SpringBoot集成Kafka 配置工具類的詳細代碼
spring-kafka 是基于 java版的 kafka client與spring的集成,提供了 KafkaTemplate,封裝了各種方法,方便操作,它封裝了apache的kafka-client,不需要再導入client依賴
<!-- kafka --> <dependency> <groupId>org.springframework.kafka</groupId> <artifactId>spring-kafka</artifactId> </dependency>
YML配置
kafka: #bootstrap-servers: server1:9092,server2:9093 #kafka開發(fā)地址, #生產(chǎn)者配置 producer: # Kafka提供的序列化和反序列化類 key-serializer: org.apache.kafka.common.serialization.StringSerializer #序列化 value-serializer: org.apache.kafka.common.serialization.StringSerializer retries: 1 # 消息發(fā)送重試次數(shù) #acks = 0:設置成 表示 producer 完全不理睬 leader broker 端的處理結(jié)果。此時producer 發(fā)送消息后立即開啟下 條消息的發(fā)送,根本不等待 leader broker 端返回結(jié)果 #acks= all 或者-1 :表示當發(fā)送消息時, leader broker 不僅會將消息寫入本地日志,同時還會等待所有其他副本都成功寫入它們各自的本地日志后,才發(fā)送響應結(jié)果給,消息安全但是吞吐量會比較低。 #acks = 1:默認的參數(shù)值。 producer 發(fā)送消息后 leader broker 僅將該消息寫入本地日志,然后便發(fā)送響應結(jié)果給producer ,而無須等待其他副本寫入該消息。折中方案,只要leader一直活著消息就不會丟失,同時也保證了吞吐量 acks: 1 #應答級別:多少個分區(qū)副本備份完成時向生產(chǎn)者發(fā)送ack確認(可選0、1、all/-1) batch-size: 16384 #批量大小 properties: linger: ms: 0 #提交延遲 buffer-memory: 33554432 # 生產(chǎn)端緩沖區(qū)大小 # 消費者配置 consumer: key-deserializer: org.apache.kafka.common.serialization.StringDeserializer value-deserializer: org.apache.kafka.common.serialization.StringDeserializer # 分組名稱 group-id: web enable-auto-commit: false #提交offset延時(接收到消息后多久提交offset) # auto-commit-interval: 1000ms #當kafka中沒有初始offset或offset超出范圍時將自動重置offset # earliest:重置為分區(qū)中最小的offset; # latest:重置為分區(qū)中最新的offset(消費分區(qū)中新產(chǎn)生的數(shù)據(jù)); # none:只要有一個分區(qū)不存在已提交的offset,就拋出異常; auto-offset-reset: latest properties: #消費會話超時時間(超過這個時間consumer沒有發(fā)送心跳,就會觸發(fā)rebalance操作) session.timeout.ms: 15000 #消費請求超時時間 request.timeout.ms: 18000 #批量消費每次最多消費多少條消息 #每次拉取一條,一條條消費,當然是具體業(yè)務狀況設置 max-poll-records: 1 # 指定心跳包發(fā)送頻率,即間隔多長時間發(fā)送一次心跳包,優(yōu)化該值的設置可以減少Rebalance操作,默認時間為3秒; heartbeat-interval: 6000 # 發(fā)出請求時傳遞給服務器的 ID。用于服務器端日志記錄 正常使用后解開注釋,不然只有一個節(jié)點會報錯 #client-id: mqtt listener: #消費端監(jiān)聽的topic不存在時,項目啟動會報錯(關掉) missing-topics-fatal: false #設置消費類型 批量消費 batch,單條消費:single type: single #指定容器的線程數(shù),提高并發(fā)量 #concurrency: 3 #手動提交偏移量 manual達到一定數(shù)據(jù)后批量提交 #ack-mode: manual ack-mode: MANUAL_IMMEDIATE #手動確認消息 # 認證 #properties: #security: #protocol: SASL_PLAINTEXT #sasl: #mechanism: SCRAM-SHA-256 #jaas:config: 'org.apache.kafka.common.security.scram.ScramLoginModule required username="username" password="password";'
