  • Kafka Producer API:应用程序直接生成数据(如点击流、日志、物联网);

  • Kafka Connect Source API:应用程序连接我们无法控制的数据存储和 Kafka(如 CDC、Postgres、MongoDB、Twitter、REST API);

  • Kafka Streams API / KSQL:从 Kafka 消费并把生成的数据传回 Kafka 的应用程序,也称为流处理。如果你认为你只需要编写类似 SQL 的实时任务,则可以使用 KSQL;如果你认为你需要编写复杂的任务逻辑,则可以使用 Kafka Streams API。

  • Kafka Consumer API: 读取流并以此为依据实时执行动作(如发送电子邮件);

  • Kafka Connect Sink API: 读取流,并将其保存到目标存储(如 Kafka 到 S3、Kafka 到 HDFS、Kafka 到 PostgreSQL、Kafka 到 MongoDB 等)。


你可能想做一些和上面说的都不一样的事情,Kafka 也支持你这么做。例如,如果你想要根据自己的需求编写大量定制化代码,Kafka Consumer 和 Kafka Connect Sink API 是可以互换的。


总的来说,上面的指导原则应该可以帮助你以最少的代码和挫折来实现最高效的工作流。

Kafka Producer API

优点


Kafka Producer API 使用起来非常简单:发送数据,这是异步的,会有一个回调。这非常适合直接发送数据流的应用程序,比如日志、点击流、物联网。


这种 API 经常和代理一起使用。


局限


Kafka Producer API 可以扩展,你可以以此为基础做更多的事情,但是,这需要工程师编写大量的附加逻辑。我发现,人们犯的最大错误是试图使用 Producer API 在数据库和 Kafka 之间执行 ETL。以下是一些不容易做到的事情:


如何跟踪源偏移?(即如果 Producer 停止了,该如何恰当恢复)


如何在多个 Producer 之间分配 ETL 工作负载?为此,我们最好使用 Kafka Connect Source API。

Kafka Connect Source API

优点


Kafka Connect Source API 是一个构建在 Producer API 之上的完整框架。它主要是为了让开发人员能够有一个更好的 API:1)用于 Producer 任务分发以进行并行处理,2)提供 Producer 恢复的简单机制。最后一个好处是提供了各种各样的连接器,你现在可以利用它们从大多数源传输数据,而无需编写一行代码。


局限


如果你未能为自己的源找到一个可用的源连接器,原因是在你的的环境中使用了一个专有的系统,那么你将不得不编写自己的源连接器。编写自己的源连接器实际上还算轻松,但调试它就不那么令人愉快了。

Kafka Consumer API

优点


Kafka Consumer API 非常简单,它使用 Consumer 群组,所以主题可以并行消费。尽管你需要小心处理一些事情,比如偏移管理和提交,以及重新平衡和幂等约束,但是它们非常容易编写。对于任何无状态的工作负载,它们都是完美的选择。


局限


当你执行某种 ETL 时,Kafka Connect Sink 更适合,因为它们使你不必针对外部数据源编写一些复杂的逻辑。

Kafka Connect Sink API

优点


与 Kafka Connect Source API 类似,Kafka Connect Sink API 允许你利用现有的 Kafka 连接器生态系统来执行流 ETL,而无需编写一行代码。Kafka Connect Sink API 是构建在 Consumer API 之上的,但是看起来和它没有什么不同。


局限


如果你要编写的数据接收器还没有可用的连接器,则必须编写 Kafka Connect Sink(如果你愿意,也可以是消费者),调试过程可能会稍微复杂一些。

Kafka Streams API

优点


如果你想要进入流处理的世界,即实时读取来自 Kafka 的数据,并在处理之后将其写回 Kafka,那么,如果你把 Kafka Consumer API 和 Kafka Producer API 链接在一起使用的话,你很可能陷入麻烦之中。值得庆幸的是,Kafka 项目现在提供了 Kafka Streams API (可用于 Java 和 Scala),让你可以编写高级 DSL(类似于函数式编程 / Apache Spark 类型的程序)或低级 API(和 Apache Storm 更为相似)。使用 Kafka Streams API 确实需要编写代码,但完全隐藏了维护生产者和消费者的复杂性,使你可以专注于流处理器的逻辑。它还具有连接、聚合和只执行一次处理的特性。


局限


你将不得不编写一些代码,这可能会变得非常混乱和复杂。直到最近,还很难对 Kafka Streams 应用程序进行单元测试,但现在可以使用 test-utils 库来实现。最后,尽管 Kafka Streams 看起来很简单,但它实际上是后台的一头野兽,它会创建状态存储,很可能是以 Kafka 主题为基础。这意味着,虽然作为额外的好处,你将拥有“无状态”和完全弹性的应用程序,但基于拓扑的复杂性,Kafka 集群可能不得不开始处理更多的消息。

