本文是SpringBoot+Kafka的实战讲解，如果对kafka的架构原理还不了解的读者，建议先看一下《大白话kafka架构原理》、《秒懂kafka HA（高可用）》两篇文章。

一、生产者实践

• 普通生产者

• 带回调的生产者

• 自定义分区器

• kafka事务提交

二、消费者实践

• 简单消费

• 指定topic、partition、offset消费

• 批量消费

• 监听异常处理器

• 消息过滤器

• 消息转发

• 定时启动/停止监听器

一、前戏

1、在项目中连接kafka，因为是外网，首先要开放kafka配置文件中的如下配置（其中IP为公网IP），

advertised.listeners=PLAINTEXT://112.126.74.249:9092

2、在开始前我们先创建两个topic：topic1、topic2，其分区和副本数都设置为2，用来测试，

1. [root@iZ2zegzlkedbo3e64vkbefZ ~]# cd /usr/local/kafka-cluster/kafka1/bin/

2. [root@iZ2zegzlkedbo3e64vkbefZ bin]# ./kafka-topics.sh --create --zookeeper 172.17.80.219:2181 --replication-factor 2 --partitions 2 --topic topic1

3. Created topic topic1.

4. [root@iZ2zegzlkedbo3e64vkbefZ bin]# ./kafka-topics.sh --create --zookeeper 172.17.80.219:2181 --replication-factor 2 --partitions 2 --topic topic2

5. Created topic topic2.

当然我们也可以不手动创建topic，在执行代码kafkaTemplate.send("topic1", normalMessage)发送消息时，kafka会帮我们自动完成topic的创建工作，但这种情况下创建的topic默认只有一个分区，分区也没有副本。所以，我们可以在项目中新建一个配置类专门用来初始化topic，如下，

   

import org.apache.kafka.clients.admin.NewTopic;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class KafkaInitialConfiguration {
    // 创建一个名为testtopic的Topic并设置分区数为3，分区副本数为2
    @Bean
    public NewTopic initialTopic() {
        return new NewTopic("testtopic",3, (short) 2 );
    }
    //如果要修改分区数，只需要修改配置重启项目即可
    //修改分区数并不会导致数据的丢失，但是分区数只能增大不能减小
    @Bean
    public NewTopic updateTopic() {
        return new NewTopic("testtopic",5, (short) 2 );
    }
}

3、新建SpringBoot项目

① 引入pom依赖

<dependency>
     <groupId>org.springframework.kafka</groupId>
     <artifactId>spring-kafka</artifactId>
</dependency>

② application.propertise配置（本文用到的配置项这里全列了出来） 

###########【Kafka集群】###########
#spring.kafka.bootstrap-servers=112.126.74.249:9092,112.126.74.249:9093
spring.kafka.bootstrap-servers=192.168.2.188:9092
###########【初始化生产者配置】###########
# 重试次数
spring.kafka.producer.retries=0
# 应答级别:多少个分区副本备份完成时向生产者发送ack确认(可选0、1、all/-1)
spring.kafka.producer.acks=1
# 批量大小
spring.kafka.producer.batch-size=16384
# 提交延时
spring.kafka.producer.properties.linger.ms=0
# 当生产端积累的消息达到batch-size或接收到消息linger.ms后,生产者就会将消息提交给kafka
# linger.ms为0表示每接收到一条消息就提交给kafka,这时候batch-size其实就没用了
​
# 生产端缓冲区大小
spring.kafka.producer.buffer-memory = 33554432
# Kafka提供的序列化和反序列化类
spring.kafka.producer.key-serializer=org.apache.kafka.common.serialization.StringSerializer
spring.kafka.producer.value-serializer=org.apache.kafka.common.serialization.StringSerializer
# 自定义分区器
# spring.kafka.producer.properties.partitioner.class=com.felix.kafka.producer.CustomizePartitioner
​
###########【初始化消费者配置】###########
# 默认的消费组ID
spring.kafka.consumer.properties.group.id=defaultConsumerGroup
# 是否自动提交offset
spring.kafka.consumer.enable-auto-commit=true
# 提交offset延时(接收到消息后多久提交offset)
spring.kafka.consumer.auto.commit.interval.ms=1000
# 当kafka中没有初始offset或offset超出范围时将自动重置offset
# earliest:重置为分区中最小的offset;
# latest:重置为分区中最新的offset(消费分区中新产生的数据);
# none:只要有一个分区不存在已提交的offset,就抛出异常;
spring.kafka.consumer.auto-offset-reset=latest
# 消费会话超时时间(超过这个时间consumer没有发送心跳,就会触发rebalance操作)
spring.kafka.consumer.properties.session.timeout.ms=120000
# 消费请求超时时间
spring.kafka.consumer.properties.request.timeout.ms=180000
# Kafka提供的序列化和反序列化类
spring.kafka.consumer.key-deserializer=org.apache.kafka.common.serialization.StringDeserializer
spring.kafka.consumer.value-deserializer=org.apache.kafka.common.serialization.StringDeserializer
# 消费端监听的topic不存在时，项目启动会报错(关掉)
spring.kafka.listener.missing-topics-fatal=false
# 设置批量消费
# spring.kafka.listener.type=batch
# 批量消费每次最多消费多少条消息
# spring.kafka.consumer.max-poll-records=50

