今天这篇我们先来聊聊 Kafka 生产者初始化时用到的核心组件以及发送的核心流程，带你梳理生产者初始化整体的源码分析脉络。
认真读完这篇文章，我相信你会对 Kafka 生产初始化源码有更加深刻的理解。
这篇文章干货很多，希望你可以耐心读完。
01 总体概述
我们都知道在 Kafka 中，我们把产生消息的一方称为生产者即 Producer，它是 Kafka 核心组件之一，也是消息的来源所在。那么这些生产者产生的消息是如何传到 Kafka 服务端的呢？初始化过程是怎么样的呢？接下来会逐一讲解说明。
02 生产者初始化核心组件及流程剖析
我们先从生产者客户端构造 KafkaProducer 开始讲起：
Properties properties = new Properties();//构造 KafkaProducerKafkaProducer producer = new KafkaProducer(properties);//调用send异步回调发送producer.send(record,new DemoCallBack(record.topic(), record.key(), record.value()));上面代码主要做了2件事情：
1）初始化 KafkaProducer 实例。
2）调用 send 接口发送数据，支持同步和异步回调方式。
待构造完 KafkaProducer 就正式进入生产者源码的入口了，如下图所示：
接下来我们分析一下 KafkaProducer 的源码， 先看下该类里面的「重要字段」：
public class KafkaProducer<K, V> implements Producer<K, V> { private final Logger log; private static final String JMX_PREFIX = "kafka.producer"; public static final String NETWORK_THREAD_PREFIX = "kafka-producer-network-thread"; public static final String PRODUCER_METRIC_GROUP_NAME = "producer-metrics"; // 生产者客户端Id private final String clientId; // 消息分区器 private final Partitioner partitioner; // 消息的大的长度，默认1M，生产环境可以提高到10M private final int maxRequestSize; // 发送消息的缓冲区的大小，默认32M private final long totalMemorySize; // 集群元数据 private final ProducerMetadata metadata; // 消息累加器 private final RecordAccumulator accumulator; // 执行发送消息的类 private final Sender sender; // 执行发送消息的线程 private final Thread ioThread; // 消息压缩类型 private final CompressionType compressionType; // key的序列化器 private final Serializer<K> keySerializer; // value的序列化器 private final Serializer<V> valueSerializer; // 生产者客户端参数配置 private final ProducerConfig producerConfig; // 等待元数据更新的大时间，默认1分钟 private final long maxBlockTimeMs; // 生产者拦截器 private final ProducerInterceptors<K, V> interceptors; // api版本 private final ApiVersions apiVersions; // 事务管理器 private final TransactionManager transactionManager; ........}重要且核心字段含义如下：
1）clientId：生产者客户端的ID。
2）partitioner：消息的分区器，即通过某些算法将消息分配到某一个分区中。
3）maxRequestSize：消息的大的长度，默认1M，生产环境可以提高到10M。
4）totalMemorySize：发送消息的缓冲区的大小，默认32M。
5）metadata：集群的元数据。
6）accumulator：消息累加器，主要负责缓冲消息。
7）sender：执行发送消息的类，主要负责发送消息。
8）ioThread：执行发送消息的线程，主要负责封装Sender类。
9）compressionType：消息压缩的类型。
10）keySerializer：key的序列化器。
11）valueSerializer：value的序列化器。
12）producerConfig：生产者客户端的配置参数。
13）maxBlockTimeMs：等待元数据更新和缓冲区分配的长时间，默认1分钟。
14）interceptors：生产者拦截器。主要负责在消息发送前后对消息进行拦截和处理。
接下来我们看下 KafkaProducer 的构造方法，来剖析生产者发送消息的过程中涉及到的「核心组件」。
源码位置：
kafka\clients\src\main\java\org\apache\kafka\clients\producer\KafkaProducer.java 323行
如果有不会安装源码环境的话，可以参考之前的 Kafka源码之旅入门篇。
public class KafkaProducer<K, V> implements Producer<K, V> {......KafkaProducer(Map<String, Object> configs, Serializer<K> keySerializer, Serializer<V> valueSerializer, ProducerMetadata metadata, KafkaClient kafkaClient, ProducerInterceptors<K, V> interceptors, Time time) { // 1.生产者配置初始化 ProducerConfig config = new ProducerConfig(ProducerConfig.appendSerializerToConfig(configs, keySerializer, valueSerializer)); try { // 2.获取客户端配置参数 Map<String, Object> userProvidedConfigs = config.originals(); this.producerConfig = config; this.time = time; // 3.用于事务传递的TransactionalId，保证会话的可靠性，如果配置表示启用幂等+事务 String transactionalId = (String) userProvidedConfigs.get(ProducerConfig.TRANSACTIONAL_ID_CONFIG); // 4.