1. 介绍

Kafka作为一款分布式流处理平台，具有高吞吐量、持久性、容错性等特点，适用于构建大规模的实时数据管道。

Spring Boot作为快速开发框架，提供了简化开发和部署的能力，使得与Kafka的整合变得更加容易。

通过将Spring Boot与Kafka进行整合，具有以下优势

1. 异步消息处理：Kafka可以作为消息队列，实现异步消息的生产和消费，提高系统的吞吐量和响应速度。
2. 解耦和扩展性：消息队列的引入可以解耦不同系统或模块之间的依赖关系，提高系统的灵活性和可维护性。
3. 数据流处理：Kafka支持流处理，可以用于实时数据分析、日志收集、事件驱动等场景，为业务提供更多的数据洞察。
4. 可靠性和容错性：Kafka具有高度可靠性和容错性，能够保证消息不丢失，并且支持分布式部署，保证系统的稳定性和可靠性。

Spring Boot与Kafka整合为开发者提供了一种强大的消息传递解决方案，能够满足现代分布式系统对于消息传递的需求，提高系统的性能、可维护性和可扩展性。

2. Kafka基础

2.1. 安装KafKa

可参考本篇博客

kafka集群搭建_kafka交流群-CSDN博客

Kafka的一些特点

1. 发布订阅模型：
   • 生产者将消息发布到主题，消费者订阅这些主题以接收消息。
   • 每个主题可以有多个订阅者，消息会广播给所有订阅者。
2. 消息日志：
   • Kafka将消息存储在持久化的日志中，每个消息都有一个唯一的偏移量。
   • 日志被分割成多个分区，每个分区中的消息有顺序的索引。
   • 分区允许Kafka在集群中并行处理和存储消息，提高了吞吐量和扩展性。
3. 分布式架构：
   • Kafka是一个分布式系统，集群由多个Broker组成。
   • 每个分区有副本分布在不同的Broker上，确保消息的可靠性和容错性。
   • 分布式架构支持水平扩展，能够处理大规模的数据和高并发的请求。
4. 高吞吐量：
   • Kafka被设计为高吞吐量的消息系统，能够处理每秒数百万条消息。
   • 高效的批量处理和零拷贝机制使得Kafka能够提供低延迟的消息传递服务。
5. 持久性：
   • Kafka的消息是持久化存储的，可以通过配置持久化策略来保留消息的时间和大小。
   • 消息一旦被写入到Kafka中就不会丢失，即使消费者尚未处理。
6. 水平扩展：
   • Kafka集群可以水平扩展，通过增加Broker和分区来提高系统的容量和吞吐量。
   • 新的Broker和分区可以动态地加入到集群中，而不会中断服务。
7. 可靠性和容错性：
   • Kafka通过副本机制和ISR（In-Sync Replicas）机制实现高可靠性和容错性。
   • ISR机制确保了即使部分Broker失效，也能继续保持数据的一致性和可用性。
8. 流处理：
   • Kafka Streams API提供了流处理的能力，允许开发者在Kafka中进行实时数据处理和分析。
   • 流处理功能使得Kafka能够更灵活地处理实时数据流和生成实时结果。

3. Spring Boot整合Kafka

3.1. 引入Kafka依赖

<dependency><groupId>org.springframework.kafka</groupId><artifactId>spring-kafka</artifactId><version>2.9.13</version>
</dependency>gradle:
implementation 'org.springframework.kafka:spring-kafka:2.9.13'

3.2.编写配置文件

# 配置环境的 指定topic 如果有多个 可以使用 ,进行连接
dc:topics:info: ENTRY_USER_INFO# 指定 组idgroup-id: hrfan-consumer-group
spring:kafka:consumer:bootstrap-servers: 192.168.112.128:9092group-id: hrfan-consumer-groupauto-offset-reset: earliest# 错误处理key-deserializer: org.springframework.kafka.support.serializer.ErrorHandlingDeserializervalue-deserializer: org.springframework.kafka.support.serializer.ErrorHandlingDeserializerproperties:spring.json.trusted.packages: '*'# 序列化、反序列化一致spring.deserializer.key.delegate.class: org.apache.kafka.common.serialization.StringDeserializer# 注意 这里需要使用 org.apache.kafka.common.serialization.StringDeserializer# 不能使用 org.springframework.kafka.support.serializer.JsonSerializer 不然会报错 需要保持一致spring.deserializer.value.delegate.class: org.apache.kafka.common.serialization.StringDeserializerproducer:bootstrap-servers: 192.168.112.128:9092key-serializer: org.apache.kafka.common.serialization.StringSerializervalue-serializer: org.springframework.kafka.support.serializer.JsonSerializer