二、Hello Kafka

1、简单生产者

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.PathVariable;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class KafkaProducer {
@Autowired
private KafkaTemplate<String, Object> kafkaTemplate;
// 发送消息
@GetMapping("/kafka/normal/{message}")
public void sendMessage1(@PathVariable("message") String normalMessage) {
    kafkaTemplate.send("topic1", normalMessage);
}
}

 2、简单消费

import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.springframework.kafka.annotation.KafkaListener;
import org.springframework.stereotype.Component;

@Component
public class KafkaConsumer {
// 消费监听
@KafkaListener(topics = {"topic1"})
public void onMessage1(ConsumerRecord<?, ?> record){
// 消费的哪个topic、partition的消息,打印出消息内容
    System.out.println("简单消费："+record.topic()+"-"+record.partition()+"-"+record.value());
}
}

上面示例创建了一个生产者，发送消息到topic1，消费者监听topic1消费消息。监听器用@KafkaListener注解，topics表示监听的topic，支持同时监听多个，用英文逗号分隔。启动项目，postman调接口触发生产者发送消息，

可以看到监听器消费成功，

三、生产者

1、带回调的生产者

kafkaTemplate提供了一个回调方法addCallback，我们可以在回调方法中监控消息是否发送成功 或 失败时做补偿处理，有两种写法，

 @GetMapping("/kafka/callbackOne/{message}")
    public void sendMessage2(@PathVariable("message") String callbackMessage) {
        kafkaTemplate.send("topic1", callbackMessage).addCallback(success -> {
            // 消息发送到的topic
            String topic = success.getRecordMetadata().topic();
            // 消息发送到的分区
            int partition = success.getRecordMetadata().partition();
            // 消息在分区内的offset
            long offset = success.getRecordMetadata().offset();
            System.out.println("发送消息成功:" + topic + "-" + partition + "-" + offset);
        }, failure -> {
            System.out.println("发送消息失败:" + failure.getMessage());
        });
    }

 

@GetMapping("/kafka/callbackTwo/{message}")
    public void sendMessage3(@PathVariable("message") String callbackMessage) {
        kafkaTemplate.send("topic1", callbackMessage).addCallback(new ListenableFutureCallback<SendResult<String, Object>>() {
            @Override
            public void onFailure(Throwable ex) {
                System.out.println("发送消息失败："+ex.getMessage());
            }

            @Override
            public void onSuccess(SendResult<String, Object> result) {
                System.out.println("发送消息成功：" + result.getRecordMetadata().topic() + "-"
                        + result.getRecordMetadata().partition() + "-" + result.getRecordMetadata().offset());
            }
        });
    }

2、自定义分区器

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。其路由机制为：

① 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；

② 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；

③  patition 和 key 都未指定，则使用kafka默认的分区策略，轮询选出一个 patition；

※ 我们来自定义一个分区策略，将消息发送到我们指定的partition，首先新建一个分区器类实现Partitioner接口，重写方法，其中partition方法的返回值就表示将消息发送到几号分区，

import org.apache.kafka.clients.producer.Partitioner;
import org.apache.kafka.common.Cluster;

import java.util.Map;
public class CustomizePartitioner implements Partitioner {
@Override
public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
// 自定义分区规则(这里假设全部发到0号分区)
// ......
    return 0;
}
@Override

public void close() {

}

@Override

public void configure(Map<String, ?> configs) {

}

}

在application.propertise中配置自定义分区器，配置的值就是分区器类的全路径名，

   

# 自定义分区器

spring.kafka.producer.properties.partitioner.class=com.felix.kafka.producer.CustomizePartitioner

3、kafka事务提交

如果在发送消息时需要创建事务，可以使用 KafkaTemplate 的 executeInTransaction 方法来声明事务，

1. @GetMapping("/kafka/transaction")

2. public void sendMessage7(){

3. // 声明事务：后面报错消息不会发出去

4. kafkaTemplate.executeInTransaction(operations -> {

5. operations.send("topic1","test executeInTransaction");

6. throw new RuntimeException("fail");

7. });

