Kafka系列之SpringBoot集成Kafka

news/2024/7/8 3:35:47 标签: kafka

本文介绍如何在springboot项目中集成kafka收发message。

pom依赖

springboot相关的依赖我们就不提了，和kafka相关的只依赖一个spring-kafka集成包

	<dependency>
		<groupId>org.springframework.kafka</groupId>
        <artifactId>spring-kafka</artifactId>
    </dependency>

Kafka相关的yaml配置

spring:
  kafka:
    bootstrap-servers: 30.46.35.29:9092
    producer:
      retries: 3
      acks: -1
      batch-size: 16384
      buffer-memory: 33554432
      key-serializer: org.apache.kafka.common.serialization.StringSerializer
      value-serializer: org.apache.kafka.common.serialization.StringSerializer
      compression-type: lz4
      properties:
        linger.ms: 1
        'interceptor.classes': com.tencent.qidian.ma.commontools.trace.kafka.TracingProducerInterceptor
    consumer:
      heartbeat-interval: 3000
      max-poll-records: 100
      enable-auto-commit: false
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      properties:
        session.timeout.ms: 30000
    listener:
      concurrency: 3
      type: batch
      ack-mode: manual_immediate

生产者配置

1）通过@Configuration、@EnableKafka，声明Config并且打开KafkaTemplate能力。

2）生成bean，@Bean

常见配置参考：

package com.somnus.config.kafka;

@Configuration
@EnableKafka
public class KafkaProducerConfig {

    @Resource
    private KafkaProperties kafkaProperties;

    public Map<String, Object> producerConfigs() {
        Map<String, Object> props = new HashMap<>();
        props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, kafkaProperties.getBootstrapServers());
        props.put(ProducerConfig.RETRIES_CONFIG, kafkaProperties.getProducer().getRetries());
        props.put(ProducerConfig.BATCH_SIZE_CONFIG, kafkaProperties.getProducer().getBatchSize());
        props.put(ProducerConfig.LINGER_MS_CONFIG, kafkaProperties.getProducer().getProperties().get("linger.ms"));
        props.put(ProducerConfig.BUFFER_MEMORY_CONFIG, kafkaProperties.getProducer().getBufferMemory());
        props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, kafkaProperties.getProducer().getKeySerializer());
        props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, kafkaProperties.getProducer().getValueSerializer());
        return props;
    }

    public ProducerFactory<String, String> producerFactory() {
        return new DefaultKafkaProducerFactory<>(producerConfigs());
    }

    @Bean
    public KafkaTemplate<String, String> kafkaTemplate() {
        return new KafkaTemplate<>(producerFactory());
    }
}

消费端配置

1）通过@Configuration、@EnableKafka，声明Config并且打开KafkaTemplate能力。

2）生成bean，@Bean

常见配置参考：

package com.tencent.qidian.ma.maaction.web.config.kafka;

import jakarta.annotation.Resource;
import org.springframework.boot.autoconfigure.kafka.KafkaProperties;
import org.springframework.boot.autoconfigure.kafka.KafkaProperties.Listener.Type;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.kafka.annotation.EnableKafka;
import org.springframework.kafka.config.ConcurrentKafkaListenerContainerFactory;
import org.springframework.kafka.config.KafkaListenerContainerFactory;
import org.springframework.kafka.core.ConsumerFactory;
import org.springframework.kafka.listener.ConcurrentMessageListenerContainer;
import org.springframework.kafka.listener.ContainerProperties.AckMode;

/**
 * KafkaBeanConfiguration
 */
@Configuration
@EnableKafka
public class KafkaBeanConfiguration {

    @Resource
    private ConsumerFactory consumerFactory;

    @Resource
    private KafkaProperties kafkaProperties;

    @Bean(name = "kafkaListenerContainerFactory")
    public KafkaListenerContainerFactory<ConcurrentMessageListenerContainer<String, String>>
    kafkaListenerContainerFactory() {
        ConcurrentKafkaListenerContainerFactory<String, String> factory =
                new ConcurrentKafkaListenerContainerFactory<>();
        factory.setConsumerFactory(consumerFactory());
        factory.getContainerProperties().setAckMode(kafkaProperties.getListener().getAckMode());
        factory.setConcurrency(kafkaProperties.getListener().getConcurrency());
        if (kafkaProperties.getListener().getType().equals(Type.BATCH)) {
            factory.setBatchListener(true);
        }
        return factory;
    }
	
