Spring Boot 作為主流微服務(wù)框架，擁有成熟的社區(qū)生態(tài)。市場應(yīng)用廣泛，為了方便大家，整理了一個基于spring boot的常用中間件快速集成入門系列手冊，涉及RPC、緩存、消息隊(duì)列、分庫分表、注冊中心、分布式配置等常用開源組件，大概有幾十篇文章，陸續(xù)會開放出來，感興趣同學(xué)請?zhí)崆瓣P(guān)注&收藏
消息通信有兩種基本模型，即發(fā)布-訂閱（Pub-Sub）模型和點(diǎn)對點(diǎn)（Point to Point）模型，發(fā)布-訂閱支持生產(chǎn)者消費(fèi)者之間的一對多關(guān)系，而點(diǎn)對點(diǎn)模型中有且僅有一個消費(fèi)者。
前言
Kafka是由Apache軟件基金會開發(fā)的一個開源流處理平臺，由Scala和Java編寫。該項(xiàng)目的目標(biāo)是為處理實(shí)時數(shù)據(jù)提供一個統(tǒng)一、高吞吐、低延遲的平臺。其持久化層本質(zhì)上是一個“按照分布式事務(wù)日志架構(gòu)的大規(guī)模發(fā)布/訂閱消息隊(duì)列”。
Kafka高效地處理實(shí)時流式數(shù)據(jù)，可以實(shí)現(xiàn)與Storm、HBase和Spark的集成。作為聚類部署到多臺服務(wù)器上，Kafka處理它所有的發(fā)布和訂閱消息系統(tǒng)使用了四個API，即生產(chǎn)者API、消費(fèi)者API、Stream API和Connector API。它能夠傳遞大規(guī)模流式消息，自帶容錯功能，已經(jīng)取代了一些傳統(tǒng)消息系統(tǒng)，如JMS、AMQP等。
為什么使用kafka？
- 削峰填谷。緩沖上下游瞬時突發(fā)流量，保護(hù) “脆弱” 的下游系統(tǒng)不被壓垮，避免引發(fā)全鏈路服務(wù) “雪崩”。
- 系統(tǒng)解耦。發(fā)送方和接收方的松耦合，一定程度簡化了開發(fā)成本，減少了系統(tǒng)間不必要的直接依賴。
- 異步通信：消息隊(duì)列允許用戶把消息放入隊(duì)列但不立即處理它。
- 可恢復(fù)性：即使一個處理消息的進(jìn)程掛掉，加入隊(duì)列中的消息仍然可以在系統(tǒng)恢復(fù)后被處理。
業(yè)務(wù)場景
- 一些同步業(yè)務(wù)流程的非核心邏輯，對時間要求不是特別高，可以解耦異步來執(zhí)行
- 系統(tǒng)日志收集，采集并同步到kafka，一般采用ELK組合玩法
- 一些大數(shù)據(jù)平臺，用于各個系統(tǒng)間數(shù)據(jù)傳遞
基本架構(gòu)
Kafka 運(yùn)行在一個由一臺或多臺服務(wù)器組成的集群上，并且分區(qū)可以跨集群節(jié)點(diǎn)分布
1、Producer 生產(chǎn)消息，發(fā)送到Broker中
2、Leader狀態(tài)的Broker接收消息，寫入到相應(yīng)topic中。在一個分區(qū)內(nèi)，這些消息被索引并連同時間戳存儲在一起
3、Leader狀態(tài)的Broker接收完畢以后，傳給Follow狀態(tài)的Broker作為副本備份
4、 Consumer 消費(fèi)者的進(jìn)程可以從分區(qū)訂閱，并消費(fèi)消息
常用術(shù)語
- Broker。負(fù)責(zé)接收和處理客戶端發(fā)送過來的請求，以及對消息進(jìn)行持久化。雖然多個 Broker 進(jìn)程能夠運(yùn)行在同一臺機(jī)器上，但更常見的做法是將不同的 Broker 分散運(yùn)行在不同的機(jī)器上
- 主題：Topic。主題是承載消息的邏輯容器，在實(shí)際使用中多用來區(qū)分具體的業(yè)務(wù)。
- 分區(qū)：Partition。一個有序不變的消息序列。每個主題下可以有多個分區(qū)。
- 消息：這里的消息就是指 Kafka 處理的主要對象。
- 消息位移：Offset。表示分區(qū)中每條消息的位置信息，是一個單調(diào)遞增且不變的值。
- 副本：Replica。Kafka 中同一條消息能夠被拷貝到多個地方以提供數(shù)據(jù)冗余，這些地方就是所謂的副本。副本還分為領(lǐng)導(dǎo)者副本和追隨者副本，各自有不同的角色劃分。每個分區(qū)可配置多個副本實(shí)現(xiàn)高可用。一個分區(qū)的N個副本一定在N個不同的Broker上。
- Leader：每個分區(qū)多個副本的“主”副本，生產(chǎn)者發(fā)送數(shù)據(jù)的對象，以及消費(fèi)者消費(fèi)數(shù)據(jù)的對象，都是 Leader。
