在Python中消费多个Kafka topic，可以使用kafka-python库，这是一个流行的Kafka客户端库。以下是一个详细的代码示例，展示如何创建一个Kafka消费者，并同时消费多个Kafka topic。
1.环境准备
（1）安装Kafka和Zookeeper：确保Kafka和Zookeeper已经安装并运行。
（2）安装kafka-python库：通过pip安装kafka-python库。
bash复制代码pip install kafka-python
2.示例代码
以下是一个完整的Python脚本，展示了如何创建一个Kafka消费者并消费多个topic。
python">from kafka import KafkaConsumer
import json
import logging# 配置日志
logging.basicConfig(level=logging.INFO,format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
)
logger = logging.getLogger(__name__)# Kafka配置
bootstrap_servers = 'localhost:9092' # 替换为你的Kafka服务器地址
group_id = 'multi-topic-consumer-group'
topics = ['topic1', 'topic2', 'topic3'] # 替换为你要消费的topic# 消费者配置
consumer_config = {'bootstrap_servers': bootstrap_servers,'group_id': group_id,'auto_offset_reset': 'earliest', # 从最早的offset开始消费'enable_auto_commit': True,'auto_commit_interval_ms': 5000,'value_deserializer': lambda x: json.loads(x.decode('utf-8')) # 假设消息是JSON格式
}# 创建Kafka消费者
consumer = KafkaConsumer(**consumer_config)# 订阅多个topic
consumer.subscribe(topics)try:# 无限循环，持续消费消息while True:for message in consumer:topic = message.topicpartition = message.partitionoffset = message.offsetkey = message.keyvalue = message.value# 打印消费到的消息logger.info(f"Consumed message from topic: {topic}, partition: {partition}, offset: {offset}, key: {key}, value: {value}")# 你可以在这里添加处理消息的逻辑# process_message(topic, partition, offset, key, value)except KeyboardInterrupt:# 捕获Ctrl+C，优雅关闭消费者logger.info("Caught KeyboardInterrupt, closing consumer.")consumer.close()except Exception as e:# 捕获其他异常，记录日志并关闭消费者logger.error(f"An error occurred: {e}", exc_info=True)consumer.close()
3.代码解释
（1）日志配置：使用Python的logging模块配置日志，方便调试和记录消费过程中的信息。
（2）Kafka配置：设置Kafka服务器的地址、消费者组ID和要消费的topic列表。
（3）消费者配置：配置消费者参数，包括自动重置offset、自动提交offset的时间间隔和消息反序列化方式（这里假设消息是JSON格式）。
（4）创建消费者：使用配置创建Kafka消费者实例。
（5）订阅topic：通过consumer.subscribe方法订阅多个topic。
（6）消费消息：在无限循环中消费消息，并打印消息的详细信息（topic、partition、offset、key和value）。
（7）异常处理：捕获KeyboardInterrupt（Ctrl+C）以优雅地关闭消费者，并捕获其他异常并记录日志。
4.运行脚本
确保Kafka和Zookeeper正在运行，并且你已经在Kafka中创建了相应的topic（topic1、topic2、topic3）。然后运行脚本：
bash复制代码python kafka_multi_topic_consumer.py
这个脚本将开始消费指定的topic，并在控制台上打印出每条消息的详细信息。你可以根据需要修改脚本中的处理逻辑，比如将消息存储到数据库或发送到其他服务。
5.参考价值和实际意义
这个示例代码展示了如何在Python中使用kafka-python库消费多个Kafka topic，适用于需要处理来自不同topic的数据流的场景。例如，在实时数据处理系统中，不同的topic可能代表不同类型的数据流，通过消费多个topic，可以实现数据的整合和处理。此外，该示例还展示了基本的异常处理和日志记录，有助于在生产环境中进行调试和监控。
