Практика Kafka: проектирование топиков и обмен сообщениями

В предыдущей статье мы с вами разобрали, как развернуть кластер Kafka из трех брокеров в режиме KRaft на Windows в WSL, и передали простое сообщение от консольного продюсера к консольному консьюмеру.

Продолжая следовать правилу «практика — лучший способ глубокого понимания теории», перейдем к следующей части.

В целом о работе Kafka написано достаточно много. Поэтому предлагаю остановиться на одном из ключевых аспектов с точки зрения интегрируемых систем — структуре и обработке сообщений Kafka:

• более подробно разберем структуру сообщения в Kafka с точки зрения продюсера;

• сформулируем ключевые требования к проектированию шины данных на основе Apache Kafka;

• разработаем собственные продюсер и консьюмер на Python;

• на практике увидим, что такое JSON‑сериализация и десериализация;

Формирование и отправка сообщений в Apache Kafka — это многоэтапный процесс, в котором участвуют продюсер (producer), брокеры Kafka и внутренние механизмы сериализации, буферизации и сетевой передачи.

Сообщение, формируемое продюсером, состоит из полезной нагрузки (payload) и сопутствующих метаданных, необходимых для его обработки и маршрутизации. По умолчанию максимальный размер одного сообщения в Kafka ограничен 1 МБ, однако этот лимит можно настроить. Кроме того, продюсер может отправлять сообщения по одному или группировать их в пакеты (batch) — это зависит от конфигурации производительности и задержек, выбранной в настройках продюсера.

Последовательность формирования запроса продюсером в адрес брокера выглядит следующим образом:

• Создание сообщения (Record)

• Сериализация ключа и значения (преобразование в массив байтов)

• Определение партиции, в которую будет помещено сообщение.

• Формирование Record Batch (группировка сообщений по партициям)

• Формирование запроса ProduceRequest и отправка брокеру

Понимание этапов формирования запроса поможет не только разобраться в его внутренней структуре, но и глубже осмыслить назначение ключевых параметров продюсера. На первый взгляд, данные от одного датчика — это всего лишь несколько байт. Однако в распределённой системе вроде Kafka, где миллионы таких сообщений проходят через продюсеры, наполняются метаданными, накапливаются в буферах, группируются в батчи и сжимаются, — из этих «крошек» формируется значительный объём сетевого трафика.

Итак, давайте рассмотрим каждый этап по порядку.

Создание сообщения (Record)

На первом этапе, перед сериализацией, приложение создаёт Record — логическое сообщение, которое включает в себя следующие компоненты:

Key (ключ)

• Kafka использует ключ для определения партиции, в которую будет отправлено сообщение. Это произвольный объект, который будет сериализован в байты. Например: String, Integer, Dictionary, None

• Гарантируется, что все сообщения с одинаковым ключом попадут в одну и ту же партицию топика. Это обеспечивает порядок сообщений для данного ключа.

• Если ключ не задан (null), сообщения распределяются по партициям равномерно — обычно с помощью циклического выбора (round‑robin) или случайного распределения.

• Ключ удобно использовать для семантической группировки сообщений, например, по идентификатору пользователя, заказа или агрегата в CQRS/Event Sourcing.

Value (значение)

• Основная полезная нагрузка (payload) сообщения — именно те данные, которые вы хотите передать.

• Сериализация прикладных данных в байты выполняется продюсером, десериализация — консьюмером. Формат (JSON, Avro, Protobuf и др.) определяется на стороне продюсера.

• Для проверки целостности и валидации брокер распаковывает сжатые батчи (например, LZ4, ZSTD), но при этом не интерпретирует содержимое Value — оно остаётся «чёрным ящиком».

Headers (заголовки)

• Опциональные метаданные сообщения, добавленные в Kafka начиная с версии 0.11.

• Представляют собой список пар «ключ‑значение», где значение может быть строкой, числом или null.

• Не влияют на маршрутизацию или партиционирование.

• Удобны для передачи служебной информации:

  • идентификаторы трассировки (например, для distributed tracing),

  • токены аутентификации,

  • версии схемы,

  • флаги обработки.

Topic (топик)

• Не входит в состав сериализованного сообщения — не передаётся в RecordBatch.

• Используется только на стороне продюсера для определения партиции и формирования ProduceRequest, где топик указывается на уровне запроса.

  Сериализация сообщения

  Поскольку Kafka передаёт данные по сети в бинарном виде, объекты ключа (key) и значения (value) должны быть преобразованы в массивы байтов (byte[]). Эту задачу выполняют сериализаторы, такие как StringSerializer, ByteArraySerializer, а также форматно‑ориентированные — Avro, Protobuf, JSON схемы и другие.

  Timestamp и Headers — также сериализуются внутренним форматом Kafka и передаются, но не так, как key/value. Они — часть формата сообщения Kafka, а не полезной нагрузки.

  Топик — единственное из перечисленных полей, которое не попадает в RecordBatch и не сериализуется в сообщение вообще.

  Определение партиции.

  На этом этапе продюсер выполняет следующие шаги.

