spring kafka框架中@KafkaListener 注解解讀和使用案例

更新時間：2023年02月20日 09:37:33 作者：占星安啦

Kafka 目前主要作為一個分布式的發(fā)布訂閱式的消息系統(tǒng)使用，也是目前最流行的消息隊(duì)列系統(tǒng)之一，這篇文章主要介紹了kafka @KafkaListener 注解解讀,需要的朋友可以參考下

簡介

Kafka 目前主要作為一個分布式的發(fā)布訂閱式的消息系統(tǒng)使用，也是目前最流行的消息隊(duì)列系統(tǒng)之一。因此，也越來越多的框架對 kafka 做了集成，比如本文將要說到的 spring-kafka。

Kafka 既然作為一個消息發(fā)布訂閱系統(tǒng)，就包括消息生成者和消息消費(fèi)者。本文主要講述的 spring-kafka 框架的 kafkaListener 注解的深入解讀和使用案例。

解讀

源碼解讀

@Target({ ElementType.TYPE, ElementType.METHOD, ElementType.ANNOTATION_TYPE })

@Retention(RetentionPolicy.RUNTIME)

@MessageMapping

@Documented

@Repeatable(KafkaListeners.class)

public @interface KafkaListener {
   /**

    * 消費(fèi)者的id，當(dāng)GroupId沒有被配置的時候，默認(rèn)id為GroupId

    */

   String id() default "";
   /**

    * 監(jiān)聽容器工廠，當(dāng)監(jiān)聽時需要區(qū)分單數(shù)據(jù)還是多數(shù)據(jù)消費(fèi)需要配置containerFactory      屬性

    */

   String containerFactory() default "";
   /**

    * 需要監(jiān)聽的Topic，可監(jiān)聽多個，和 topicPattern 屬性互斥
*/

   String[] topics() default {};
   /**

    * 需要監(jiān)聽的Topic的正則表達(dá)。和 topics,topicPartitions屬性互斥
    */

   String topicPattern() default "";
   /**

    * 可配置更加詳細(xì)的監(jiān)聽信息，必須監(jiān)聽某個Topic中的指定分區(qū)，或者從offset為200的偏移量開始監(jiān)聽，可配置該參數(shù), 和 topicPattern 屬性互斥
    */

   TopicPartition[] topicPartitions() default {};
   /**

    *偵聽器容器組 

    */

   String containerGroup() default "";
   /**

    * 監(jiān)聽異常處理器，配置BeanName

    */

   String errorHandler() default "";
   /**

    * 消費(fèi)組ID 

    */

   String groupId() default "";
   /**

    * id是否為GroupId

    */

   boolean idIsGroup() default true;
   /**

    * 消費(fèi)者Id前綴

    */

   String clientIdPrefix() default "";
   /**

    * 真實(shí)監(jiān)聽容器的BeanName，需要在 BeanName前加 "__"

    */

   String beanRef() default "__listener";
}

使用案例

ConsumerRecord 類消費(fèi)

使用 ConsumerRecord 類接收有一定的好處，ConsumerRecord 類里面包含分區(qū)信息、消息頭、消息體等內(nèi)容，如果業(yè)務(wù)需要獲取這些參數(shù)時，使用 ConsumerRecord 會是個不錯的選擇。如果使用具體的類型接收消息體則更加方便，比如說用 String 類型去接收消息體。

這里我們編寫一個 Listener 方法，監(jiān)聽 "topic1"Topic，并把 ConsumerRecord 里面所包含的內(nèi)容打印到控制臺中：

@Component

public class Listener {
    private static final Logger log = LoggerFactory.getLogger(Listener.class);
    @KafkaListener(id = "consumer", topics = "topic1")

    public void consumerListener(ConsumerRecord record) {

        log.info("topic.quick.consumer receive : " + record.toString());

    }
}

批量消費(fèi)

批量消費(fèi)在現(xiàn)實(shí)業(yè)務(wù)場景中是很有實(shí)用性的。因?yàn)榕肯M(fèi)可以增大 kafka 消費(fèi)吞吐量, 提高性能。

