Spring Kafka实战(5)—消息类型转换探讨

前言

上一篇博文中,我们探讨了消费者拉取到消息后,将数据传递给对应的listener。现在我们将继续探讨,List对象如何通过listener传递给KafkaListener等注解所标记的方法。

一、消息转换处理

1.BatchMessagingMessageListenerAdapter

将接收的消息,转换成Message对象(可在方法上直接使用,代表接收到的消息),然后传递给HandlerAdapter,进行后续消息的传递处理。
当方法存在返回值时,配合特定的配置,将响应结果转发到对应的topic上,实现数据的流转。

public void onMessage(List<ConsumerRecord<K, V>> records, Acknowledgment acknowledgment, Consumer<?, ?> consumer) {
   
		Message<?> message;
	if (!isConsumerRecordList()) {
   
		if (isMessageList()) {
   
			List<Message<?>> messages = new ArrayList<>(records.size());
			// 接收到的消息,通过MessagingMessageConverter,转换成Message对象。
			for (ConsumerRecord<K, V> record : records) {
   
				messages.add(toMessagingMessage(record, acknowledgment, consumer));
			}

			// 将批量消息对应的List<Message>作为Message.payload进行构建。
			message = MessageBuilder.withPayload(messages).build();
		}
		else {
   
			message = toMessagingMessage(records, acknowledgment, consumer);
		}
	}
	else {
   
		message = NULL_MESSAGE; // optimization since we won't need any conversion to invoke
	}
	if (logger.isDebugEnabled()) {
   
		logger.debug("Processing [" + message + "]");
	}

	// 消息处理
	invoke(records, acknowledgment, consumer, message);
}

protected void invoke(Object records, Acknowledgment acknowledgment, Consumer<?, ?> consumer,
			final Message<?> messageArg) {
   

	Message<?> message = messageArg;
	try {
   
		// 消息传递给HandlerAdapter进行处理。
		// invokeHandler内部,通过HandlerAdapter进行处理。
		Object result = invokeHandler(records, acknowledgment, message, consumer);
		if (result != null) {
   
			// 当KafkaListener等注解标记的方法,存在返回值时,对返回值进行处理。
			handleResult(result, records, message);
		}
	}
	catch (ListenerExecutionFailedException e) {
    // NOSONAR ex flow control
		// 配置errorHandler时,使用errorHandler,进行异常信息处理。
		if (this.errorHandler != null) {
   
			try {
   
				if (message.equals(NULL_MESSAGE)) {
   
					message = new GenericMessage<>(records);
				}
				Object result = this.errorHandler.handleError(message, e, consumer);
				if (result != null) {
   
					handleResult(result, records, message);
				}
			}
			catch (Exception ex) {
   
				throw new ListenerExecutionFailedException(createMessagingErrorMessage(// NOSONAR stack trace loss
						"Listener error handler threw an exception for the incoming message",
						message.getPayload()), ex);
			}
		}
		else {
   
			throw e;
		}
	}
}

2.HandlerAdapter

为InvocableHandlerMethod和DelegatingInvocableHandler包装类,处理消息的invoke方法,最终将消息委托这两个Handler中的一个,进行处理。

public Object invoke(Message<
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: springcloud与kafka结合可以实现微服务之间的消息传递,方便实现系统间的交互。主要步骤有:1. 配置springcloud和kafka;2. 使用@EnableBinding注解启用消息绑定;3. 使用@StreamListener注解实现消息的消费;4. 使用@SendTo注解实现消息的发送。 ### 回答2: Spring Cloud是一个用于构建分布式系统的开发工具包,它提供了一系列的解决方案和组件,包括服务注册与发现(Eureka)、负载均衡(Ribbon)、断路器(Hystrix)、网关(Zuul)等。而Kafka是一种高吞吐量的分布式消息队列系统,它可以实现消息的发布订阅模式。 在将Spring Cloud与Kafka进行整合时,我们可以利用Spring Cloud Stream框架来实现。Spring Cloud Stream是一个轻量级的微服务框架,它提供了统一的编程模型,简化了与消息中间件的集成。 首先,我们需要在pom.xml文件中添加Spring Cloud Stream和Kafka相关的依赖项。接下来,我们可以通过配置文件指定Kafka的地址和相关的参数,例如topic名称、分片数等。在Spring Cloud Stream中,将消息发布者称为生产者(producer),将消息订阅者称为消费者(consumer)。 在生产者方面,我们可以使用@EnableBinding注解将Spring Cloud Stream与Kafka进行绑定,并通过定义一个output通道来发送消息。在代码中,我们只需要调用output.send()方法即可将消息发送到Kafka中。 在消费者方面,我们同样使用@EnableBinding注解将Spring Cloud Stream与Kafka进行绑定,并通过定义一个input通道来接收消息。在代码中,我们可以使用@StreamListener注解来监听消息,并进行相应的处理逻辑,例如将消息存储到数据库中或者进行其他的业务操作。 通过以上步骤,我们就完成了Spring Cloud与Kafka的整合。在实际的项目中,可以将Kafka用作消息队列,实现服务之间的解耦和异步通信。通过Spring Cloud Stream的支持,我们可以更加方便地使用Kafka,并且将其作为整个分布式系统的消息中间件。这种架构具有高可扩展性和高可靠性,适用于大规模的分布式系统。 ### 回答3: Spring Cloud是一个基于Spring Framework的分布式系统开发框架,而Kafka是一个高吞吐量的分布式发布订阅消息系统。将二者整合起来可以实现可靠的消息传递和分布式的消息处理。 首先,我们需要在Spring Cloud项目中引入Kafka依赖。可以通过在pom.xml文件中添加相应的依赖来实现。然后,在配置文件中配置Kafka的相关参数,包括Kafka集群的地址和端口等信息。 接着,我们需要创建Kafka生产者和消费者。在Spring Cloud中,我们可以使用KafkaTemplate来发送消息,同时我们也可以通过注解@KafkaListener来订阅和处理消息。在生产者中,我们可以使用KafkaTemplate的send()方法来发送消息Kafka集群。在消费者中,我们可以使用@KafkaListener注解来监听指定的主题,并通过编写对应的业务逻辑代码来处理接收到的消息。 此外,我们还可以使用Spring Cloud Stream来简化整合过程。Spring Cloud Stream是一种基于Spring Boot的用于构建消息驱动的微服务的框架。通过使用Spring Cloud Stream,我们可以进一步简化Kafka的消费者和生产者的创建和配置,只需要编写一些简单的配置文件就可以实现整合。 总的来说,Spring Cloud整合Kafka可以帮助我们实现高可靠性、高吞吐量的分布式消息传递和处理。我们可以通过配置和编写相应的代码来实现Kafka的生产者和消费者功能,同时也可以使用Spring Cloud Stream来简化整合过程。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

我要做个有钱人2020

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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