2024/9/10黑马头条跟学笔记(六)

D6

1.今日学习内容

1.1需求分析

点击下架之后，app端显示以下架

耦合，没技术点，不用，咱用kafka，流量削峰，异步调用，解耦

为什么要学？

1. 面时提问

2.kafka概述

rabbitMQ，erlang语言，扩展麻烦

kafka，高吞吐

rocketMQ，稳定 11.11拷打过的

rabbitMQ 性能好，社区活跃

消费者和生产者，中间环境流式传输，和DB数据库，由卡夫卡集群统一管理

2.1名词介绍

topic，kafka消息的key值

一个服务器一个broker，多个broker组成cluster集群

3.kafka环境搭建

安装zookeeper

离不开zookeeper ，其保存了kafka节点数据

镜像下载

docker pull zookeeper:3.4.14

docker run -d --name zookeeper -p 2181:2181 zookeeper

安装kafka

镜像

docker pull wurstmeister/kafka:2.12-2.3.1

容器

docker run -d --name kafka \
--env KAFKA_ADVERTISED_HOST_NAME=192.168.233.136 \
--env KAFKA_ZOOKEEPER_CONNECT=192.168.233.136:2181 \
--env KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://192.168.233.136:9092 \
--env KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092 \
--env KAFKA_HEAP_OPTS="-Xmx256M -Xms256M" \
--net=host wurstmeister/kafka:2.12-2.3.1

服务器ip

连接zookeeper ip+端口

暴露9092

最大最小内存256M

网络空间为 host也就是宿主机，省写了-p 9092:9092 表示了容器的网络就是宿主机的网络，没分内外网络端口之分

不过云主机就得写端口映射了，容器和云主机网络隔离了

4.kafka入门案例

步骤

依赖

	 <dependency>
            <groupId>org.apache.kafka</groupId>
            <artifactId>kafka-clients</artifactId>
        </dependency>

生产者发送

package com.heima.kafka.sample;

import lombok.extern.slf4j.Slf4j;
import org.apache.kafka.clients.producer.*;

import java.util.Properties;
import java.util.concurrent.ExecutionException;

/**
 * 生产者
 */
@Slf4j
public class ProducerQuickStart {

    public static void main(String[] args) throws ExecutionException, InterruptedException {

        //1.kafka链接配置信息
        Properties prop = new Properties();
        //kafka链接地址
        prop.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.233.136:9092");
        //key和value的序列化
        prop.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer");
        prop.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer");


        //2.创建kafka生产者对象
        KafkaProducer<String,String> producer = new KafkaProducer<String,String>(prop);

        //3.发送record消息
        /**
         * 第一个参数 ：topic
         * 第二个参数：消息的key
         * 第三个参数：消息的value
         */
        ProducerRecord<String,String> kvProducerRecord = new ProducerRecord<String,String>("topic-first","key-001","hello kafka");
        producer.send(kvProducerRecord);
        System.out.println("发送了消息");
        //4.关闭消息通道  必须要关闭，否则消息发送不成功
        producer.close();



    }

}

1. 配置map，填服务器地址
2. 由于需要网络传输，设置k，v序列化器
3. 创建生成者对象，填入配置map
4. 发送消息， 参数1：队列名 2：键 3：值
5. send发送后需要 close关闭，否则消息发送不成功（有点类似流式传输文件）

消费者接收

package com.heima.kafka.sample;

import lombok.extern.slf4j.Slf4j;
import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;

import java.time.Duration;
import java.util.Collections;
import java.util.Properties;

/**
 * 消费者
 */
@Slf4j
public class ConsumerQuickStart {

    public static void main(String[] args) {

        // 1.kafka的配置信息
        Properties prop = new Properties();
        // 链接地址
        prop.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.233.136:9092");
        // key和value的反序列化器
        prop.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
        prop.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");

        // 设置消费者组
        prop.put(ConsumerConfig.GROUP_ID_CONFIG, "group1");


        // 2.创建消费者对象
        KafkaConsumer<String, String> consumer = new KafkaConsumer<String, String>(prop);

