SpringBoot2 整合Kafka组件，应用案例和流程详解

一、搭建Kafka环境1、下载解压-- 下载wget http://mirror.bit.edu.cn/apache/kafka/2.2.0/kafka_2.11-2.2.0.tgz-- 解压tar -zxvf kafka_2.11-2.2.0.tgz-- 重命名mv kafka_2.11-2.2.0 kafka2.112、启动Kafka服务

kafka依赖ZooKeeper服务，需要本地安装并启动ZooKeeper。

参考文章：Linux系统搭建ZooKeeper3.4中间件，常用命令总结

-- 执行位置-- /usr/local/mysoft/kafka2.11bin/kafka-server-start.sh config/server.properties3、查看服务ps -aux |grep kafka4、开放地址端口-- 基础路径-- /usr/local/mysoft/kafka2.11/configvim server.properties-- 添加下面注释advertised.listeners=PLAINTEXT://192.168.72.130:9092二、Kafka基础概念1、基础描述

Kafka是由Apache开源，具有分布式、分区的、多副本的、多订阅者，基于Zookeeper协调的分布式处理平台，由Scala和Java语言编写。通常用来搜集用户在应用服务中产生的动作日志数据，并高速的处理。日志类的数据需要高吞吐量的性能要求，对于像Hadoop一样的日志数据和离线分析系统，但又要求实时处理的限制，这是一个可行的解决方案。Kafka的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消息。

2、功能特点

(1)、通过磁盘数据结构提供消息的持久化，消息存储也能够保持长时间稳定性;

(2)、高吞吐量，即使是非常普通的硬件Kafka也可以支持每秒超高的并发量;

(3)、支持通过Kafka服务器和消费机集群来分区消息;

(4)、支持Hadoop并行数据加载;

(5)、API包封装的非常好，简单易用，上手快 ;

(6)、分布式消息队列。Kafka对消息保存时根据Topic进行归类，发送消息者称为Producer，消息接受者称为Consumer;

3、消息功能

点对点模式

点对点模型通常是一个基于拉取或者轮询的消息传递模型，消费者主动拉取数据，消息收到后从队列移除消息，这种模型不是将消息推送到客户端，而是从队列中请求消息。特点是发送到队列的消息被一个且只有一个消费者接收处理，即使有多个消费者监听队列也是如此。

发布订阅模式

发布订阅模型则是一个基于推送的消息传送模型，消息产生后，推送给所有订阅者。发布订阅模型可以有多种不同的订阅者，临时订阅者只在主动监听主题时才接收消息，而持久订阅者则监听主题的所有消息，即使当前订阅者不可用，处于离线状态。

4、消息队列作用

程序解耦，生产者和消费者独立，各自异步执行;
消息数据进行持久化存储，直到被全部消费，规避了数据丢失风险;
流量削峰，使用消息队列承接访问压力，尽量避免程序雪崩 ;
降低进程间的耦合度，系统部分组件崩溃时，不会影响到整个系统;
保证消息顺序执行，解决特定场景业务需求 ;

5、专业术语简介

Broker

一台kafka服务器就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic。

Producer

消息生产者，就是向kafka broker发消息的客户端。

Consumer

消息消费者，向kafka broker取消息的客户端。

Topic

每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic，可以理解为一个队列。

Consumer Group

每个Consumer属于一个特定的Consumer Group，可为每个Consumer指定group name，若不指定group name则属于默认的分组。

Partition

一个庞大大的topic可以分布到多个broker上，一个topic可以分为多个partition，每个partition是一个有序的队列。partition中的每条消息都会被分配一个有序的id。kafka只保证按一个partition中的顺序将消息发给consumer，不保证一个topic的整体的顺序。Partition是物理上的概念，方便在集群中扩展，提高并发。

三、整合SpringBoot2框架1、案例结构

消息生产者 : kafka-producer-server
消息消费方 : kafka-consumer-server

2、基础依赖<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId></dependency><dependency> <groupId>org.springframework.kafka</groupId> <artifactId>spring-kafka</artifactId> <version>2.2.4.RELEASE</version></dependency>3、生产者配置spring: kafka: bootstrap-servers: 127.0.0.1:90924、消息生成@RestControllerpublic class ProducerWeb { @Resource private KafkaTemplate<String, String> kafkaTemplate; @RequestMapping("/send") public String sendMsg () { MsgLog msgLog = new MsgLog(1,"消息生成", 1,"消息日志",new Date()) ; String msg = JSON.toJSONString(msgLog) ; // 这里Topic如果不存在，会自动创建 kafkaTemplate.send("cicada-topic", msg); return msg ; }}5、消费者配置spring: kafka: bootstrap-servers: 127.0.0.1:9092 consumer: group-id: test-consumer-group6、消息消费@Componentpublic class ConsumerMsg { private static Logger LOGGER = LoggerFactory.getLogger(ConsumerMsg.class); @KafkaListener(topics = "cicada-topic") public void listenMsg (ConsumerRecord<?,String> record) { String value = record.value(); LOGGER.info("ConsumerMsg====>>"+value); }}四、消息流程分析1、生产者分析

写入方式

生产者基于推push推模式将消息发布到broker，每条消息都被追加到分区patition中，属于磁盘顺序写，效率比随机写内存要高，保障kafka高吞吐量。

分区概念

消息发送时都被发送到一个topic，而topic是由Partition Logs(分区日志)组成，其组织结构如下图所示：

每个Partition中的消息都是有序的，生产的消息被不断追加到Partitionlog上，其中的每一个消息都被赋予了一个唯一的offset值。每个Partition可以通过调整以适配它所在的机器，而一个topic又可以有多个Partition组成，因此整个集群就可以适应任意大小的数据。分区的原则：指定patition，则直接使用；未指定patition但指定key，通过对key的value进行hash出一个patition；patition和key都未指定，使用轮询选出一个patition。

2、消费者分析

消费图解

转存失败重新上传取消 SpringBoot2 整合Kafka组件，应用案例和流程详解

消费者是以consumer group消费者组的方式工作，由一个或者多个消费者组成一个组，共同消费一个topic。每个分区在同一时间只能由group中的一个消费者读取，但是多个group可以同时消费一个partition。

消费方式

消费者采用pull拉模式从broker中读取数据。对于Kafka而言，pull模式更合适，它可简化broker的设计，consumer可自主控制消费消息的速率，同时consumer可以自己控制消费方式——即可批量消费也可逐条消费，同时还能选择不同的提交方式从而实现不同的数据传输场景。

五、源代码地址GitHub·地址https://github.com/cicadasmile/middle-ware-parentGitEE·地址https://gitee.com/cicadasmile/middle-ware-parent

SpringBoot2 整合Kafka组件，应用案例和流程详解

相关推荐