本文基于A Guide To The Kafka Protocol文档，以及Spark Streaming中实现的org.apache.spark.streaming.kafka.KafkaCluster类。整理出Kafka中有关

• Metadata API
• Produce API
• Fetch API
• Offset API(Aka ListOffset)
• Offset Commit/Fetch API
• Group Membership API
• Administrative API
  　　

零、准备工作

　　需要运行以下部分的示例代码时，需要提前建好需要的topic，写入一些message，再用consumer消费一下。

1、新建topic

[hadoop@kafka001 kafka]$ bin/kafka-topics.sh --zookeeper kafka001:2181 --create --topic kafka_protocol_test --replication-factor 3 --partitions 4
Created topic "kafka_protocol_test".
[hadoop@kafka001 kafka]$ bin/kafka-topics.sh --zookeeper kafka001:2181 --describe --topic kafka_protocol_test
Topic:kafka_protocol_test   PartitionCount:4    ReplicationFactor:3 Configs:Topic: kafka_protocol_test  Partition: 0    Leader: 1   Replicas: 1,2,3 Isr: 1,2,3Topic: kafka_protocol_test  Partition: 1    Leader: 2   Replicas: 2,3,4 Isr: 2,3,4Topic: kafka_protocol_test  Partition: 2    Leader: 3   Replicas: 3,4,1 Isr: 3,4,1Topic: kafka_protocol_test  Partition: 3    Leader: 4   Replicas: 4,1,2 Isr: 4,1,2

2、produce message

　　使用Kafka系列之-自定义Producer中提到的KafkaProducerTool往指定kafka_protocol_test中发送消息，

public class ProducerTest2 {public static void main(String[] args) throws InterruptedException {KafkaProducerTool kafkaProducerTool = new KafkaProducerToolImpl("D:\\Files\\test\\kafkaconfig.properties");int i = 1;while(true) {kafkaProducerTool.publishMessage("message" + (i++));}}
}

　　运行一段时间后停止写入。运行一个console-consumer从kafka_protocol_test消费message。

3、consume message

　　运行一个console-consumer从kafka_protocol_test消费。注意观察该topic每个partition中的messages数。

[hadoop@kafka001 kafka]$ bin/kafka-console-consumer.sh --zookeeper kafka001:2181 --topic kafka_protocol_test --from-beginning

一、Metadata API

　　这个API是通过向Kafka集群发送一个TopicMetadaaRequest请求，得到MetadataResponse响应后从MetadataResponse中解析出Metadata相关信息。
　　TopicMetadataRequest的结构和示例如下
　　

case class TopicMetadataRequest(val versionId: Short,val correlationId: Int,val clientId: String,val topics: Seq[String])TopicMetadataRequest(TopicMetadataRequest.CurrentVersion, 0, config.clientId, topics)

　　得到的MetadataResponse包含的信息如下，可以从PartitionMetadata中获取到Partition相关信息，从TopicMetadata中获取到Topic相关信息，Broker中记录了Broker的ip和端口号等。

MetadataResponse => [Broker][TopicMetadata]Broker => NodeId Host Port  (any number of brokers may be returned)NodeId => int32Host => stringPort => int32TopicMetadata => TopicErrorCode TopicName [PartitionMetadata]TopicErrorCode => int16PartitionMetadata => PartitionErrorCode PartitionId Leader Replicas IsrPartitionErrorCode => int16PartitionId => int32Leader => int32Replicas => [int32]Isr => [int32]

1、所包含的信息

可以查询指定Topic是否存在，
指定topic有多少个partition，
每个partition当前哪个broker处于leader状态，
每个broker的host和port是什么

　　如果设置了auto.create.topics.enable参数，遇到不存在的topic时，就会按默认replication和partition新建该不存在的topic。
　　

