本文档介绍如何将 Apache Kafka 和 Pub/Sub 集成, 使用 Pub/Sub Group Kafka Connector
Pub/Sub Group Kafka Connector 简介
Apache Kafka 是一个用于流式处理事件的开源平台。通常 用于在分布式架构中实现松散通信 耦合的组件。Pub/Sub 是一种代管式服务, 异步接收消息与 Kafka 一样,您可以使用 使用 Pub/Sub 在云中的组件之间通信 架构。
借助 Pub/Sub Group Kafka Connector,您可以集成这两个系统。 以下连接器打包在连接器 JAR 中:
- 接收器连接器从一个或多个 Kafka 主题中读取记录,并且 发布到 Pub/Sub
- 源连接器从 Pub/Sub 主题中读取消息 并发布到 Kafka
以下是您可能会使用 Pub/Sub Group Kafka Connector 的一些场景:
- 您正在将基于 Kafka 的架构迁移到 Google Cloud。
- 您有一个前端系统,用于将事件存储在 Kafka 之外的 还可使用 Google Cloud 来运行一些后端。 服务,这些服务需要接收 Kafka 事件。
- 您从本地 Kafka 解决方案收集日志并将其发送到 使用 Google Cloud 进行数据分析。
- 您有一个使用 Google Cloud 的前端系统,但您还需要存储数据 使用 Kafka
该连接器要求 Kafka Connect 它是在 Kafka 与其他系统之间流式传输数据的框架。要使用 您必须运行 Kafka Connect 和 Kafka 集群。
本文档假定您熟悉 Kafka 和 Pub/Sub。在阅读本文档之前,建议您先了解 请完成以下任一 Pub/Sub 快速入门。
Pub/Sub 连接器不支持任何集成 Google Cloud IAM 与 Kafka Connect ACL 之间。
开始使用连接器
本部分将引导您完成以下任务:- 配置 Pub/Sub Group Kafka Connector。
- 将事件从 Kafka 发送到 Pub/Sub。
- 将消息从 Pub/Sub 发送到 Kafka。
前提条件
安装 Kafka
按照 Apache Kafka 快速入门 在本地机器上安装单节点 Kafka。完成下列步骤 快速入门:
- 下载最新的 Kafka 版本并将其解压缩。
- 启动 Kafka 环境。
- 创建 Kafka 主题。
身份验证
Pub/Sub Group Kafka Connector 必须通过 Pub/Sub 进行身份验证, 发送和接收 Pub/Sub 消息。如需设置身份验证,请执行以下操作: 请执行以下步骤:
- 登录您的 Google Cloud 账号。如果您是 Google Cloud 新手,请创建一个账号来评估我们的产品在实际场景中的表现。新客户还可获享 $300 赠金,用于运行、测试和部署工作负载。
- 安装 Google Cloud CLI。
-
如需初始化 gcloud CLI,请运行以下命令:
gcloud init
-
Create or select a Google Cloud project.
-
Create a Google Cloud project:
gcloud projects create PROJECT_ID
Replace
PROJECT_ID
with a name for the Google Cloud project you are creating. -
Select the Google Cloud project that you created:
gcloud config set project PROJECT_ID
Replace
PROJECT_ID
with your Google Cloud project name.
-
-
为您的 Google 账号创建本地身份验证凭据:
gcloud auth application-default login
-
向您的 Google 账号授予角色。对以下每个 IAM 角色运行以下命令一次:
roles/pubsub.admin
gcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE
- 将
PROJECT_ID
替换为您的项目 ID。 - 将
EMAIL_ADDRESS
替换为您的电子邮件地址。 - 将
ROLE
替换为每个角色。
- 将
- 安装 Google Cloud CLI。
-
如需初始化 gcloud CLI,请运行以下命令:
gcloud init
-
Create or select a Google Cloud project.
-
Create a Google Cloud project:
gcloud projects create PROJECT_ID
Replace
PROJECT_ID
with a name for the Google Cloud project you are creating. -
Select the Google Cloud project that you created:
gcloud config set project PROJECT_ID
Replace
PROJECT_ID
with your Google Cloud project name.