批量消費(fèi)實(shí)現(xiàn)步驟：

1、重新創(chuàng)建一份新的消費(fèi)者配置，配置為一次拉取 10 條消息

2、創(chuàng)建一個監(jiān)聽容器工廠，命名為：batchContainerFactory，設(shè)置其為批量消費(fèi)并設(shè)置并發(fā)量為 5，這個并發(fā)量根據(jù)分區(qū)數(shù)決定，必須小于等于分區(qū)數(shù)，否則會有線程一直處于空閑狀態(tài)。

3、創(chuàng)建一個分區(qū)數(shù)為 8 的 Topic。

4、創(chuàng)建監(jiān)聽方法，設(shè)置消費(fèi) id 為 “batchConsumer”，clientID 前綴為“batch”，監(jiān)聽“batch”，使用“batchContainerFactory” 工廠創(chuàng)建該監(jiān)聽容器。

@Component

public class BatchListener {
    private static final Logger log= LoggerFactory.getLogger(BatchListener.class);
    private Map consumerProps() {

        Map props = new HashMap<>();

        props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");

        props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, true);

        props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");

        props.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, "15000");

        //一次拉取消息數(shù)量

        props.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, "10");

        props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,

                NumberDeserializers.IntegerDeserializer.class);

        props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,

                StringDeserializer.class);

        return props;

    }
    @Bean("batchContainerFactory")

    public ConcurrentKafkaListenerContainerFactory listenerContainer() {

        ConcurrentKafkaListenerContainerFactory container

                = new ConcurrentKafkaListenerContainerFactory();

        container.setConsumerFactory(new DefaultKafkaConsumerFactory(consumerProps()));

        //設(shè)置并發(fā)量，小于或等于Topic的分區(qū)數(shù)

        container.setConcurrency(5);

        //必須 設(shè)置為批量監(jiān)聽

        container.setBatchListener(true);

        return container;

    }
    @Bean

    public NewTopic batchTopic() {

        return new NewTopic("topic.batch", 8, (short) 1);

    }
    @KafkaListener(id = "batchConsumer",clientIdPrefix = "batch"

            ,topics = {"topic.batch"},containerFactory = "batchContainerFactory")

    public void batchListener(List data) {

        log.info("topic.batch  receive : ");

        for (String s : data) {

            log.info(  s);

        }

    }

}

監(jiān)聽 Topic 中指定的分區(qū)

使用 @KafkaListener 注解的 topicPartitions 屬性監(jiān)聽不同的 partition 分區(qū)。

@TopicPartition：topic-- 需要監(jiān)聽的 Topic 的名稱，partitions – 需要監(jiān)聽 Topic 的分區(qū) id。

partitionOffsets – 可以設(shè)置從某個偏移量開始監(jiān)聽，@PartitionOffset：partition – 分區(qū) Id，非數(shù)組，initialOffset – 初始偏移量。

@Bean

public NewTopic batchWithPartitionTopic() {

    return new NewTopic("topic.batch.partition", 8, (short) 1);

}
@KafkaListener(id = "batchWithPartition",clientIdPrefix = "bwp",containerFactory = "batchContainerFactory",

        topicPartitions = {

                @TopicPartition(topic = "topic.batch.partition",partitions = {"1","3"}),

                @TopicPartition(topic = "topic.batch.partition",partitions = {"0","4"},

                        partitionOffsets = @PartitionOffset(partition = "2",initialOffset = "100"))

        }

)

public void batchListenerWithPartition(List data) {

    log.info("topic.batch.partition  receive : ");

    for (String s : data) {

        log.info(s);

    }

}

注解方式獲取消息頭及消息體

當(dāng)你接收的消息包含請求頭，以及你監(jiān)聽方法需要獲取該消息非常多的字段時可以通過這種方式。。這里使用的是默認(rèn)的監(jiān)聽容器工廠創(chuàng)建的，如果你想使用批量消費(fèi)，把對應(yīng)的類型改為 List 即可，比如 List data ， List key。