2、示例

　　生成一个TopicMetadataRequest对象

// 封装一个TopicMetadataRequest类型的请求对象
val req = TopicMetadataRequest(TopicMetadataRequest.CurrentVersion, 0, config.clientId, topics)
// 发送该请求
val resp: TopicMetadataResponse = consumer.send(req)
// 其中consumer对象是SimpleConsumer类型的
new SimpleConsumer(host, port, config.socketTimeoutMs,config.socketReceiveBufferBytes, config.clientId)

（1）查询topic是否存在
　　由于在TopicMetadataRequest中可以发送一组Seq[String]类型的topics，所以获取到的TopicMetadataResponse.topicsMetadata是Set[TopicMetadata]类型的。
　　对每个TopicMetadata对象，如果其errorCode不为ErrorMapping.NoError即表示该Topic不正常。
　　

topicMetadatas.foreach { topic =>if (topic.errorCode == ErrorMapping.NoError)println(s"topic: ${topic.topic}存在")elseprintln(s"topic: ${topic.topic}不存在")
}

（2）获取Topic的Partition个数
　　首先将所有TopicMetadata中正常的Topic过滤出来，然后遍历每一个TopicMetadata对象，获取其partitionsMetadata信息，其长度即Partition的个数

val existsTopicMetadatas = topicMetadatas.filter(tm => tm.errorCode == ErrorMapping.NoError)
existsTopicMetadatas.foreach { topic =>val numPartitions = topic.partitionsMetadata.lengthprintln(s"topic: ${topic.topic} 有${numPartitions}个partition")
}

（3）获取Partition具体情况
　　以下代码可以获取到Topic的每个Partition中的Leader Partition以及replication节点的信息。

existsTopicMetadatas.foreach { topic =>println(s"topic:${topic.topic}的Partition信息：")topic.partitionsMetadata.foreach { pm =>val leaderPartition = pm.leaderprintln(s"\tpartition: ${pm.partitionId}")println(s"\tleader节点：$leaderPartition")val replicas = pm.replicasprintln(s"\treplicas节点：$replicas")}
}

3、运行结果

　　传入上面新建的kafka_protocol_test以及一个不存在的topic kafka_protocol_test1，以上代码的运行结果如下：

=============Topic相关信息===========
topic: kafka_protocol_test存在
topic: kafka_protocol_test1不存在
topic: kafka_protocol_test 有4个partition
=============Partition相关信息===========
topic:kafka_protocol_test的Partition信息：partition: 0leader节点：Some(id:1,host:kafka001,port:9092)replicas节点：Vector(id:1,host:kafka001,port:9092, id:2,host:kafka002,port:9092, id:3,host:kafka003,port:9092)partition: 1leader节点：Some(id:2,host:kafka002,port:9092)replicas节点：Vector(id:2,host:kafka002,port:9092, id:3,host:kafka003,port:9092, id:4,host:kafka004,port:9092)partition: 2leader节点：Some(id:3,host:kafka003,port:9092)replicas节点：Vector(id:3,host:kafka003,port:9092, id:4,host:kafka004,port:9092, id:1,host:kafka001,port:9092)partition: 3leader节点：Some(id:4,host:kafka004,port:9092)replicas节点：Vector(id:4,host:kafka004,port:9092, id:1,host:kafka001,port:9092, id:2,host:kafka002,port:9092)

二、Produce API

三、Fetch API

四、Offset API(Aka ListOffset)

　　这个API通过向Kafka集群发送一个OffsetRequest对象，从返回的OffsetResponse对象中获取Offset相关信息。
　　OffsetRequest对象描述如下

OffsetRequest => ReplicaId [TopicName [Partition Time MaxNumberOfOffsets]]ReplicaId => int32TopicName => stringPartition => int32Time => int64MaxNumberOfOffsets => int32

　　上面Time的作用是，获取特定时间(单位为ms)之前的所有messages。如果设置为-1则获取最新的offset，即下一条messages的offset位置；如果设置为-2则获取第一条message的offset位置，即当前partition中的offset起始位置。