8. ​

9. // 不声明事务：后面报错但前面消息已经发送成功了

10. kafkaTemplate.send("topic1","test executeInTransaction");

11. throw new RuntimeException("fail");

12. }

• 1

四、消费者

1、指定topic、partition、offset消费

前面我们在监听消费topic1的时候，监听的是topic1上所有的消息，如果我们想指定topic、指定partition、指定offset来消费呢？也很简单，@KafkaListener注解已全部为我们提供，

1. /**

2. * @Title 指定topic、partition、offset消费

3. * @Description 同时监听topic1和topic2，监听topic1的0号分区、topic2的 "0号和1号" 分区，指向1号分区的offset初始值为8

4. * @Author long.yuan

5. * @Date 2020/3/22 13:38

6. * @Param [record]

7. * @return void

8. **/

9. @KafkaListener(id = "consumer1",groupId = "felix-group",topicPartitions = {

10. @TopicPartition(topic = "topic1", partitions = { "0" }),

11. @TopicPartition(topic = "topic2", partitions = "0", partitionOffsets = @PartitionOffset(partition = "1", initialOffset = "8"))

12. })

13. public void onMessage2(ConsumerRecord<?, ?> record) {

14. System.out.println("topic:"+record.topic()+"|partition:"+record.partition()+"|offset:"+record.offset()+"|value:"+record.value());

15. }

• 1

属性解释：

① id：消费者ID；

② groupId：消费组ID；

③ topics：监听的topic，可监听多个；

④ topicPartitions：可配置更加详细的监听信息，可指定topic、parition、offset监听。

上面onMessage2监听的含义：监听topic1的0号分区，同时监听topic2的0号分区和topic2的1号分区里面offset从8开始的消息。

注意：topics和topicPartitions不能同时使用；

2、批量消费

设置application.prpertise开启批量消费即可，

1. # 设置批量消费

2. spring.kafka.listener.type=batch

3. # 批量消费每次最多消费多少条消息

4. spring.kafka.consumer.max-poll-records=50

• 1

接收消息时用List来接收，监听代码如下，

1. @KafkaListener(id = "consumer2",groupId = "felix-group", topics = "topic1")

2. public void onMessage3(List<ConsumerRecord<?, ?>> records) {

3. System.out.println(">>>批量消费一次，records.size()="+records.size());

4. for (ConsumerRecord<?, ?> record : records) {

5. System.out.println(record.value());

6. }

7. }

• 1

3、ConsumerAwareListenerErrorHandler 异常处理器

通过异常处理器，我们可以处理consumer在消费时发生的异常。

新建一个 ConsumerAwareListenerErrorHandler 类型的异常处理方法，用@Bean注入，BeanName默认就是方法名，然后我们将这个异常处理器的BeanName放到@KafkaListener注解的errorHandler属性里面，当监听抛出异常的时候，则会自动调用异常处理器，

1. // 新建一个异常处理器，用@Bean注入

2. @Bean

3. public ConsumerAwareListenerErrorHandler consumerAwareErrorHandler() {

4. return (message, exception, consumer) -> {

5. System.out.println("消费异常："+message.getPayload());

6. return null;

7. };

8. }

9. ​

10. // 将这个异常处理器的BeanName放到@KafkaListener注解的errorHandler属性里面

11. @KafkaListener(topics = {"topic1"},errorHandler = "consumerAwareErrorHandler")

12. public void onMessage4(ConsumerRecord<?, ?> record) throws Exception {

13. throw new Exception("简单消费-模拟异常");

14. }

15. ​

16. // 批量消费也一样，异常处理器的message.getPayload()也可以拿到各条消息的信息

17. @KafkaListener(topics = "topic1",errorHandler="consumerAwareErrorHandler")

18. public void onMessage5(List<ConsumerRecord<?, ?>> records) throws Exception {

19. System.out.println("批量消费一次...");

20. throw new Exception("批量消费-模拟异常");

21. }

• 1

执行看一下效果，

4、消息过滤器

消息过滤器可以在消息抵达consumer之前被拦截，在实际应用中，我们可以根据自己的业务逻辑，筛选出需要的信息再交由KafkaListener处理，不需要的消息则过滤掉。

配置消息过滤只需要为 监听器工厂 配置一个RecordFilterStrategy（消息过滤策略），返回true的时候消息将会被抛弃，返回false时，消息能正常抵达监听容器。

1. @Component

2. public class KafkaConsumer {

3. @Autowired

4. ConsumerFactory consumerFactory;

5. ​

6. // 消息过滤器

7. @Bean

8. public ConcurrentKafkaListenerContainerFactory filterContainerFactory() {

9. ConcurrentKafkaListenerContainerFactory factory = new ConcurrentKafkaListenerContainerFactory();

10. factory.setConsumerFactory(consumerFactory);