- Follower：每個分區(qū)多個副本的“從”副本，實(shí)時從 Leader 中同步數(shù)據(jù)，保持和 Leader 數(shù)據(jù)的同步。Leader 發(fā)生故障時，某個 Follower 還會成為新的 Leader。
- 生產(chǎn)者：Producer。向主題發(fā)布新消息的應(yīng)用程序。
- 消費(fèi)者：Consumer。從主題訂閱新消息的應(yīng)用程序。
- 消費(fèi)者位移：Consumer Offset。表示消費(fèi)者消費(fèi)進(jìn)度，每個消費(fèi)者都有自己的消費(fèi)者位移。offset保存在broker端的內(nèi)部topic中，不是在clients中保存
- 消費(fèi)者組：Consumer Group。多個消費(fèi)者實(shí)例共同組成的一個組，同時消費(fèi)多個分區(qū)以實(shí)現(xiàn)高吞吐。
- 重平衡：Rebalance。消費(fèi)者組內(nèi)某個消費(fèi)者實(shí)例掛掉后，其他消費(fèi)者實(shí)例自動重新分配訂閱主題分區(qū)的過程。Rebalance 是 Kafka 消費(fèi)者端實(shí)現(xiàn)高可用的重要手段。
代碼演示
外部依賴：
在 pom.xml 中添加 Kafka 依賴：
<dependency>
<groupId>org.springframework.kafka</groupId>
<artifactId>spring-kafka</artifactId>
</dependency>由于spring-boot-starter-parent 指定的版本號是2.1.5.RELEASE，spring boot 會對外部框架的版本號統(tǒng)一管理，spring-kafka 引入的版本是 2.2.6.RELEASE
配置文件：
在配置文件 application.yaml 中配置 Kafka 的相關(guān)參數(shù)，具體內(nèi)容如下：
Spring: kafka: bootstrap-servers: localhost:9092 producer: retries: 3 # 生產(chǎn)者發(fā)送失敗時，重試次數(shù) batch-size: 16384 buffer-memory: 33554432 key-serializer: org.apache.kafka.common.serialization.StringSerializer # 生產(chǎn)者消息key和消息value的序列化處理類 value-serializer: org.apache.kafka.common.serialization.StringSerializer consumer: group-id: tomge-consumer-group # 默認(rèn)消費(fèi)者group id auto-offset-reset: earliest enable-auto-commit: true auto-commit-interval: 100 key-deserializer: org.apache.kafka.common.serialization.StringDeserializer value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
對應(yīng)的配置類 org.springframework.boot.autoconfigure.kafka.KafkaProperties，來初始化kafka相關(guān)的bean實(shí)例對象，并注冊到spring容器中。
發(fā)送消息：
Spring Boot 作為一款支持快速開發(fā)的集成性框架，同樣提供了一批以 -Template 命名的模板工具類用于實(shí)現(xiàn)消息通信。對于 Kafka 而言，這個工具類就是KafkaTemplate。
KafkaTemplate 提供了一系列 send 方法用來發(fā)送消息，典型的 send 方法定義如下代碼所示：
public ListenableFuture<SendResult<K, V>> send(String topic, @Nullable V data) {
。。。。 省略
}生產(chǎn)端提供了一個restful接口，模擬發(fā)送一條創(chuàng)建新用戶消息。
@GetMapping("/add_user")
public Object add() {
try {