        // 3.订阅主题
        consumer.subscribe(Collections.singletonList("topic-first"));
        System.out.println("等待消息");
        // 4.拉取消息
        while (true) {
            ConsumerRecords<String, String> consumerRecords = consumer.poll(Duration.ofMillis(1000));
            for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
                System.out.println(consumerRecord.key());
                System.out.println(consumerRecord.value());
            }
        }
        
    }
}

1. 配置消息，序列化器
2. 消费者组（与生产者不同之处）
3. 消费者对象，订阅主题，频率每1秒拉取1次，while循环
4. 拉取的了多个map值循环遍历出key和value

由于订阅主题参数为集合，我们将字符串转为集合

consumer.subscribe(Collections.singletonList(“topic-first”));

启动测试

先运行消费者

多个订阅者订阅一个主题。一个消费者消费（1对1）

复制一份服务。发送消息测试。可知二者在同一个组下，只有一个消费者会得到消息

1对多

一个主题多个消费者接收。每个消费者单独设置一个group

将改为group2然后启动

二者都能接收到消息

类似于报纸，什么专栏topic，下面的什么标题key，对应的什么内容value，group相当于订阅人，老王家订阅了一份group1，就发报纸给老王家，如果老王家的孩子多订阅了一份group2，那么老王和老王孩子都能收到消息

5.kafka分区机制

类似于文件夹，且分区文件夹可以在不同的机器上，防止topic存储量过大爆满borker（经纪人）

topic剖析

将topic分到三个区域，持续添加，每个消息都有一个序列号，称为偏移量，且唯一

分区策略

轮询，消息顺序发放各个分区，

随机，顾名思义，

按键，数据指定key，计算该key的hashCode，根据该hashcode对不同消息存储

不指定key和分区就是轮询，指定分区和key，就按指定分区和key塞数据

输出分区尝尝咸淡

指定key指定分区尝尝咸淡

不指定key和分区，按轮询发送尝尝咸淡

6.kafka高可用设计

备份机制

有什么用？

生产者发送消息给集群，通常由leader备份转发数据，leader下有很多小兵，同时进行备份数据

同步方式

分为同步ISR 小兵队列 （in sync replica）和普通的异步备份 小兵队列

leader备份大哥宕机后，从ISR小兵队列中挑选新的老大，当ISR同步小兵队列里的也全宕机，使用普通异步备份队列中的小兵作为leader

两种选择方案

如果想要保证数据一致性，等待ISR的follower 重连

如果想要保证数据的可用性（死马当活马医） 就直接用普通队列里的任意一个

7.kafka生产者详解

7.1发送类型

7.1.2同步

send方法发送，返回future对象。调用get方法同步等待recordMetadata结果， 输出offset可以获取id偏移量

7.1.3异步

7.2发送测试

同步

   // 同步消息发送
        RecordMetadata recordMetadata = producer.send(kvProducerRecord).get();
        System.out.println(recordMetadata.offset());
        System.out.println("发送了消息");

传递参数和回调函数，当发送结束后，判断发送状态，失败后抛出异常，可拿该异常记录日志（数据库insert）

该偏移量为连续自增的一个数据

异步

不过如果每次发送消息都会等待，100000条数据则造成阻塞，在这可以使用异步看看

// 异步消息发送
        producer.send(kvProducerRecord, new Callback()  {
            @Override
            public void onCompletion(RecordMetadata recordMetadata, Exception e) {
                if (e != null) {
                    System.out.println("记录异常消息到日志表中");
                }
                System.out.println("发送了消息,偏移量为："+recordMetadata.offset());
            }
        });

推荐异步

7.3参数配置

ack

全称为 acknowledgement 在计网和通信中，指的是一种确认信号，用于确认对方是否接收到数据

acks=0表示 发消息，管你收没收到给没给我响应，直接执行下一条代码 类似于异步， 速度快，风险高

acks=1 默认值 集群首领收到信息，就会收到来自kafka服务器的成功响应

acks=all 集群首领，所有follower收到信息，才能收到服务器成功响应

设置配置

 // 设置acks配置
        prop.put(ProducerConfig.ACKS_CONFIG, "all");

retries

收到的错误可能是临时性的，retries设置重发次数，达到最大值不重试了。类似tg， 默认每次重试间隔100ms

设置

//设置超时重传次数
prop.put(ProducerConfig.RETRIES_CONFIG, "10");