簡單工具類,能滿足正常使用,主題是無法修改的
@Component @Slf4j public class KafkaUtils<K, V> { @Autowired private KafkaTemplate kafkaTemplate; @Value("${spring.kafka.bootstrap-servers}") String[] servers; /** * 獲取連接 * @return */ private Admin getAdmin() { Properties properties = new Properties(); properties.put("bootstrap.servers", servers); // 正式環(huán)境需要添加賬號密碼 return Admin.create(properties); } /** * 增加topic * * @param name 主題名字 * @param partition 分區(qū)數(shù)量 * @param replica 副本數(shù)量 * @date 2022-06-23 chens */ public R addTopic(String name, Integer partition, Integer replica) { Admin admin = getAdmin(); if (replica > servers.length) { return R.error("副本數(shù)量不允許超過Broker數(shù)量"); } try { NewTopic topic = new NewTopic(name, partition, Short.parseShort(replica.toString())); admin.createTopics(Collections.singleton(topic)); } finally { admin.close(); } return R.ok(); } /** * 刪除主題 * * @param names 主題名字集合 * @date 2022-06-23 chens */ public void deleteTopic(List<String> names) { Admin admin = getAdmin(); try { admin.deleteTopics(names); } finally { admin.close(); } } /** * 查詢所有主題 * * @date 2022-06-24 chens */ public Set<String> queryTopic() { Admin admin = getAdmin(); try { ListTopicsResult topics = admin.listTopics(); Set<String> set = topics.names().get(); return set; } catch (Exception e) { log.error("查詢主題錯誤!"); } finally { admin.close(); } return null; } // 向所有分區(qū)發(fā)送消息 public ListenableFuture<SendResult<K, V>> send(String topic, @Nullable V data) { return kafkaTemplate.send(topic, data); } // 指定key發(fā)送消息,相同key保證消息在同一個分區(qū) public ListenableFuture<SendResult<K, V>> send(String topic, K key, @Nullable V data) { return kafkaTemplate.send(topic, key, data); } // 指定分區(qū)和key發(fā)送。 public ListenableFuture<SendResult<K, V>> send(String topic, Integer partition, K key, @Nullable V data) { return kafkaTemplate.send(topic, partition, key, data); } }
發(fā)送消息 使用異步
@GetMapping("/{topic}") public String test(@PathVariable String topic, @PathVariable Long index) throws ExecutionException, InterruptedException { ListenableFuture future = null; Chenshuang user = new Chenshuang(i, "陳爽", "123456", new Date()); String s = JSON.toJSONString(user); KafkaUtils utils = new KafkaUtils(); future = kafkaUtils.send(topic, s); // 異步回調(diào),同步get,會等待 不推薦同步! future.addCallback(new ListenableFutureCallback() { @Override public void onFailure(Throwable ex) { System.out.println("發(fā)送失敗"); } @Override public void onSuccess(Object result) { System.out.println("發(fā)送成功:" + result); } }); return "發(fā)送成功"; }