设置生产者客户端id this.clientId = config.getString(ProducerConfig.CLIENT_ID_CONFIG); LogContext logContext; // 根据事务id是否配置来记录不同日志 if (transactionalId == null) logContext = new LogContext(String.format("[Producer clientId=%s] ", clientId)); else logContext = new LogContext(String.format("[Producer clientId=%s, transactionalId=%s] ", clientId, transactionalId)); log = logContext.logger(KafkaProducer.class); log.trace("Starting the Kafka producer"); ........省略Metrics // 5.设置对应的分区器 this.partitioner = config.getConfiguredInstance(ProducerConfig.PARTITIONER_CLASS_CONFIG, Partitioner.class); // 6.失败重试的退避时间，配置参数:retry.backoff.ms 默认100ms long retryBackoffMs = config.getLong(ProducerConfig.RETRY_BACKOFF_MS_CONFIG); // 7.定义key、value对应的序列化器 if (keySerializer == null) { this.keySerializer = config.getConfiguredInstance(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, this.keySerializer.configure(config.originals(Collections.singletonMap(ProducerConfig.CLIENT_ID_CONFIG, clientId)), true); } else { config.ignore(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG); this.keySerializer = keySerializer; } if (valueSerializer == null) { this.valueSerializer = config.getConfiguredInstance(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, this.valueSerializer.configure(config.originals(Collections.singletonMap(ProducerConfig.CLIENT_ID_CONFIG, clientId)), false); } else { config.ignore(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG); this.valueSerializer = valueSerializer; } // load interceptors and make sure they get clientId userProvidedConfigs.put(ProducerConfig.CLIENT_ID_CONFIG, clientId); ProducerConfig configWithClientId = new ProducerConfig(userProvidedConfigs, false); // 8.定义生产者拦截器列表 List<ProducerInterceptor<K, V>> interceptorList = (List) configWithClientId.getConfiguredInstances( ProducerConfig.INTERCEPTOR_CLASSES_CONFIG, ProducerInterceptor.class); if (interceptors != null) this.interceptors = interceptors; else this.interceptors = new ProducerInterceptors<>(interceptorList); ClusterResourceListeners clusterResourceListeners = configureClusterResourceListeners(keySerializer, valueSerializer, interceptorList, reporters); // 9.设置消息的大的长度，默认1M，生产环境可以提高到10M this.maxRequestSize = config.getInt(ProducerConfig.MAX_REQUEST_SIZE_CONFIG); // 10.设置发送消息的缓冲区的大小，默认32M this.totalMemorySize = config.getLong(ProducerConfig.BUFFER_MEMORY_CONFIG); // 11.设置消息压缩类型 this.compressionType = CompressionType.forName(config.getString(ProducerConfig.COMPRESSION_TYPE_CONFIG)); // 12.设置等待元数据更新的大时间，默认1分钟 this.maxBlockTimeMs = config.getLong(ProducerConfig.MAX_BLOCK_MS_CONFIG); // 13.设置消息投递的超时时间 int deliveryTimeoutMs = configureDeliveryTimeout(config, log); this.apiVersions = new ApiVersions(); // 事务管理器 this.transactionManager = configureTransactionState(config, logContext); ....省略,看下面各小节源码 config.logUnused(); AppInfoParser.registerAppInfo(JMX_PREFIX, clientId, metrics, time.milliseconds()); log.debug("Kafka producer started"); } catch (Throwable t) { // call close methods if internal objects are already constructed this is to prevent resource leak. see KAFKA-2121 close(Duration.ofMillis(), true); // now propagate the exception throw new KafkaException("Failed to construct kafka producer", t); } }}下面通过一张图来描述 KafkaProducer 的初始化源码过程：
Kafka Producer 初始化核心组件如下:
1）初始化生产者配置（ProducerConfig）。
2）设置客户端配置文件的配置信息（userProvidedConfigs）。
3）设置事务ID（transactionaID）。
