1. 简单请求，异步
Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("acks", "all");
props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
Producer<String, String> producer = new KafkaProducer<>(props);
for (int i = 0; i < 100; i++)
producer.send(new ProducerRecord<String, String>("my-topic", Integer.toString(i), Integer.toString(i)));
producer.close();
producer作为一个缓冲区，缓存所有未发送的消息记录，同时也持有一个后台I/O线程负责将记录发送给服务器。
| 方法或者参数 | 说明 |
|---|---|
send() | 异步方法，该方法会将消息记录发送到缓冲区，并且立即返回。producer会对这些消息进行批量处理。 |
acks | 指定了producer对消息的确认模式 |
retries | 如果消息发送失败，producer 会自动进行消息重发，retries设置重发次数，低版本的默认是0，0.10.2.1改为10次，需要检查配置 |
batch.size | 生产者为每个分区维护未发送的消息缓冲区，batch.size设置缓冲区大小。更大的缓冲区需要更大的内存，内存参数设置buffer.memory。 |
buffer.memory | producer设置可用于缓冲的内存总量，当记录的速度快于发送到服务器的速度，缓冲区的内存将会被耗尽，继续记录将会阻塞，阻塞的时间由该参数max.block.ms设置，超过该时间将抛出TimeoutException。 |
linger.ms | 发送等待时间。默认情况下，及时缓冲区没有用完也会立即发送请求。为了充分利用缓冲区，可以将linger.ms设置大一些，也可以减少请求次数。但是如果在设置的时间内缓冲区还是有剩余，那就增加了请求等待时间。需要注意的是，即便是将linger.ms设置为0，及时到达的消息也会被批量发送。因此，在负载不大的情况加可以根据实际情况增加该值，在高负载的情况下应该根据时间情况调大该值。 |
key.serializer value.serializer | 将发送的消息转换为字节的方式，内置的转换器有ByteArraySerializer, StringSerializer |
acks参数说明
- acks=0：producer不会等待服务器的任何确认，消息会马上加入到缓冲区，并且作为已发送对待。服务器的消息接收无法得到保证，由于客户端无法获取到消息是否发送成功，所以消息重试设置
retries会失效。此种模式存在消息丢失。- acks=1：只等待leader消息确认，不管followers。如果leader消息复制成功，有followers消息复制失败，消息会丢失。
- acks=-1或者all：leader会等待
ISR（in-sync replicas）完全确认，只要有任意的ISR存活消息便不会丢失，这能保证消息的最强可用性。
2. 事务发送
从kafka0.11开始，KafkaProducer支持两种模式：幂等（idempotence）生产者和事务（transactional ）生产者。幂等生产者强调的是一次准确的发送。事务生产者允许应用程序将消息以原子性的方式发送到多个分区（和主题）。
为了使用幂等性enable.idempotence必须设置为true，retries默认为Integer.MAX_VALUE，acks默认为all。为了使用幂等性，要避免使用程序级别的重试，否则会造成消息重复消费。如果一个发送在无限重试的情况下返回错误，建议停掉prooducer并检查最后一条消息，避免重复消费。
要使用事务，producer必须设置参数transactional.id，
使用事务发送无需定义callback函数，也无需检查返回结果。
示例
Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("transactional.id", "my-transactional-id");
Producer<String, String> producer = new KafkaProducer<>(props, new StringSerializer(), new StringSerializer());
producer.initTransactions();
try {
producer.beginTransaction();
for (int i = 0; i < 100; i++)
producer.send(new ProducerRecord<>("my-topic", Integer.toString(i), Integer.toString(i)));
producer.commitTransaction();
} catch (ProducerFencedException | OutOfOrderSequenceException | AuthorizationException e) {
// We can't recover from these exceptions, so our only option is to close the producer and exit.
producer.close();
} catch (KafkaException e) {
// For all other exceptions, just abort the transaction and try again.
producer.abortTransaction();
}
producer.close();
事务使用异常来传递错误状态，不需要指定生产者回调。方法producer.abortTransaction() 接收KafkaException来确保任何成功写入的消息进行终止。
3. 同步调用
使用get()方法进行阻塞
byte[] key = "key".getBytes();
byte[] value = "value".getBytes();
ProducerRecord<byte[],byte[]> record = new ProducerRecord<byte[],byte[]>("my-topic", key, value)
producer.send(record).get();
如果遇到OutOfOrderSequenceException，应该关闭生产者，重新创建一个生产者实例。
4. callback方法使用示例
ProducerRecord<byte[],byte[]> record = new ProducerRecord<byte[],byte[]>("the-topic", key, value);
producer.send(myRecord,
new Callback() {
public void onCompletion(RecordMetadata metadata, Exception e) {
if(e != null) {
e.printStackTrace();
} else {
System.out.println("The offset of the record we just sent is: " + metadata.offset());
//operation e.g. save to db...
}
}
});