springboot-kafka

此文章只展示 spring boot整合 kafka的操作，不讲原理
kafka原理
 kafka操作
 window10下安装 zookeeper和kafka[版本一直！]

首先认识Kafka的名词
在这里插入图片描述

1、Producer：生产者，向kafka发送消息的角色

2、Consumer：消费者,从Kafka中获取消息的角色

3、Consumer Group：消费者组：消费者组中有多个消费者，消费者一定属于某个消费组，一个分区的消息只能由一个消费者组中的一个消费者消费

4、Broker：一个Kafka服务器就是 broker，一个Kafka集群有多个broker组成，一个broker可以有多个Topic(主题)

5、Topic：主题，生产者和消费者分别向 Kafka的主题发送和接收消息，类似 rabbitmq的队列

6、Partition：分区，非常大的数据发送到一个Topic中，此时效率性能很低，可以将这个topic分到不同的broker上，并且每个broker上一个topic分为不同的区(partition)，每个分区是有序的队列（分区有序，不能保证全局有序），通过不同的broker和不同的partition，发送接收消息，提高性能。

7、Replica：副本，为保证集群中某个节点发送故障，节点上的分区数据不丢失，Kafka提供了副本机制，一个Topic的每个分区都有若干个副本，一个leader 和多个follower

8、Leader：每个分区多个副本的主角色，生产者发送的对象，消费者消费的对象都是leader

9、Follower：每个分区多个副本的副角色，当主角色leader挂了，某个Follower会成为新的leader,它实时同步leader的数据，保持一致性。

1、springboot-kafka简单集成

1、pom文件添加依赖

<dependency>
  <groupId>org.springframework.kafka</groupId>
  <artifactId>spring-kafka</artifactId>
</dependency>
1
2
3
4

2、application.properties文件添加配置

###########【Kafka集群】###########
spring.kafka.bootstrap-servers=127.0.0.1:9092
###########【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
# 声明事务
spring.kafka.producer.transaction-id-prefix=kafka_tx.
# 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

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

3、测试发送与接收消息【点对点】

3.1、发送消息

注入 KafkaTemplate 这个kafka的操作工具对象，send方法，参数为：主题，和消息内容
，将消息内容发送到对应的 topic上。

@Controller
public class TestController {

    @Autowired(required = false)
    private KafkaTemplate<Object,Object> template;

    @ResponseBody
    @RequestMapping("/kafka")
    public void demo(){

        template.send("topic-input","11111");
    }


}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

3.2、接收消息

@KafkaListener注解的使用
监听订阅的主题，获取消息
此处的@KafkaListener注解中的id 表示消费组，topics代表监听的主题

@Component
@Slf4j
public class KafkaCustom {


    @KafkaListener(id = "webGroup",topics = "topic-input")
    public void getKafkaInfo(String input){
        log.info("--topic-input--" + input);
    }


}

1
2
3
4
5
6
7
8
9
10
11
12
13

测试结果：
调用接口，发送主题消息，消费者成功获取该主题的消息内容
注意：此时的模式为点对点，一个消息只能由一个消费者接收
在这里插入图片描述

4、关于topic的其他操作

包括：
1、获取分组下的表述信息
2、创建消费者
3、获取topic的lag
4、创建topic，指定partition
5、删除topic
6、列出所有topic名称
7、获取指定topic的分区数
8、修改指定topic的分区数
9、询Topic的配置信息
10、修改Topic的配置信息
11、修改Topic的配置信息

package com.springboot.kafka.service;

import org.apache.kafka.clients.admin.*;
import org.apache.kafka.clients.consumer.Consumer;
import org.apache.kafka.common.PartitionInfo;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.config.ConfigResource;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.autoconfigure.kafka.KafkaProperties;
import org.springframework.kafka.core.ConsumerFactory;
import org.springframework.kafka.core.KafkaTemplate;
import org.springframework.stereotype.Service;

import java.util.*;

@Service
public class KafkaService {


    @Autowired
    private ConsumerFactory<Long, String> consumerFactory;

    @Autowired
    private KafkaTemplate<String, String> kafkaTemplate;

    @Autowired
    private KafkaProperties kafkaProperties;


    /**
     * 获取分组下的表述信息
     **/
    private  long[] getDescribe(String topic) {
        long[] describe = new long[3];
        Consumer<Long, String> consumer = createConsumer();