@Payload：獲取的是消息的消息體，也就是發(fā)送內(nèi)容

@Header(KafkaHeaders.RECEIVED_MESSAGE_KEY)：獲取發(fā)送消息的 key

@Header(KafkaHeaders.RECEIVED_PARTITION_ID)：獲取當(dāng)前消息是從哪個分區(qū)中監(jiān)聽到的

@Header(KafkaHeaders.RECEIVED_TOPIC)：獲取監(jiān)聽的 TopicName

@Header(KafkaHeaders.RECEIVED_TIMESTAMP)：獲取時間戳

@KafkaListener(id = "params", topics = "topic.params")

public void otherListener(@Payload String data,

                         @Header(KafkaHeaders.RECEIVED_MESSAGE_KEY) Integer key,

                         @Header(KafkaHeaders.RECEIVED_PARTITION_ID) int partition,

                         @Header(KafkaHeaders.RECEIVED_TOPIC) String topic,

                         @Header(KafkaHeaders.RECEIVED_TIMESTAMP) long ts) {

    log.info("topic.params receive : \n"+

            "data : "+data+"\n"+

            "key : "+key+"\n"+

            "partitionId : "+partition+"\n"+

            "topic : "+topic+"\n"+

            "timestamp : "+ts+"\n"

    );

}

使用 Ack 機(jī)制確認(rèn)消費(fèi)

Kafka 是通過最新保存偏移量進(jìn)行消息消費(fèi)的，而且確認(rèn)消費(fèi)的消息并不會立刻刪除，所以我們可以重復(fù)的消費(fèi)未被刪除的數(shù)據(jù)，當(dāng)?shù)谝粭l消息未被確認(rèn)，而第二條消息被確認(rèn)的時候，Kafka 會保存第二條消息的偏移量，也就是說第一條消息再也不會被監(jiān)聽器所獲取，除非是根據(jù)第一條消息的偏移量手動獲取。Kafka 的 ack 機(jī)制可以有效的確保消費(fèi)不被丟失。因?yàn)樽詣犹峤皇窃?kafka 拉取到數(shù)據(jù)之后就直接提交，這樣很容易丟失數(shù)據(jù)，尤其是在需要事物控制的時候。

使用 Kafka 的 Ack 機(jī)制比較簡單，只需簡單的三步即可：

設(shè)置 ENABLE_AUTO_COMMIT_CONFIG=false，禁止自動提交
設(shè)置 AckMode=MANUAL_IMMEDIATE
監(jiān)聽方法加入 Acknowledgment ack 參數(shù)

4．使用 Consumer.seek 方法，可以指定到某個偏移量的位置

@Component

public class AckListener {

    private static final Logger log = LoggerFactory.getLogger(AckListener.class);
    private Map consumerProps() {

        Map props = new HashMap<>();

        props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");

        props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);

        props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, "1000");

        props.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, "15000");

        props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, IntegerDeserializer.class);

        props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);

        return props;

    }
    @Bean("ackContainerFactory")

    public ConcurrentKafkaListenerContainerFactory ackContainerFactory() {

        ConcurrentKafkaListenerContainerFactory factory = new ConcurrentKafkaListenerContainerFactory();

        factory.setConsumerFactory(new DefaultKafkaConsumerFactory(consumerProps()));

        factory.getContainerProperties().setAckMode(AbstractMessageListenerContainer.AckMode.MANUAL_IMMEDIATE);

        factory.setConsumerFactory(new DefaultKafkaConsumerFactory(consumerProps()));

        return factory;

    }
    @KafkaListener(id = "ack", topics = "topic.ack", containerFactory = "ackContainerFactory")

    public void ackListener(ConsumerRecord record, Acknowledgment ack) {

        log.info("topic.quick.ack receive : " + record.value());

        ack.acknowledge();

    }

}

解決重復(fù)消費(fèi)