4）设置生产者客户端ID（clientId）。
5）设置对应的分区器（partitioner），支持自定义，用来将消息分配给某个主题的某个分区的。
6）设置失败重试的退避时间（retryBackoffMs）。在客户端请求服务端时，可能因为网络或服务端异常造成请求超时。这时请求失败会重试，但是如果重试的频率过高又可能造成服务端网络拥堵。因此必须等一段时间再请求，默认100ms。
7）初始化key的序列化器（keySerializer）和value的序列化器（valueSerializer）。key和value的序列化器是用户在初始化 KafkaProducer 的时候自定义的。
8）设置生产者拦截器（ProducerInterceptor），拦截器的主要作用是按照一定的规则统一对消息进行处理。
9）设置消息的大的长度（maxRequestSize）。默认是1M，超了会报异常。在生产环境中建议设置为10M。
10）设置发送消息的缓冲区的大小（totalMemorySize），默认是32M。
11）设置消息压缩的类型（compressionType）。默认是none表示不压缩。在消息发送的过程中，为了提升发送消息的吞吐量会把消息进行压缩再发送。
12）设置等待元数据更新和缓冲区分配的长时间（maxBlockTimeMs），默认60S。
13）设置消息投递超时时间（deliveryTimeoutMs），默认120S。消息投递时间是从发送到收到响应的时间。
我们分析了 KafkaProducer 的核心组件，接下来我们分析下初始化过程中的核心流程。
01
初始化消息累加器
// 初始化消息累加器---缓冲区this.accumulator = new RecordAccumulator(logContext, config.getInt(ProducerConfig.BATCH_SIZE_CONFIG), this.compressionType, lingerMs(config), retryBackoffMs, deliveryTimeoutMs, metrics, PRODUCER_METRIC_GROUP_NAME, time, apiVersions, transactionManager, new BufferPool(this.totalMemorySize, config.getInt(ProducerConfig.BATCH_SIZE_CONFIG), metrics, time, PRODUCER_METRIC_GROUP_NAME));初始化消息累加器对象「accumulator」，部分重要参数如下：
1）batchSize ：消息批次大小，默认16KB；
2）compressionType：消息压缩方式，主要包括none、gzip、snappy、lz4、zstd。默认是不进行压缩，如果你的 Topic 占用的磁盘空间比较多的话，可以考虑启用压缩，以节省资源。
3）lingerMs：消息 batch 延迟多久再发送的时间，这是吞吐量与延时之间的权衡。为了不频繁发送网络请求，设置延迟时间后 batch 会尽量积累更多的消息再发送出去。
4）retryBackoffMs：设置失败重试的退避时间。
5）deliveryTimeoutMs：设置消息投递超时时间。
6）apiVersion：客户端api版本。
7）transactionalManager：事务管理器。
8）BufferPool 分配：后续篇在进行深度剖析。
消息累加器---缓冲区的设计是 Kafka Producer 非常和经典的设计，Kafka 中消息不是生产后立马就发送给服务端的，而是会先写入一个缓冲池中，然后直到多条消息组成了一个 Batch，达到一定条件才会一次网络通信把 Batch 发送过去，利用该设计来避免 JVM 频繁的 Full GC 的问题，后续会单独对其进行深度剖析。
02
初始化集群元数据
元数据的获取涉及的组件比较多，主要分为：
1）KafkaProducer 主线程负责加载元数据。
2）Sender 子线程负责拉取元数据。
首先我们来看下 KafkaProducer 主线程是如何加载元数据。
元数据「metadata」的初始化的时候是在 KafkaProducer 主线程里面的，源代码如下：
// 初始化 Kafka 集群元数据，元数据会保存到客户端中，并与服务端元数据保持一致if (metadata != null) { this.metadata = metadata;} else { // 初始化集群元数据 this.metadata = new ProducerMetadata(retryBackoffMs, // 元数据过期时间：默认5分钟 config.getLong(ProducerConfig.METADATA_MAX_AGE_CONFIG), // topic大空闲时间，如果在规定时间没有被访问，将从缓存删除，下次访问时强制获取元数据 config.getLong(ProducerConfig.METADATA_MAX_IDLE_CONFIG), logContext, clusterResourceListeners, Time.SYSTEM); // 启动metadata的引导程序 this.metadata.bootstrap(addresses);}它会保存在客户端内存中，并与服务端保持准实时的数据一致性，元数据主要包含：
1）Kafka 集群节点信息。
2）Topic 信息。
3）Topic对应的分区信息
4）ISR列表信息以及分布情况
5）Leader Partition 所在节点
等等
从上面源代码我们可以看出在 KafkaProducer 的构造方法中初始化了元数据类「metadata」，然后调用 「metadata.bootstrap()」来启动引导程序，这个时候 metaData 对象里并没有具体的元数据信息，因为客户端还没发送元数据更新的请求「获取是通过唤醒 Sender 线程进行发送的」。
而具体的发送和拉取，我们将在下一篇中进行剖析。
03
初始化 Sender 线程
// 初始化 Sender 发送线程类，并同时初始化NetworkClientthis.sender = newSender(logContext, kafkaClient, this.metadata); 这里非常关键，初始化 「Sender」发送线程类，并同时初始化 「NetworkClient」，它为 sender 提供了网络IO的能力，后续我们会对其深度剖析。
04
ioThread 启用 Sender 线程
String ioThreadName = NETWORK_THREAD_PREFIX + " | " + clientId;// 用 ioThread 线程来封装 Sender 线程类，使用 demon 守护线程方式来启动 Sender 线程类this.ioThread = new KafkaThread(ioThreadName, this.sender, true);this.ioThread.start();
public KafkaThread(final String name, Runnable runnable, boolean daemon) { super(runnable, name); configureThread(name, daemon);}
private void configureThread(final String name, boolean daemon) { setDaemon(daemon); setUncaughtExceptionHandler((t, e) -> log.error("Uncaught exception in thread '{}':", name, e));}
