Spring Cloud Stream 编程模型的基础知识，很多老司机都不知道-CSDN博客

本文链接：https://blog.csdn.net/m0_60607675/article/details/136696633

public Order rece iveAndSendorder (Order order) throws

JsonProcessingException {

LOGGER. info(“Order received: ( }”， mapper .writeValueAsstring (order));

return service.process (order) ;

}

我们甚至可以想象诸如以下形式的实现，而不使用@StreamL istener。转换器(Transformer)模式将负责更改对象的形式。在这种情况下，它会修改两个order字段一status (状态)和price (价格)。

@EnableBinding (Processor.class)

public 需要zi料+ 绿色徽【vip1024b】

class OrderProcessor {

@Transformer (inputChannel = Processor. INPUT, outputChannel =

Processor. OUTPUT)

public Order process (final Order order) throws JsonProcessingException (

LOGGER. info (“Order processed: ()”， mapper .writeValueAsString (order));

products. forEach(p -> order . setPrice (order .getPrice() +

p.getPrice()));

if (order.getPrice() <- account .getBalance()) {

order。setStatus (OrderStatus。ACCEPTED) ;

account.setBalance (account .getBalance() - order .getPrice());

else|

order。setStatus (OrderStatus . REJECTED) ;

return order;

}

有条件地使用消息

========

假设开发人员希望以不同方式处理传入同一消息通道的消息，则可以使用条件分派。Spring Cloud Stream支持根据条件将消息分派给在输入通道上注册的多个@StreamListener方法。该条件是在@StreamListener注解的condition 属性中定义的Spring 表达式语言(Spring Expression Language, SpEL) 表达式。

public boolean send(Order order) {

Message orderMessage =

MessageBuilder . withPayload (order) .build() ;

orde rMessage . getHeaders () . put (“processor”, “account”) ;

return this. source. output ()。send (orderMessage) ;

}

以下就是一个示例实现，它定义了两个使用@StreamListener注解的方法，这些方法侦听同一主题。其中一个专用于从account-ervice 服务传入的消息，而第二个则专用于product-service服务。传入消息将根据带有processor名称的标头进行分派。

@SpringBootApplication

@EnableDi scoveryClient

@EnableBinding (Processor.class)

public class OrderApplication {

@StreamListener (target = Processor . INPUT, condition =

“headersI’processor’]=-‘account’”)

public void receiveorder (Order order) throws JsonProcessingException

LOGGER. info ("Order received from account: { } "，

mapper.writeValueAsString(order) );

// …

}

@StreamListener (target一Processor. INPUT, condition =

“headers[ ‘processor’]–‘product’”)

public void receiveOrder (Order order) throws JsonProcess ingException

LOGGER. info(“Order received from product: { }”，

mapper . writeValueAsString (order) );

// …

}

使用Apache Kafka

==============

在讨论Spring Cloud与消息代理的集成时，我们曾经多次提到过Apache Kafka。但是，到目前为止，我们还没有基于该平台运行任何示例。事实上, RabbitMQ在使用SpringCloud项目时往往是首选，但是Kafka也值得我们关注。与RabbitMQ相比，它的一个优势是对分区的原生支持，而分区正是Spring Cloud Stream最重要的功能之一。

Kafka不是典型的消息代理。它是一个分布式流媒体平台。它的主要功能是允许开发人员发布和订阅记录(Record)流。它对转换或响应数据流的实时流应用程序特别有用。它通常作为由一个或多个服务器组成的集群运行，并可以在主题中存储记录流。

运行Kafka

=======

糟糕的是，Apache Kafka没有正式的Docker镜像。但是，我们可以使用一个非官方的，如Spotify共享的镜像。与其他可用的Kafka docker镜像相比，这个镜像可以在同一容器中运行Zookeeper和Kafka。以下是启动Kafka并在端口9092.上公开它的Docker命令。在端口2181上也可以使用Zookeeper.

docker run -d --name kafka -P 2181:2181 -P 9092:9092 --env

ADVERTISED HOST=192 .168.99.100 --env ADVERTISED PORT=9092 spotify/kafka

自定义应用程序设置

=========

要为应用程序启用Apache Kafka, 需要将spring- cloud-starter- stream-kafka启动程序包含在依赖项中。我们当前的示例非常类似于发布/订阅的示例，因为它使用了RabbitMQ发布/订阅，以及在前一篇“发布/订阅模型”中介绍过的分组和分区机制。唯一的区别在于依赖项和配置设置。

SpringCloudStream将自动检测并使用类路径中找到的绑定器。可以使用spring kafka.*属性覆盖连接设置。在这种情况下中，只需要将自动配置的Kafka客户端地址更改为Docker 机器地址192.168.99.100。对Zookeeper 也应该执行相同的修改，因为Zookeeper将由Kafka客户端使用。