流式计算-Kafka Stream
Posted xxbiao
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了流式计算-Kafka Stream相关的知识，希望对你有一定的参考价值。
前面说了Java8的流，这里还说流处理，既然是流，比如水流车流，肯定得有流的源头，源可以有多种，可以自建，也可以从应用端获取，今天就拿非常经典的Kafka做源头来说事，比如要来一套应用日志实时分析框架，或者是高并发实时流处理框架，正是Kafka的拿手好戏。
环境：Idea2019.03/Gradle6.0.1/JDK11.0.4/Lambda/RHEL8.0/VMWare15.5/Springboot2.2.1.RELEASE/Zookeeper3.5.5/Kafka2.3.1
难度：新手--战士--老兵--大师
目标：
- 理解kafka原理
- Linux下kafka集群安装
- 使用kafka操作流式处理
说明：
为了遇见各种问题，同时保持时效性，我尽量使用最新的软件版本。代码地址：其中的day23，https://github.com/xiexiaobiao/dubbo-project.git
第一部分——原理
1.先看看Kafka，目前kafka的发展已超出消息中间件的范畴，趋于向流平台靠拢，先总结如下：
1.1 Scala语言编写，若作为消息中间件，并发10W+级别，大于其他MQ；
1.2 必须有Zookeeper做协调，ZK保存消费者/生产者状态信息，使得两端非常轻量化；使用发布/订阅模式，所有消息按主题(topic)分类，使用pull模式消费消息；
1.3 每条消息由key + value + timestamp构成，其中key用于计算目的发送分区(partition)，消息记录由不可变(immutable)的顺序式Append log文件持久化消息，Append写方式是高吞吐率的重要支撑之一！偏移量(offset)标识消息在文件中的位置，下图来自官网：
1.4 每条消息不论是否已被消费都将保存一个设定的时间，这是和RabbitMQ的显著差异；消费者仅需保存消息offset信息，可按顺序消费(一个topic只有一个partition)，也能进行非顺序式回溯，但随机读写性能差；多个consumer消费互不影响，这也是高并发的支撑之一！下图来自官网：
1.5 每个topic的所有消息，均衡(或指定)写入多个分区(partition)，分区分布在不同的broker上，每个分区使用主(Leader)+从(Follower)多节点，这样的好处，一是分区文件大小和负载可控，增强单个topic的数据承载量，二是适应并行处理；Leader负责读/写，Followers仅复制备份，Leader不可用时，自动选举Follower转为主：
1.6 每个Consumer实例都属于一个消费者组(consumer group)，多个Consumer实例可以存在于不同的进程或机器上(Consumer实例可类比于java类的实例对象)，一个消息记录只会发送给有对应主题订阅的消费者组中的一个Consumer实例！在一个消费者组中，每个分区至多只能发送到同一消费者的一个实例上，但一个消费者实例可以消费多个分区，因此，若一个group中的消费者数量大于分区数量的话，多余的消费者将不会收到任何消息，所以分区(partition)数必须大于等于消费者组中的实例数量。下图中，具有2个server的kafka集群，拥有同一个topic的4个分区，并对接2个消费者组，如果A或B组中Consumer都是同一消费者的实例，则轮询均衡消费，若同组都是不同的消费者实例，则相当于广播消息，下图来自官网:
1.7 缺少事务特性，没有接收确认和消费确认ACK机制，也没有RocketMQ的二阶段提交。
1.8 使用场景，下图来自官网，这也让我想起了kafka的几个圈圈的图标：
- 常规消息系统：消息系统一般有
queue和publish-subscribe两种模式，queue模式下，多个consumer可以并行地各自处理一部分消息，增加吞吐量和速度，但不能一个消息多分发，因为消息被消费掉就不存在了。publish-subscribe模式下，可以广播一个消息给多个订阅者，但无法扩大吞吐量，kafka的consumer group概念下既能并行也能分发！我认为事实上kafka并没有使用队列这个数据结构，因没有先进先出的概念！ - 实时流处理 ：对接KstreamAPI，可以实现流式处理，状态计算。
- 分布式流式数据储存：分区+副本的磁盘存储方式可以实现高可用，低延时，大数据量下无性能衰减，kafka还具有仅当所有主从复制全部完成时才算写入成功的确认机制，从而可作为commit log存储系统。
第二部分——安装
虽然window下也可使用kafka，但我想生产环境下都是使用linux，我使用RHEL8.0虚拟机，JDK11的安装，略!