• Решает в какую партицию топика отправить сообщение:

  • Если ключ (key) указан, используется хеш от ключа для распределения сообщения в партицию, где расположены сообщения с таким же ключом.

  • Если ключ (key) = null, используется стратегия равномерного распределения (round‑robin) или кастомная.

• Проверяет актуальность текущих метаданных— информация о топиках, партициях, брокерах, лидерах и репликах. Проверка актуальности происходит перед отправкой каждого RecordBatch.

  Формирование RecordBatch

  Упрощенная структура RecordBatch, формируемая продюсером, будет примерно следующей:

  

Сообщения обычно не отправляются по одному — они буферизуются в памяти продюсера и группируются в Record Batches (пакеты записей). Это повышает производительность и снижает накладные расходы.

• Каждый Record Batch относится к одному топику и одной партиции.

• Батчи формируются в Record Accumulator — внутреннем буфере продюсера.

• Размер батча ограничен параметром batch.size (по умолчанию 16 КБ).

• Если батч не заполнен до конца, но прошло время linger.ms (по умолчанию 0 мс), он всё равно отправляется.

Только на этом этапе применяется сжатие — весь батч сжимается целиком, что эффективнее, чем сжимать каждое сообщение отдельно.

Шаги формирования RecordBatch.

• Продюсер получает новое сообщение.

• Определяет партицию (по ключу или round‑robin).

• Смотрит, есть ли открытый батч для этой партиции:

  • Если есть и он ещё не полный (< batch.size), то добавляет сообщение.

  • Если батч полный или закрыт, то создаёт новый.

• После добавления первого сообщения запускается таймер linger.ms (по умолчанию — 0 мс):

  • Если за это время пришли новые записи, они добавятся.

  • Если не пришли, батч отправляется «как есть».

• Применяет выбранный алгоритм сжатия: producer, gzip, snappy, lz4, zstd или none.

• Указывает тип сжатия в поле RecordBatch.Attributes.

Параметры продюсера, отвечающие за формирование RecordBatch.

Описание значений compression.type:

• none — сжатие отключено (по умолчанию).

• gzip — высокая степень сжатия, но высокая нагрузка на CPU.

• snappy — умеренное сжатие, низкое потребление CPU (часто используется).

• lz4 — быстрее snappy, хорошее сжатие (рекомендуется по умолчанию).

• zstd — отличное сжатие, поддерживается с Kafka 2.1+, баланс между эффективностью и скоростью.

• producer — продюсер выбирает тип, брокер сохраняет как есть (рекомендуется с Kafka 2.4+).

Формирование ProduceRequest и отправка брокеру

Когда батч считается готовым (заполнен batch.size или истек linger.ms), продюсер формирует ProduceRequest — сетевой запрос к брокеру Kafka.

• ProduceRequest содержит один или несколько Record Batch, направленных разным партициям (но обычно группируются по брокерам).

• Запрос отправляется через сеть с использованием протокола Kafka (на базе TCP).

• Продюсер ожидает ответа от брокера в зависимости от настройки acks:

  • acks=0 — не ждать подтверждения;

  • acks=1 — подтверждение от лидера партициона;

  • acks=all — подтверждение от всех реплик (максимальная надёжность).

Логическая структура запроса ProduceRequest, который продюсер отправляет брокеру Kafka для записи данных:

Взаимодействие продюсеров и консьюмеров с брокером Kafka

Процесс обмена данными в Kafka строится на основе строго определенных запросов. После формирования ProduceRequest продюсер отправляет его брокеру. Брокер, в свою очередь, записывает содержащийся в запросе RecordBatch в лог‑файл соответствующего топика. Данные хранятся в партиции до истечения срока хранения, заданного политикой retention (по времени или по достижению максимального размера), и всё это время остаются доступными для чтения.

Для получения данных консьюмеры отправляют брокеру FetchRequest. В ответ брокер возвращает FetchResponse, который содержит один или несколько сжатых RecordBatch. Важно отметить, что интенсивность этих запросов и объем запрашиваемых данных определяются настройками консьюмера (такими как fetch.min.bytes и fetch.max.wait.ms) и его внутренней логикой работы.

Ключевой механизм оптимизации:

Фундаментальным механизмом, лежащим в основе эффективности Apache Kafka, является пакетная обработка (batching) и сжатие (compression) сообщений. Вместо обработки каждого сообщения (Record) по отдельности Kafka объединяет их в группы — RecordBatch. Такой подход обеспечивает ряд критически важных преимуществ:

• Значительное повышение пропускной способности (throughput) системы.

• Снижение нагрузки на сеть за счет передачи larger, сжатых блоков данных вместо множества мелких сообщений.

• Эффективное использование дискового пространства и снижение нагрузки на I/O, так как на диск записываются уже сжатые батчи.

Разберем процесс по шагам:

• Формирование батча на продюсере (Producer):

  • Продюсер не отправляет каждое сообщение мгновенно. Он накапливает их в памяти, формируя RecordBatch.

  • Перед отправкой весь батч целиком сжимается с использованием выбранного кодека (например, gzip, snappy, lz4 или zstd).