信息压缩

算法	cpu占用	压缩比	性能速度
snappy	少	好	好
lz4	少	好	好
gzip	多	更好	慢

总结，用snappy

// 设置消息压缩算法
        prop.put(ProducerConfig.COMPRESSION_TYPE_CONFIG, "snappy");

8.消费者详解

8.1消费者组

8.2有序性

先买了个包子，再买了个苹果，其消费短信发送必须有顺序

topic分区消息只能保证，该分区下顺序处理，超出该分区分配到其他消费者无法确认消息的先后顺序

例如p0分区对应c1，c3，只能在该p0 从c1到c3，

p3分区只能c1，c4，

如果想要顺序处理topic消息，只能提供一个分区 ，

如右图，偏移量按顺序递增，消息按顺序发送

8.3提交和偏移量

不像rabbitMQ有确认机制，刚才那个是生产者与服务器的响应，现在是消费者的响应，没有确认机制
那该如何确认消息被消费了？

根据偏移量来确认消费到了哪个位置，由位置确定消息有无被消费

一旦消费，自动往_consumer_offset特殊主题发送消息记录日志，包含每个分区的偏移量

当消费者2崩溃了，其负责的分区均衡的分配给其他消费者

一个消费者组内只有一个消费者消费消息

生产者按分区发布消息时，和该分区绑定的消费者消费信息

如果和该分区绑定的消费者宕机了，则空闲的分区由其余消费者消费

b友的解释

拉取到数据就提交offset,业务未执行到该环节就宕机了，也好比美团接了10单，到送完了5单，但是后面有事不送了，剩下五单就没得吃了饿死了

个人看法

每个五秒更新偏移量，第四秒宕机后，白白消费，白白执行了一堆代码，后续的消费者接收该烂摊子又得从头开始执行业务代码

8.4手动提交偏移量三种方式

8.4.1同步提交

8.4.2异步提交

8.4.3同步异步组合提交

异步没有重试机制，同步直至重试结束才下一段代码

多个异步的重试可能导致位移覆盖，无阻塞，位移抢占问题

二者结合一下，同步可以重试，异步不会阻塞，那就让异步的异常转为同步提交，这样一来，当异步任务异常后，也能进行重传

8.5代码环节

同步

光说不练假把式，上代码

设置手动提交配置

// 设置手动提交
        prop.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");

同步提交，在消费后添加该代码

try {
                    consumer.commitSync();
                } catch (Exception e) {
                    System.out.println("提交失败,异常为:"+e);
                }

发送测试

b友发言

这个是为了解决分区的问题，一个消费者可能有多个分区，在有消费者异常后kafka进行均衡给消费者新增一个分区，要处理的额就是这个新加分区的偏移量问题

也就是说手动提交解决分区偏移量偏差问题（他为什么非要五秒更新偏移量啊，时时刻刻不行吗，这样你执行完业务逻辑并且更新偏移量不就不会出现问题了）

手动更新的好处就是可以控制更新偏移量的时机，这样一来，消费者A接收B的烂摊子时，其偏移量不会出现偏差导致重复执行任务

异步

 consumer.commitAsync(new OffsetCommitCallback() {
                @Override
                public void onComplete(Map<TopicPartition, OffsetAndMetadata> map, Exception e) {
                    if (e != null)
                        System.out.println("提交失败,异常为:" + e);
                        System.out.println("提交错误的偏移量:" + map);
                }
            });