上一節(jié)中使用 ack 手動提交偏移量時，假如 consumer 掛了重啟，那它將從 committed offset 位置開始重新消費(fèi)，而不是 consume offset 位置。這也就意味著有可能重復(fù)消費(fèi)。

在 0.9 客戶端中，有 3 種 ack 策略：

策略 1：自動的，周期性的 ack。

策略 2：consumer.commitSync()，調(diào)用 commitSync，手動同步 ack。每處理完 1 條消息，commitSync 1 次。

策略 3：consumer. commitASync()，手動異步 ack。、

那么使用策略 2，提交每處理完 1 條消息，就發(fā)送一次 commitSync。那這樣是不是就可以解決 “重復(fù)消費(fèi)” 了呢？如下代碼：

while (true) {

        List buffer = new ArrayList<>();

        ConsumerRecords records = consumer.poll(100);

        for (ConsumerRecord record : records) {

            buffer.add(record);

        }

        insertIntoDb(buffer);    //消除處理，存到db

        consumer.commitSync();   //同步發(fā)送ack

        buffer.clear();

    }

}

答案是否定的！因?yàn)樯厦娴?insertIntoDb 和 commitSync 做不到原子操作：如果在數(shù)據(jù)處理完成，commitSync 的時候掛了，服務(wù)器再次重啟，消息仍然會重復(fù)消費(fèi)。

那么如何解決重復(fù)消費(fèi)的問題呢？答案是自己保存 committed offset，而不是依賴 kafka 的集群保存 committed offset，把消息的處理和保存 offset 做成一個原子操作，并且對消息加入唯一 id, 進(jìn)行判重。

依照官方文檔, 要自己保存偏移量, 需要:

enable.auto.commit=false, 禁用自動 ack。
每次取到消息，把對應(yīng)的 offset 存下來。
下次重啟，通過 consumer.seek 函數(shù)，定位到自己保存的 offset，從那開始消費(fèi)。
更進(jìn)一步處理可以對消息加入唯一 id, 進(jìn)行判重。

到此這篇關(guān)于kafka @KafkaListener 注解解讀的文章就介紹到這了,更多相關(guān)@KafkaListener 注解內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

国产无遮挡裸体免费直播视频,久久精品国产蜜臀av,动漫在线视频一区二区,欧亚日韩一区二区三区,久艹在线免费视频,国产精品美女网站免费,正在播放 97超级视频在线观看,斗破苍穹年番在线观看免费,51最新乱码中文字幕

spring kafka框架中@KafkaListener 注解解讀和使用案例

目錄

簡介

解讀

源碼解讀

使用案例

ConsumerRecord 類消費(fèi)

批量消費(fèi)

批量消費(fèi)實(shí)現(xiàn)步驟：

監(jiān)聽 Topic 中指定的分區(qū)

注解方式獲取消息頭及消息體

使用 Ack 機(jī)制確認(rèn)消費(fèi)

解決重復(fù)消費(fèi)

相關(guān)文章

最新評論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具

国产无遮挡裸体免费直播视频,久久精品国产蜜臀av,动漫在线视频一区二区,欧亚日韩一区二区三区,久艹在线 免费视频,国产精品美女网站免费,正在播放 97超级视频在线观看,斗破苍穹年番在线观看免费,51最新乱码中文字幕

spring kafka框架中@KafkaListener 注解解讀和使用案例

目錄

簡介

解讀

源碼解讀

使用案例

ConsumerRecord 類消費(fèi)

批量消費(fèi)

批量消費(fèi)實(shí)現(xiàn)步驟：

監(jiān)聽 Topic 中指定的分區(qū)

注解方式獲取消息頭及消息體

使用 Ack 機(jī)制確認(rèn)消費(fèi)

解決重復(fù)消費(fèi)

相關(guān)文章

最新評論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具

国产无遮挡裸体免费直播视频,久久精品国产蜜臀av,动漫在线视频一区二区,欧亚日韩一区二区三区,久艹在线免费视频,国产精品美女网站免费,正在播放 97超级视频在线观看,斗破苍穹年番在线观看免费,51最新乱码中文字幕