　　OffsetResponse对象描述如下

OffsetResponse => [TopicName [PartitionOffsets]]PartitionOffsets => Partition ErrorCode [Offset]Partition => int32ErrorCode => int16Offset => int64

1、所包含的信息

　　通过该API可以获取指定topic-partition集合的合法offset的范围，需要直接连接到Partition的Leader节点。

2、示例

　　获取指定topic下所有partition的offset范围
　　封装一个getLeaderOffsets方法，在此方法的基础上分别封装一个getEarliestLeaderOffsets方法用于获取最小offset，getLatestLeaderOffsets用于获取最大offset。
　　分别传入的关键参数是前面提到的Time，

def getLatestLeaderOffsets(topicAndPartitions: Set[TopicAndPartition]): Either[Err, Map[TopicAndPartition, LeaderOffset]] =getLeaderOffsets(topicAndPartitions, OffsetRequest.LatestTime) // -1L
def getEarliestLeaderOffsets(topicAndPartitions: Set[TopicAndPartition]): Either[Err, Map[TopicAndPartition, LeaderOffset]] =getLeaderOffsets(topicAndPartitions, OffsetRequest.EarliestTime) // -2L在getLeaderOffsets中，查询到当前partition的leader节点，def findLeaders(topicAndPartitions: Set[TopicAndPartition]): Either[Err, Map[TopicAndPartition, (String, Int)]] = {// 获取当前topicAndPartitions中的所有topicval topics = topicAndPartitions.map(_.topic)// 获取topic对应的MetadataResp对象，之前已过滤不存在的topic，所以这里无需进一步过滤val topicMetadatas = getMetadataResp(topics.toSeq).left.getval leaderMap = topicMetadatas.flatMap { topic =>topic.partitionsMetadata.flatMap { pm =>val tp = TopicAndPartition(topic.topic, pm.partitionId)// 获取对应PartitionMedatada的leader节点信息pm.leader.map { l =>tp -> (l.host -> l.port)}}}.toMapRight(leaderMap)}

　　然后在这些节点中，封装一个OffsetRequest对象，向Kafka集群获得OffsetResponse对象。

val resp = consumer.getOffsetsBefore(req)
val respMap = resp.partitionErrorAndOffsets

　　最后从OffsetResponse对象中获取offset范围，

val resp = getMetadataResp(topics.toSeq)// 如果获取的resp是left，则处理返回的Set[TopicMetadata]
val topicAndPartitions = processRespInfo(resp) { resp =>
val topicMetadatas = resp.left.get.asInstanceOf[Set[TopicMetadata]]
val existsTopicMetadatas = topicMetadatas.filter(tm => tm.errorCode == ErrorMapping.NoError)getPartitions(existsTopicMetadatas)
}.asInstanceOf[Set[TopicAndPartition]]// 获取指定topic-partition最早的offset
val offsetBegin = getEarliestLeaderOffsets(topicAndPartitions).right.get
// 获取指定topic-partition最晚的offset
val offsetEnd = getLatestLeaderOffsets(topicAndPartitions).right.getprint("=============Offset范围信息===========")
topicAndPartitions.foreach { tp =>println(s"topic: ${tp.topic}, Partition: ${tp.partition} 的Offset范围：")println(s"\t${offsetBegin(tp).offset} ~ ${offsetEnd(tp).offset}")
}

3、运行结果

　　连接到kafka_protocol_test，运行结果如下

topic: kafka_protocol_test, Partition: 0 的Offset范围：0 ~ 9000
topic: kafka_protocol_test, Partition: 1 的Offset范围：0 ~ 598134
topic: kafka_protocol_test, Partition: 2 的Offset范围：0 ~ 0
topic: kafka_protocol_test, Partition: 3 的Offset范围：0 ~ 91000