4. 生产者（produced）

4.1. 生产者基础案例(基础测试)

/*** 测试向Kafka发送消息** @author 13723* @version 1.0* 2024/3/1 10:35*/
@SpringBootTest
public class KafkaProducedTest {private static final Logger logger = LoggerFactory.getLogger(MethodHandles.lookup().lookupClass());@Value("${dc.topics.dutyform}")private String topics;/*** kafka模板 String消息*/@Resourceprivate KafkaTemplate<String, String> kafkaTemplate;/*** kafka模板 Message消息*/@Resourceprivate KafkaTemplate<String, Message<String>> kafkaTemplateMessage;@Test@DisplayName("测试向KfaKa发送消息")public void testSend() {// 发送普通消息kafkaTemplate.send(topics, "测试发送普通消息-无Key");// 发送Key-Value消息kafkaTemplate.send(topics, "hrfan-key-1", "测试发送key-Value消息");// 发送Partition(分区)-Offset(偏移量)消息// 在Apache Kafka中，消息被组织在称为"主题（Topics）"的逻辑类别中。// 每个主题可以被划分为一个或多个"分区（Partitions）"。分区是消息的物理存储单元，它们分布在不同的Kafka服务器上。// 每个分区中的消息都有一个唯一的编号，称为"偏移量（Offset）"。这个偏移量标识了消息在该分区中的位置。偏移量是一个递增的整数，新消息的偏移量比旧消息的偏移量大。kafkaTemplate.send(topics, 0, "hrfan-key-2", "测试发送Partition-Offset消息");// 可以理解为拼装JSON类型数据// 发送Message消息// 通过sendDefault()方法发送消息，消息将会被发送到默认的主题中。String event = "测试发送Message消息";Map<String, Object> map = new HashMap<>();map.put("token", UUID.randomUUID().toString());MessageHeaders headers = new MessageHeaders(map);Message<String> message = MessageBuilder.createMessage(event, headers);// 设置默认topickafkaTemplate.setDefaultTopic(topics);// 将消息发送到默认的topic// 注意此时修改 泛型为// @Resource// private KafkaTemplate<String,Message<String>> kafkaTemplateMessage;kafkaTemplateMessage.sendDefault("hrfan-key-3", message);logger.info("消息发送成功");}}

5. 消费者

5.1.消费者基本案例(基础测试)

/*** 模拟Kafka消费者* @author 13723* @version 1.0* 2024/2/29 17:01*/
@Component
public class KafkaCustomerDemo {private static final Logger logger = LoggerFactory.getLogger(MethodHandles.lookup().lookupClass());@KafkaListener(topics = "#{'${dc.topics.dutyform}'.split(',')}", groupId = "${dc.group-id}", autoStartup = "true")public void onMessageSync(ConsumerRecord<String, String> record,  @Headers Map<String,Object> headers) {logger.error("获取到的信息为：{},",record);}}