2.1 先进行Zookeeper安装，虽然kafka新版本已经自带ZK，但我还是推荐单独安装ZK，配置和功能独立，步骤比较清晰，且如果是ZK集群，更建议单独配置，为节省篇幅，此部分非重点我就简述了，下载apache-zookeeper-3.5.5-bin.tar.gz，创建/usr/zookeeper目录，cp到该目录，tar命令解压，创建data和logs目录，用于保存zk的数据和log日志，根据zoo_sample.cfg复制一个zoo.cfg文件，并vim编辑如下图，顺带研究下zk的配置：
然后配置linux环境变量，
[root@localhost ~]# vim /etc/profile
保存后使用source命令，使配置生效：
[root@localhost ~]# source /etc/profile
ZK启动命令，会自动使用zoo.cfg配置文件：
[root@localhost apache-zookeeper-3.5.5-bin]# ./bin/zkServer.sh start
成功后状态：
其他ZK管理命令：
- /查看服务状态: ./zkServer.sh status
- /停止服务: ./zkServer.sh stop
- /重启服务: ./zkServer.sh restart
- /使用ZKCli连接服务器: ./zkCli.sh -server 127.0.0.1:2181，
我本地zkCli实例如下：
2.2 安装kafka，下载kafka_2.12-2.3.1.tgz，创建/usr/kafka目录，cp到此目录，解压，得到kafka_2.12-2.3.1目录，进入此目录，先看配置，这里有consumer、producer和server三个properties配置文件：
使用命令启动：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-server-start.sh config/ server.properties
如下为启动kafka成功：
再回到zkCli下ls命令查看下，发现创建了很多node，用于保存kafka运行上下文信息：
新开一个terminal，创建一个topic，指定replication副本因子为1，即复制0份，分区partitions数量指定为 1：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic biao
列出存在的topic：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-topics.sh --list --zookeeper localhost:2181
创建另一个topic ：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-topics.sh --create --bootstrap-server localhost:9092 --replication-factor 1 --partitions 1 --topic test
下图中创建了一个topic：test，使用本机kafka做集群识别，前面使用zk做集群识别，--bootstrap-server和--zookeeper参数效果一样。再模拟producer，该topic下发送两行消息，默认条件下，每行为一个消息记录：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test
再另开一个terminal，模拟consumer，此terminal输出将会和producer输入一致：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test --from-beginning
Ctrl + C 退出程序。
2.3 以上为单ZK单kafka搭建，下面搭建单ZK多kafka实例环境：复制出3份配置文件：
[root@localhost kafka_2.12-2.3.1]# cp config/server.properties config/server-0.properties [root@localhost kafka_2.12-2.3.1]# cp config/server.properties config/server-1.properties [root@localhost kafka_2.12-2.3.1]# cp config/server.properties config/server-2.properties
以server-1.properties为例，其他数字依次修改即可：
broker.id=1 #集群内必须唯一 listeners=PLAINTEXT://:9093 #Socket监听地址，没写hostname/IP即为listen所有IP log.dirs=/tmp/kafka-logs-1 #log目录，每个实例独立，防止互相覆盖 zookeeper.connect #ZK注册地址，因为是单ZK，三个实例一样
单独的terminal下创建topic：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-topics.sh --create --bootstrap-server localhost:9092 --replication-factor 3 --partitions 1 --topic my-replicated-topic
这里：指定replication副本因子为3，即复制2份，分区partitions数量指定为1，
查看topic的详细信息：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-topics.sh --describe --bootstrap-server localhost:9092 --topic my-replicated-topic
另一个例子：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-topics.sh --create --bootstrap-server localhost:9092 --replication-factor 3 --partitions 3 --topic replicated-xiao [root@localhost kafka_2.12-2.3.1]# ./bin/kafka-topics.sh --describe --bootstrap-server localhost:9092 --topic replicated-xiao
以上每行说明一个partition，
- "Leader"：leader节点，负责读写，一个partition下的leader是随机选取的；
- "replicas"：列出所有同步保存append log文件的节点，不论主从角色和状态是否有效；
- "isr" ：意为"in-sync"，即当前有主从同步的有效节点列表；
模拟producer，并输入几行信息：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-console-producer.sh --broker-list localhost:9092 --topic replicated-xiao >xie >xiaobiao >hell world
