Spring Boot整合Kafka

最新推荐文章于 2024-05-30 09:05:08 发布
最新推荐文章于 2024-05-30 09:05:08 发布
阅读量1.2k 收藏 9
点赞数 25
分类专栏： kafka 文章标签： spring boot kafka
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/q1372302825/article/details/136406910
版权

文章目录

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

image-20240229213324522

<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id
  group-id: hrfan-consumer-group
spring:
  kafka:
    consumer:
      bootstrap-servers: 192.168.112.128:9092
      group-id: hrfan-consumer-group
      auto-offset-reset: earliest
      # 错误处理
      key-deserializer: org.springframework.kafka.support.serializer.ErrorHandlingDeserializer
      value-deserializer: org.springframework.kafka.support.serializer.ErrorHandlingDeserializer
      properties:
        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.StringDeserializer

    producer:
      bootstrap-servers: 192.168.112.128:9092
      key-serializer: org.apache.kafka.common.serialization.StringSerializer
      value-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
	 */
	@Resource
	private KafkaTemplate<String, String> kafkaTemplate;

	/**
	 * kafka模板 Message消息
	 */
	@Resource
	private 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topic
		kafkaTemplate.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");
	}

}

image-20240301133509648

image-20240301133913211

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);
	}


}

image-20240301133749367

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=kafka01
 
advertised.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。

image-20240301183001141

  • 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();
	}

image-20240301201320109

image-20240301201438112

image-20240301201524566

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

image-20240301171337018

image-20240301171647186

小饭团~
关注
  • 25
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Springboot整合kafka
m0_67402235的博客
08-02 981
先自我介绍一下，小编13年上师交大毕业，曾经在小公司待过，去过华为OPPO等大厂，18年进入阿里，直到现在。深知大多数初中级java工程师，想要升技能，往往是需要自己摸索成长或是报班学习，但对于培训机构动则近万元的学费，着实压力不小。因此我收集了一份《java开发全套学习资料》送给大家，初衷也很简单，就是希望帮助到想自学又不知道该从何学起的朋友，同时减轻大家的负担。添加下方名片，即可获取全套学习资料哦。首先搭建两个springboot项目，一个作为生产者，一个作为消费者。页面访问，生产者发送消息。...
Spring Boot集成Kafka
流水不腐小夏
11-26 1万+
Spring Boot集成Kafka Spring Boot集成Kafka 前提介绍 Kafka 简介 Topics & logs Distribution Producers Consumers Guarantees Kafka安装与使用 安装 服务启动 Topic 消息发送与消费 Spring Boot集成 开始 配置 代码 总结 参考资料 前提介绍由于公司使用了微服务架构，很多业务拆成
spring boot整合spring-kafka实现发送接收消息实例代码
08-30
主要给大家介绍了关于spring-boot整合spring-kafka实现发送接收消息的相关资料，文中介绍的非常详细，对大家具有一定的参考学习价值，需要的朋友们下面跟着小编一起来看看吧。
SpringBoot 整合Kafka实现消息的发送和接收
08-27
kafka下载、安装、配置及完整运行代码
spring boot 之 整合 kafka
最新发布
我叫晨曦啊的博客
05-30 1609
spring boot 整合 kafka
SpringBoot整合Kafka
ITBOY_ITBOX博客
10-11 967
使用注解@KafkaListener定义当前方法监听Kafka中指定topic的消息，接收到的消息封装在对象ConsumerRecord中，获取数据从ConsumerRecord对象中获取即可。运行bin目录下的windows目录下的kafka-server-start命令即可启动kafka服务器，默认对外服务端口9092。Kafka提供有一套测试服务器功能的测试程序，运行bin目录下的windows目录下的命令即可使用。：使用消息监听器在服务器启动后，监听指定位置，当消息出现后，立即消费消息。
springboot：整合Kafka
拒绝熬夜啊的博客
06-29 4851
springboot：整合Kafka
spring boot整合kafka过程解析
08-25
主要介绍了spring boot整合kafka过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
Spring Boot 整合 Apache Kafka.zip
07-02
《Spring Boot 整合 Apache Kafka》博文对应的源代码；博文地址：https://blog.csdn.net/shawearn1027/article/details/107067328
springboot - 2.7.3版本 - （七）整合Kafka
09-30
在本文中，我们将深入探讨如何在Spring Boot 2.7.3版本中集成Apache Kafka，以便在微服务架构中实现高效的数据流处理。首先，让我们理解Spring Boot和Kafka的基本概念，然后逐步介绍如何配置和使用它们。 **Spring ...
spring-boot集成kafka
11-28
Spring for Apache Kafka提供了与Spring Boot整合的便利，通过引入`spring-kafka`和`spring-boot-starter`依赖，我们可以轻松地在Spring Boot应用中使用Kafka。添加以下依赖： ```xml <groupId>org.spring...
SpringBoot：整合Kafka
燕双嘤
11-26 3239
虽然Kafka可作为消息组件使用，但它并不是单纯的消息组件，它被定位成“开源的分布式事件流平台（open-source distributed event strea ming platform）”，因此它和JMS实现或AMQP实现存在较大的差异。由于目前Kafka还依赖于ZooKeeper，因此在安装Kafka之前需要先安装，运行 ZooKeeper。
SpringBoot——集成Kafka详解
热门推荐
吴声子夜歌的博客
08-21 2万+
我们知道，kafka中每个topic被划分为多个分区，那么生产者将消息发送到topic时，具体追加到哪个分区呢？这就是所谓的分区策略，Kafka 为我们提供了默认的分区策略，同时它也支持自定义分区策略。若发送消息时指定了分区（即自定义分区策略），则直接将消息append到指定分区；若发送消息时未指定 patition，但指定了 key（kafka允许为每条消息设置一个key），则对key值进行hash计算，根据计算结果路由到指定分区，这种情况下可以保证同一个 Key 的所有消息都进入到相同的分区；
【Java】SpringBoot快速整合Kafka
m0_64210833的博客
12-25 3618
Kafka是一个开源的流式平台，用于构建实时数据流应用程序和实时数据管道。Kafka旨在处理大规模的数据流，具有高吞吐量、可扩展性、持久性和容错性的特点。
知识点16--spring boot整合kafka
别人笑我太疯癫，我笑他人看不穿。
06-18 1万+
本篇知识点沿用知识点15的项目，为大家介绍spring boot如何连接kafka，本章有些长请耐心看完。没有kafka集群的去我主页找–>第一步：首先导入pom依赖 第二步：修改spring boot配置文件 第三步：我们建立一个测试类，来认识如何使用生产者 我们在服务器端开一个消费者，消费test主题的消息，集群地址改你自己的 我们运行测试类，看效果 通过效果，我们可以看到数据成功发送第四步：我们要知道spring boot整合的kafka为我们提供了两种可供选择的生产方式，上一步是其一叫做异步发送，
Kafka 整合 SpringBoot
Qynwang的博客
05-15 1270
编写测试代码：ApplicationTests.java。
spring boot整合kafka
04-24
好的，您想了解关于Spring Boot整合Kafka的内容。Spring Boot和Kafka都是非常流行的技术，而且它们非常适合在分布式系统中进行消息传递。在Spring Boot中，我们可以使用Kafka来处理异步通信或者在不同的微服务间进行...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值