【kafka】生产者速度测试

非常有用的参考博客：http://blog.csdn.net/qq_33160722/article/details/52903380

pykafka文档：http://pykafka.readthedocs.io/en/latest/api/producer.html

起因：项目代码极慢，远远低于预期。后定位发现是kafka生产速度过慢导致。故检查原因。

先说结论：一定要在生产者退出前调用producer.stop()指令！！生产时用use_rdkafka=True参数。之前速度慢是由于没有调用该指令，保错后线程卡住导致的。

下面是添加了producer.stop()后的测试速度代码。

# coding=utf8

import os
from pykafka import KafkaClient
import json
import datetime
import traceback


broker_list = "xxxx:9092"
topic_name = "test"
client = KafkaClient(hosts=broker_list)
topic = client.topics[topic_name]
producer = topic.get_producer()   #多线程方式,异步  11s
#producer = topic.get_producer(use_rdkafka=True)   #使用rdkafka，异步  2s
#producer = topic.get_sync_producer() #同步  
#producer = topic.get_producer(sync=True) #同步   13min


def send_data_kafka(data):
    try:
        msg = json.dumps(data)
        producer.produce(msg)
    except Exception:
        traceback.print_exc()


if __name__ == "__main__":
    for i in range(10000):
        d = {"ip": "127.0.0.1", "port": i, "msg": "aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa"
                                                      "aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa"}
        send_data_kafka(d)
    producer.stop()   # important !!!!!!!!!!!!!

另，附一个我自己测试时的小乌龙。

测试指定topic指定分区的日志总数的命令行指令。我一直加了--partitions参数，结果每次只能看到一个分区的数据。每次生产10000条数据，查看分区总数只有5000+条的增长，导致我以为有数据丢失。

后来发现，原来我指定的test话题有2个分区..... 不加--partitions就可以看到所有分区的数据了。

./kafka-run-class.sh kafka.tools.GetOffsetShell --topic test --time -1 --broker-list  xx.xx.xx.xx:9092 --partitions 0

推荐使用：

./kafka-run-class.sh kafka.tools.GetOffsetShell --topic test --time -1 --broker-list  xx.xx.xx.xx:9092