-
-
为您的 Google 账号创建本地身份验证凭据:
gcloud auth application-default login
-
向您的 Google 账号授予角色。对以下每个 IAM 角色运行以下命令一次:
roles/pubsub.admin
gcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE
- 将
PROJECT_ID
替换为您的项目 ID。 - 将
EMAIL_ADDRESS
替换为您的电子邮件地址。 - 将
ROLE
替换为每个角色。
- 将
下载连接器 JAR
将连接器 JAR 文件下载到本地计算机。如需了解详情,请参阅 获取连接器 。
复制连接器配置文件
克隆或下载 GitHub 代码库 。
git clone https://github.com/googleapis/java-pubsub-group-kafka-connector.git cd java-pubsub-group-kafka-connector
将
config
目录的内容复制到config
您的 Kafka 安装。cp config/* [path to Kafka installation]/config/
这些文件包含连接器的配置设置。
更新您的 Kafka Connect 配置
- 导航到包含您要创建的 Kafka Connect 二进制文件的目录 已下载。
- 在 Kafka Connect 二进制目录中,打开名为
文本编辑器中支持
config/connect-standalone.properties
。 - 如果
plugin.path property
已被注释掉,请取消注释。 更新
plugin.path property
以包含连接器 JAR 的路径。示例:
plugin.path=/home/PubSubKafkaConnector/pubsub-group-kafka-connector-1.0.0.jar
将
offset.storage.file.filename
属性设置为本地文件名。在 独立模式下,Kafka 使用此文件存储偏移数据。示例:
offset.storage.file.filename=/tmp/connect.offsets
将事件从 Kafka 转发到 Pub/Sub
本部分介绍如何启动接收器连接器、将事件发布到 Kafka、 然后从 Pub/Sub 读取转发的消息。
使用 Google Cloud CLI 创建 Pub/Sub 主题, 订阅。
gcloud pubsub topics create PUBSUB_TOPIC gcloud pubsub subscriptions create PUBSUB_SUBSCRIPTION --topic=PUBSUB_TOPIC
替换以下内容:
- PUBSUB_TOPIC:Cloud Pub/Sub 主题的名称 从 Kafka 接收消息
- PUBSUB_SUBSCRIPTION:Pub/Sub 的名称 订阅该主题。
在文本编辑器中打开
/config/cps-sink-connector.properties
文件。将 这些值在"TODO"
评论:topics=KAFKA_TOPICS cps.project=PROJECT_ID cps.topic=PUBSUB_TOPIC
替换以下内容:
- KAFKA_TOPICS:要读取的 Kafka 主题的逗号分隔列表 。
- PROJECT_ID:包含您的 Pub/Sub 主题。
- PUBSUB_TOPIC:用于接收 从 Kafka 读取消息。
从 Kafka 目录运行以下命令:
bin/connect-standalone.sh \ config/connect-standalone.properties \ config/cps-sink-connector.properties
请按照 Apache Kafka 快速入门 将一些事件写入您的 Kafka 主题。
使用 gcloud CLI 从 Pub/Sub 中读取事件。
gcloud pubsub subscriptions pull PUBSUB_SUBSCRIPTION --auto-ack
将消息从 Pub/Sub 转发到 Kafka
本部分介绍如何启动源连接器,以及如何将消息发布到 Pub/Sub 并从 Kafka 读取转发的消息。
使用 gcloud CLI 创建包含以下内容的 Pub/Sub 主题: 订阅。
gcloud pubsub topics create PUBSUB_TOPIC gcloud pubsub subscriptions create PUBSUB_SUBSCRIPTION --topic=PUBSUB_TOPIC
替换以下内容:
- PUBSUB_TOPIC:Pub/Sub 主题的名称。
- PUBSUB_SUBSCRIPTION:Pub/Sub 的名称 订阅。
以文本格式打开名为
/config/cps-source-connector.properties
的文件 编辑器。为以下属性(在"TODO"
评论:kafka.topic=KAFKA_TOPIC cps.project=PROJECT_ID cps.subscription=PUBSUB_SUBSCRIPTION
替换以下内容:
- KAFKA_TOPIC:要接收 Pub/Sub 消息。
- PROJECT_ID:包含您的 Pub/Sub 主题。
- PUBSUB_TOPIC:Pub/Sub 主题。
从 Kafka 目录运行以下命令:
