作者：Zarten
知乎专栏：Python爬虫深入详解
知乎ID： Zarten
简介： 互联网一线工作者，尊重原创并欢迎评论留言指出不足之处，也希望多些关注和点赞是给作者最好的鼓励 ！
kafka-python为Apache Kafka的python客户端。下面将介绍它的基本使用
1.Kafka及ZooKeeper的安装
这里将不累赘说明，参考 Apache Kafka
2.kafka-python的安装
pip3 install kafka-python
3.kafka-python的基本使用
- 最简单使用实例
1.消费端
from kafka import KafkaConsumer
consumer = KafkaConsumer('my_topic', group_id= 'group2', bootstrap_servers= ['localhost:9092'])
for msg in consumer:
print(msg)
- 第1个参数为 topic的名称
- group_id : 指定此消费者实例属于的组名，可以不指定
- bootstrap_servers ： 指定kafka服务器
2.生产端
from kafka import KafkaProducer
producer = KafkaProducer(bootstrap_servers=['localhost:9092'])
future = producer.send('my_topic' , key= b'my_key', value= b'my_value', partition= 0)
result = future.get(timeout= 10)
print(result)
producer.send函数为发送消息
- 第1个参数为 topic名称，必须指定
- key ： 键，必须是字节字符串，可以不指定（但key和value必须指定1个），默认为None
- value ： 值，必须是字节字符串，可以不指定（但key和value必须指定1个），默认为None
- partition ： 指定发送的partition，由于kafka默认配置1个partition，固为0
future.get函数等待单条消息发送完成或超时，经测试，必须有这个函数，不然发送不出去，或用time.sleep代替
3.发送或接收消息解析
消费者端接收消息如下：
ConsumerRecord(topic='my_topic', partition=0, offset=4, timestamp=1529569531392, timestamp_type=0, key=b'my_value', value=None, checksum=None, serialized_key_size=8, serialized_value_size=-1)- topic
- partition
- offset ： 这条消息的偏移量
- timestamp ： 时间戳
- timestamp_type ： 时间戳类型
- key ： key值，字节类型
- value ： value值，字节类型
- checksum ： 消息的校验和
- serialized_key_size ： 序列化key的大小
- serialized_value_size ： 序列化value的大小，可以看到value=None时，大小为-1
KafkaConsumer
- 手动分配partition
from kafka import KafkaConsumer
from kafka import TopicPartition
consumer = KafkaConsumer(group_id= 'group2', bootstrap_servers= ['localhost:9092'])
consumer.assign([TopicPartition(topic= 'my_topic', partition= 0)])
for msg in consumer:
print(msg)- 超时处理
from kafka import KafkaConsumer
consumer = KafkaConsumer('my_topic', group_id= 'group2', bootstrap_servers= ['localhost:9092'], consumer_timeout_ms=1000)
for msg in consumer:
print(msg)若不指定 consumer_timeout_ms，默认一直循环等待接收，若指定，则超时返回，不再等待
consumer_timeout_ms ： 毫秒数
- 订阅多个topic
from kafka import KafkaConsumer
consumer = KafkaConsumer(group_id= 'group2', bootstrap_servers= ['localhost:9092'])
consumer.subscribe(topics= ['my_topic', 'topic_1'])
for msg in consumer:
print(msg)
可同时接收多个topic消息
也可用正则订阅一类topic
from kafka import KafkaConsumer
import json
consumer = KafkaConsumer(group_id= 'group2', bootstrap_servers= ['localhost:9092'], value_deserializer=lambda m: json.loads(m.decode('ascii')))
consumer.subscribe(pattern= '^my.*')
for msg in consumer:
print(msg)
- 解码json数据
编码（生产者）：value_serializer
解码（消费者）：value_deserializer
1.先看producer发送的json数据
from kafka import KafkaProducer
import json
producer = KafkaProducer(bootstrap_servers=['localhost:9092'], value_serializer=lambda m: json.dumps(m).encode('ascii'))
future = producer.send('my_topic' , value= {'value_1' : 'value_2'}, partition= 0)
future.get(timeout= 10)
2.consumer没有解码收到的数据
ConsumerRecord(topic='my_topic', partition=0, offset=22, timestamp=1529575016310, timestamp_type=0, key=None, value=b'{"value_1": "value_2"}', checksum=None, serialized_key_size=-1, serialized_value_size=22)可以看到value为原始的json字节数据，接下来可以再做一步解码操作
3.consumer自动解码
from kafka import KafkaConsumer
import json
consumer = KafkaConsumer(group_id= 'group2', bootstrap_servers= ['localhost:9092'], value_deserializer=lambda m: json.loads(m.decode('ascii')))
consumer.subscribe(topics= ['my_topic', 'topic_1'])
for msg in consumer:
print(msg)接收结果：
ConsumerRecord(topic='my_topic', partition=0, offset=23, timestamp=1529575235994, timestamp_type=0, key=None, value={'value_1': 'value_2'}, checksum=None, serialized_key_size=-1, serialized_value_size=22)- 可以看到接收结果中，value已经自动解码，并为字符串类型
- 不仅value可以json，key也可以，只需指定 key_deserializer
KafkaProducer
- 发送字符串类型的key和value
from kafka import KafkaProducer
producer = KafkaProducer(bootstrap_servers=['localhost:9092'],key_serializer= str.encode, value_serializer= str.encode)
future = producer.send('my_topic' , key= 'key_3', value= 'value_3', partition= 0)
future.get(timeout= 10)
指定 key_serializer 和 value_serializer 为 str.encode,但消费者收到的还是字节字符串
若想要消费者收到的为字符串类型，就需要解码操作，key_deserializer= bytes.decode
from kafka import KafkaConsumer
consumer = KafkaConsumer(group_id= 'group2', bootstrap_servers= ['localhost:9092'], key_deserializer= bytes.decode, value_deserializer= bytes.decode)
consumer.subscribe(pattern= '^my.*')
for msg in consumer:
print(msg)
- 可压缩消息发送
compression_type=’gzip’
若消息过大，还可压缩消息发送，可选值为 ‘gzip’, ‘snappy’, ‘lz4’, or None
from kafka import KafkaProducer
producer = KafkaProducer(bootstrap_servers=['localhost:9092'], compression_type='gzip')
future = producer.send('my_topic' , key= b'key_3', value= b'value_3', partition= 0)
future.get(timeout= 10)
- 发送msgpack消息
msgpack为MessagePack的简称，是高效二进制序列化类库，比json高效
producer = KafkaProducer(value_serializer=msgpack.dumps)
producer.send('msgpack-topic', {'key': 'value'})