SpringBoot整合kafka

迈不过友情╰ 2022-01-29 15:19 354阅读 0赞

1、搭建项目，在[https://start.spring.io/][https_start.spring.io]网站中，添加kafka依赖，生成项目

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqbHp4_size_16_color_FFFFFF_t_70][]

2、在application.properties文件中添加kafka配置

#生产者
    #kafka服务器地址
    spring.kafka.producer.bootstrap-servers=xx.xx.xx.xx:9092,xx.xx.xx.xx:9091
    #重发次数
    spring.kafka.producer.retries=1
    #批量提交大小
    spring.kafka.producer.batch-size=16384
    #缓存大小
    spring.kafka.producer.buffer-memory=33554432
    #最大请求消息体大小
    spring.kafka.producer.properties.max.requst.size=2097152
    #key序列化类
    spring.kafka.producer.key-serializer=org.apache.kafka.common.serialization.StringSerializer
    #value序列化类
    spring.kafka.producer.value-serializer=org.apache.kafka.common.serialization.StringSerializer
    #procedure要求leader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，其值可以为如下：
    #acks = 0 如果设置为零，则生产者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，并且重试配置将不会生效（因为客户端通常不会知道任何故障），为每条记录返回的偏移量始终设置为-1。
    #acks = 1 这意味着leader会将记录写入其本地日志，但无需等待所有副本服务器的完全确认即可做出回应，在这种情况下，如果leader在确认记录后立即失败，但在将数据复制到所有的副本服务器之前，则记录将会丢失。
    #acks = all 这意味着leader将等待完整的同步副本集以确认记录，这保证了只要至少一个同步副本服务器仍然存活，记录就不会丢失，这是最强有力的保证，这相当于acks = -1的设置。
    spring.kafka.producer.acks=1
    #消费者
    #kafka服务器地址
    spring.kafka.consumer.bootstrap-servers=xx.xx.xx.xx:9092,xx.xx.xx.xx:9091
    #消费组id
    spring.kafka.consumer.group-id=DrewGroup
    # earliest:当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，从头开始消费
    # latest:当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，消费新产生的该分区下的数据
    # none:topic各分区都存在已提交的offset时，从offset后开始消费；只要有一个分区不存在已提交的offset，则抛出异常
    spring.kafka.consumer.auto-offset-reset=earliest
    #是否自动提交偏移量
    spring.kafka.consumer.enable-auto-commit=true
    #自动提交偏移量的频率
    spring.kafka.consumer.auto-commit-interval=100
    #消费线程数，即启动的客户端数
    spring.kafka.listener.concurrency=2

部分参数配置如下（转自[https://blog.csdn.net/fenglibing/article/details/82117166][https_blog.csdn.net_fenglibing_article_details_82117166]）

#################consumer的配置参数（开始）#################
    #如果'enable.auto.commit'为true，则消费者偏移自动提交给Kafka的频率（以毫秒为单位），默认值为5000。
    spring.kafka.consumer.auto-commit-interval;
     
    #当Kafka中没有初始偏移量或者服务器上不再存在当前偏移量时该怎么办，默认值为latest，表示自动将偏移重置为最新的偏移量
    #可选的值为latest, earliest, none
    spring.kafka.consumer.auto-offset-reset=latest;
     
    #以逗号分隔的主机：端口对列表，用于建立与Kafka群集的初始连接。
    spring.kafka.consumer.bootstrap-servers;
     
    #ID在发出请求时传递给服务器;用于服务器端日志记录。
    spring.kafka.consumer.client-id;
     
    #如果为true，则消费者的偏移量将在后台定期提交，默认值为true
    spring.kafka.consumer.enable-auto-commit=true;
     
    #如果没有足够的数据立即满足“fetch.min.bytes”给出的要求，服务器在回答获取请求之前将阻塞的最长时间（以毫秒为单位）
    #默认值为500
    spring.kafka.consumer.fetch-max-wait;
     
    #服务器应以字节为单位返回获取请求的最小数据量，默认值为1，对应的kafka的参数为fetch.min.bytes。
    spring.kafka.consumer.fetch-min-size;
     
    #用于标识此使用者所属的使用者组的唯一字符串。
    spring.kafka.consumer.group-id;
     