• Хранение в сжатом виде на брокере (Broker):

  • Брокер получает уже сжатый RecordBatch и записывает его на диск в том же виде, без распаковки. Это экономит не только пропускную способность сети, но и дисковое пространство (I/O).

  • Данные хранятся в логах (log segments) именно как сжатые батчи. Метка compressionType в заголовке батча сообщает, какой алгоритм был использован.

• Передача консюмеру (Consumer) и распаковка:

  • Когда консюмер отправляет запрос (FetchRequest) на чтение данных, брокер возвращает ему те же самые сжатые RecordBatch.

  • Распаковка происходит на стороне консюмера его клиентской библиотекой. Это распределяет нагрузку по распаковке между всеми консюмерами в системе, а не нагружает брокеры.

• Обработка отдельных сообщений:

  • Только после распаковки батча консюмер получает доступ к индивидуальным сообщениям (Records) и их полям: ключу (Key), значению (Value), заголовкам (Headers) и временной метке (Timestamp).

@startuml skinparam sequenceMessageAlign center skinparam sequenceArrowThickness 2 skinparam sequenceLifeLineBorderColor #888 skinparam sequenceLifeLineBackgroundColor #EEE  actor Producer participant "Broker\n(Partition Log)" as Broker actor Consumer  Producer -> Broker : Отправка сообщений\n(RecordBatch c compressionType) note right of Producer   Producer собирает несколько Record   в RecordBatch и применяет сжатие   (gzip/snappy/lz4/zstd) end note  Broker -> Broker : Хранение RecordBatch\n(сжатый вид в log segment) note right of Broker   В лог записан целый батч   с указанием compressionType end note  Consumer -> Broker : FetchRequest (запросить партицию) Broker --> Consumer : RecordBatch (сжатый) note right of Consumer   Клиентская библиотека консьюмера   распаковывает батч по compressionType end note  Consumer -> Consumer : Обработка Records\n(Key, Value, Headers, Timestamp) @enduml

Проектирование топиков и потоков данных

Перед тем как приступить к созданию топиков, продюсеров и консьюмеров, предлагаю подумать над нашими к ним требованиями. Для этого ответим на ключевые вопросы, которые определят их конфигурацию и поведение. Это позволит избежать ошибок на архитектурном уровне и обеспечить отказоустойчивость, производительность и согласованность данных.

Для этого определите:

1. Набор топиков.

   • принцип единственной ответственности — каждый топик должен быть посвящен одной конкретной бизнес‑сущности или событию.

   • избегайте сквозных топиков — не создавайте один топик all‑events для всех типов событий, кроме как для тестирования.

   • семантика именования — имя топика должно быть понятно не только вам, но и другим разработчикам, аналитикам и архитекторам. Используйте соглашение, например, <домен>.<сущность>.<версия> или <команда>.<событие>.

2. Продюсеры и консюмеры для каждого топика.

   • какой сервис или приложение создает эти события/данные?

   • какие сервисы подписываются на эти данные и что они с ними делают?

3. Необходимость использования ключей (key) для обеспечения порядковой гарантии.

   • помните: Kafka использует ключ для определения партиции. Сообщения с одинаковым ключом всегда попадают в одну партицию.

   • если порядок сообщений в рамках некоторой сущности (например, пользователя или заказа) критичен — используйте её ID в качестве ключа.

   • если порядок не важен — можно оставить ключ пустым (null) для равномерного распределения нагрузки.

4. Требования к задержке (latency) отправки сообщений

   • linger.ms — сколько миллисекунд продюсер будет ждать, чтобы собрать больше сообщений в батч.

   • batch.size — максимальный размер батча в байтах. При достижении этого размера батч отправится немедленно.

5. Уровень надёжности передачи данных:

   • Для критически важных данных: Используйте replication.factor=3 и acks=all. Это гарантирует, что сообщение будет сохранено на нескольких брокерах прежде, чем продюсер получит подтверждение.

   • Для данных средней важности: Используйте replication.factor=3 и acks=1. Это защитит от сбоя брокера, но не гарантирует, что все реплики получили данные к моменту подтверждения.

   • Для неважных данных (логи): Можно использовать replication.factor=2 и acks=1 или даже acks=0 для максимальной скорости.

6. Формат (схему) данных для каждого топика (поле value).

   • Формат — будем ли мы использовать JSON, Avro, Protobuf или простой текст?

   • Тип данных — будут это сырые события, снимки состояния сущности или команды?

   • Структура — используйте единый шаблон для всех сообщений в топике.

7. Политику хранения данных для каждого топика.
   Данные в Kafka не хранятся вечно. Вы должны явно задать правила их удаления, которые зависят от назначения данных:

   • retention.ms — сколько времени сообщения должны храниться (например, 7 дней, 90 дней).

   • retention.bytes — максимальный объем данных может находиться в топике (например, 1 ТБ).

Подробней о топиках

После того как мы изучили структуру сообщений, запроектировали параметры нашей системы, перейдём к созданию топиков.