        List<PartitionInfo> partitionInfos = kafkaTemplate.partitionsFor(topic);
        List<TopicPartition> tp = new ArrayList<>();
        partitionInfos.forEach(str -> {
            TopicPartition topicPartition = new TopicPartition(topic, str.partition());
            tp.add(topicPartition);
            long logEndOffset = consumer.endOffsets(tp).get(topicPartition);

            consumer.assign(tp);
            //consumer.position(topicPartition);
            long currentOffset = consumer.position(topicPartition);

            //System.out.println("logEndOffset : " + logEndOffset + ", currentOffset : "+ currentOffset);
            describe[0] += currentOffset;
            describe[1] += logEndOffset;
            describe[2] = describe[1] - describe[0];

            tp.clear();
        });

        //System.out.println(Arrays.toString(describe));
        return describe;
    }

    /**
     * 创建消费者
     **/
    private Consumer<Long, String> createConsumer() {
        return this.consumerFactory.createConsumer();
    }

    /**
     * 获取topic的lag
     * @param topic
     * @return
     */
    public  Long getLag(String topic) {
        return getDescribe(topic)[2];
    }

    /**
     * 创建topic，指定partition
     * @param topicName
     * @param numPar
     * @return
     */
    public  boolean createToipc(String topicName, int numPar) {
        AdminClient client = AdminClient.create(this.kafkaProperties.buildAdminProperties());

        if(client !=null) {
            try {
                Collection<NewTopic> newTopics = new ArrayList<>(1);
                newTopics.add(new NewTopic(topicName, numPar, (short) 1));
                client.createTopics(newTopics);
            }
            catch (Throwable e) {
                e.printStackTrace();
                return false;
            }
            finally {
                client.close();
            }
        }

        return true;
    }

    /**
     * 删除topic
     * @param topic
     * @return
     * @throws Exception
     */
    public  boolean deleteTopic(String topic) {
        AdminClient client = AdminClient.create(this.kafkaProperties.buildAdminProperties());

        // 服务端server.properties需要设置delete.topic.enable=true，才可以使用同步删除，否则只是将主题标记为删除
        try {
            client.deleteTopics(Arrays.asList(topic));
        }
        catch (Throwable e) {
            e.printStackTrace();
            return false;
        }
        finally {
            client.close();
        }

        return true;
    }

    /**
     * 列出所有topic名称
     * @return
     */
    public  String listTopics() {
        AdminClient client = AdminClient.create(this.kafkaProperties.buildAdminProperties());
        String r = "";
        if (client != null) {
            try {
                ListTopicsResult result = client.listTopics();
                Set<String> topics = result.names().get();
                r = topics.toString();
            }
            catch (Throwable e) {
                e.printStackTrace();
            }
            finally {
                client.close();
            }
        }

        return r;
    }

    /**
     * 获取指定topic的分区数
     * @param topic
     * @return
     */
    public  int getPartition(String topic) {
        AdminClient client = AdminClient.create(this.kafkaProperties.buildAdminProperties());
        int num = 0;
        try {
            TopicDescription description = client.describeTopics(Arrays.asList(topic)).all().get().get(topic);
            //r = description.toString();
            num = description.partitions().size();
        }
        catch (Throwable e) {
            e.printStackTrace();
        }
        finally {
            client.close();
        }

        return num;
    }

    /**
     * 修改指定topic的分区数
     * @param topic
     * @param numPartitions
     * @return：如果指定的新分区数小于现有分区数，不成功，返回false
     */
    public  boolean updatePartitions(String topic, Integer numPartitions) {
        AdminClient client = AdminClient.create(this.kafkaProperties.buildAdminProperties());

        NewPartitions newPartitions = NewPartitions.increaseTo(numPartitions);
        Map<String, NewPartitions> map = new HashMap<>(1, 1);
        map.put(topic, newPartitions);

        try {
            client.createPartitions(map).all().get();
        }
        catch (Throwable e) {
            e.printStackTrace();
            return false;
        }
        finally {
            client.close();
        }

        return true;
    }

    /**
     * 查询Topic的配置信息
     */
    public  void describeConfig() {
        AdminClient client = AdminClient.create(this.kafkaProperties.buildAdminProperties());

