SpringBoot整合Kafka的快速使用教程

Kafka是一个高性能、分布式的消息发布-订阅系统，被广泛应用于大数据处理、实时日志分析等场景。Spring Boot作为目前最流行的Java开发框架之一，其简洁的配置和丰富的工具使得与Kafka的集成变得更加容易。本文将介绍如何使用Spring Boot整合Kafka，实现高效的数据处理和消息传递。

一、引入Kafka的依赖

<dependency>

<groupId>org.springframework.cloud</groupId>

<artifactId>spring-cloud-starter-stream-kafka</artifactId>

</dependency>

二、配置Kafka

spring:
  kafka:
    bootstrap-servers: 156.65.20.76:9092,156.65.20.77:9092,156.65.20.78:9092 #指定Kafka集群的地址，这里有三个地址，用逗号分隔。
    listener:
      ack-mode: manual_immediate #设置消费者的确认模式为manual_immediate，表示消费者在接收到消息后立即手动确认。
      concurrency: 3  #设置消费者的并发数为3
      missing-topics-fatal: false  #设置为false，表示如果消费者订阅的主题不存在，不会抛出异常。
    producer:
      key-serializer: org.apache.kafka.common.serialization.StringSerializer  # 设置消息键的序列化器
      value-serializer: org.apache.kafka.common.serialization.StringSerializer #设置消息值的序列化器
      acks: 1  #一般就是选择1，兼顾可靠性和吞吐量 ，如果想要更高的吞吐量设置为0，如果要求更高的可靠性就设置为-1
    consumer:
      auto-offset-reset: earliest #设置为"earliest"表示将从最早的可用消息开始消费，即从分区的起始位置开始读取消息。
      enable-auto-commit: false #禁用了自动提交偏移量的功能，为了避免出现重复数据和数据丢失，一般都是手动提交
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer  # 设置消息键的反序列化器
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer #设置消息值的反序列化器

注：kafka的acks有三个值，可以根据实际情况和需求平衡消息系统的吞吐量和数据安全性，来选择对应的值。

acks=0 ：这是最不可靠的模式。当设置为acks=0时，生产者在发送消息后不会等待任何服务器端的确认响应。这种模式下，生产者可以迅速继续发送下一批消息，效率最高，但风险也最大。如果在此模式下发生网络问题或broker故障，发送的消息可能会永久丢失，生产者无法得知消息是否成功到达Kafka broker。因此，这种配置适合于能够容忍少量数据丢失的场景，例如实时数据分析或生成非关键的实时报表。
acks=1：这是默认的配置模式，也是一种折衷方案。在这种模式下，生产者会等待分区的领导者节点（leader）确认消息已经成功写入磁盘，才会发送确认信息给生产者。这提高了数据的安全性，因为只要领导者节点保存了消息，即使跟随者（replicas）没有及时同步，消息也不会丢失。然而，如果领导者在同步给所有追随者之前崩溃，那么尚未同步的副本将无法获取该消息，仍然存在消息丢失的风险。
acks=all或-1：这是最可靠的模式。在这个模式下，生产者不仅需要领导者节点确认，还会等待所有同步副本（In-sync replicas, ISR）都确认写入消息后才会收到确认。这极大地增强了数据的持久性保证，确保了即使在多个节点故障的情况下，消息也不会丢失。此模式适用于数据可靠性要求非常高的场景，如金融交易系统或重要的日志记录

三、创建主题

1、自动创建(不推荐)

不存在的主题，会自动创建，分区数和副本数均为默认值。而默认值可能会不符合某些场景的要求。

在kafka的安装目录conf目录下找到该配置文件server.properties，添加如下配置：

num.partitions=3 #默认3个分区

auto.create.topics.enable=true #开启自动创建主题

default.replication.factor=3 #默认3个副本

2、手动动创建

在kafka的安装目录bin目录下，执行如下命令：

//创建一个有三个分区和三个副本，名为zhuoye的主题

./kafka-topics.sh --create --bootstrap-server localhost:9092 --replication-factor 3 --partitions 3 --topic zhuoye