Ранее мы создали базовый топик с обязательными параметрами. Все остальные параметры имеют значения по умолчанию, которые можно настроить двумя способами:

• Через динамические свойства топика (с помощью команды kafka‑configs)

• Через конфигурационные файлы брокера (server.properties), но только для глобальных настроек

Важно понимать:

• Динамические настройки топика сохраняются между перезапусками

• Глобальные настройки в server.properties влияют на все топики

• Некоторые параметры можно задать только при создании топика

Далее рассмотрим основные параметры топиков:

Полный список параметров:

/opt/kafka/bin/kafka-topics.sh --help

Далее нам необходимо проверить наличие топика с названием test-topic.

Если топика нет, создаем

/opt/kafka/bin/kafka-topics.sh \  --create \  --bootstrap-server localhost:9092 \  --topic test-topic \  --partitions 1 \  --replication-factor 3 \

Допустим мы решили, что все сообщения, которые поступили брокеру, должны обязательно соответствовать алгоритму сжатия продюсера. И решили назначить этот через динамические свойства.

/opt/kafka/bin/kafka-configs.sh \     --bootstrap-server localhost:9092 \     --alter \     --entity-type topics \     --entity-name test-topic \     --add-config compression.type=producer

Completed updating config for topic test-topic.

Чтобы убедиться, что параметр установлен корректно, можно выполнить:

/opt/kafka/bin/kafka-configs.sh \     --bootstrap-server localhost:9092 \     --describe \     --entity-type topics \     --entity-name test-topic

Dynamic configs for topic test-topic are: compression.type=producer sensitive=false synonyms={DYNAMIC_TOPIC_CONFIG:compression.type=producer, DEFAULT_CONFIG:compression.type=producer}

Для удаления записи конфигурации выполним команду:

/opt/kafka/bin/kafka-configs.sh \     --bootstrap-server localhost:9092 \     --alter \     --entity-type topics \     --entity-name test-topic \     --delete-config compression.type

Completed updating config for topic test-topic.

Производитель (Producer)

Далее перейдём к созданию продюсера.
Хотя у Kafka есть встроенные инструменты, их функциональность довольно ограничена. В такой ситуации лучше всего использовать Java или Python. Мы выберем Python — он проще в освоении и быстрее в разработке. Сначала определимся с библиотекой.

Выбор библиотеки

Среди наиболее популярных решений для работы с Kafka в Python — confluent_kafka и kafka‑python. Мы остановимся на confluent_kafka, и вот почему:

Эта библиотека построена на основе librdkafka — высокопроизводительной реализации клиента Kafka, написанной на C++. Благодаря этому она обеспечивает высокую скорость, надёжность и масштабируемость. Кроме того, confluent_kafka поддерживает все современные функции Kafka, включая Exactly‑Once Semantics, расширенную маршрутизацию сообщений и интеграцию с Confluent Cloud.

Для сериализации данных в формат JSON мы будем использовать стандартный модуль Python — json.

from confluent_kafka import Producer import json import socket

Конфигурация продюсера

Следующий шаг — конфигурация продюсера. Конфигурация определяет поведение продюсера в Kafka: от способа отправки сообщений до обработки ошибок и взаимодействия с кластером. Правильно подобранные параметры обеспечивают надёжность, производительность и соответствие архитектурным требованиям вашей системы.

conf = {     'bootstrap.servers': '<ваш_IP>:9092',     'client.id': socket.gethostname(),     'acks': 'all',     'compression.type': 'none',     'retries': 5 }  producer = Producer(conf) 

<ваш_IP> — заменяем на IP адрес, указанный в advertised.listeners, конфигурации кластера server.properties.
Параметр 'client.id': socket.gethostname() в конфигурации продюсера Kafka выполняет важную роль идентификации и мониторинга:

• client.id — это уникальный идентификатор, который продюсер (или консьюмер) передаёт брокеру Kafka при подключении.

• socket.gethostname() — это стандартная Python‑функция, которая возвращает имя хоста (компьютера), на котором запущен ваш скрипт.

Далее, producer = Producer(conf) — создаем экземпляр продюсера, передаем ему конфигурацию

Остальные параметры — это параметры продюсера Kafka. Надеюсь, они вам уже знакомы.

Основные параметры продюсера.

Сериализация данных

В качестве метода сериализации value выберем JSON.
Сначала преобразуем словарь в JSON-строку с помощью json.dumps(), затем кодируем строку в байты методом encode(‘utf-8’).
Кодировку указываем ‘utf-8’, т.к. она будет понятна среде Linux.

message_value = json.dumps(value).encode('utf-8')

Добавим параметры заголовка

Создадим массив из пар (ключ-значение):

headers = [     ("source", "python-producer"),     ("version", "1.0"),     ("content-type", "text/plain") ]

Обработка статуса доставки

Функция delivery_report принимает два параметра:

• err — объект ошибки, который будет None, если сообщение успешно доставлено, или содержит информацию об ошибке, если доставка не удалась.