        ConfigResource configResource = new ConfigResource(ConfigResource.Type.TOPIC, "test1");
        Collection<ConfigResource> coll = new ArrayList<ConfigResource>();
        coll.add(configResource);

        DescribeConfigsResult result = client.describeConfigs(coll);

        try {
            Map<ConfigResource, Config> map = result.all().get();

            map.forEach((key, value) ->
                    System.out.println("name: " + key.name() + ", desc: " + value));
        }
        catch (Throwable e) {
            e.printStackTrace();
        }
        finally {
            client.close();
        }
    }

    /**
     * 修改Topic的配置信息
     */
    public  void incrementalAlterConfig() {
        // 指定ConfigResource的类型及名称
        ConfigResource configResource = new ConfigResource(ConfigResource.Type.TOPIC, "MyTopic");

        Collection<ConfigResource> coll = new ArrayList<ConfigResource>();
        coll.add(configResource);

        // 配置项同样以ConfigEntry形式存在，只不过增加了操作类型
        // 以及能够支持操作多个配置项，相对来说功能更多、更灵活
        Collection<AlterConfigOp> configs = new ArrayList<AlterConfigOp>();
        configs.add(new AlterConfigOp(
                new ConfigEntry("preallocate", "false"),
                AlterConfigOp.OpType.SET
        ));

        AdminClient client = AdminClient.create(this.kafkaProperties.buildAdminProperties());
        Map<ConfigResource, Collection<AlterConfigOp>> configMaps = new HashMap<>();
        configMaps.put(configResource, configs);
        AlterConfigsResult result = client.incrementalAlterConfigs(configMaps);

        try {
            System.out.println(result.all().get());
        }
        catch (Throwable e) {
            e.printStackTrace();
        }
        finally {
            client.close();
        }
    }

    /**
     * 修改Topic的配置信息
     */
    public  void alterConfig() {
        // 指定ConfigResource的类型及名称
        ConfigResource configResource = new ConfigResource(ConfigResource.Type.TOPIC, "test1");
        // 配置项以ConfigEntry形式存在
        Collection<ConfigEntry> coll = new ArrayList<ConfigEntry>();
        coll.add(new ConfigEntry("preallocate", "true"));
        Config config = new Config(coll);

        AdminClient client = AdminClient.create(this.kafkaProperties.buildAdminProperties());
        Map<ConfigResource, Config> configMaps = new HashMap<>();
        configMaps.put(configResource, config);
        AlterConfigsResult result = client.alterConfigs(configMaps);

        try {
            System.out.println(result.all().get());
        }
        catch (Throwable e) {
            e.printStackTrace();
        }
        finally {
            client.close();
        }
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288

5、生产者的回调方法

方式一、

    @RequestMapping("/kafka")
    @ResponseBody
    public String sendMessage2( ) {
        template.send("topic-test", "111111").addCallback(success -> {
            // 消息发送到的topic
            String topic = success.getRecordMetadata().topic();
            System.out.println("消息发送到的topic:" + topic);

            // 消息发送到的分区
            int partition = success.getRecordMetadata().partition();
            System.out.println("消息发送到的分区:" + partition);

            // 消息在分区内的offset
            long offset = success.getRecordMetadata().offset();
            System.out.println("消息在分区内的offset:" + offset);

        }, failure -> {
            System.out.println("发送消息失败:" + failure.getMessage());
        });

        return "end~";
    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

结果：
在这里插入图片描述

方式二：异步获取

    @RequestMapping("/kafka/callbackTwo")
    @ResponseBody
    public void sendMessage3() {
        template.send("topic-test", "22222").addCallback(new ListenableFutureCallback<SendResult<Object, Object>>() {
            @Override
            public void onFailure(Throwable ex) {
                System.out.println("发送消息失败："+ex.getMessage());

            }

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

    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

结果：
在这里插入图片描述

6、生产者自定义分区器

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，

配置自定义分区

# 自定义分区器
spring.kafka.producer.properties.partitioner.class=com.springboot.kafka.config.SelfPartitioner
1
2

代码：

package com.springboot.kafka.config;


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

import java.util.Map;

/**
 * 自定义分区器
 */
public class SelfPartitioner implements Partitioner {
    @Override
    public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
      