重新发送测试偏移量提交情况

同步+异步

原来的注释掉写这个

try {
            while (true) {
                ConsumerRecords<String, String> consumerRecords = consumer.poll(Duration.ofMillis(1000));
                for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
                    System.out.println(consumerRecord.key());
                    System.out.println(consumerRecord.value());
                    System.out.println(consumerRecord.offset());
                    System.out.println(consumerRecord.partition());
                }
                //执行异步操作，防止阻塞，异常交给下面的同步操作
                consumer.commitAsync();
            }
        } catch (Exception e) {
            e.printStackTrace();
            System.out.println("记录错误信息:" + e);
        } finally {
            //执行同步操作，方便后续重传
            consumer.commitSync();
        }

测试能否正确接收偏移量

正常接收

小疑问

finally 里也有提交，那我会提交两次？？？ 又异步又同步？？

nonono，while 死循环了，出不来，要出来的话那异步就无了，执行同步操作，至始至终只有一种提交偏移量方式被采用

9.springBoot集成kafka收发消息

依赖

在原来的kafka-demo模块下补充

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- kafkfa -->
<dependency>
    <groupId>org.springframework.kafka</groupId>
    <artifactId>spring-kafka</artifactId>
    <exclusions>
        <exclusion>
            <groupId>org.apache.kafka</groupId>
            <artifactId>kafka-clients</artifactId>
        </exclusion>
    </exclusions>
</dependency>
<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>fastjson</artifactId>
</dependency>

配置文件

server:
  port: 9991
spring:
  application:
    name: kafka-demo
  kafka:
    bootstrap-servers: 192.168.200.130:9092
    producer:
      retries: 10
      key-serializer: org.apache.kafka.common.serialization.StringSerializer
      value-serializer: org.apache.kafka.common.serialization.StringSerializer
    consumer:
      group-id: ${spring.application.name}-test
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer

controller

​

package com.heima.kafka.controller;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.kafka.core.KafkaTemplate;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class HelloController {

    @Autowired
    private KafkaTemplate<String,String> kafkaTemplate;

    @GetMapping("/hello")
    public String hello(){
       kafkaTemplate.send("itcast-topic","黑马程序员");


        // User user = new User();
        // user.setUsername("xiaowang");
        // user.setAge(18);

        // kafkaTemplate.send("user-topic", JSON.toJSONString(user));

        return "ok";
    }
}

​

接收者类

package com.heima.kafka.listener;

import org.springframework.kafka.annotation.KafkaListener;
import org.springframework.stereotype.Component;

@Component
public class HelloListener {

    @KafkaListener(topics = "user-topic")
    public void onMessage(String message){
        System.out.println(message);
        // if(!StringUtils.isEmpty(message)){
        //     User user = JSON.parseObject(message, User.class);
        //     System.out.println(user);
        // }
    }
}

• @KafkaListener(topics = “user-topic”)

断点调试

传递对象为对象

方式一，自定义序列化器，对象多通用性不强，不介绍

方式二，发送时转JSON字符串，然后再json字符串转为对象，指定类型 有点像前端传递数据

user类

package com.heima.kafka.pojo;

public class User {

    private String username;
    private Integer age;

    public String getUsername() {
        return username;
    }

    public void setUsername(String username) {
        this.username = username;
    }

    public Integer getAge() {
        return age;
    }

    public void setAge(Integer age) {
        this.age = age;
    }

    @Override
    public String toString() {
        return "User{" +
                "username='" + username + '\'' +
                ", age=" + age +
                '}';
    }
}

把之前的注释给注释回来，重启发请求

10.自媒体文章上下架

当前环节仅仅写了业务修改自媒体的上下架状态，没有涉及消息发送

需求

流程图

思路

1. id查文章，查发布状态，如果都通过检测那就修改 enable状态为下架
2. 同时发消息kafka携带articleId，
3. 此时article端处于监听消息状态（while循环或者springboot集成），然后收到消息后执行修改is Down字段下架操作

这种消息队列就是传递了 ID值，指定了topic表示了什么业务类型的操作，然后由收消息方书写业务逻辑，好比老师叫你去黑板写题， 小明同学（articleId），到黑板写题（answerQuestion）