新terminal下，模拟consumer：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-console-consumer.sh -bootstrap-server localhost:9092 --from-beginning --topic replicated-xiao
Consumer窗口输出内容会和producer窗口输入内容保持一致：
容错测试，关闭broker-1实例：
[root@localhost ~]# ps -aux | grep server-1.properties
[root@localhost ~]# kill 21753
或者直接到server-1界面CTRL+C关闭，效果一样：
对比上面的图，可以看到Leader发生变化，Isr 里都没有1了：
再使用consumer读取记录，效果一样，可见容错机制启用了主从替代：
如果再启动server-1，可见主从替换后，不会恢复：
第三部分——应用
创建一个Springboot+gradle项目，命名为kafka-stream02，
3.1 应用测试01：位于包com.biao.kafka下，实现kafka消息的发送和消费：
build.gradle中的核心依赖为：
compile group: ‘org.springframework.boot‘, name: ‘spring-boot-starter‘, version: ‘2.2.1.RELEASE‘ compile group: ‘org.springframework.kafka‘, name: ‘spring-kafka‘, version: ‘2.3.3.RELEASE‘
创建消息发送者com.biao.kafka.Producer：
@Component //@Slf4j public class Producer { @Autowired private KafkaTemplate<String,String> kafkaTemplate; private Logger log = LoggerFactory.getLogger(Producer.class); private String time = LocalDateTime.now().toString(); private final String msg = "THIS IS MESSAGE CONTENT " + time; public void send() throws InterruptedException { log.info("send message is {}",this.msg); Thread.sleep(1000L); // kafkaTemplate.sendDefault() 为异步方法，返回 ListenerFuture<T>， kafkaTemplate.send("HelloWorld","test-key",this.msg); } }
以上核心为kafkaTemplate的API， 可以使用kafkaTemplate.send(topic,key,value)同步方法发送消息，或者kafkaTemplate. sendDefault()异步方法发送，
再创建消费者com.biao.kafka.Consumer，使用@KafkaListener注解标识一个topic的监听方法：
@Component //@Slf4j public class Consumer { private Logger log = LoggerFactory.getLogger(Consumer.class); @KafkaListener(id = "foo",groupId = "test-consumer-group",topics = "HelloWorld") public void listen(ConsumerRecord<?,?> records){ Optional<?> msg = Optional.ofNullable(records.value()); if (msg.isPresent()){ Object data = msg.get(); log.info("ConsumerRecord >>>>>> {}", records); log.info("Record Data >>>>>> {}", data); } } }
创建入口类 com.biao.kafka.KafkaApplication：
@SpringBootApplication public class KafkaApplication { public static void main(String[] args) throws InterruptedException { System.out.println("KafkaApplication started >>>>>>"); ConfigurableApplicationContext context = SpringApplication.run(KafkaApplication.class,args); Producer producer = context.getBean(Producer.class); producer.send(); } }
配置文件application.properties，请关注下Serializer和Deserializer:
#以下这些值也可以在运行时通过参数指定 #============== kafka =================== # 指定kafka 代理地址，可以多个,用逗号隔开 spring.kafka.bootstrap-servers=192.168.1.204:9092 # 运行com.biao.wordcount.WordCountApplication时使用，我换了一个linux虚拟机 #spring.kafka.bootstrap-servers=192.168.1.221:9092 #=============== provider ======================= spring.kafka.producer.retries=2 # 每次批量发送消息的数量，kafka是使用流模拟批量处理，每次提交都是批处理方式 spring.kafka.producer.batch-size=16384 spring.kafka.producer.buffer-memory=33554432 spring.kafka.producer.key-serializer=org.apache.kafka.common.serialization.StringSerializer spring.kafka.producer.value-serializer=org.apache.kafka.common.serialization.StringSerializer #=============== consumer ======================= spring.kafka.consumer.group-id=test-consumer-group spring.kafka.consumer.auto-offset-reset=earliest spring.kafka.consumer.enable-auto-commit=true spring.kafka.consumer.auto-commit-interval=100 spring.kafka.consumer.key-deserializer=org.apache.kafka.common.serialization.StringDeserializer spring.kafka.consumer.value-deserializer=org.apache.kafka.common.serialization.StringDeserializer
