【Kafka】MM2同步Kafka集群时如何自定义复制策略(ReplicationPolicy)

需求

使用MM2同步集群数据topic名称不能变默认的复制策略为DefaultReplicationPolicy这个策略会把同步至目标集群的topic都加上一个源集群别名的前缀比如源集群别名为Atopic为bi-log该topic同步到目标集群后会变成A.bi-log为啥这么做呢就是为了避免双向同步的场景出现死循环。

官方也给出了解释

这是 MirrorMaker 2.0 中的默认行为以避免在复杂的镜像拓扑中重写数据。 需要在复制流设计和主题管理方面小心自定义此项以避免数据丢失。 可以通过对“replication.policy.class”使用自定义复制策略类来完成此操作所以本文主要记录一下自定义复制策略的流程。

准备工作

下载源码

https://kafka.apache.org/downloads

kafka源码是使用Gradle编译的需要安装Gradle具体安装操作不赘述了可以百度。

源码使用IDEA打开后在connect模块下找到接口org.apache.kafka.connect.mirror.ReplicationPolicy

自定义复制策略

ReplicationPolicy这个接口主要有几个方法

• formatRemoteTopic重命名topic名称
• topicSource根据topic获取source集群别名
• upstreamTopic获取topic在source集群中的名称
• originalTopic获取topic原始的名称针对多次同步过程中被重命名过多次的topic
• isInternalTopic判断是否为内部topic

根据我们的需求自定义策略需要满足

• 不重命名source集群中topic的名称
• 能返回source集群别名

实现很简单就是保证topic原封不动即可完整代码如下

package org.apache.kafka.connect.mirror;

import org.apache.kafka.common.Configurable;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import java.util.Map;
import java.util.regex.Pattern;

/**
 * Defines remote topics like "us-west.topic1". The separator is customizable and defaults to a period.
 */
public class CustomReplicationPolicy implements ReplicationPolicy, Configurable {

    // In order to work with various metrics stores, we allow custom separators.
    public static final String SEPARATOR_CONFIG = MirrorClientConfig.REPLICATION_POLICY_SEPARATOR;
    public static final String SEPARATOR_DEFAULT = ".";
    private static final Logger log = LoggerFactory.getLogger(CustomReplicationPolicy.class);
    private String separator = SEPARATOR_DEFAULT;
    private Pattern separatorPattern = Pattern.compile(Pattern.quote(SEPARATOR_DEFAULT));

    @Override
    public void configure(Map<String, ?> props) {
        if (props.containsKey(SEPARATOR_CONFIG)) {
            separator = (String) props.get(SEPARATOR_CONFIG);
            log.info("Using custom remote topic separator: '{}'", separator);
            separatorPattern = Pattern.compile(Pattern.quote(separator));
        }
    }

    /**
     * 拼接Topic名if you need
     *
     * @param sourceClusterAlias 源集群标识
     * @param topic              源Topic名称
     * @return java.lang.String
     * @date 2023/03/03 4:28 下午
     */
    @Override
    public String formatRemoteTopic(String sourceClusterAlias, String topic) {
        return topic;
    }

    /**
     * 获取源集群标(source.cluster.alias)
     *
     * @param topic Topic nameMirrorSourceConnector
     * @return source alias
     */
    @Override
    public String topicSource(String topic) {
        // 和source.cluster.alias配置的一致可通过读取配置为了方便直接返回
        return "source";
    }

    /**
     * 截取上游真实Topic名称
     *
     * @param topic Topic name
     * @return java.lang.String
     * @date 2023/03/03 4:22 下午
     */
    @Override
    public String upstreamTopic(String topic) {
        return topic;
    }

    /**
     * 获取原始Topic名没做过加工直接返回即可
     *
     * @param topic 源Topic名
     * @return java.lang.String
     * @date 2023/03/03 6:42 下午
     */
    @Override
    public String originalTopic(String topic) {
        return topic;
    }
}

还需要修改一个地方org.apache.kafka.connect.mirror.MirrorSourceConnector#isCycle

这个方法是判断是否出现循环复制会递归调用如果不修改会死循环

原始代码

修改为

    // Recurse upstream to detect cycles, i.e. whether this topic is already on the target cluster
    boolean isCycle(String topic) {
        String source = replicationPolicy.topicSource(topic);
        if (source == null) {
            return false;
        } else {
            return source.equals(sourceAndTarget.target());
        }
    }

不改的话后果如下

编译代码

只需要编译connect模块即可从Gradle视图中找到对应模块的build方法修改参数跳过单元测试不跳过的话电脑得卡死

build完成之后在项目目录下找到对应jar文件用这两个jar文件替换掉你执行脚本所使用kafka的libs目录下的jar即可原jar文件记得备份以防万一

libs目录示例

完成上述操作之后修改MM2配置文件中的

replication.policy.class=org.apache.kafka.connect.mirror.CustomReplicationPolicy

还有一种方法是直接将class文件上传到classpath下这种方式我没试。

再次执行脚本可以看到同步后的topic已经保持原来的名称了大功告成