从上面源代码可以看出使用「ioThread」线程来封装 「Sender」 线程类，并使用 demon 守护线程方式来启动 Sender 线程类。
这里的设计模式非常值得我们去学习，就是在设计一些后台线程的时候，可以把「线程本身」和「线程执行」的逻辑分开，Sender 线程就是线程执行的具体逻辑，而 KafkaThread 其实代表了这个「线程本身」、「线程的名字」、「未捕获的异常处理」，「deamon 线程设置」。对 KafkaThread 的启动会自动执行 Sender 线程的 Run() 方法。
05
doSend 发送
用户可以直接使用 「producer.send()」 进行数据的发送，先看一下 「Send()」接口的源码实现。
// 向 topic 异步发送数据,此时回调为空public Future<RecordMetadata> send(ProducerRecord<K, V> record) { return send(record, null);}
// 向 topic 异步地发送数据，当发送确认后唤起回调函数public Future<RecordMetadata> send(ProducerRecord<K, V> record, Callback callback) { // intercept the record, which can be potentially modified; this method does not throw exceptions ProducerRecord<K, V> interceptedRecord = this.interceptors.onSend(record); return doSend(interceptedRecord, callback);}生产环境我们一般会使用带回调函数的方式去发送，所以终实现还是调用了 KafkaProducer 的 「doSend()」 接口。
该方法只是把消息发送到缓冲区后直接返回，真正的发送是需要等待 Sender 线程把消息从缓冲区将消息取出来后再进行发送。
源码比较长，这里只简单的分析下都做了哪些事情，后续再进行深度剖析，源码如下：
private Future<RecordMetadata> doSend(ProducerRecord<K, V> record, Callback callback) { TopicPartition tp = null; try { ....省略 // 1.等待元数据更新即确认数据要发送到的 topic 的 metadata 是可用的 clusterAndWaitTime = waitOnMetadata(record.topic(), record.partition(), nowMs, maxBlockTimeMs); ....省略 // 2.序列化 record的key和value byte[] serializedKey; serializedKey = keySerializer.serialize(record.topic(), record.headers(), record.key()); byte[] serializedValue; serializedValue = valueSerializer.serialize(record.topic(), record.headers(), record.value()); // 3.获取record消息对应的分区 int partition = partition(record, serializedKey, serializedValue, cluster); tp = new TopicPartition(record.topic(), partition); ....省略 // 4.验证消息的大小 ensureValidRecordSize(serializedSize); // 5.组装回调方法和拦截器为一个对象 Callback interceptCallback = new InterceptorCallback<>(callback, this.interceptors, tp); ....省略 // 6.向 accumulator 中追加数据 RecordAccumulator.RecordAppendResult result = accumulator.append(tp, timestamp, serializedKey, serializedValue, headers, interceptCallback, remainingWaitMs, true, nowMs); // 7.新的批次需要重新进行分区 if (result.abortForNewBatch) { int prevPartition = partition; partitioner.onNewBatch(record.topic(), cluster, prevPartition); partition = partition(record, serializedKey, serializedValue, cluster); tp = new TopicPartition(record.topic(), partition); // producer callback will make sure to call both 'callback' and interceptor callback interceptCallback = new InterceptorCallback<>(callback, this.interceptors, tp); result = accumulator.append(tp, timestamp, serializedKey, serializedValue, headers, interceptCallback, remainingWaitMs, false, nowMs); } // 8.如果 batch 已经满了， 则唤醒 sender 线程发送数据 if (result.batchIsFull || result.newBatchCreated) { log.trace("Waking up the sender since topic {} partition {} is either full or getting a new batch", record.topic(), partition); this.sender.wakeup(); } return result.future; } catch (ApiException e) { ....省略 return new FutureFailure(e); } catch (InterruptedException e) { ....省略 throw new InterruptException(e); } catch (KafkaException e) { ....省略 throw e; } catch (Exception e) { ....省略 throw e; } }06
整体发送流程
03 总结
这里，我们一起来总结一下这篇文章的重点。
1、通过「场景驱动」的方式从生产者调用出发，抛出初始化和发送的过程是怎样的?
2、带你梳理了「Kafka Producer 初始化源码全貌」，包含主线程的核心组件模块以及消息累加器的初始化、元数据初始化、 Sender 线程初始化流程。
3、后通过一张整体发送流程图来勾勒出生产者发送消息的全貌。
以上文章来源于公众号-华仔聊技术 ，作者王江华