	// 此bean为了后续演示使用，参考消费演示中的containerFactory属性配置
	@Bean(name = "tenThreadsKafkaListenerContainerFactory1")
    public KafkaListenerContainerFactory<ConcurrentMessageListenerContainer<String, String>>
    tenThreadsKafkaListenerContainerFactory1() {
        ConcurrentKafkaListenerContainerFactory<String, String> factory =
                new ConcurrentKafkaListenerContainerFactory<>();
        factory.setConsumerFactory(consumerFactory);
        factory.getContainerProperties().setAckMode(kafkaProperties.getListener().getAckMode());
        factory.setConcurrency(10);
        if (kafkaProperties.getListener().getType().equals(Type.BATCH)) {
            factory.setBatchListener(true);
        }
        return factory;
    }

	public ConsumerFactory<String, String> consumerFactory() {
        return new DefaultKafkaConsumerFactory<>(consumerConfigs());
    }


    public Map<String, Object> consumerConfigs() {
        Map<String, Object> propsMap = new HashMap<>();
        propsMap.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, kafkaProperties.getBootstrapServers());
        propsMap.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG,kafkaProperties.getConsumer().getMaxPollRecords());
        propsMap.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, kafkaProperties.getConsumer().getEnableAutoCommit());
        propsMap.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, kafkaProperties.getConsumer().getProperties().get("session.timeout.ms"));
        propsMap.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, kafkaProperties.getConsumer().getKeyDeserializer());
        propsMap.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, kafkaProperties.getConsumer().getValueDeserializer());
        return propsMap;
    }
  }

SpringBoot 集成 KafkaTemplate 发送Kafka消息


	@Resource
    private ObjectMapper mapper;
    
 	@Resource
    private KafkaTemplate<String, String> kafkaTemplate;
    
	try {
			Order order = new Order();
			String message = mapper.writeValueAsString(order);
            CompletableFuture<SendResult<String, String>> future = kafkaTemplate.send("order", message);
            future.thenAccept(result -> {
                if (result.getRecordMetadata() != null) {
                    log.debug("send message:{} with offset:{}", message, result.getRecordMetadata().offset());
                }
            }).exceptionally(exception -> {
                log.error("KafkaProducer send message failure,topic={},data={}", topic, message, exception);
                return null;
            });
        } catch (Exception e) {
            log.error("KafkaProducer send message exception,topic={},message={}", topic, message, e);
        }

SpringBoot 集成 @KafkaListener 消费Kafka消息

max.poll.interval.ms

默认为5分钟
如果两次poll操作间隔超过了这个时间，broker就会认为这个consumer处理能力太弱，会将其踢出消费组，将分区分配给别的consumer消费，触发rebalance 。
如果你的消费者节点总是在重启完不久就不消费了，可以考虑检查改配置项或者优化你的消费者的消费速度等等。

max.poll.records

max-poll-records是Kafka consumer的一个配置参数，表示consumer一次从Kafka broker中拉取的最大消息数目，默认值为500条。在Kafka中，一个消费者组可以有多个consumer实例，每个consumer实例负责消费一个或多个partition的消息，每个consumer实例一次从broker中可以拉取一个或多个消息。

max-poll-records参数的作用就是控制每次拉取消息的最大数目，以实现消费弱化和控制内存资源的需求。

参考Kafka中的max-poll-records和listener.concurrency配置


 	@Resource
    private ObjectMapper mapper;
    