    #心跳与消费者协调员之间的预期时间（以毫秒为单位），默认值为3000
    spring.kafka.consumer.heartbeat-interval;
     
    #密钥的反序列化器类，实现类实现了接口org.apache.kafka.common.serialization.Deserializer
    spring.kafka.consumer.key-deserializer=org.apache.kafka.common.serialization.StringDeserializer
     
    #值的反序列化器类，实现类实现了接口org.apache.kafka.common.serialization.Deserializer
    spring.kafka.consumer.value-deserializer=org.apache.kafka.common.serialization.StringDeserializer
     
    #一次调用poll()操作时返回的最大记录数，默认值为500
    spring.kafka.consumer.max-poll-records;
    #################consumer的配置参数（结束）#################
    
    
    #################producer的配置参数（开始）#################
    #procedure要求leader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，其值可以为如下：
    #acks = 0 如果设置为零，则生产者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，并且重试配置将不会生效（因为客户端通常不会知道任何故障），为每条记录返回的偏移量始终设置为-1。
    #acks = 1 这意味着leader会将记录写入其本地日志，但无需等待所有副本服务器的完全确认即可做出回应，在这种情况下，如果leader在确认记录后立即失败，但在将数据复制到所有的副本服务器之前，则记录将会丢失。
    #acks = all 这意味着leader将等待完整的同步副本集以确认记录，这保证了只要至少一个同步副本服务器仍然存活，记录就不会丢失，这是最强有力的保证，这相当于acks = -1的设置。
    spring.kafka.producer.acks=1
     
    #每当多个记录被发送到同一分区时，生产者将尝试将记录一起批量处理为更少的请求， 
    #这有助于提升客户端和服务器上的性能，此配置控制默认批量大小（以字节为单位），默认值为16384
    spring.kafka.producer.batch-size=16384
     
    #以逗号分隔的主机：端口对列表，用于建立与Kafka群集的初始连接
    spring.kafka.producer.bootstrap-servers
     
    #生产者可用于缓冲等待发送到服务器的记录的内存总字节数，默认值为33554432
    spring.kafka.producer.buffer-memory=33554432
     
    #ID在发出请求时传递给服务器，用于服务器端日志记录
    spring.kafka.producer.client-id
     
    #生产者生成的所有数据的压缩类型，此配置接受标准压缩编解码器（'gzip'，'snappy'，'lz4'），
    #它还接受'uncompressed'以及'producer'，分别表示没有压缩以及保留生产者设置的原始压缩编解码器，
    #默认值为producer
    spring.kafka.producer.compression-type=producer
     
    #key的Serializer类，实现类实现了接口org.apache.kafka.common.serialization.Serializer
    spring.kafka.producer.key-serializer=org.apache.kafka.common.serialization.StringSerializer
     
    #值的Serializer类，实现类实现了接口org.apache.kafka.common.serialization.Serializer
    spring.kafka.producer.value-serializer=org.apache.kafka.common.serialization.StringSerializer
     
    #如果该值大于零时，表示启用重试失败的发送次数
    spring.kafka.producer.retries
    #################producer的配置参数（结束）#################
    
    
    #################listener的配置参数（结束）#################
    #侦听器的AckMode,参见https://docs.spring.io/spring-kafka/reference/htmlsingle/#committing-offsets
    #当enable.auto.commit的值设置为false时，该值会生效；为true时不会生效
    #RECORD 每处理一条commit一次
    #BATCH(默认) 每次poll的时候批量提交一次，频率取决于每次poll的调用频率
    #TIME 每次间隔ackTime的时间去commit(跟auto commit interval有什么区别呢？)
    #COUNT 累积达到ackCount次的ack去commit
    #COUNT_TIME ackTime或ackCount哪个条件先满足，就commit
    #MANUAL listener负责ack，但是会批量提交偏移量
    #MANUAL_IMMEDIATE listner负责ack，每调用一次，就立即commit
    spring.kafka.listener.ack-mode;
     
    #在侦听器容器中运行的线程数
    spring.kafka.listener.concurrency;
     
    #轮询消费者时使用的超时（以毫秒为单位）
    spring.kafka.listener.poll-timeout;
     
    #当ackMode为“COUNT”或“COUNT_TIME”时，偏移提交之间的记录数
    spring.kafka.listener.ack-count;
     