　　和第零节中图片显示结果一致。

五、Offset Commit/Fetch API

　　首先参考Offset Management文档中的描述，分析一下Kafka中有关Offset管理的文档。
　　在这篇文档中主要提供了OffsetFetch和OffsetCommit两个API，其中
　　

1、OffsetFetch API

　　这个API可以获取一个Consumer读取message的offset信息。发送的请求是OffsetFetchRequest类型的对象，接收到的是OffsetFetchResponse类型的响应。具体offset信息可以从OffsetFetchResponse对象中解析。
　　发送的Request请求为，需要指定consumer所属的group，以及需要获取offset的所有TopicAndPartitions。

val req = OffsetFetchRequest(groupId, topicAndPartitions.toSeq, 0)或得到的响应为OffsetFetchResponse类型的对象。
val resp = consumer.fetchOffsets(req)其中consumer对象是SimpleConsumer类型的
new SimpleConsumer(host, port, config.socketTimeoutMs,config.socketReceiveBufferBytes, config.clientId)具体获取offset的逻辑如下，
withBrokers(Random.shuffle(config.seedBrokers)) { consumer =>// 连接consumer，发送该OffsetFetchRequest请求val resp = consumer.fetchOffsets(req)val respMap = resp.requestInfo// 从传入的topicAndPartitions中取出不包含在result中的topicAndPartitionval needed = topicAndPartitions.diff(result.keySet)// 遍历每一个需要获取offset的topic-partitionneeded.foreach { tp: TopicAndPartition =>respMap.get(tp).foreach { ome: OffsetMetadataAndError =>// 如果没有错误if (ome.error == ErrorMapping.NoError) {result += tp -> ome} else {errs.append(ErrorMapping.exceptionFor(ome.error))}}}if (result.keys.size == topicAndPartitions.size) {return Right(result)}
}

2、OffsetCommit API

　　当最终调用commit()方法，或者如果启用了autocommit参数时，这个API可以使consumer保存其消费的offset信息。
　　发送的Request请求为OffsetCommitRequest类型。

　　OffsetCommitRequest需要传入的参数如下，

val offsetEnd = getLatestLeaderOffsets(topicAndPartitions).right.get
val resetOffsets = offsetsFetch.right.get.map { offsetInfo =>
val plus10Offset = offsetInfo._2.offset + 10offsetInfo._1 -> OffsetAndMetadata(if (offsetEnd(offsetInfo._1).offset >= plus10Offset) plus10Offset else offsetEnd(offsetInfo._1).offset)}
// resetOffsets类型为Map[TopicAndPartition, OffsetAndMetadata]
val req = OffsetCommitRequest(groupId, resetOffsets, 0)
// 发送该请求的方式如下
val resp = consumer.commitOffsets(req)

3、GroupCoordinator API

　　需要注意的是这个API在Kafka-0.9以后的版本中才提供。指定Consumer Group的offsets数据保存在某个特定的Broker中。
　　向Kafka集群发送一个GroupCoordinatorRequest类型的请求参数，该request对象中只需要指定一个groupId即可。如下所示，

val req = new GroupCoordinatorRequest(groupId)
val resp = consumer.send(req)

　　获取到的Response对象是GroupCoordinatorResponse类型的，在resp.coordinatorOpt中返回一个BrokerEndpoint对象，可以获取该Broker对应的Id, Ip, Port等信息。

4、示例

（1） 运行OffsetFetch API
(a) 获取kafka_protocol_test的consumer group消费状态
　　启动一个console-consumer从kafka_protocol_test topic消费messages。需要指定一个特定的group.id参数，如下所示，使用默认的consumer.properties配置文件即可。

bin/kafka-console-consumer.sh --zookeeper kafka001:2181 --topic kafka_protocol_test --from-beginning --consumer.config ./config/consumer.properties