• msg — объект сообщения, которое было отправлено. Если доставка прошла успешно, этот объект содержит метаданные о сообщении: тему, партицию и offset.

def delivery_report(err, msg):     if err is not None:         print(f'Ошибка доставки: {err}')     else:         print(f'Доставлено в {msg.topic()} [{msg.partition()}] @ offset {msg.offset()}')

Отправка сообщения

Несмотря на то, что формирование ProduceRequest — достаточно сложный процесс, отправка сообщения с помощью продюсера на Python ничуть не сложнее, чем через kafka-console-producer.sh.

    producer.produce(         topic=topic,               # Укажем топик         key=key,                   # Укажем ключ         value=serialized_value,    # Добавляем явно преобразованное значение         headers=headers,           # Добавляем заголовки         callback=delivery_report     )

Завершение работы

producer.flush()

Что делает flush()

• Ждёт, пока все сообщения из внутреннего буфера продюсера будут обработаны.

• Вызывает колбэки delivery_report для каждого сообщения.

• Возвращает число неудалённых сообщений.

Synchronous and Asynchronous Sending

Далее мы создадим два варианта продюсера: один — для асинхронной отправки сообщений, другой — для синхронной. Выбор зависит от задач, которые вы решаете.

Какой выбрать, зависит от решаемой вами задачи.

Asynchronous:

Быстрая отправка, подходит в большинстве случаев. Например, для логгирования, метрик, high‑throughput систем.

Пример продюсера, работающего в асинхронном режиме:

from confluent_kafka import Producer import json import socket  # Конфигурация продюсера  conf = {     'bootstrap.servers': '<ваш_IP>:9092',      # Используем advertised.listeners из конфига     'client.id': socket.gethostname(),          # Присваиваем продюсеру имя вашего хоста     'acks': 'all',                              # Ждем подтверждения от всех реплик      'compression.type': 'none',                 # Можно изменить на 'gzip', 'snappy' и т.д.     'retries': 5                                # Число попыток при ошибка }  # Создаем  экземпляр продюсера, передаем ему конфигурацию  producer = Producer(conf)   # Callback-функция для обработки статуса доставки сообщений def delivery_report(err, msg):     if err is not None:         # Ошибка доставки (таймаут, недоступность брокера, etc.)         print(f'Ошибка доставки: {err}')     else:         # Сообщение успешно доставлено и подтверждено брокером         print(f'Доставлено в {msg.topic()} [{msg.partition()}] @ offset {msg.offset()}')  # Функция асинхронной отправки сообщения def produce_async(topic, headers, key, value):      # JSON сериализация данных value     serialized_value = json.dumps(value).encode('utf-8')              # Отправка сообщения     producer.produce(         topic=topic,               # Укажем топик         key=key,                   # Укажем ключ         value=serialized_value,    # Добавляем явно преобразованное значение         headers=headers,           # Добавляем заголовки         callback=delivery_report     )  # Подготавливаем сообщение message_topic = 'test-topic' message_headers = [     ("source", "python-producer"),     ("version", "1.0"),     ("content-type", "text/plain") ] message_key = 'synch_123' message_value = {'data_1': 123, 'data_2': 'ОК'}  # Отправляем сообщения # Сообщение 1 produce_async(message_topic, message_headers, message_key, message_value) # Сообщение 2 produce_async(message_topic, message_headers, message_key, message_value)  # Завершаем работу: ждём, пока сообщения из буфера будут отправлены и обработаны колбэками. # Затем закрываем соединения и освобождаем ресурсы producer.flush()

Synchronous:

Подходит, например, для финансовых транзакций, где необходима строгая очередность операций.
Чтобы обеспечить синхронность доставки, добавим в функцию отправки сообщений вызов метода flush() с таймаутом 5 секунд:

def produce_async(topic, headers, key, value): … producer.flush(timeout=5.0)

Этот метод блокирует выполнение до тех пор, пока все сообщения из очереди не будут отправлены или пока не истечёт указанное время ожидания. Если по истечении 5 секунд очередь не успела полностью очиститься, метод вернёт ненулевое значение — количество неотправленных сообщений.

Такой подход позволяет контролировать состояние доставки: при обнаружении «застрявших» сообщений можно, например, инициировать повторную отправку, записать ошибку в лог или прервать операцию, чтобы избежать нарушения целостности данных.

Пример продюсера, работающего в синхронном режиме:

from confluent_kafka import Producer import json import socket  # Конфигурация продюсера  conf = {     'bootstrap.servers': '<ваш_IP>:9092', # Используем advertised.listeners из конфига     'client.id': socket.gethostname(),          # Присваиваем продюсеру имя вашего хоста     'acks': 'all',                              # Ждем подтверждения от всех реплик      'compression.type': 'none',                 # Можно изменить на 'gzip', 'snappy' и т.д.     'retries': 5                                # Число попыток при ошибка }  # Создаем  экземпляр продюсера, передаем ему конфигурацию  producer = Producer(conf)   # Callback-функция для обработки статуса доставки сообщений def delivery_report(err, msg):     if err is not None:         # Ошибка доставки (таймаут, недоступность брокера, etc.)         print(f'Ошибка доставки: {err}')     else:         # Сообщение успешно доставлено и подтверждено брокером         print(f'Доставлено в {msg.topic()} [{msg.partition()}] @ offset {msg.offset()}')  # Функция синхронной отправки сообщения def produce_sync(topic, headers, key, value):      # Сериализация данных     serialized_value = json.dumps(value).encode('utf-8')              # Отправка сообщения     producer.produce(         topic=topic,               # Укажем топик         key=key,                   # Укажем ключ         value=serialized_value,    # Добавляем явно преобразованное значение         headers=headers,           # Добавляем заголовки         callback=delivery_report     )      # Блокируем очередь. Ожидание подтверждения доставки 5 секунд     producer.flush(timeout=5.0)  # Подготавливаем сообщение message_topic = 'test-topic' message_headers = [     ("source", "python-producer"),     ("version", "1.0"),     ("content-type", "text/plain") ] message_key = 'synch_123' message_value = {'data_1': 123, 'data_2': 'ОК'}  # Отправляем сообщения # Сообщение 1 produce_sync(message_topic, message_headers, message_key, message_value) # Сообщение 2 produce_sync(message_topic, message_headers, message_key, message_value)  # Завершаем работу: ждём, пока сообщения из буфера будут отправлены и обработаны колбэками. # Затем закрываем соединения и освобождаем ресурсы producer.flush()

Потребитель (Consumer)

Подобным образом создадим консьюмер. Как и в случае с продюсером, мы можем реализовать разные подходы, но обо всем по порядку.

Конфигурация консьюмера

conf = {     'bootstrap.servers': '<ваш_IP>:9092', # Адрес брокера     'group.id': 'test-group',   # Идентификатор группы     'auto.offset.reset': 'earliest',  # Чтение с начала топика     'enable.auto.commit': False  # Ручное подтверждение сообщений } # Создание консьюмера consumer = Consumer(conf)

<ваш_IP> — также заменяем на IP адрес, указанный в advertised.listeners, конфигурации кластера server.properties.
group.id определяет группу потребителей, к которой принадлежит данный консьюмер. Это основа для:

• Распределения нагрузки между консьюмерами.

  • Kafka автоматически распределяет партиции топика между консьюмерами одной группы

  • Каждое сообщение обрабатывается только одним консьюмером в группе

• Отслеживания позиции чтения (офсетов).

  • Kafka хранит офсеты для каждой группы отдельно

  • При перезапуске консьюмер продолжает с того места, где остановилась группа

• Гарантии доставки «каждый сообщение один раз»

  • В рамках одной группы сообщение не повторяется

auto.offset.reset (Сброс смещения) — Действие при отсутствии сохраненного офсета:

• earliest — чтение с самого первого доступного сообщения (аналог --from-beginning в CLI)

• latest — чтение только новых сообщений (после подключения)

• none — выброс исключения, если офсет не найден

enable.auto.commit — автоматическое подтверждение получения сообщения. В нашем случае отключено. Это особенно полезно, когда нужно:

• Проверить качество и валидность данных

• Обработать сообщение (например, сохранить в БД)

• И только затем подтвердить успешную обработку

Такой подход гарантирует, что сообщение не будет потеряно при ошибках обработки.

consumer = Consumer(conf) — создадим экземпляр консьюмера и передадим ему конфигурацию

Далее можете ознакомится с основными параметрами консьюмера.

Подписываемся на топик

Следующий шаг, подписываемся на топик. При использовании метода subscribe(), консьюмер настроится на работу в автоматическом режиме, в соответствии со своей конфигурацией. Также Kafka автоматически распределит партиции между потребителями одной группы.

consumer.subscribe(['test-topic'])  # Подписка на топик

Если необходимо управлять подпиской вручную, выбираем метод assign(). Топик, партицию и начальный offset передаем методу напрямую. При этом настройки автоматической подписки и распределения партиций в конфигурации игнорируются. Для корректной работы с assign() также важно установить enable.auto.commit = False

# Указываем топик, партицию и начальный offset вручную topic = 'test-topic' partition = 0  # Номер партиции (можно получить через consumer.assignment()) start_offset = 42  # Чтение начиная с offset=42  # Создаем объект TopicPartition и назначаем offset tp = TopicPartition(topic, partition, start_offset) consumer.assign([tp])

Читаем сообщения.

После подписки на топик мы можем получать сообщения из партиций. Это можно делать как по одному сообщению с помощью метода poll(), так и пакетами — с помощью метода consume().

Poll( ) подход

msg = consumer.poll(timeout)  

• consumer.poll () возвращает сообщение

• timeout — сколько времени ждать прихода сообщений, секунд. Если за указанное время сообщения не поступили, метод возвращает пустой список

Получение сообщений и обработка ошибок для метода Poll( ) будут выглядеть следующим образом:

try:     while True:         msg = consumer.poll(timeout=1.0)                   if msg is None: # Нет сообщений в течение таймаута — продолжаем опрос             continue         # Обработка ошибок Kafka          if msg.error():             if msg.error().code() == KafkaException._PARTITION_EOF:                 # Достигнут конец партиции — продолжаем слушать                 continue             else:           # Получена критическая ошибка – прерываем цикл                 print(f"Ошибка: {msg.error()}")                 break

Сonsume( ) подход

messages = consumer.consume(num_messages, timeout

• consumer.consume () возвращает список из сообщений

• timeout — сколько времени ждать прихода сообщений, секунд.