6.Kafka常用配置

kafka配置文件解释

producer.properties解释

producer.properties:生产端的配置文件
#指定kafka节点列表，用于获取metadata，不必全部指定
#需要kafka的服务器地址，来获取每一个topic的分片数等元数据信息。
metadata.broker.list=kafka01:9092,kafka02:9092,kafka03:9092#生产者生产的消息被发送到哪个block，需要一个分组策略。
#指定分区处理类。默认kafka.producer.DefaultPartitioner，表通过key哈希到对应分区
#partitioner.class=kafka.producer.DefaultPartitioner#生产者生产的消息可以通过一定的压缩策略（或者说压缩算法）来压缩。消息被压缩后发送到broker集群，
#而broker集群是不会进行解压缩的，broker集群只会把消息发送到消费者集群，然后由消费者来解压缩。
#是否压缩，默认0表示不压缩，1表示用gzip压缩，2表示用snappy压缩。
#压缩后消息中会有头来指明消息压缩类型，故在消费者端消息解压是透明的无需指定。
#文本数据会以1比10或者更高的压缩比进行压缩。
compression.codec=none#指定序列化处理类，消息在网络上传输就需要序列化，它有String、数组等许多种实现。
serializer.class=kafka.serializer.DefaultEncoder#如果要压缩消息，这里指定哪些topic要压缩消息，默认empty，表示不压缩。
#如果上面启用了压缩，那么这里就需要设置
#compressed.topics= 
#这是消息的确认机制，默认值是0。在面试中常被问到。
#producer有个ack参数，有三个值，分别代表：
#（1）不在乎是否写入成功；
#（2）写入leader成功；
#（3）写入leader和所有副本都成功；
#要求非常可靠的话可以牺牲性能设置成最后一种。
#为了保证消息不丢失，至少要设置为1，也就
#是说至少保证leader将消息保存成功。
#设置发送数据是否需要服务端的反馈,有三个值0,1,-1，分别代表3种状态：
#0: producer不会等待broker发送ack。生产者只要把消息发送给broker之后，就认为发送成功了，这是第1种情况；
#1: 当leader接收到消息之后发送ack。生产者把消息发送到broker之后，并且消息被写入到本地文件，才认为发送成功，这是第二种情况；#-1: 当所有的follower都同步消息成功后发送ack。不仅是主的分区将消息保存成功了，
#而且其所有的分区的副本数也都同步好了，才会被认为发动成功，这是第3种情况。
request.required.acks=0#broker必须在该时间范围之内给出反馈，否则失败。
#在向producer发送ack之前,broker允许等待的最大时间 ，如果超时,
#broker将会向producer发送一个error ACK.意味着上一次消息因为某种原因
#未能成功(比如follower未能同步成功)
request.timeout.ms=10000#生产者将消息发送到broker，有两种方式，一种是同步，表示生产者发送一条，broker就接收一条；
#还有一种是异步，表示生产者积累到一批的消息，装到一个池子里面缓存起来，再发送给broker，
#这个池子不会无限缓存消息，在下面，它分别有一个时间限制（时间阈值）和一个数量限制（数量阈值）的参数供我们来设置。
#一般我们会选择异步。
#同步还是异步发送消息，默认“sync”表同步，"async"表异步。异步可以提高发送吞吐量,
#也意味着消息将会在本地buffer中,并适时批量发送，但是也可能导致丢失未发送过去的消息
producer.type=sync#在async模式下,当message被缓存的时间超过此值后,将会批量发送给broker,
#默认为5000ms
#此值和batch.num.messages协同工作.
queue.buffering.max.ms = 5000#异步情况下，缓存中允许存放消息数量的大小。
#在async模式下,producer端允许buffer的最大消息量
#无论如何,producer都无法尽快的将消息发送给broker,从而导致消息在producer端大量沉积
#此时,如果消息的条数达到阀值,将会导致producer端阻塞或者消息被抛弃，默认为10000条消息。
queue.buffering.max.messages=20000#如果是异步，指定每次批量发送数据量，默认为200
batch.num.messages=500#在生产端的缓冲池中，消息发送出去之后，在没有收到确认之前，该缓冲池中的消息是不能被删除的，
#但是生产者一直在生产消息，这个时候缓冲池可能会被撑爆，所以这就需要有一个处理的策略。
#有两种处理方式，一种是让生产者先别生产那么快，阻塞一下，等会再生产；另一种是将缓冲池中的消息清空。
#当消息在producer端沉积的条数达到"queue.buffering.max.meesages"后阻塞一定时间后,
#队列仍然没有enqueue(producer仍然没有发送出任何消息)
#此时producer可以继续阻塞或者将消息抛弃,此timeout值用于控制"阻塞"的时间
#-1: 不限制阻塞超时时间，让produce一直阻塞,这个时候消息就不会被抛弃
#0: 立即清空队列,消息被抛弃
queue.enqueue.timeout.ms=-1#当producer接收到error ACK,或者没有接收到ACK时,允许消息重发的次数
#因为broker并没有完整的机制来避免消息重复,所以当网络异常时(比如ACK丢失)
#有可能导致broker接收到重复的消息,默认值为3.
message.send.max.retries=3#producer刷新topic metada的时间间隔,producer需要知道partition leader
#的位置,以及当前topic的情况
#因此producer需要一个机制来获取最新的metadata,当producer遇到特定错误时,
#将会立即刷新
#(比如topic失效,partition丢失,leader失效等),此外也可以通过此参数来配置
#额外的刷新机制，默认值600000
topic.metadata.refresh.interval.ms=60000