KSQL

优点


KSQL 不是 Kafka API 的直接组成部分,而是 Kafka Streams 的包装器。在这里仍然值得一提。尽管 Kafka Streams 使你可以编写一些复杂的拓扑,但那需要一些丰富的编程知识,而且可能难以阅读,尤其是对于新手来说。KSQL 希望通过提供一个 SQL 语义(非 ANSI)来抽象这种复杂性,该语义与你今天已经了解的内容非常接近。我不得不承认,它非常具有吸引力,使你可以轻松编写流处理器。记住,这不是批处理 SQL,而是流 SQL,因此会出现一些警告。


局限


如果你想要进行复杂的转换、分解数组或需要一个尚未可用的特性,有时你必须回到 Kafka Streams。这个库的发展非常迅速,所以我预计功能缺口可以很快被填补。

总 结

我希望本文能够帮助你理解哪种 Kafka API 适合你的场景,以及为什么。


查看英文原文:


https://medium.com/@stephane.maarek/the-kafka-api-battle-producer-vs-consumer-vs-kafka-connect-vs-kafka-streams-vs-ksql-ef584274c1e


如果你喜欢这篇文章,或希望看到更多类似优质报道,记得给我留言和点赞哦!


2018-11-15 19:092680
用户头像

发布了 1008 篇内容, 共 433.2 次阅读, 收获喜欢 346 次。

关注

评论

发布
暂无评论
发现更多内容

面试官为什么喜欢拿 Kafka 考验求职者

奈学教育

kafka

前端开发必备工具箱

LeanCloud

CSS 性能优化 vscode 大前端 工具

读《平凡的世界》

YoungZY

读书

持续集成实践系列 」Jenkins 构建 CI 自动化流水线常见技巧 (二)

狂师

持续集成 jenkins jenkins-plugin CI/CD

程序员未来会成为非常内卷的职业?

非著名程序员

程序员 程序人生 职业 职业规划

《龙教授私享会职场沟通心法》最佳学习路线(2020最新版)

ATGU:阿宝哥

从技术思维角度聊一聊『程序员』摆地摊的正确姿势

牧码哥

随笔杂谈 技术人生 经验分享

存储让“想象”势不可挡

焱融科技

LeetCode 1339. Maximum Product of Splitted Binary Tree

隔壁小王

算法

从SDL到DevSecOps:始终贯穿开发生命周期的安全

Fooying

DevOps SDL DevSecOps 安全开发 软件开发生命周期

ARTS-Week 01

chasel

大话设计模式 | 1 简单工厂模式

Puran

C# 设计模式 PlantUML

cpu分析利器 — async-profiler

捉虫大师

Java cpu profiler

C#和TS的范型实例化

猫定谔的靴

C# typescript 泛型

分布式系统技术:存储之数据库

奈学教育

分布式

实时更新:计算机编程语言排行榜—TIOBE世界编程语言排行榜(2020年6月份最新版)

ATGU:阿宝哥

为什么你在群里的提的技术问题没人回答?

古时的风筝

程序员 提问的艺术

ARTS打卡-02

Geek_yansheng25

关于Synchronized锁升级,你该了解这些

学习Java的小姐姐

并发编程 synchronized 轻量级锁 偏向锁 重量级锁

厉害了,SpaceX-API 开源了

非著名程序员

GitHub 开源 程序员

createRef、useRef、useMemo对比分析和应用场景

费马

React Hooks useRef useMemo createRef

2020年5月北京BGP机房网络质量评测报告

博睿数据

网络 服务器 存储 机房 主机

如何辨别有发展潜力的员工​

Neco.W

工作 招聘

硬不硬你说了算!近 40 张图解被问千百遍的 TCP 三次握手和四次挥手面试题

小林coding

面试 TCP 网络安全 网络编程 计算机网络

9种 分布式ID生成方案,我替你整理好了

程序员小富

Java MySQL 分布式

27岁了,程序员写给自己的一封信

学习Java的小姐姐

程序员 生活 总结 程序媛 职场回顾

Dubbo Cluster集群那点你不知道的事。

why技术

源码 面试 dubbo 集群容错

PlantUML 的介绍和使用

Puran

UML PlantUML

Java技术奇迹

ATGU:阿宝哥

《Oracle Java SE编程自学与面试指南》最佳学习路线图(2020最新版)

ATGU:阿宝哥

Elasticsearch-Base

子路无倦

elasticsearch search 搜索

Kafka的API那么多,到底该怎么选?_AI&大模型_Stéphane Maarek_InfoQ精选文章