Long id = Long.valueOf(new Random().nextInt(1000));
User user = User.builder().id(id).userName("TomGE").age(29).address("上海").build();
ListenableFuture<SendResult> listenableFuture = kafkaTemplate.send(addUserTopic, JSON.toJSONString(user));
// 提供回調(diào)方法，可以監(jiān)控消息的成功或失敗的后續(xù)處理
listenableFuture.addCallback(new ListenableFutureCallback<SendResult>() {
@Override
public void onFailure(Throwable throwable) {
System.out.println("發(fā)送消息失敗，" + throwable.getMessage());
}
@Override
public void onSuccess(SendResult sendResult) {
// 消息發(fā)送到的topic
String topic = sendResult.getRecordMetadata().topic();
// 消息發(fā)送到的分區(qū)
int partition = sendResult.getRecordMetadata().partition();
// 消息在分區(qū)內(nèi)的offset
long offset = sendResult.getRecordMetadata().offset();
System.out.println(String.format("發(fā)送消息成功，topc：%s, partition: %s, offset：%s ", topic, partition, offset));
}
});
return "消息發(fā)送成功";
} catch (Exception e) {
e.printStackTrace();
return "消息發(fā)送失敗";
}
}實(shí)際上開發(fā)使用的Kafka默認(rèn)允許自動創(chuàng)建Topic，創(chuàng)建Topic時默認(rèn)的分區(qū)數(shù)量是1，可以通過server.properties文件中的num.partitions=1修改默認(rèn)分區(qū)數(shù)量。在生產(chǎn)環(huán)境中通常會關(guān)閉自動創(chuàng)建功能，Topic需要由運(yùn)維人員先創(chuàng)建好。
消費(fèi)消息：
在 Kafka 中消息通過服務(wù)器推送給各個消費(fèi)者，而 Kafka 的消費(fèi)者在消費(fèi)消息時，需要提供一個監(jiān)聽器（Listener）對某個 Topic 實(shí)現(xiàn)監(jiān)聽，從而獲取消息，這也是 Kafka 消費(fèi)消息的唯一方式。
定義一個消費(fèi)類，在處理具體消息業(yè)務(wù)邏輯的方法上添加 @KafkaListener 注解，并配置要消費(fèi)的topic，代碼如下所示：
@Component
public class UserConsumer {
@KafkaListener(topics = "add_user")
public void receiveMesage(String content) {
System.out.println("消費(fèi)消息：" + content);
}
}是不是很簡單，添加kafka依賴、使用KafkaTemplate、@KafkaListener注解就完成消息的生產(chǎn)和消費(fèi)，其實(shí)是SpringBoot在背后默默的做了很多工作，如果感興趣可以研究下spring-boot-autoconfigure ，里面提供了常用開源框架的客戶端實(shí)例封裝。
演示工程代碼
https://github.com/aalansehaiyang/spring-boot-bulking
模塊：spring-boot-bulking-kafka
以上就是關(guān)于 springboot 集成 kafka 的全部內(nèi)容，想要了解更多關(guān)于 springboot 框架其他方面應(yīng)用或者關(guān)于 Kafka 的其他資料請關(guān)注W3Cschool其它相關(guān)文章。如果本篇文章對大家的學(xué)習(xí)有所幫助，還希望各位能夠多多地支持我們！