    #当ackMode为“TIME”或“COUNT_TIME”时，偏移提交之间的时间（以毫秒为单位）
    spring.kafka.listener.ack-time;
    #################listener的配置参数（结束）#################

3、编写生产者

@Component
    public class KafkaProducer {
        
        @Autowired
        private KafkaTemplate<String, Object> kafkaTemplate;
        
        public void send(String msg) {
            kafkaTemplate.send("DrewTest", msg);
        }
    }

4、编写消费者

@KafkaListener(topics = "DrewTest", groupId = "DrewGroup")
        public void getMsgAndAutoCommit(String msg) {
            String name = Thread.currentThread().getName();
            System.out.println(name + ":" + msg);
        }

5、手动控制消费偏移量提交；

*  修改enable-auto-commit为false，ack-mode为MANUAL或MANUAL\_IMMEDIATE；这里创建了一个config类，目的仅在于示例如何手动配置kafka，你也可以直接修改application.properties

/**
     * 
     * spring内部已经帮我们实现了这一配置类，这里写这个kafka配置类，
     * 只是单纯说明下kafka是如何使用application.properties文件里的参数，
     * 同时如果有需要配置不同kafka参数，例如有些消费者偏移量需手动提交，有些自动提交，
     * 也可以通过配置多个ConcurrentKafkaListenerContainerFactory或KafkaTemplate，
     * 然后在使用时指定。这里示例了如何配置手动提交偏移量
     * 
     * @Since:2019年5月22日
     * @Version:1.1.0
     */
    @Configuration
    @EnableKafka
    public class KafkaConfig {
        @Value("${spring.kafka.producer.bootstrap-servers}")
        private String servers;
        
        @Value("${spring.kafka.producer.retries}")
        private int retries;
        
        @Value("${spring.kafka.producer.batch-size}")
        private int batchSize;
        
        @Value("${spring.kafka.producer.buffer-memory}")
        private int bufferMemory;
        
        @Value("${spring.kafka.consumer.bootstrap-servers}")
        private String brokers;
        
        /*生产者配置*/
        public Map<String, Object> producerConfigs() {
            Map<String, Object> props = new HashMap<>();
            props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, servers);
            props.put(ProducerConfig.RETRIES_CONFIG, 2);
            props.put(ProducerConfig.BATCH_SIZE_CONFIG, batchSize);
            props.put(ProducerConfig.BUFFER_MEMORY_CONFIG, bufferMemory);
            props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class);
            props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class);
            return props;
        }
        
        public ProducerFactory<String, Object> producerFactory() {
            return new DefaultKafkaProducerFactory<>(producerConfigs());
        }
        
        @Bean
        @Primary
        public KafkaTemplate<String, Object> kafkaTemplate() {
            return new KafkaTemplate<>(producerFactory());
        }
        
        /*消费者配置*/
        public Map<String, Object> consumerConfigs() {
            Map<String, Object> props = new HashMap<>();
            props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, brokers);
            props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);
            props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "100");
            props.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, "15000");
            props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
            props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
            props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");
            return props;
        }
        
        public ConsumerFactory<String, Object> consumerFactory() {
            return new DefaultKafkaConsumerFactory<>(consumerConfigs());
        }
        
        @Bean
        @Primary
        public ConcurrentKafkaListenerContainerFactory<String, Object> kafkaListenerContainerFactory() {
            ConcurrentKafkaListenerContainerFactory<String, Object> factory =
                new ConcurrentKafkaListenerContainerFactory<>();
            factory.setConsumerFactory(consumerFactory());
            factory.setConcurrency(2);
            factory.getContainerProperties().setPollTimeout(4000);
            //如果enable.auto.commit设为false，但是不设置AckMode，则交由spring自动提交偏移量
            factory.getContainerProperties().setAckMode(AckMode.MANUAL);
            return factory;
        }
        
    }

*  编写消费者
    
        /**
             * @param record 消息对象
             * @param acknowledgment 偏移量提交类
             */
            @KafkaListener(topics = "DrewTest", groupId = "DrewGroup")
            public void getMsgAndUnAutoCommit(ConsumerRecord<Object, String> record, Acknowledgment acknowledgment) {
                System.out.println("key:" + record.key() + "/offset:" + record.offset() + "/value:" + record.value()
                    + "/partition:" + record.partition() + "/timestamp" + record.timestamp() + "/topics:" + record.topic());
                //手动提交偏移量
                acknowledgment.acknowledge();
            }