　　运行后，将其停止，查看当前console-consumer的消费状态

[hadoop@kafka001 kafka]$  bin/kafka-consumer-offset-checker.sh --zookeeper kafka001:2181 --topic kafka_protocol_test --group test-consumer-group
Group           Topic                          Pid Offset          logSize         Lag             Owner
test-consumer-group kafka_protocol_test            0   9000            9000            0               none
test-consumer-group kafka_protocol_test            1   26886           598134          571248          none
test-consumer-group kafka_protocol_test            2   0               0               0               none
test-consumer-group kafka_protocol_test            3   18296           91000           72704           none

(b) 运行OffsetFetch代码，查看运行结果

　　运行时仍然传入test-consumer-group，运行结果如下

Topic: kafka_protocol_test, Partition: 0Offset: 9000
Topic: kafka_protocol_test, Partition: 1Offset: 26886
Topic: kafka_protocol_test, Partition: 2Offset: 0
Topic: kafka_protocol_test, Partition: 3Offset: 18296

　　对比后发现，两个offset信息保持一致。

（2）运行OffsetCommit API
　　在这里，将OffsetFetch获取到的每个TopicAndPartition对应的Offset加10，如果加10后超过其最大Offset，则取最大Offset。
　　在Commit前后，两次调用OffsetFetch API的代码，前后运行结果如下，
更新前的offset：

Topic: kafka_protocol_test, Partition: 0Offset: 9000
Topic: kafka_protocol_test, Partition: 1Offset: 26886
Topic: kafka_protocol_test, Partition: 2Offset: 0
Topic: kafka_protocol_test, Partition: 3Offset: 18296
更新后的offset：（partition 0和partition 2没有变化是由于加10后超过了该partition的offset范围最大值）
Topic: kafka_protocol_test, Partition: 0Offset: 9000
Topic: kafka_protocol_test, Partition: 1Offset: 26896
Topic: kafka_protocol_test, Partition: 2Offset: 0
Topic: kafka_protocol_test, Partition: 3Offset: 18306

（3）运行Group Coordinator API
　　传入一个consumer group后，查看其运行结果

Comsuner Group : test-consumer-group, coordinator broker is:id: 1, host: kafka001, port: 9092

六、Group Membership API

　　这个API从Kafka-0.9.0.0版本开始出现。
　　在0.9以前的client api中，consumer是要依赖Zookeeper的。因为同一个consumer group中的所有consumer需要进行协同，进行下面所讲的rebalance。但是因为zookeeper的“herd”与“split brain”，导致一个group里面，不同的consumer拥有了同一个partition，进而会引起消息的消费错乱。为此，在0.9中，不再用zookeeper，而是Kafka集群本身来进行consumer之间的同步。下面引自kafka设计的原文：
https://cwiki.apache.org/confluence/display/KAFKA/Kafka+0.9+Consumer+Rewrite+Design#Kafka0.9ConsumerRewriteDesign-Failuredetectionprotocol

　　相关知识点可以参考Kafka源码深度解析－序列7 －Consumer －coordinator协议与heartbeat实现原理。

七、Administrative API

　　注意，这个API也是从Kafka-0.9之后的client版本中才提供。通过这个API可以对Kafka集群进行一些管理方面的操作，比如获取所有的Consumer Groups信息。想要获取集群中所有Consumer Groups信息，需要发送一个ListGroupRequest请求到所有的Brokers节点。
　　还可以通过发送一个DescribeGroupsRequest类型的请求对象，获取对特定Consumer Group的描述。

　　在Kafka-0.9之后的client中，提供了一个kafka.admin.AdminClient类，调用createSimplePlaintext方法，传入一个broker list字val client = AdminClient.createSimplePlaintext(“kafka001:9092,kafka002:9092,kafka003:9092,kafka004:9092”)AdminClient`提供了很多方法，比如

def findCoordinator(groupId: String): Node
def findAllBrokers(): List[Node]
def listAllGroups(): Map[Node, List[GroupOverview]]
def listAllConsumerGroups(): Map[Node, List[GroupOverview]]

　　等等。