运行程序即可看到结果，这里使用Springboot的DI机制启动运行了consumer和producer，注意关闭linux的防火墙或打开9092端口：
再到kafka服务器上验证一下是否真的发送成功：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-console-consumer.sh -bootstrap-server 192.168.1.204:9092 --from-beginning --topic HelloWorld
3.2 应用测试02，包com.biao.pipe下，实现一个流处理逻辑，开启一个流传输管道，将一个topic的内容传输到另一个topic中，代码com.biao.pipe.PipeApplication：
public class PipeApplication { public static void main(String[] args) { System.out.println("PipeApplication starting ........."); Properties props = new Properties(); // StreamsConfig已经预定义了很多参数名称，运行时console会输出所有StreamsConfig values // 这里没有使用springboot的application.properties来配置 props.put(StreamsConfig.APPLICATION_ID_CONFIG,"streams-pipe"); props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.1.221:9092"); // kafka流都是byte[],必须有序列化， props.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass()); props.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG,Serdes.String().getClass()); // kafka流计算是一个各broker连接的拓扑结构，以下使用builder来构造拓扑 final StreamsBuilder builder = new StreamsBuilder(); // 构建一个KStream流对象，元素是<String, String>类型的key-value对值， KStream<String, String> source = builder.stream("streams-plaintext-input"); // 将前面的topic："streams-plaintext-input"写入另一个topic："streams-pipe-output" source.to("streams-pipe-output"); // 以上两行等同以下一行 // builder.stream("streams-plaintext-input").to("streams-pipe-output"); // 查看具体构建的拓扑结构 final Topology topology = builder.build(); System.out.println(topology.describe()); final KafkaStreams streams = new KafkaStreams(topology,props); // 控制运行次数，一次后就结束 final CountDownLatch latch = new CountDownLatch(1); Runtime.getRuntime().addShutdownHook(new Thread("streams-shutdown-hook"){ @Override public void run() { streams.close(); latch.countDown(); } }); try{ streams.start(); latch.await(); }catch (Throwable e){ System.exit(1); } System.exit(0); } }
注意：以上即使用kafka topic构建了一个KStream流源头，运行输出以下，即为成功，进一步可以在kafka中进行topic写入，再到另一个topic验证输出，我就不演示了。注意配置/usr/kafka2.3/kafka_2.12-2.3.1/config/server.properties中的listeners地址(见后记1)：
解释：以上构造了有2个处理节点的kafka流计算拓扑结构，源节点：KSTREAM-SOURCE-0000000000，汇聚(Sink)节点：KSTREAM-SINK-0000000001，源节点持续的读取topic为streams-plaintext-input的有序记录并输送到下游Sink节点，Sink节点再将记录写入topic为streams-pipe-output的流，--> 和 <-- 指示左右端对象的上游和下游关系，图中有换行，导致显示不连贯拓扑展示如下：
3.3 应用测试03，包com.biao.linesplit下，创建一个无状态的流处理逻辑，读取一个topic的记录，并将文本行按空格分开，再传输到另一个topic，代码 com.biao.linesplit.LineSplitApplication：
public class LineSplitApplication { public static void main(String[] args) { System.out.println("LineSplitApplication starting ........."); Properties props = new Properties(); // StreamsConfig已经预定义了很多参数名称，运行时console会输出所有StreamsConfig values // 这里没有使用springboot的application.properties来配置 props.put(StreamsConfig.APPLICATION_ID_CONFIG,"streams-line-split"); props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.1.221:9092"); // kafka流都是byte[],必须有序列化，不同的对象使用不同的序列化器 props.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass()); props.