四、生产者代码

java 复制代码

@Slf4j
@Component
public class ALiYunServiceImpl implents IALiYunService {
    @Autowired
    private KafkaTemplate kafkaTemplate;
    @Autowired
    private ExecutorService executorService;
    String topicName = "zhuoye";
    @Override
    public void queryECSMetricInfo() {
        //发送到kafka的消息集合,因为使用了多线程，并且在多线程中往该集合进行添加操作，所以需要线程安全的
        List<Message> messages = Collections.synchronizedList(new ArrayList<>());
        boolean flag = true;
        //获取上次查询时间
        Long startTime = Long.valueOf(queryTimeRecordMapper.selectTimeByBelongId(3)) * 1000;
        Long endTime = System.currentTimeMillis();
        try {
            //查询出所有的运行中的实例
            List<CloudInstanceAssetDto> cloudInstances = cloudInstanceAssetMapper.queryAllRunningInstance(1, "Running");
            if (CollectionUtils.isEmpty(cloudInstances)) {
                return;
            }
            //定义计数器
            CountDownLatch latch = new CountDownLatch(cloudInstances.size());
            //遍历查询
            for (CloudInstanceAssetDto instance : cloudInstances) {
                executorService.submit(() -> {
                    try {
                        //获取内网流出带宽，并将结果封装到消息集合中
                        dealMetricDataToMessage(ALiYunConstant.ECS_INTRANET_OUT_RATE, ALiYunConstant.INTRANET_OUT_RATE_NAME, ALiYunConstant.LW_INTRANET_OUT_RATE_CODE,
                                startTime, endTime, instance, messages);
                    } catch (Exception e) {
                        log.error("获取ECS的指标数据-多线程处理任务异常！", e);
                    } finally {
                        latch.countDown();
                    }

                });
            }
            //等待任务执行完毕
            latch.await();
            //将最终的消息集合发送到kafka
            if (CollectionUtils.isNotEmpty(messages)) {
                for (int i = 0; i < messages.size(); i++) {
                    if (StringUtils.isNotBlank(messages.get(i).getValue())
                            && "noSuchInstance".equals(messages.get(i).getValue())) {
                        continue;
                    }
                  kafkaTemplate.send(topicName,  messages.get(i));
                }
            }
        } catch (Exception e) {
            flag = false;
            log.error("获取ECS的指标数据失败", e);
        }
        //更新记录上次查询时间
        if (flag) {
            QueryTimeRecord queryTimeRecord = new QueryTimeRecord();
            queryTimeRecord.setBelongId(3).setLastQueryTime(String.valueOf((endTime - 1000 * 60 * 1) / 1000)); //开始时间往前推1分钟
            queryTimeRecordMapper.updateByBelongId(queryTimeRecord);
        }
    }

这个时候，如果你想看有没有把消息发送到kafka的指定主题可以使用如下命令：

kafka-console-consumer.sh --bootstrap-server localhost:9093 --topic zhuoye

五、消费者代码

java 复制代码

@Slf4j
@Component
public class KafkaConsumer {
    // 消费监听
    @KafkaListener(topics = "zhuoye",groupId ="zhuoye-aliyunmetric")
    public void consumeExtractorChangeMessage(ConsumerRecord<String, String> record, Acknowledgment ack){
        try {
            String value = record.value();
            //处理数据，存入openTsDb
            .................
            ................
            ack.acknowledge();//手动提交
        }catch (Exception e){
            log.error("kafa-topic【zhuoye】消费阿里云指标源消息【失败】");
            log.error(e.getMessage());
        }

    }
}

六、常用的KafKa的命令

//创建主题

./kafka-topics.sh --create --bootstrap-server localhost:9092 --replication-factor 3 --partitions 3 --topic zhuoye

//查看kafka是否接收对应的消息

kafka-console-consumer.sh --bootstrap-server localhost:9093 --topic zhuoye

// 修改kafka-topic分区数

./kafka-topics.sh --zookeeper localhost:2181 -alter --partitions 6 --topic zhuoye

// 查看topic分区数

./kafka-topics.sh --zookeeper localhost:2181 --describe --topic zhuoye

// 查看用户组消费情况

./kafka-consumer-groups.sh --bootstrap-server localhost:9092 --group zhuoye-aliyunmetric --describe