建立主題
如果broker端配置auto.create.topics.enable為true(默認為true),當收到客戶端的元數(shù)據(jù)請求時則會創(chuàng)建topic。
向一個不存在的主題發(fā)送和消費都會創(chuàng)建一個新的主題,很多時候,非預期的創(chuàng)建主題,會導致很多意想不到的問題,建議關掉該特性。
Topic主題用來區(qū)分不同類型的消息,實際也就是適用于不同的業(yè)務場景,默認消息保存一周時間;
同一個Topic主題下,默認是一個partition分區(qū),也就是只能有一個消費者來消費,如果想提升消費能力,就需要增加分區(qū);
同一個Topic的多個分區(qū),可以有三種方式分派消息(key,value)到不同的分區(qū),指定分區(qū)、HASH路由、默認,同一個分區(qū)內(nèi)的消息ID唯一,并順序;
消費者消費partition分區(qū)內(nèi)的消息時,是通過offsert來標識消息的位置;
GroupId用來解決同一個Topic主題下重復消費問題,比如一條消費需要多個消費者接收到,就可以通過設置不同的GroupId實現(xiàn),
實際消息是存一份的,只是通過邏輯上設置標識來區(qū)分,系統(tǒng)會記錄Topic主題下–》GroupId分組下–》partition分區(qū)下的offsert,來標識是否消費過。
發(fā)送消息的高可用—
集群模式,多副本方式實現(xiàn);一條消息的提交,可能通過設置acks標識實現(xiàn)不同的可用性,=0時,發(fā)送成功就OK;=1時,master成功響應才OK,=all時,一半以上的響應才OK(真正的高可用)
消費消息的高可用—
可以關閉自動標識offsert模式,先拉取消息,消費完成后,再去設置offsert位置,來解決消費高可用
import org.apache.kafka.clients.admin.NewTopic; import org.springframework.beans.factory.annotation.Value; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; @Configuration public class KafkaTopic { // yml自定義主題,項目啟動就創(chuàng)建, @Value("${spring.kafka.topic}") String topic; @Value("${spring.kafka.bootstrap-servers}") String[] server; /** * 項目啟動 初始化主題,如果存在不會覆蓋主題的 */ @Bean public NewTopic batchTopic() { // 最大復制因子 <= 經(jīng)紀人broker數(shù)量. return new NewTopic(topic, 10, (short) server.length); } }
監(jiān)聽類 ,一條消息,各分組內(nèi)的消費者只有一個消費者消費一次,如果消息在1區(qū),指定分區(qū)1監(jiān)聽也會消費
也可以同個方法監(jiān)聽不同的主題,指定位移監(jiān)聽
同組會均勻消費,不同組會重復消費。
1、單播模式,只有一個消費者組
(1)topic只有1個partition,該組內(nèi)有多個消費者時,此時同一個partition內(nèi)的消息只能被該組中的一 個consumer消費。當消費者數(shù)量多于partition數(shù)量時,多余的消費者是處于空閑狀態(tài)的,如圖1所示。topic,test只有一個partition,并且只有1個group,G1,該group內(nèi)有多個consumer,只能被其中一個消費者消費,其他的處于空閑狀態(tài)。
圖一
(2)該topic有多個partition,該組內(nèi)有多個消費者,比如test 有3個partition,該組內(nèi)有2個消費者,那么可能就是C0對應消費p0,p1內(nèi)的數(shù)據(jù),c1對應消費p2的數(shù)據(jù);如果有3個消費者,就是一個消費者對應消費一個partition內(nèi)的數(shù)據(jù)了。圖解分別如圖2,圖3.這種模式在集群模式下使用是非常普遍的,比如我們可以起3個服務,對應的topic設置3個partiition,這樣就可以實現(xiàn)并行消費,大大提高處理消息的效率。
圖二
圖三
2、廣播模式,多個消費者組
如果想實現(xiàn)廣播的模式就需要設置多個消費者組,這樣當一個消費者組消費完這個消息后,絲毫不影響其他組內(nèi)的消費者進行消費,這就是廣播的概念。
(1)多個消費者組,1個partition
該topic內(nèi)的數(shù)據(jù)被多個消費者組同時消費,當某個消費者組有多個消費者時也只能被一個消費者消費,如圖4所示:
圖四
(2)多個消費者組,多個partition
該topic內(nèi)的數(shù)據(jù)可被多個消費者組多次消費,在一個消費者組內(nèi),每個消費者又可對應該topic內(nèi)的一個或者多個partition并行消費,如圖五:
注意: 消費者的數(shù)量并不能決定一個topic的并行度。它是由分區(qū)的數(shù)目決定的。
再多的消費者,分區(qū)數(shù)少,也是浪費!