11. // 被过滤的消息将被丢弃

12. factory.setAckDiscarded(true);

13. // 消息过滤策略

14. factory.setRecordFilterStrategy(consumerRecord -> {

15. if (Integer.parseInt(consumerRecord.value().toString()) % 2 == 0) {

16. return false;

17. }

18. //返回true消息则被过滤

19. return true;

20. });

21. return factory;

22. }

23. ​

24. // 消息过滤监听

25. @KafkaListener(topics = {"topic1"},containerFactory = "filterContainerFactory")

26. public void onMessage6(ConsumerRecord<?, ?> record) {

27. System.out.println(record.value());

28. }

29. }

• 1

上面实现了一个"过滤奇数、接收偶数"的过滤策略，我们向topic1发送0-99总共100条消息，看一下监听器的消费情况，可以看到监听器只消费了偶数，

5、消息转发

在实际开发中，我们可能有这样的需求，应用A从TopicA获取到消息，经过处理后转发到TopicB，再由应用B监听处理消息，即一个应用处理完成后将该消息转发至其他应用，完成消息的转发。

在SpringBoot集成Kafka实现消息的转发也很简单，只需要通过一个@SendTo注解，被注解方法的return值即转发的消息内容，如下，

1. /**

2. * @Title 消息转发

3. * @Description 从topic1接收到的消息经过处理后转发到topic2

4. * @Author long.yuan

5. * @Date 2020/3/23 22:15

6. * @Param [record]

7. * @return void

8. **/

9. @KafkaListener(topics = {"topic1"})

10. @SendTo("topic2")

11. public String onMessage7(ConsumerRecord<?, ?> record) {

12. return record.value()+"-forward message";

13. }

• 1

6、定时启动、停止监听器

默认情况下，当消费者项目启动的时候，监听器就开始工作，监听消费发送到指定topic的消息，那如果我们不想让监听器立即工作，想让它在我们指定的时间点开始工作，或者在我们指定的时间点停止工作，该怎么处理呢——使用KafkaListenerEndpointRegistry，下面我们就来实现：

① 禁止监听器自启动；

② 创建两个定时任务，一个用来在指定时间点启动定时器，另一个在指定时间点停止定时器；

新建一个定时任务类，用注解@EnableScheduling声明，KafkaListenerEndpointRegistry 在SpringIO中已经被注册为Bean，直接注入，设置禁止KafkaListener自启动，

1. @EnableScheduling

2. @Component

3. public class CronTimer {

4. ​

5. /**

6. * @KafkaListener注解所标注的方法并不会在IOC容器中被注册为Bean，

7. * 而是会被注册在KafkaListenerEndpointRegistry中，

8. * 而KafkaListenerEndpointRegistry在SpringIOC中已经被注册为Bean

9. **/

10. @Autowired

11. private KafkaListenerEndpointRegistry registry;

12. ​

13. @Autowired

14. private ConsumerFactory consumerFactory;

15. ​

16. // 监听器容器工厂(设置禁止KafkaListener自启动)

17. @Bean

18. public ConcurrentKafkaListenerContainerFactory delayContainerFactory() {

19. ConcurrentKafkaListenerContainerFactory container = new ConcurrentKafkaListenerContainerFactory();

20. container.setConsumerFactory(consumerFactory);

21. //禁止KafkaListener自启动

22. container.setAutoStartup(false);

23. return container;

24. }

25. ​

26. // 监听器

27. @KafkaListener(id="timingConsumer",topics = "topic1",containerFactory = "delayContainerFactory")

28. public void onMessage1(ConsumerRecord<?, ?> record){

29. System.out.println("消费成功："+record.topic()+"-"+record.partition()+"-"+record.value());

30. }

31. ​

32. // 定时启动监听器

33. @Scheduled(cron = "0 42 11 * * ? ")

34. public void startListener() {

35. System.out.println("启动监听器...");

36. // "timingConsumer"是@KafkaListener注解后面设置的监听器ID,标识这个监听器

37. if (!registry.getListenerContainer("timingConsumer").isRunning()) {

38. registry.getListenerContainer("timingConsumer").start();

39. }

40. //registry.getListenerContainer("timingConsumer").resume();

41. }

42. ​

43. // 定时停止监听器

44. @Scheduled(cron = "0 45 11 * * ? ")

45. public void shutDownListener() {

46. System.out.println("关闭监听器...");

47. registry.getListenerContainer("timingConsumer").pause();

48. }

49. }

• 1

启动项目，触发生产者向topic1发送消息，可以看到consumer没有消费，因为这时监听器还没有开始工作，

11:42分监听器启动开始工作，消费消息，

11：45分监听器停止工作，