记录:465
场景:一个Producer在一个Topic发布消息,多个消费者Consumer订阅Kafka的Topic。每个Consumer指定一个特定的ConsumerGroup,达到一条消息被多个不同的ConsumerGroup消费。
版本:JDK 1.8,Spring Boot 2.6.3,kafka_2.12-2.8.0,spring-kafka-2.8.2。
Kafka集群安装:https://blog.csdn.net/zhangbeizhen18/article/details/131156084
1.基础概念
Topic:Kafka根据Topic对消息进行归类,发布到Kafka的每条消息都需要指定一个Topic。
Producer:消息生产者,向Broker发送消息的客户端。
Consumer:消息消费者,从Broker读取消息的客户端。
ConsumerGroup:每个Consumer属于一个特定的ConsumerGroup,一条消息可以被多个不同的ConsumerGroup消费;但是一个ConsumerGroup中只能有一个Consumer能够消费该消息。
publish:发布,使用Producer向Kafka写入数据。
subscribe:订阅,使用Consumer从Kafka读取数据。
2.微服务中配置Kafka信息
(1)在pom.xml添加依赖
<dependency>
<groupId>org.springframework.kafka</groupId>
<artifactId>spring-kafka</artifactId>
<version>2.8.2</version>
</dependency>
请知悉:spring-kafka框架底层使用了原生的kafka-clients。本例对应版本:3.0.0。
(2)在application.yml中配置Kafka信息
配置参考官网的configuration:https://kafka.apache.org/documentation/
(1)application.yml配置内容
spring:
kafka:
#kafka集群的IP和端口,格式:(ip:port)
bootstrap-servers:
- 192.168.19.161:29092
- 192.168.19.162:29092
- 192.168.19.163:29092
#生产者
producer:
#客户端发送服务端失败的重试次数
retries: 2
#多个记录被发送到同一个分区时,生产者将尝试将记录一起批处理成更少的请求.
#此设置有助于提高客户端和服务器的性能,配置控制默认批量大小(以字节为单位)
batch-size: 16384
#生产者可用于缓冲等待发送到服务器的记录的总内存字节数(以字节为单位)
buffer-memory: 33554432
#指定key使用的序列化类
key-serializer: org.apache.kafka.common.serialization.StringSerializer
#指定value使用的序列化类
value-serializer: org.apache.kafka.common.serialization.StringSerializer
#生产者producer要求leader节点在考虑完成请求之前收到的确认数,用于控制发送记录在服务端的持久化
#acks=0,设置为0,则生产者producer将不会等待来自服务器的任何确认.该记录将立即添加到套接字(socket)缓冲区并视为已发送.在这种情况下,无法保证服务器已收到记录,并且重试配置(retries)将不会生效(因为客户端通常不会知道任何故障),每条记录返回的偏移量始终设置为-1.
#acks=1,设置为1,leader节点会把记录写入本地日志,不需要等待所有follower节点完全确认就会立即应答producer.在这种情况下,在follower节点复制前,leader节点确认记录后立即失败的话,记录将会丢失.
#acks=all,acks=-1,leader节点将等待所有同步复制副本完成再确认记录,这保证了只要至少有一个同步复制副本存活,记录就不会丢失.
acks: -1
consumer:
#开启consumer的偏移量(offset)自动提交到Kafka
enable-auto-commit: true
#consumer的偏移量(offset)自动提交的时间间隔,单位毫秒
auto-commit-interval: 1000
#在Kafka中没有初始化偏移量或者当前偏移量不存在情况
#earliest,在偏移量无效的情况下,自动重置为最早的偏移量
#latest,在偏移量无效的情况下,自动重置为最新的偏移量
#none,在偏移量无效的情况下,抛出异常.
auto-offset-reset: latest
#一次调用poll返回的最大记录条数
max-poll-records: 500
#请求阻塞的最大时间(毫秒)
fetch-max-wait: 500
#请求应答的最小字节数
fetch-min-size: 1
#心跳间隔时间(毫秒)
heartbeat-interval: 3000
#指定key使用的反序列化类
key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
#指定value使用的反序列化类
value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
(2)解析
配置类在spring boot自动注解包:spring-boot-autoconfigure-2.6.3.jar。
类:org.springframework.boot.autoconfigure.kafka.KafkaProperties。
使用@ConfigurationProperties注解使其生效,前缀是:spring.kafka。
spring-kafka框架对操作Kafka单机版和Kafka集群版的配置差异:
在于bootstrap-servers属性,单机版配置一个IP:端口对。集群版配置多个IP:端口对就行。
(3)加载逻辑
Spring Boot微服务在启动时,Spring Boot会读取application.yml的配置信息,根据配置内容在spring-boot-autoconfigure-2.6.3.jar找到KafkaProperties并注入到对应属性。Spring Boot微服务在启动完成后,KafkaProperties的配置信息在Spring环境中就能无缝使用。
Spring的spring-kafka框架将KafkaProperties配置信息注入到KafkaTemplate操作生产者Producer。
Spring的spring-kafka框架使用KafkaProperties和@KafkaListener操作Kafka的消费者Consumer。
3.生产者(ChangjiangDeltaCityProducerController)
(1)示例代码
@RestController
@RequestMapping("/hub/example/delta/producer")
@Slf4j
public class ChangjiangDeltaCityProducerController {
//1.注入KafkaTemplate
@Autowired
private KafkaTemplate<String, String> kafkaTemplate;
//2.定义Kafka的Topic
private final String topicName = "hub-topic-city-delta";
@GetMapping("/f01_1")
public Object f01_1(String msgContent) {
try {
//3.获取业务数据对象
String uuid=UUID.randomUUID().toString().replace("-","");
long now=System.currentTimeMillis();
String msgKey = "delta" + ":" + uuid + ":" + now;
MsgDto msgDto = MsgDto.buildDto(uuid,now,msgContent);
String msgData = JSONObject.toJSONString(msgDto);