一個組的最大并行度將等于該主題的分區(qū)數(shù)。
@Component @Slf4j public class Consumer { // 監(jiān)聽主題 分組a @KafkaListener(topics =("${spring.kafka.topic}") ,groupId = "a") public void getMessage(ConsumerRecord message, Acknowledgment ack) { //確認收到消息 ack.acknowledge(); } // 監(jiān)聽主題 分組a @KafkaListener(topics = ("${spring.kafka.topic}"),groupId = "a") public void getMessage2(ConsumerRecord message, Acknowledgment ack) { //確認收到消息 ack.acknowledge(); } // 監(jiān)聽主題 分組b @KafkaListener(topics = ("${spring.kafka.topic}"),groupId = "b") public void getMessage3(ConsumerRecord message, Acknowledgment ack) { //確認收到消息//確認收到消息 ack.acknowledge(); } // 監(jiān)聽主題 分組b @KafkaListener(topics = ("${spring.kafka.topic}"),groupId = "b") public void getMessage4(ConsumerRecord message, Acknowledgment ack) { //確認收到消息//確認收到消息 ack.acknowledge(); } // 指定監(jiān)聽分區(qū)1的消息 @KafkaListener(topicPartitions = {@TopicPartition(topic = ("${spring.kafka.topic}"),partitions = {"1"})}) public void getMessage5(ConsumerRecord message, Acknowledgment ack) { Long id = JSONObject.parseObject(message.value().toString()).getLong("id"); //確認收到消息//確認收到消息 ack.acknowledge(); } /** * @Title 指定topic、partition、offset消費 * @Description 同時監(jiān)聽topic1和topic2,監(jiān)聽topic1的0號分區(qū)、topic2的 "0號和1號" 分區(qū),指向1號分區(qū)的offset初始值為8 * 注意:topics和topicPartitions不能同時使用; **/ @KafkaListener(id = "c1",groupId = "c",topicPartitions = { @TopicPartition(topic = "t1", partitions = { "0" }), @TopicPartition(topic = "t2", partitions = "0", partitionOffsets = @PartitionOffset(partition = "1", initialOffset = "8"))}) public void getMessage6(ConsumerRecord record,Acknowledgment ack) { //確認收到消息 ack.acknowledge(); } /** * 批量消費監(jiān)聽goods變更消息 * yml配置listener:type 要改為batch * ymk配置consumer:max-poll-records: ??(每次拉取多少條數(shù)據(jù)消費) * concurrency = "2" 啟動多少線程執(zhí)行,應小于等于broker數(shù)量,避免資源浪費 */ @KafkaListener(id="sync-modify-goods", topics = "${spring.kafka.topic}",concurrency = "4") public void getMessage7(List<ConsumerRecord<String, String>> records){ for (ConsumerRecord<String, String> msg:records) { GoodsChangeMsg changeMsg = null; try { changeMsg = JSONObject.parseObject(msg.value(), GoodsChangeMsg.class); syncGoodsProcessor.handle(changeMsg); }catch (Exception exception) { log.error("解析失敗{}", msg, exception); } } } }
到此這篇關于SpringBoot集成Kafka 配置工具類的文章就介紹到這了,更多相關SpringBoot集成Kafka 配置工具類內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
詳解Java中的println輸入和toString方法的重寫問題
這篇文章主要介紹了Java中的println輸入和toString方法的重寫,一個對象數(shù)組在調(diào)用Arrays.toString打印時,相當于遍歷數(shù)組,然后打印里邊每個對象,這再打印對象就調(diào)用對象自己的toString了,需要的朋友可以參考下2022-04-04Java中Lambda表達式和函數(shù)式接口的使用和特性
Java Lambda表達式是一種函數(shù)式編程的特性,可簡化匿名內(nèi)部類的寫法,與函數(shù)式接口搭配使用,實現(xiàn)代碼簡潔、可讀性高、易于維護的特點,適用于集合操作、多線程編程等場景2023-04-04