多个消费者订阅一个Kafka的Topic(使用@KafkaListener和KafkaTemplate) |
您所在的位置：网站首页 › 有 英语短语 › 多个消费者订阅一个Kafka的Topic(使用@KafkaListener和KafkaTemplate) |
|
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 org.springframework.kafka spring-kafka 2.8.2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 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 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |