1. 概述
在这个教程中，我们将探讨获取Kafka主题分区总数的不同方法。首先简要介绍什么是Kafka分区以及为什么需要获取这些信息，然后我们将编写Java代码来执行此操作。接着，我们将了解如何通过命令行接口（CLI）获取这些信息。
2. Kafka分区
一个Kafka主题可以划分为多个分区。拥有多个分区的目的是能够并发地从同一主题消费消息。因为消费者数量不应超过现有的分区数，所以一个主题的Kafka分区数代表了消费的最大并行度。因此，提前知道给定主题的分区数对于正确配置相应的消费者非常有用。
3. 使用Java获取分区编号
在Java中，要获取特定主题的分区数，我们可以利用*KafkaProducer.partitionFor(topic)* 方法。此方法将返回给定主题的分区元数据：
Properties producerProperties = new Properties();
// producerProperties.put("key","value") ...
KafkaProducer<String, String> producer = new KafkaProducer<>(producerProperties)
List<PartitionInfo> info = producer.partitionsFor(TOPIC);
Assertions.assertEquals(3, info.size());
此方法返回的PartitionInfo列表的大小将与为特定主题配置的分区数精确相等。
如果我们无法访问Producer，我们可以通过稍微复杂的方式使用Kafka AdminClient 来实现相同的结果：
Properties props = new Properties();
// props.put("key","value") ...
AdminClient client = AdminClient.create(props)){
DescribeTopicsResult describeTopicsResult = client.describeTopics(Collections.singletonList(TOPIC));
Map<String, KafkaFuture> values = describeTopicsResult.values();
KafkaFuture topicDescription = values.get(TOPIC);
Assertions.assertEquals(3, topicDescription.get().partitions().size());
在这种情况下，我们依赖于AdminClient.describeTopic(topic)方法，它返回一个包含待执行任务的DescribeTopicsResult对象。在这里，我们只获取所需的Topic的TopicDescription，最后获取分区数。
4. 使用CLI获取分区编号
我们有几种选项通过命令行接口（CLI）获取给定主题的分区数。
首先，我们可以利用随每个Kafka安装附带的shell脚本运行：
$ kafka-topics --describe --bootstrap-server localhost:9092 --topic topic_name
这个命令会输出指定主题的完整描述：
Topic:topic_name PartitionCount:3 ReplicationFactor:1 Configs: ...
另一种选择是使用Kafkacat，这是一个基于非JVM的Kafka消费者和生产者。在元数据列表模式(--L)下，这个Shell实用程序显示Kafka集群的当前状态，包括所有主题和分区。要显示特定主题的元数据信息，我们可以运行：
$ kafkacat -L -b localhost:9092 -t topic_name
这个命令的输出将是：
Metadata for topic topic_name (from broker 1: mybroker:9092/1):
topic "topic_name" with 3 partitions:
partition 0, leader 3, replicas: 1,2,3, isrs: 1,2,3
partition 1, leader 1, replicas: 1,2,3, isrs: 1,2,3
partition 2, leader 1, replicas: 1,2, isrs: 1,2
我们可以看到，这个Shell实用程序命令还显示了关于特定主题及其分区的有用详细信息。
5. 总结
在这篇简短的教程中，我们了解了如何使用Java和命令行接口（CLI）获取特定Kafka主题的总分区数。
我们首先了解了为何获取这些信息是有用的，然后使用了KafkaProducer和KafkaAdmin。最后，我们使用了带有Kafka脚本工具和Kafkacat的shell命令。
如往常一样，文章的完整源代码可在GitHub上找到。