接口定义

设置一个dto或者在原有的dto追加enable字段，

这里进行追加

dto

/**
     * 上下架 0 下架  1 上架
     */
    private Short enable;

service

WmNewsService

   /**
     * 文章的上下架
     * @param dto
     * @return
     */
    public ResponseResult downOrUp(WmNewsDto dto);

impl

先自己按照思路敲一遍

（复制过去，然后翻译代码）

1. 检测dto参数
2. 查文章，判断不为空，和状态为已发布
3. 修改自媒体文章数据库 该enable状态
4. 判断articleId是否为空（发布到app端返回的那个）
   不为空则发消息，参数为topic和map（id和enable状态）
5. 一切到位后返回成功结果对象

注意这里是lambdaUpdate而不是lambdaQuery

 @Override
    public ResponseResult downOrUp(WmNewsDto dto) {
        // 1. 检测dto的id参数
        if (dto.getId() == null) {
            return ResponseResult.errorResult(AppHttpCodeEnum.PARAM_INVALID);
        }
        // 2. 查文章，判断不为空，和状态为已发布
        WmNews wmNews = getById(dto.getId());
        if (wmNews == null) {
            return ResponseResult.errorResult(AppHttpCodeEnum.DATA_NOT_EXIST, "文章不存在");
        }
        if (!wmNews.getStatus().equals((WmNews.Status.PUBLISHED.getCode()))) {
            return ResponseResult.errorResult(AppHttpCodeEnum.PARAM_INVALID, "文章不是已发布状态");
        }
        // 3.  判断dto中的上下架状态是否符合规范，修改自媒体文章数据库 该enable状态
        if (dto.getEnable() != null && dto.getEnable() > -1 && dto.getEnable() < 2) {
            update(Wrappers.<WmNews>lambdaUpdate().set(WmNews::getEnable, dto.getEnable())
                    .eq(WmNews::getId, wmNews.getId()));
        }
        // 5. 一切到位后返回成功结果对象
        return ResponseResult.okResult(AppHttpCodeEnum.SUCCESS);
    }

controller

 @PostMapping("/down_or_up")
    public ResponseResult downOrUp(@RequestBody WmNewsDto dto){
        return wmNewsService.downOrUp(dto);
    }

启动项目，前后端联调

11.通知app端下架

导入依赖

heima-common模块下

<!-- kafkfa -->
<dependency>
    <groupId>org.springframework.kafka</groupId>
    <artifactId>spring-kafka</artifactId>
</dependency>
<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-clients</artifactId>
</dependency>

nacos中自媒体配置文件

生产者，重试次数，序列化器，服务器

spring:
  kafka:
    bootstrap-servers: 192.168.233.136:9092
    producer:
      retries: 10
      key-serializer: org.apache.kafka.common.serialization.StringSerializer
      value-serializer: org.apache.kafka.common.serialization.StringSerializer

自媒体上下架后发布

// 4. 判断articleId是否为空（发布到app端返回的那个）
            // 不为空则发消息，参数为topic和map（id和enable状态）
            if (wmNews.getArticleId() != null) {
                // 5. 构建map，存放id和状态
                Map<String, Object> map = new HashMap<>();
                map.put("articleId", wmNews.getArticleId());
                map.put("enable", dto.getEnable());
                // 6. 发送消息
                kafkaTemplate.send(WmNewsMessageConstants.WM_NEWS_UP_OR_DOWN_TOPIC, JSON.toJSONString(map));
            }

常量

public class WmNewsMessageConstants {

    public static final String WM_NEWS_UP_OR_DOWN_TOPIC="wm.news.up.or.down.topic";
}

article端的nacos配置yml

spring:
  kafka:
    bootstrap-servers: 192.168.233.136:9092
    consumer:
      group-id: ${spring.application.name}
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer

app服务进行监听

和刚才大差不差，一个注解话题名， 该注解使得该方法一直处于监听状态，当有消息传达过来时判断是否为空，然后转对象（简单的json序列化，json字符串到object对象）