log.info("KafkaProducer向Kafka集群的Topic: {},写入Key:", topicName);
log.info(msgKey);
log.info("KafkaProducer向Kafka集群的Topic: {},写入Data:", topicName);
log.info(msgData);
//4.使用KafkaTemplate向Kafka集群写入数据(topic,key,data)
kafkaTemplate.send(topicName, msgKey, msgData);
} catch (Exception e) {
log.info("Producer写入Topic异常.");
e.printStackTrace();
}
return "写入成功";
}
}
(2)解析代码
使用KafkaTemplate向Kafka集群的Topic:hub-topic-city-delta写入JSON字符串数据,发布一条消息,给订阅的消费者消费。
4.消费者一(HangzhouCityConsumer)
(1)示例代码
@Component
@Slf4j
public class HangzhouCityConsumer {
// 1.定义Kafka的Topic
private final String topicName = "hub-topic-city-delta";
// 2.使用@KafkaListener监听Kafka集群的Topic
@KafkaListener(
topics = {topicName},
groupId = "hub-topic-city-delta-group-hangzhou")
public void consumeMsg(ConsumerRecord<?, ?> record) {
try {
//3.KafkaConsumer从集群中监听的消息存储在ConsumerRecord
String msgKey= (String) record.key();
String msgData = (String) record.value();
log.info("HangzhouCityConsumer从Kafka集群中的Topic:{},消费的原始数据的Key:",topicName);
log.info(msgKey);
log.info("HangzhouCityConsumer从Kafka集群中的Topic:{},消费的原始数据的Data:",topicName);
log.info(msgData);
} catch (Exception e) {
log.info("HangzhouCityConsumer消费Topic异常.");
e.printStackTrace();
}
}
}
(2)解析代码
使用@KafkaListener的属性topics指定监听的Topic:hub-topic-city-delta。
使用@KafkaListener的属性groupId 指定消费组:hub-topic-city-delta-group-hangzhou。
5.消费者二(ShanghaiCityConsumer)
(1)示例代码
@Component
@Slf4j
public class ShanghaiCityConsumer {
// 1.定义Kafka的Topic
private final String topicName = "hub-topic-city-delta";
// 2.使用@KafkaListener监听Kafka集群的Topic
@KafkaListener(
topics = {topicName},
groupId = "hub-topic-city-delta-group-shanghai")
public void consumeMsg(ConsumerRecord<?, ?> record) {
try {
//3.KafkaConsumer从集群中监听的消息存储在ConsumerRecord
String msgKey = (String) record.key();
String msgData = (String) record.value();
log.info("ShanghaiCityConsumer从Kafka集群中的Topic:{},消费的原始数据的Key:", topicName);
log.info(msgKey);
log.info("ShanghaiCityConsumer从Kafka集群中的Topic:{},消费的原始数据的Data:", topicName);
log.info(msgData);
} catch (Exception e) {
log.info("ShanghaiCityConsumer消费Topic异常.");
e.printStackTrace();
}
}
}
(2)解析代码
使用@KafkaListener的属性topics指定监听的Topic:hub-topic-city-delta。
使用@KafkaListener的属性groupId 指定消费组:hub-topic-city-delta-group-shanghai。
6.测试
(1)使用Postman测试,调用生产者写入数据
请求RUL:http://127.0.0.1:18208/hub-208-kafka/hub/example/delta/producer/f01_1
参数:msgContent="长三角经济带实力强大"
(2)生产者日志
KafkaProducer向Kafka集群的Topic: hub-topic-city-delta,写入Key:
delta:b5a669933f4041588d53d53c22888943:1687789723647
KafkaProducer向Kafka集群的Topic: hub-topic-city-delta,写入Data:
{"msgContent":"长三角经济带实力强大","publicTime":"2023-06-26 22:28:43","uuid":"b5a669933f4041588d53d53c22888943"}
(3)消费者一日志
HangzhouCityConsumer从Kafka集群中的Topic:hub-topic-city-delta,消费的原始数据的Key:
delta:b5a669933f4041588d53d53c22888943:1687789723647
HangzhouCityConsumer从Kafka集群中的Topic:hub-topic-city-delta,消费的原始数据的Data:
{"msgContent":"长三角经济带实力强大","publicTime":"2023-06-26 22:28:43","uuid":"b5a669933f4041588d53d53c22888943"}
(4)消费者二日志
ShanghaiCityConsumer从Kafka集群中的Topic:hub-topic-city-delta,消费的原始数据的Key:
delta:b5a669933f4041588d53d53c22888943:1687789723647
ShanghaiCityConsumer从Kafka集群中的Topic:hub-topic-city-delta,消费的原始数据的Data:
{"msgContent":"长三角经济带实力强大","publicTime":"2023-06-26 22:28:43","uuid":"b5a669933f4041588d53d53c22888943"}
(5)结论
每个Consumer指定一个特定的ConsumerGroup,一条消息可以被多个不同的ConsumerGroup消费。
7.辅助类
@Data
@Builder
public class MsgDto implements Serializable {
private String uuid;
private String publicTime;
private String msgContent;
public static MsgDto buildDto(String uuid,
long publicTime,
String msgContent) {
return builder().uuid(uuid)
.publicTime(DateUtil.formatDateTime(new Date(publicTime)))
.msgContent(msgContent).build();
}
}
以上,感谢。
2023年6月26日
文章评论