6、消费某个时间点之后的数据，这里有两种方法：

*  一种是创建一个新的group组，设置auto.offset.reset为earliest，在消费时判断时间戳

@KafkaListener(topics = "DrewTest", groupId = "DrewGroup1")
        public void getMsgAndUnAutoCommit(ConsumerRecord<Object, String> record, Acknowledgment acknowledgment) {
            LocalDateTime dataTime =
                LocalDateTime.ofInstant(Instant.ofEpochMilli(record.timestamp()), ZoneId.systemDefault());
            //判断时间戳
            LocalDateTime time = LocalDateTime.of(2019, 5, 23, 10, 07);
            //过滤这个时间点前的数据
            if (dataTime.isAfter(time)) {
                System.out.println("key:" + record.key() + "/offset:" + record.offset() + "/value:" + record.value()
                    + "/partition:" + record.partition() + "/timestamp:" + dataTime + "/topics:" + record.topic());
            }
            //手动提交偏移量
            acknowledgment.acknowledge();
        }

*  一种是修改原有group组消费的偏移量，由于根据时间戳设置偏移量需要用到KafkaConsumer这个对象，但是springBoot把这个对象包装维护起来，同时没有提供初始化时根据时间戳设置偏移量的方法，所以我们必须自己创建一个KafkaConsumer对象，而且因为kafka里相同分区不能给同一个group里的不同客户端消费，所以我们在调用以下方法时必须停掉其他所有客户端
    
        /**
             * 按groupid和topic修改offset
             */
            public void updateOffset(String groupId, String topic) {
                Map<String, Object> props = new HashMap<>();
                props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, brokers);
                props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");
                props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");
                props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
                props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
                props.put(ConsumerConfig.GROUP_ID_CONFIG, groupId);
                //创建consumer对象
                KafkaConsumer consumer = new KafkaConsumer(props);
                //订阅topic
                consumer.subscribe(Collections.singletonList(topic));
                //根据topic获取分区对象
                List<PartitionInfo> partitionInfos = consumer.partitionsFor(topic);
                //获取8小时前的时间戳
                LocalDateTime time = LocalDateTime.now();
                time = time.minus(8, ChronoUnit.HOURS);
                long fetchDataTime = time.atZone(ZoneId.systemDefault()).toInstant().toEpochMilli();
                // 获取每个partition 8个小时之前的偏移量
                Map<TopicPartition, Long> timestampsToSearch = new HashMap<>();
                for (PartitionInfo partitionInfo : partitionInfos) {
                    timestampsToSearch.put(new TopicPartition(partitionInfo.topic(), partitionInfo.partition()), fetchDataTime);
                }
                Map<TopicPartition, OffsetAndTimestamp> map = consumer.offsetsForTimes(timestampsToSearch);
                //seek前要先poll，否则会报错
                consumer.poll(0);
                OffsetAndTimestamp offsetTimestamp = null;
                System.out.println("开始设置各分区初始偏移量...");
                for (Map.Entry<TopicPartition, OffsetAndTimestamp> entry : map.entrySet()) {
                    // 如果设置的查询偏移量的时间点大于最大的索引记录时间，那么value就为空
                    offsetTimestamp = entry.getValue();
                    if (offsetTimestamp != null) {
                        int partition = entry.getKey().partition();
                        long timestamp = offsetTimestamp.timestamp();
                        long offset = offsetTimestamp.offset();
                        System.out.println("partition = " + partition + ", time = "
                            + LocalDateTime.ofInstant(Instant.ofEpochMilli(timestamp), ZoneId.systemDefault()) + ", offset = "
                            + offset);
                        // 设置读取消息的偏移量
                        consumer.seek(entry.getKey(), offset);
                    }
                }
                System.out.println("设置各分区初始偏移量结束...");
                //提交偏移量
                consumer.commitSync();
                consumer.close();
            }

[https_start.spring.io]: https://start.spring.io/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqbHp4_size_16_color_FFFFFF_t_70]: /images/20220129/0112d6e0d126461db8e9e4d10aa7642c.png
[https_blog.csdn.net_fenglibing_article_details_82117166]: https://blog.csdn.net/fenglibing/article/details/82117166