常用参数
bootstrap.servers：Kafka集群中的Broker列表，格式为host1:port1,host2:port2,…。生产者会从这些Broker中选择一个可用的Broker作为消息发送的目标Broker。
acks：Broker对消息的确认模式。可选值为0、1、all。0表示生产者不会等待Broker的任何确认消息；1表示生产者会等待Broker的Leader副本确认消息；all表示生产者会等待所有副本都确认消息。确认模式越高，可靠性越高，但延迟也越大。
retries：消息发送失败时的重试次数。默认值为0，表示不进行重试。可以将其设置为大于0的值，例如3，表示最多重试3次。
batch.size：消息批量发送的大小。当生产者累积到一定数量的消息时，会将其打包成一个批次一次性发送给Broker。默认值为16384字节，即16KB。
linger.ms：消息发送的延迟时间。生产者会等待一定的时间，以便将更多的消息打包成一个批次一次性发送给Broker。默认值为0，表示立即发送。设置较大的值可以提高吞吐量，但可能会增加消息的延迟。
buffer.memory：生产者可用于缓存消息的内存大小。默认值为33554432字节，即32MB。如果生产者生产消息的速度快于发送消息的速度，可能会导致缓存溢出。可以调整该参数来适应生产者的生产速度。
key.serializer：Key的序列化器。Kafka消息可以包含Key和Value，Key和Value都需要进行序列化。该参数指定Key的序列化器。
value.serializer：Value的序列化器。该参数指定Value的序列化器。
max.block.ms：生产者在发送消息之前等待Broker元数据信息的最长时间。如果在该时间内无法获取到Broker元数据信息，则会抛出TimeoutException异常。默认值为60000毫秒，即60秒。
compression.type：消息压缩类型。可选值为none、gzip、snappy、lz4。默认值为none，表示不进行压缩。压缩可以减少消息的传输大小，提高网络带宽的利用率，但会增加CPU的消耗。
interceptor.classes：消息拦截器列表。可以指定多个消息拦截器对消息进行加工处理。例如，可以在消息中添加时间戳、添加消息来源等信息。
以上参数只是一部分，Kafka生产者还有更多参数可以进行配置。需要根据实际情况选择合适的参数进行配置。
下面是一个单例模式配置 kafka生产者的例子（避免多次创建实例，减少资源的消耗）
public class SingletonKafkaProducerExample { private static SingletonKafkaProducerExample instance; private static Producer<String, String> producer; private SingletonKafkaProducerExample() { //参数设置 Properties props = new Properties(); props.put("bootstrap.servers", "ip:端口"); props.put("acks", "all"); props.put("max.block.ms",120000);//默认60s props.put("retries", 3)//默认0; props.put("batch.size", 16384); props.put("linger.ms", 1); props.put("buffer.memory", 33554432); props.put("request.timeout.ms",60*1000); props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer"); props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); //sasl认证 （根据实际情况看是否配置）props.put("security.protocol", "SASL_PLAINTEXT");props.put("sasl.mechanism", "PLAIN");props.put("sasl.jaas.config", "org.apache.kafka.common.security.plain.PlainLoginModule required username='username' password='password';");producer = new KafkaProducer<>(props);logger.info("kafka连接成功"); } public static SingletonKafkaProducerExample getInstance() { if (instance == null) { synchronized (SingletonKafkaProducerExample.class) { if (instance == null) { instance = new SingletonKafkaProducerExample(); } } } return instance; } public void sendMessage(String topic, String key, String value) { try { //这里也可以不用设置key和partition,例如不设置分区 系统会使用轮询算法自动匹配partition ProducerRecord<String, String> record = new ProducerRecord<>(topic, key, value); Future<RecordMetadata> future = producer.send(record, (metadata, exception) -> { if (exception != null) { System.err.println("发送消息到" + metadata.topic() + "失败：" + exception.getMessage()); } else { System.out.println("发送消息到" + metadata.topic() + "成功：partition=" + metadata.partition() + ", offset=" + metadata.offset()); } }); future.get(); // 等待返回数据 } catch (InterruptedException | ExecutionException e) { System.err.println("发送消息失败：" + e.getMessage()); } } public void closeProducer() { producer.close(); }}以上参数配置只是案例，实际参数配置需要根据业务情况自己设置
可能遇见的问题
1.多个topic发送消息的时候总有1.2发送失败 报Failed to update metadata after 60000ms
这种情况出现的原因可能是Kafka集群中Broker的元数据信息还没有被更新到Kafka客户端中，导致Kafka客户端无法连接到指定的Broker。
解决
增加等待时间：可以通过设置max.block.ms属性来增加等待时间
提高重试次数：可以通过设置retries属性来提高重试次数
检查Broker配置
检查网络连接
检查Kafka版本
如果下面3个都没问题，就增加等待时间和重试次数。本人遇到这样的问题解决了
消费者 推送数据
import org.apache.kafka.clients.consumer.ConsumerRecords;import org.apache.kafka.clients.consumer.ConsumerRecord;import org.apache.kafka.clients.consumer.KafkaConsumer;import java.util.Arrays;import java.util.Properties;import java.util.concurrent.ExecutorService;import java.util.concurrent.Executors;public class KafkaConsumerExample { public static void main(String[] args) { // 配置消费者参数Properties props = new Properties();props.put("bootstrap.servers", "ip:port");props.put("group.id", "test");props.put("enable.auto.commit", "true");props.put("session.timeout.ms", "30000");props.put("auto.offset.reset", "earliest");props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");props.put("max.poll.records", "10000");props.put("fetch.min.bytes", "1024");props.put("fetch.max.bytes", "1048576");props.put("fetch.max.wait.ms", "500");props.put("max.partition.fetch.bytes", "1024");props.put("connections.max.idle.ms", "540000");props.put("request.timeout.ms", "40000");props.put("retry.backoff.ms", "500");props.put("security.protocol", "SSL");props.put("ssl.keystore.location", "/path/to/keystore");props.put("ssl.keystore.password", "password");props.put("ssl.truststore.location", "/path/to/truststore");props.put("ssl.truststore.password", "password"); // 创建Kafka消费者实例 KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props); // 订阅主题 consumer.subscribe(Arrays.asList("my-topic")); // 创建线程池 ExecutorService executor = Executors.newFixedThreadPool(6); // 消费消息 while (true) { ConsumerRecords<String, String> records = consumer.poll(100); for (ConsumerRecord<String, String> record : records) { // 获取消息所在分区的编号 int partition = record.partition(); // 将消息提交给对应的线程进行处理 executor.submit(new MessageHandler(record.value(), partition)); } } } // 消息处理器 static class MessageHandler implements Runnable { private final String message; private final int partition; public MessageHandler(String message, int partition) { this.message = message; this.partition = partition; } @Override public void run() { // 对消息进行处理 System.out.printf("Partition %d: Message received: %s%n", partition, message); } }}以上参数根据自己需求填写
可以根据分区 使用多线程执行
来源地址：https://blog.csdn.net/qq_44819486/article/details/130400332