然后调用方法进行配置表修改状态

package com.heima.article.listener;

import com.alibaba.fastjson.JSON;
import com.heima.article.service.ApArticleConfigService;
import com.heima.common.constants.WmNewsMessageConstants;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.kafka.annotation.KafkaListener;
import org.springframework.stereotype.Component;

import java.util.Map;

@Component
@Slf4j
public class ArticleIsDownListener {

    @Autowired
    private ApArticleConfigService apArticleConfigService;

    @KafkaListener(topics = WmNewsMessageConstants.WM_NEWS_UP_OR_DOWN_TOPIC)
    public void onMessage(String message){
        if(StringUtils.isNotBlank(message)){
            Map map = JSON.parseObject(message, Map.class);
            apArticleConfigService.updateByMap(map);
        }
    }
}

apArticle Config的service和impl

改表的数据

service

package com.heima.article.service;

import com.baomidou.mybatisplus.extension.service.IService;
import com.heima.model.article.pojos.ApArticleConfig;

import java.util.Map;

public interface ApArticleConfigService extends IService<ApArticleConfig> {
    /**
     * 修改文章
     * @param map
     */
    void updateByMap(Map map);
}

impl

正常思维都是初始一个isDown，1为false 0为true

我们也可以初始化isDown 为true，是否下架，当为1时修改就行，不用 else

默认值思想

以下代码加了事务注解是为了未来扩展方便

5. 一致的编程风格

• 在服务实现中使用事务可以保持一致的编程风格，确保所有数据库操作都遵循相同的事务管理策略。

package com.heima.article.service.impl;

import com.baomidou.mybatisplus.core.toolkit.Wrappers;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.heima.article.mapper.ApArticleConfigMapper;
import com.heima.article.service.ApArticleConfigService;
import com.heima.model.article.pojos.ApArticleConfig;
import lombok.extern.slf4j.Slf4j;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import java.util.Map;

@Service
@Slf4j
@Transactional
public class ApArticleConfigServiceImpl extends ServiceImpl<ApArticleConfigMapper, ApArticleConfig> implements ApArticleConfigService {
    /**
     * 修改文章
     *
     * @param map
     */
    @Override
    public void updateByMap(Map map) {
        // 判断enable的数值
        // 0下架，1上架
        // 六将思维
        boolean isDown=true;
        Object enable = map.get("enable");
        if (enable.equals(1)) {
            isDown = false;
        }
        //修改文章
        update(Wrappers.<ApArticleConfig>lambdaUpdate().eq(ApArticleConfig::getArticleId,map.get("articleId"))
                .set(ApArticleConfig::getIsDown,isDown));
    }
}

启动项目进行测试

点击下架

变为0，我们复制该 articleId到 aparticle数据库的config表查询是否isDown为1

成功发送消息给ap端并且下架文章

总结

修改状态，修改自媒体的状态，然后再发消息给ap端修改ap端数据库的上下架状态（article前提得接收）

kafka，

发送端指定话题，然后发送消息

接收端循环监听消息来源

发送端有ask机制，接收端没有，因此得手动提交偏移量

但是默认为自动添加偏移量，当有多个消费者负责不同分区，一个消费者崩溃后其他消费者接收该消费者的烂摊子，由于该消费者处理了任务但是还没来得及提交偏移量，因此其他消费者重复执行消息所代表的业务

因此我们使用了异步+同步的方式提交偏移量，避免重复执行操作

接下来我们用了springboot集成的kafka步骤如下

接收端和发送端各自配置好配置文件（存放在nacos配置中心）

发送端调用 springboot集成的生产者对象发送，设置好topic和内容 一般使用map记录（转为字符串） 消息类型和消息传达到哪个人和该做什么事，从而那个人收到消息后做出相应动作

接收端加注解，指定监听什么话题，形参为字符串，判断消息是否为空，不为空则调用方法做出相应动作

二次总结， 一个发送，一个接收，中间通过配置文件指定kafka中心在哪台服务器上 ，配置相关配置（固定的例如序列化器，重试次数，组id，这里同步异步提交偏移量应该集成好了，不用手动设置了）