bin/connect-standalone.sh \ config/connect-standalone.properties \ config/cps-source-connector.properties
使用 gcloud CLI 向 Pub/Sub 发布消息。
gcloud pubsub topics publish PUBSUB_TOPIC --message="message 1"
从 Kafka 读取消息。请按照 Apache Kafka 快速入门 从 Kafka 主题读取消息。
短信转化
Kafka 记录 包含一个键和一个值,它们是可变长度的字节数组。(可选) Kafka 记录还可以具有标头,标头是键值对。答 Pub/Sub 消息 包括两个主要部分:消息正文以及零个或多个键值属性。
Kafka Connect 使用转换器对传入和传出 Kafka 的键和值进行序列化。 如需控制序列化,请在连接器中设置以下属性 配置文件:
key.converter
:用于对记录键进行序列化的转换器。value.converter
:用于对记录值进行序列化的转换器。
Pub/Sub 消息的正文是 ByteString
对象,因此
最高效的转换是直接复制载荷。因此,
建议使用能生成原始数据类型(整数、浮点数、
字符串或字节架构),以防止反序列化和
将相同的消息正文重新序列化。
从 Kafka 到 Pub/Sub 的转换
接收器连接器将 Kafka 记录转换为 Pub/Sub 消息, 如下:
- Kafka 记录键以属性
"key"
的形式存储在 Pub/Sub 消息。 - 默认情况下,连接器会丢弃 Kafka 记录中的所有标头。但是,如果
请将
headers.publish
配置选项设置为true
,即连接器 将标头作为 Pub/Sub 属性写入。连接器会跳过 任何超出 Pub/Sub 的标头 针对消息属性的限制。 - 对于整数、浮点数、字符串和字节架构,连接器会将字节 直接复制到 Pub/Sub 消息中 正文。
- 对于结构体架构,连接器将每个字段写入
Pub/Sub 消息。例如,如果该字段为
{ "id"=123 }
, 生成的 Pub/Sub 消息具有"id"="123"
属性。通过 字段值始终转换为字符串。映射和结构体类型 支持作为结构体中的字段类型。 - 对于映射架构,连接器将每个键值对作为
Pub/Sub 消息。例如,如果地图是
{"alice"=1,"bob"=2}
时,生成的 Pub/Sub 消息将具有两个 属性,"alice"="1"
和"bob"="2"
。将键和值转换为 转换为字符串。
结构体架构和映射架构还有一些其他行为:
或者,您可以将特定结构体字段或映射键指定为 方法是设置
messageBodyName
配置属性。通过 字段或键的值会存储为消息正文中的ByteString
。如果 则未设置messageBodyName
,则结构体和 映射架构对于数组值,连接器仅支持基元数组类型。通过 数组中的值序列串联成单个
ByteString
对象。
从 Pub/Sub 到 Kafka 的转换
源连接器将 Pub/Sub 消息转换为 Kafka 记录 如下所示:
Kafka 记录密钥:默认情况下,密钥设置为
null
。您可以选择 可以指定要用作键的 Pub/Sub 消息属性, 设置kafka.key.attribute
配置选项。在这种情况下, 会查找具有该名称的属性,并将记录键设置为 属性值。如果指定的属性不存在,则记录键为 设为null
。Kafka 记录值。连接器按如下方式写入记录值:
如果 Pub/Sub 消息没有自定义属性,则连接器 将 Pub/Sub 消息正文直接写入 Kafka 记录 值指定为
byte[]
类型,并使用value.converter
.如果 Pub/Sub 消息具有自定义属性和
kafka.record.headers
为false
,连接器将结构体写入 记录值。结构体中,每个属性对应一个字段,还有一个字段 名为"message"
,其值是 Pub/Sub 消息正文 (存储为字节):{ "message": "<Pub/Sub message body>", "<attribute-1>": "<value-1>", "<attribute-2>": "<value-2>", .... }
在这种情况下,您必须使用与
value.converter
struct
架构,例如org.apache.kafka.connect.json.JsonConverter
。如果 Pub/Sub 消息具有自定义属性和
kafka.record.headers
为true
,连接器将属性编写为 Kafka 记录标头。它会将 Pub/Sub 消息正文 使用转换器直接发送到byte[]
类型的 Kafka 记录值 由value.converter
指定。
Kafka 记录标头。默认情况下,标头是空的,除非您将
kafka.record.headers
至true
。
配置选项
除了 Kafka Connect API 提供的配置外, Pub/Sub Group Kafka Connector 支持以下配置。
接收器连接器配置选项
接收器连接器支持以下配置选项。
设置 | 数据类型 | 说明 |
---|---|---|
connector.class |
String |
必填。连接器的 Java 类。对于
Pub/Sub 接收器连接器,则值必须为
com.google.pubsub.kafka.sink.CloudPubSubSinkConnector .