• num_messages — максимальное количество сообщений, которое вернется за раз. Может вернуться меньше (если в буфере меньше сообщений или сработал таймаут).

Получение сообщений и обработка ошибок для метода Consume( ) будут выглядеть следующим образом:

try:     while True:         messages = consumer.consume(num_messages=10, timeout=1.0)                  if not messages: # Нет сообщений в течение таймаута — продолжаем опрос             continue          for msg in messages: # Обработка ошибок Kafka             if msg.error():                 if msg.error().code() == KafkaException._PARTITION_EOF:   # Достигнут конец партиции — продолжаем слушать                     continue                 else:   # Получена критическая ошибка – прерываем цикл                     print(f"Ошибка: {msg.error()}")                     break

Обработка и десериализация

Несмотря на то, что в Java‑API Kafka (org.apache.kafka.clients.consumer.KafkaConsumer) действительно есть конфиги key.deserializer и value.deserializer, которые автоматически превращают байты в объект, в Python‑обёртке confluent_kafka этого механизма нет

В этой части работа библиотеки Python c C‑библиотекой librdkafka ограничена

Поэтому в Python вы всегда получаете msg.value() как байты, и десериализацию нужно делать вручную (.decode() + json.loads() или другая логика).

# Получаем значение сообщения             key = msg.key().decode('utf-8') if msg.key() else None             raw_value = msg.value().decode('utf-8') if msg.value() else None             # Десериализуем JSON, если значение есть             value = json.loads(raw_value) if raw_value else None

# Обработка заголовков             headers = {}             if msg.headers():                 for header in msg.headers():                     headers[header[0]] = header[1].decode('utf-8')

            # Вывод информации             print("\n--- Получено сообщение ---")             print(f"Топик: {msg.topic()}")             print(f"Партиция: {msg.partition()}")             print(f"Смещение: {msg.offset()}")             print(f"Ключ: {key}")             print(f"Значение: {value}")             print(f"Заголовки: {json.dumps(headers, indent=2)}")

Фиксация смещений (Committing Offsets)

После того как мы обработали наши сообщения – можем подтвердить получение сообщения брокеру.

consumer.commit(asynchronous=False)

Метод commit () принимает экземпляр объекта msg и свойствоasynchronous.

• msg не обязательный параметр. Используйте его, только если вам нужно точно указать, какое сообщение коммитить. Без указания коммитятся все обработанные смещения (offsets) для всех партиций, которые в данный момент назначены потребителю

• asynchronous = false — коммит происходит синхронно, потребитель ждёт подтверждения от брокера Kafka, что offset успешно сохранён. Замедляется обработка

• asynchronous = true — коммит идёт в фоне. Потребитель не ждёт ответа — быстрее, но есть риск, что коммит не успеет выполниться до сбоя.

Завершаем работу

try:     # Работа с потребителем     consumer.subscribe(['topic'])     # ... обработка сообщений ... finally:     consumer.close()

Метод consumer.close() — это обязательный финальный шаг работы с Kafka‑потребителем, который правильно завершает все процессы и освобождает ресурсы.

Что происходит при вызове:

• Завершение сессии — потребитель сообщает группе о выходе

• Сохранение позиций — фиксируются текущие смещения чтения

• Закрытие соединений — разрываются все сетевые подключения к Kafka

• Остановка процессов — завершаются фоновые потоки

• Очистка памяти — освобождаются буферы и ресурсы

Важно не забывать вызывать consumer.close(), иначе:

• Группа потребителей будет ждать возвращения «пропавшего» участника

• Другие консьюмеры не смогут быстро взять его партиции

• Могут возникнуть утечки памяти

• Позиции чтения (offsets) могут не сохраниться

Перебалансировка потребителей

Последний шаг — повышаем надёжность нашего потребителя.
Добавим функции‑обработчики перебалансировки on_assign и on_revoke, которые позволяют реализовать пользовательскую логику при перераспределении партиций в группе потребителей (rebalance). Они вызываются автоматически, когда Kafka переназначает партиции между экземплярами потребителей.

Конфигурация

# Конфигурация консьюмера conf = { …     # Стратегия распределения партиций     'partition.assignment.strategy': 'roundrobin'   }

partition.assignment.strategy:‘roundrobin’ указывает, что партиции между потребителями будут распределяться по алгоритму «round‑robin» — равномерно, по кругу. Альтернатива — range, но roundrobin даёт более сбалансированную нагрузку.

Далее описываем логику функций on_assign и on_revoke.