      // 0就是指定的分区数
        return 0;
    }

    @Override
    public void close() {

    }

    @Override
    public void configure(Map<String, ?> map) {

    }
}


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

7、生产者事务回滚【配置文件要一样】

主要是在配置文件中开启事务

spring.kafka.producer.transaction-id-prefix=kafka_tx.
spring.kafka.producer.retries=3
spring.kafka.producer.acks=-1
1
2
3

不使用事务实例：

    @RequestMapping("/kafka/transactiotn")
    @ResponseBody
    public void sendMessage7() {

        // 不声明事务：后面报错但前面消息已经发送成功了
        template.send("topic1", "test executeInTransaction");
        throw new RuntimeException("fail");
    }
1
2
3
4
5
6
7
8

这个是不声明事务的，后面报错，消息也会发出去
在这里插入图片描述

事务代码1：
使用事务必须在配置文件中配置开始事务，才可以生效

    @RequestMapping("/kafka/transactiotn")
    @ResponseBody
    public void sendMessage7() {
        // 声明事务：后面报错消息不会发出去
        template.executeInTransaction(operations -> {
            operations.send("topic1", "test executeInTransaction");
            throw new RuntimeException("fail");
        });


    }
1
2
3
4
5
6
7
8
9
10
11

声明事务后，报错时消息不会发出去
在这里插入图片描述
事务代码2
使用事务必须在配置文件中配置开始事务，才可以生效

    @RequestMapping("/kafka/transactiotn")
    @ResponseBody
    @Transactional(rollbackFor = RuntimeException.class)
    public void sendMessage7() {


        // 不声明事务：后面报错但前面消息已经发送成功了
        template.send("topic1", "test executeInTransaction");
        throw new RuntimeException("fail");
    }
1
2
3
4
5
6
7
8
9
10

使用注解@Transactional(rollbackFor = RuntimeException.class) 也是可以的

注意：一旦开启事务回滚，每个生产者发送消息的接口都要有@Transactional注解，声明事务，否则会报错

8、消费者指定topic、partition、offset消费

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。

/**
 * @Title 指定topic、partition、offset消费
 * @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
 * @Author long.yuan
 * @Date 2020/3/22 13:38
 * @Param [record]
 * @return void
 **/
@KafkaListener(id = "consumer1",groupId = "felix-group",topicPartitions = {
        @TopicPartition(topic = "topic1", partitions = { "0" }),
        @TopicPartition(topic = "topic2", partitions = "0", partitionOffsets = @PartitionOffset(partition = "1", initialOffset = "8"))
})
public void onMessage2(ConsumerRecord<?, ?> record) {
    System.out.println("topic:"+record.topic()+"|partition:"+record.partition()+"|offset:"+record.offset()+"|value:"+record.value());
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

属性介绍：
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。

注意：topics和topicPartitions不能同时使用；

9、消费者批量消费

开启批量消费，一个消费者监听多个主题

# 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
1
2
3
4

topics中，监听多个 topic

    @KafkaListener(id = "consumer1",groupId = "lsgroup",topics = {"topic1","topic2"})
    public void getKafkaInfo3(List<ConsumerRecord<?,?>> records){
        System.out.println("批量消费：records.size==" + records.size());
        for (ConsumerRecord<?,?> record : records) {
            System.out.println("---" + record.value());
        }
    }

1
2
3
4
5
6
7
8

    @RequestMapping("/kafka")
    @ResponseBody
    public String sendMessage2() {


        template.send("topic1","11111");
        template.send("topic2","22222");

        return "end~";
    }

1
2
3
4
5
6
7
8
9
10
11

在这里插入图片描述

10、消费者异常处理器ConsumerAwareListenerErrorHandler

首先写个异常处理配置类
异常处理器的message.getPayload()也可以拿到各条消息的信息

@Configuration
@Slf4j
public class kafkaConfig {


    @Bean
    public ConsumerAwareListenerErrorHandler consumerAwareErrorHandler() {
        return new ConsumerAwareListenerErrorHandler() {

            @Override
            public Object handleError(Message<?> message, ListenerExecutionFailedException e, Consumer<?, ?> consumer) {
                log.info("consumerAwareErrorHandler receive : "+message.getPayload().toString());
                return null;
            }
        };
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