consumer.properties解释

#消费者集群通过连接Zookeeper来找到broker。
#zookeeper连接服务器地址
zookeeper.connect=zk01:2181,zk02:2181,zk03:2181#zookeeper的session过期时间，默认5000ms，用于检测消费者是否挂掉
zookeeper.session.timeout.ms=5000#当消费者挂掉，其他消费者要等该指定时间才能检查到并且触发重新负载均衡
zookeeper.connection.timeout.ms=10000#这是一个时间阈值。
#指定多久消费者更新offset到zookeeper中。
#注意offset更新时基于time而不是每次获得的消息。
#一旦在更新zookeeper发生异常并重启，将可能拿到已拿到过的消息
zookeeper.sync.time.ms=2000#指定消费
group.id=xxxxx#这是一个数量阈值，经测试是500条。
#当consumer消费一定量的消息之后,将会自动向zookeeper提交offset信息#注意offset信息并不是每消费一次消息就向zk提交
#一次,而是现在本地保存(内存),并定期提交,默认为true
auto.commit.enable=true# 自动更新时间。默认60 * 1000
auto.commit.interval.ms=1000# 当前consumer的标识,可以设定,也可以有系统生成,
#主要用来跟踪消息消费情况,便于观察
conusmer.id=xxx# 消费者客户端编号，用于区分不同客户端，默认客户端程序自动产生
client.id=xxxx# 最大取多少块缓存到消费者(默认10)
queued.max.message.chunks=50# 当有新的consumer加入到group时,将会reblance,此后将会
#有partitions的消费端迁移到新  的consumer上,如果一个
#consumer获得了某个partition的消费权限,那么它将会向zk
#注册 "Partition Owner registry"节点信息,但是有可能
#此时旧的consumer尚没有释放此节点, 此值用于控制,
#注册节点的重试次数.
rebalance.max.retries=5#每拉取一批消息的最大字节数
#获取消息的最大尺寸,broker不会像consumer输出大于
#此值的消息chunk 每次feth将得到多条消息,此值为总大小,
#提升此值,将会消耗更多的consumer端内存
fetch.min.bytes=6553600#当消息的尺寸不足时,server阻塞的时间,如果超时,
#消息将立即发送给consumer
#数据一批一批到达，如果每一批是10条消息，如果某一批还
#不到10条，但是超时了，也会立即发送给consumer。
fetch.wait.max.ms=5000
socket.receive.buffer.bytes=655360# 如果zookeeper没有offset值或offset值超出范围。
#那么就给个初始的offset。有smallest、largest、
#anything可选，分别表示给当前最小的offset、
#当前最大的offset、抛异常。默认largest
auto.offset.reset=smallest# 指定序列化处理类
derializer.class=kafka.serializer.DefaultDecoder

server.properties解释

server.properties:服务端的配置文件
#broker的全局唯一编号，不能重复
broker.id=0#用来监听链接的端口，producer或consumer将在此端口建立连接
port=9092#处理网络请求的线程数量，也就是接收消息的线程数。
#接收线程会将接收到的消息放到内存中，然后再从内存中写入磁盘。
num.network.threads=3#消息从内存中写入磁盘是时候使用的线程数量。
#用来处理磁盘IO的线程数量
num.io.threads=8#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400#接受套接字的缓冲区大小
socket.receive.buffer.bytes=102400#请求套接字的缓冲区大小
socket.request.max.bytes=104857600#kafka运行日志存放的路径
log.dirs=/export/servers/logs/kafka#topic在当前broker上的分片个数
num.partitions=2#我们知道segment文件默认会被保留7天的时间，超时的话就
#会被清理，那么清理这件事情就需要有一些线程来做。这里就是
#用来设置恢复和清理data下数据的线程数量
num.recovery.threads.per.data.dir=1#segment文件保留的最长时间，默认保留7天（168小时），
#超时将被删除，也就是说7天之前的数据将被清理掉。
log.retention.hours=168#滚动生成新的segment文件的最大时间
log.roll.hours=168#日志文件中每个segment的大小，默认为1G
log.segment.bytes=1073741824#上面的参数设置了每一个segment文件的大小是1G，那么
#就需要有一个东西去定期检查segment文件有没有达到1G，
#多长时间去检查一次，就需要设置一个周期性检查文件大小
#的时间（单位是毫秒）。
log.retention.check.interval.ms=300000#日志清理是否打开
log.cleaner.enable=true#broker需要使用zookeeper保存meta数据
zookeeper.connect=zk01:2181,zk02:2181,zk03:2181#zookeeper链接超时时间
zookeeper.connection.timeout.ms=6000#上面我们说过接收线程会将接收到的消息放到内存中，然后再从内存
#写到磁盘上，那么什么时候将消息从内存中写入磁盘，就有一个
#时间限制（时间阈值）和一个数量限制（数量阈值），这里设置的是
#数量阈值，下一个参数设置的则是时间阈值。
#partion buffer中，消息的条数达到阈值，将触发flush到磁盘。
log.flush.interval.messages=10000#消息buffer的时间，达到阈值，将触发将消息从内存flush到磁盘，
#单位是毫秒。
log.flush.interval.ms=3000#删除topic需要server.properties中设置delete.topic.enable=true否则只是标记删除
delete.topic.enable=true#此处的host.name为本机IP(重要),如果不改,则客户端会抛出:
#Producer connection to localhost:9092 unsuccessful 错误!
host.name=kafka01advertised.host.name=192.168.239.128