|
cps.endpoint |
String |
要使用的 Pub/Sub 端点。 默认值: |
cps.project |
String |
必需。包含 Pub/Sub 主题。 |
cps.topic |
String |
必需。要发布的 Pub/Sub 主题 Kafka 记录至。 |
gcp.credentials.file.path |
String |
可选。存储 Google Cloud 凭据的文件的路径 用于对 Pub/Sub Lite 进行身份验证。 |
gcp.credentials.json |
String |
可选。一个包含 Google Cloud 的 JSON blob, Pub/Sub Lite 进行身份验证。 |
headers.publish |
Boolean |
如果为 默认值: |
maxBufferBytes |
Long |
主题 Kafka 分区上可接收的字节数上限 然后再将其发布到 Pub/Sub 默认值:10000000。 |
maxBufferSize |
Integer |
Kafka 主题分区上接收的最大记录数 然后再将其发布到 Pub/Sub 默认值:100。 |
maxDelayThresholdMs |
Integer |
等待达到的最长时间
默认值:100。 |
maxOutstandingMessages |
Long |
可以未完成的记录数上限,包括 未完成和待完成的批次,然后发布商进一步屏蔽 发布。 默认值: |
maxOutstandingRequestBytes |
Long |
可以未完成的总字节数上限,包括 未完成和待完成的批次,然后发布商进一步屏蔽 发布。 默认值: |
maxRequestTimeoutMs |
Integer |
向 Pub/Sub 发出的单个发布请求的超时; (以毫秒为单位)。 默认值:10000。 |
maxTotalTimeoutMs |
Integer |
调用发布到的超时总超时(以毫秒为单位) Pub/Sub,包括重试。 默认值:60000。 |
metadata.publish |
Boolean |
如果为 默认值: |
messageBodyName |
String |
使用结构体或映射值架构时,指定 字段或键。请参阅 从 Kafka 到 Pub/Sub 的转换。 默认值: |
orderingKeySource |
String |
指定如何在 Pub/Sub 中设置排序键 消息。可以是下列值之一:
默认值: |
topics |
String |
必需。以英文逗号分隔的 Kafka 主题列表, 读取内容。 |
来源连接器配置选项
源连接器支持以下配置选项。
设置 | 数据类型 | 说明 |
---|---|---|
connector.class |
String |
必填。连接器的 Java 类。对于
Pub/Sub 源连接器,则值必须为
com.google.pubsub.kafka.source.CloudPubSubSourceConnector .
|
cps.endpoint |
String |
要使用的 Pub/Sub 端点。 默认值: |
cps.makeOrderingKeyAttribute |
Boolean |
如果为 默认值: |
cps.maxBatchSize |
Integer |
每个拉取请求要批处理的消息数量上限 Pub/Sub。 默认值:100 |
cps.project |
String |
必填。包含 Pub/Sub 主题。 |
cps.subscription |
String |
必需。Pub/Sub 的名称 从哪个订阅拉取消息。 |
gcp.credentials.file.path |
String |
可选。存储 Google Cloud 凭据的文件的路径 用于对 Pub/Sub Lite 进行身份验证。 |
gcp.credentials.json |
String |
可选。一个包含 Google Cloud 的 JSON blob, Pub/Sub Lite 进行身份验证。 |
kafka.key.attribute |
String |
用作键的 Pub/Sub 消息属性
这些消息会发布到 Kafka。如果设置为 默认值: |
kafka.partition.count |
Integer |
Kafka 主题中消息所在的 Kafka 分区的数量
应用。如果分区架构是
默认值:1。 |
kafka.partition.scheme |
String |
用于将消息分配给 Kafka 中的分区的方案。可以是 下列任一值:
默认值: |
kafka.record.headers |
Boolean |
如果为 |
kafka.topic |
String |
必需。从以下来源接收消息的 Kafka 主题: Pub/Sub。 |
获取支持
如果您需要帮助,请创建支持服务工单。 对于一般性问题和讨论,请创建问题 (位于 GitHub 代码库中)。
后续步骤
- 了解 Kafka 和 Pub/Sub 之间的差异。
- 详细了解 Pub/Sub Group Kafka Connector。
- 查看 Pub/Sub Group Kafka Connector GitHub 代码库。