10.1、单个消费异常拦截

在kafka监听注解中使用上述的拦截实例


@Component
@Slf4j
public class ErrorListener11 {


    @KafkaListener(id = "err", topics = "topic1", errorHandler = "consumerAwareErrorHandler")
    public void errorListener(String data) {
        log.info("topic.quick.error  receive : " + data);
        throw new RuntimeException("fail");
    }
}
1
2
3
4
5
6
7
8
9
10
11
12

结果
在这里插入图片描述
或者【这个不会打印；log】

    @KafkaListener(id = "err", topics = "topic1", errorHandler = "consumerAwareErrorHandler")
    public void onMessage4(ConsumerRecord<?, ?> record)  {
        log.info("111----"+record.toString());
        throw new RuntimeException("简单消费-模拟异常");
    }
1
2
3
4
5

10.2、批量消费异常拦截

    @KafkaListener(topics = {"topic2","topic3"},errorHandler="consumerAwareErrorHandler")
    public void onMessage5(List<ConsumerRecord<?, ?>> records) throws Exception {
        System.out.println("批量消费一次...");
        throw new Exception("批量消费-模拟异常");
    }
1
2
3
4
5

此处同时监听两个topic的消息，
在这里插入图片描述
依旧可以获取，对应topic的消息体

11、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。

在配置类中配置监听器容器工厂中的 消息过滤器----测试过滤消息体为奇数的topic

package com.springboot.kafka.config;

import lombok.extern.slf4j.Slf4j;
import org.apache.kafka.clients.consumer.Consumer;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Configurable;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.kafka.config.ConcurrentKafkaListenerContainerFactory;
import org.springframework.kafka.core.ConsumerFactory;
import org.springframework.kafka.listener.ConsumerAwareListenerErrorHandler;
import org.springframework.kafka.listener.ListenerExecutionFailedException;
import org.springframework.messaging.Message;
import org.springframework.stereotype.Component;

@Configuration
@Slf4j
public class kafkaConfig {

    @Autowired
    ConsumerFactory consumerFactory;
    /**
     * 消费者异常处理拦截器
     * @return
     */
    @Bean
    public ConsumerAwareListenerErrorHandler consumerAwareErrorHandler() {
        return new ConsumerAwareListenerErrorHandler() {

            @Override
            public Object handleError(Message<?> message, ListenerExecutionFailedException e, Consumer<?, ?> consumer) {
                // 相应 topic的消息体
                log.info("consumerAwareErrorHandler receive : "+message.getPayload().toString());
                return null;
            }
        };
    }

    // 消息过滤器
    @Bean
    public ConcurrentKafkaListenerContainerFactory filterContainerFactory() {
        ConcurrentKafkaListenerContainerFactory factory = new ConcurrentKafkaListenerContainerFactory();
        factory.setConsumerFactory(consumerFactory);
        // 被过滤的消息将被丢弃
        factory.setAckDiscarded(true);
        // 消息过滤策略
        factory.setRecordFilterStrategy(consumerRecord -> {

            // 测试，过滤奇数
            if (Integer.parseInt(consumerRecord.value().toString()) % 2 == 0) {
                return false;
            }
            //返回true消息则被过滤
            return true;
        });
        return factory;
    }

}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

监听器中使用此过滤器

    // 消息过滤监听
    @KafkaListener(topics = {"topic4"},containerFactory = "filterContainerFactory")
    public void onMessage6(ConsumerRecord<?, ?> record) {
        System.out.println(record.value());
    }
1
2
3
4
5

生产者

   for (int i = 1;i<11;i++ ) {
            template.send("topic4",String.valueOf(i));
        }
1
2
3

结果：过滤了奇数的消息体，只保留了偶数的消息
在这里插入图片描述

12、消息转发

A从topicA中获取消息，经过处理后，转发到TopicB,再由B消费者监听处理消息

使用注解：@SendTo()

    @KafkaListener(topics = "topic1")
    @SendTo("topic2")
    public String getKafkaInfo2(String input){
        log.info("--topic1--" +input);
        return input + "转发到2";
    }

    @KafkaListener(topics = "topic2")
    public void getKafkaInfo1(String input){
        log.info("--topic2--" + input);
    }
1
2
3
4
5
6
7
8
9
10
11

测试：

template.send("topic1","11111");
1