	@KafkaListener(
            id = "order_consumer",
            topics = "order",
            groupId = "g_order_consumer_group",
            //可配置containerFactory参数，使用指定的containerFactory，不配置默认使用名称是kafkaListenerContainerFactory的bean
            //containerFactory = "kafkaListenerContainerFactory1",
            properties = {"max.poll.interval.ms:300000", "max.poll.records:1"}
    )
    // 可以只有ConsumerRecords<String, String> records参数。ack参数非必需，ack.acknowledge()是为了防消息丢失
    public void consume(ConsumerRecords<String, String> records, Acknowledgment ack) {
        for (ConsumerRecord<String, String> record : records) {
            String msg = record.value();
            log.info("Consume msg:{}", msg);
            try {
                Order order = mapper.readValue(val, Order.class);
                // 处理业务逻辑
            } catch (Exception e) {
                log.error("Consume failed, msg:{}", val, e);
            }
        }
        ack.acknowledge();
    }

http://www.niftyadmin.cn/n/5536450.html

相关文章

数据赋能（138）——开发：数据映射——技术方法、主要工具

数据赋能（138）——开发：数据映射——技术方法、主要工具

技术方法 数据映射的技术方法主要包括以下几种&#xff1a; 手工法&#xff1a; 手工法涉及开发人员手动编码数据源和目标架构之间的链接。这通常使用如XSLT这样的计算机语言来编写代码&#xff0c;将XML文档翻译成各种格式。然而&#xff0c;随着数据系统的扩展和复杂化&…
阅读更多...
探讨SpringMVC的工作原理

探讨SpringMVC的工作原理

SpringMVC是Spring框架的一部分&#xff0c;是用于构建Web应用程序的一个模块。SpringMVC遵循Model-View-Controller&#xff08;MVC&#xff09;设计模式&#xff0c;帮助开发者将应用程序的业务逻辑、控制逻辑和表示层分离。以下是SpringMVC的工作原理及其核心组件的详细介绍…
阅读更多...
大量数据渲染怎么优化速度

大量数据渲染怎么优化速度

1. 分页加载 将数据分成若干份&#xff0c;每次请求当前页数据&#xff0c;在触底加载更多或者点击分页时加载下一页数据。 2. 虚拟列表 只渲染当前视口的数据&#xff0c;当用户滚动时动态更新视口里的内容&#xff0c;并不是一次渲染整个列表&#xff0c;这个方法比较适用…
阅读更多...
dolphinscheduler-笔记1

dolphinscheduler-笔记1

后端搭建开发环境 一. 基础插件 maven&#xff08;3.9.7&#xff09; maven必须升级到3.9.x版本&#xff0c;不然打包会异常jdk&#xff08;1.8&#xff09;zookeeper&#xff08;3.8.4&#xff09;mysql或者pg&#xff08;使用mysql&#xff09; 二. 代码修改点 链接&…
阅读更多...
RKNN3588——YOLOv8的PT模型转RKNN模型

RKNN3588——YOLOv8的PT模型转RKNN模型

一&#xff1a;PT转ONNX 1. 首先克隆rknn修改后的ultralytics版本项目到本地 https://github.com/airockchip/ultralytics_yolov8 cd ultralytics-main pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple pip install -e . 主要是修改了源码的ul…
阅读更多...
记一次kafka使用不当导致的服务器异常

记一次kafka使用不当导致的服务器异常

一、背景 1.运维反馈服务器cpu高&#xff0c;且高达80% 2.经过排查发现kafka出现消息积压情况 3.使用的是springboot kafka框架 dependency><groupId>org.springframework.kafka</groupId><artifactId>spring-kafka</artifactId> </dependency…
阅读更多...
AI会取代人力？

AI会取代人力？

前言 AI是在帮助开发者还是取代他们&#xff1f; AI&#xff08;人工智能&#xff09;在软件开发和更广泛的科技领域中&#xff0c;既是一个强大的辅助工具&#xff0c;也是一个推动行业变革的力量。关于AI是否在帮助开发者还是取代他们&#xff0c;这个问题其实涉及到了多个…
阅读更多...
k8s-第十一节-Job和CronJob

k8s-第十一节-Job和CronJob

Job Kubernetes jobs主要是针对短时和批量的工作负载。它是为了结束而运行的，而不是像deployment、replicasets、replication controllers和DaemonSets等其他对象那样持续运行。 Kubernetes Jobs会一直运行到Job中指定的任务完成。也就是说，如果pods给出退出代码0，那么Job…
阅读更多...
最新文章

Copyright @ 2022~2023