Пока в них заложена базовая логика — логирование событий, чтобы было видно, какие партиции назначаются или отзываются.
В дальнейшем вы можете адаптировать их под свои задачи — например, управлять offset-ами, сохранять состояние или интегрироваться с внешними системами.

def on_assign(partitions):     """Callback при назначении новых партиций потребителю."""     print("\n--- Назначены новые партиции ---")     for p in partitions:         print(f"Топик: {p.topic}, Партиция: {p.partition}")          # При необходимости можно вручную установить offset     # Например, чтобы продолжить с последнего закоммиченного значения:     # consumer.assign(partitions)  def on_revoke(consumer, partitions):     """Callback при отзыве партиций у потребителя."""     print("\n--- Отозваны партиции ---")     for p in partitions:         print(f"Топик: {p.topic}, Партиция: {p.partition}")          # Критически важно зафиксировать offset'ы перед потерей контроля над партициями     consumer.commit(offsets=partitions)     print("Offsets зафиксированы.") 

on_assign ( ) — функция вызывается, когда потребителю назначаются новые партиции, например:

• при первом запуске,

• после добавления нового потребителя в группу,

• при восстановлении после сбоя.

on_revoke ( ) — функция вызывается, когда у потребителя отбираются партиции, например:

• перед остановкой,

• при масштабировании группы (запуске новых экземпляров),

• при сбое соединения.

Консьюмер в действии

Подводя итог, тестируем разработанный нами консьюмер.

Помним, <ваш_IP> — заменяем на IP адрес, указанный в advertised.listeners, конфигурации кластера server.properties.

from confluent_kafka import Consumer, KafkaException import json import sys import time  # Получаем идентификатор консьюмера из аргументов consumer_id = sys.argv[1] if len(sys.argv) > 1 else "default_consumer"  # Конфигурация консьюмера conf = {     'bootstrap.servers': '172.26.139.176:9092',     'group.id': 'test-group',  # Одинаковая группа для всех!     'auto.offset.reset': 'earliest',     'enable.auto.commit': False,     'partition.assignment.strategy': 'roundrobin' }  def on_assign(consumer, partitions):     """Callback при назначении новых партиций потребителю."""     print(f"\n[{consumer_id}] --- Назначены новые партиции ---")     for p in partitions:         print(f"[{consumer_id}] Топик: {p.topic}, Партиция: {p.partition}")          # Можно вручную установить offset     # consumer.seek(partitions[0])  def on_revoke(consumer, partitions):     """Callback при отзыве партиций у потребителя."""     print(f"\n[{consumer_id}] --- Отозваны партиции ---")     for p in partitions:         print(f"[{consumer_id}] Топик: {p.topic}, Партиция: {p.partition}")          # Фиксация offset перед потерей партиций     if partitions:         consumer.commit(offsets=partitions)         print(f"[{consumer_id}] Offsets зафиксированы.")  # Создание консьюмера consumer = Consumer(conf)  # Подписка с callback-функциями consumer.subscribe(['test-topic'], on_assign=on_assign, on_revoke=on_revoke)  print(f"[{consumer_id}] Консьюмер запущен и ожидает сообщения...")  try:     while True:         msg = consumer.poll(timeout=1.0)                  if msg is None:             continue          if msg.error():             if msg.error().code() == KafkaException._PARTITION_EOF:                 continue             else:                 print(f"[{consumer_id}] Ошибка: {msg.error()}")                 break          # Обработка сообщения         key = msg.key().decode('utf-8') if msg.key() else None         raw_value = msg.value().decode('utf-8') if msg.value() else None         value = json.loads(raw_value) if raw_value else None                  headers = {}         if msg.headers():             for header in msg.headers():                 headers[header[0]] = header[1].decode('utf-8')          # Вывод информации с идентификатором консьюмера         print(f"\n[{consumer_id}] --- Получено сообщение ---")         print(f"[{consumer_id}] Топик: {msg.topic()}")         print(f"[{consumer_id}] Партиция: {msg.partition()}")         print(f"[{consumer_id}] Смещение: {msg.offset()}")         print(f"[{consumer_id}] Ключ: {key}")         print(f"[{consumer_id}] Значение: {value}")          # Подтверждение обработки         consumer.commit(asynchronous=False)         time.sleep(0.5)  # Задержка для наглядности  except KeyboardInterrupt:     print(f"[{consumer_id}] Прерывание пользователем") finally:     consumer.close()     print(f"[{consumer_id}] Консьюмер остановлен")

Проверяем работу брокера. Отправляем из продюсера тестовое сообщение “Hello World”— главное заклинание разработчиков.

Проверяем работу ребалансировщика.

• Запускаем консьюмер №1

• Запускаем консьюмер №2. Произошла ребаллансировка:

Заключение

В Kafka каждую тему можно раскрывать, пожалуй, до бесконечности. Мы же с вами разобрали наиболее важные моменты, чтобы начать пользоваться этой системой.

Главное, чему мы научились:

• Разобрались с основами — от проектирования топиков до настройки продюсеров и консьюмеров

• Познакомились с тонкостями работы с сообщениями: сериализация, партиционирование, батчинг и сжатие

• Научились настраивать надёжные и производительные системы обмена данными

• Освоили библиотеку confluent_kafka для работы с Python

Самое главное, что вы теперь умеете:

• Проектировать топки с учётом бизнес‑требований

• Оптимизировать производительность через батчинг и сжатие

• Управлять группами потребителей и их перебалансировкой

• Настраивать надёжную доставку сообщений

Помните, что Kafka — это мощный инструмент, который открывает перед вами огромные возможности. Продолжайте практиковаться, и вы сможете создавать по‑настоящему крутые решения!