7.ACK

什么是ACK?

​ 在Apache Kafka中，“Ack” 是 “Acknowledgement” 的缩写，用于表示生产者（producer）发送消息给 Kafka 服务器后，服务器返回的确认信息。

Kafka提供了三种ACK级别：

• acks=0：生产者发送消息后，不等待任何确认，直接发送下一条消息。
• acks=1：生产者发送消息后，等待leader节点成功写入消息后返回确认，然后发送下一条消息。
• acks=all：生产者发送消息后，等待所有的follower节点和leader节点都成功写入消息后返回确认，然后发送下一条消息。

acks=all 是最安全的设置，但是也会导致最慢的性能，因为要等待多个副本的确认。

• 生产者（produced）发送消息到 leader，leader收到消息会发送ACK
  • leader负责处理读写操作
    • 如果leader出现故障，会从follwer中重新选取leader
  • follower负责副本数据之间的同步
    • follower可以理解为自动备份，会不断从对应分区拉取leader的数据，对数据进行存储
• leader 和 follower 之间同步数据也会发送ACK

在Spring-Kafka中，提供了集中AckMode模式

org.springframework.kafka.listener.ContainerProperties.AckMode
public static enum AckMode {RECORD,BATCH,TIME,COUNT,COUNT_TIME,MANUAL,MANUAL_IMMEDIATE;private AckMode() {}
}

1. RECORD：每处理一条消息后立即发送确认。这意味着每处理一条消息，消费者都会向 Kafka 代理发送一个确认消息。
2. BATCH：批量确认模式。消费者将处理一批消息后才发送一次确认。这种模式可以减少确认消息的数量，提高性能。
3. TIME：定时确认模式。消费者将在一定时间间隔内处理的所有消息后发送一次确认。这可以控制确认消息的发送频率。
4. COUNT：计数确认模式。消费者将处理一定数量的消息后发送一次确认。这种模式也有助于控制确认消息的发送频率。
5. COUNT_TIME：结合了计数和定时的确认模式。消费者将在达到一定数量的消息或一定时间间隔内发送一次确认，以提高灵活性和性能。
6. MANUAL：手动确认模式。消费者需要在处理消息后显式地调用确认操作，以告知 Kafka 代理消息已被处理。
7. MANUAL_IMMEDIATE：立即手动确认模式。与上述手动确认模式类似，但在调用确认操作后立即发送确认，而不是等待一定的时间或数量。

7.1手动提交ACK

Kafka中ACK默认是自动提交的，在开发中，有时候我们需要进行手动提交ACK，那么在配置中我们可以做如下修改

• 禁止自动提交enable-auto-commit=false，
• 设置ack-mode为manual_immediat(立即手动确认模式)

	@KafkaListener(topics = "#{'${dc.topics.user}'.split(',')}", groupId = "${dc.group-id}", autoStartup = "true")public void onMessageSync(ConsumerRecord<String, String> record,  @Headers Map<String,Object> headers,Acknowledgment ack) {logger.error("获取到的信息为：{},",record);//手动提交offset// ack.acknowledge();}

8.查看指定分区的数据

有时候需要在服务器上查询一些分区的数据，可以使用 kafka提供的工具 kafka-console-consumer

kafka-console-consumer --bootstrap-server 192.168.112.129:9092 --topic ENTRY_LIST_SEND_INFO --from-beginning