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG,Serdes.String().getClass()); // kafka流计算是一个各broker连接的拓扑结构，以下使用builder来构造拓扑 final StreamsBuilder builder = new StreamsBuilder(); // 构建一个KStream流对象，元素是<String, String>类型的key-value对值， KStream<String, String> source = builder.stream("streams-plaintext-input"); /* // 以source为输入，产生一条新流words，这里使用了流的扁平化语法，我的前篇文章有讲此基础 KStream<String, String > words = source.flatMapValues(value -> Arrays.asList("W+")); // 将前面的topic："streams-plaintext-input"写入另一个topic："streams-pipe-output" words.to("streams-pipe-output");*/ // 以上两行使用stream链式语法+lambda等同以下一行，我的前篇文章有讲此基础 source.flatMapValues(value -> Arrays.asList(value.split("W+"))) .to("streams-linesplit-output"); // 查看具体构建的拓扑结构 final Topology topology = builder.build(); System.out.println(topology.describe()); final KafkaStreams streams = new KafkaStreams(topology,props); // 控制运行次数，一次后就结束 final CountDownLatch latch = new CountDownLatch(1); Runtime.getRuntime().addShutdownHook(new Thread("streams-shutdown-hook"){ @Override public void run() { streams.close(); latch.countDown(); } }); try{ streams.start(); latch.await(); }catch (Throwable e){ System.exit(1); } System.exit(0); } }
运行输出以下，即为成功，也可以进一步在kafka上直接进行topic写入和另一个topic输出验证，演示，略！注意配置/usr/kafka2.3/kafka_2.12-2.3.1/config/server.properties中的listeners地址(见后记1)：
解释：以上构造了有3个处理节点的kafka流计算拓扑结构，源节点：KSTREAM-SOURCE-0000000000，处理节点：KSTREAM-FLATMAPVALUES-0000000001，汇聚节点：KSTREAM-SINK-0000000002，处理节点从源节点取得流元素，进行处理，再将结果传输给汇聚节点，注意这个过程是无状态的，拓扑展示如下：
3.4 应用测试04，包com.biao.wordcount下，构建一个无限流处理逻辑，读取一个topic，统计文本单词数，最终输出到另一个topic，代码com.biao.wordcount.WordApplication：
public class WordCountApplication { public static void main(String[] args) { System.out.println("WordCountApplication starting ........."); Properties props = new Properties(); // StreamsConfig已经预定义了很多参数名称，运行时console会输出所有StreamsConfig values // 这里没有使用springboot的application.properties来配置 props.put(StreamsConfig.APPLICATION_ID_CONFIG,"streams-word-count"); // kafka虚拟机linux地址 props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.1.221:9092"); // kafka流都是byte[],必须有序列化，不同的对象使用不同的序列化器 props.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass()); props.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG,Serdes.String().getClass()); // kafka流计算是一个各broker连接的拓扑结构，以下使用builder来构造拓扑 final StreamsBuilder builder = new StreamsBuilder(); // 构建一个KStream流对象，元素是<String, String>类型的key-value对值，topic:streams-plaintext-input KStream<String, String> source = builder.stream("streams-plaintext-input"); // 以下使用stream链式语法+lambda，具体分开的过程语句我就不写了 // flatMapValues将text line使用空格分隔成words source.flatMapValues(value -> Arrays.asList(value.toLowerCase(Locale.getDefault()).split("W+"))) .groupBy(((key, value) -> value)) .count(Materialized.<String, Long, KeyValueStore<Bytes, byte[]>>as("counts-store")) .toStream() .to("streams-wordcount-output", Produced.with(Serdes.String(),Serdes.Long())); // 查看具体构建的拓扑结构 final Topology topology = builder.build(); System.out.println(topology.describe()); final KafkaStreams streams = new KafkaStreams(topology,props); // 控制运行次数，一次后就结束 final CountDownLatch latch = new CountDownLatch(1); Runtime.getRuntime().addShutdownHook(new Thread("streams-shutdown-hook"){ @Override public void run() { streams.close(); latch.countDown(); } }); try{ streams.start(); latch.await(); }catch (Throwable e){ System.exit(1); } System.exit(0); } }
运行输出以下内容，即为成功，注意配置/usr/kafka2.3/kafka_2.12-2.3.1/config/server.properties中的listeners地址(见后记1)：
解释：最重要一点即此WordCountApplication仅是一个逻辑处理单元，可以理解为一个流水线车间，里面有两条流水线对来料加工再输出加工品。以上可以看出，有两个不连通的拓扑结构，第一个拓扑无状态，其汇聚节点KSTREAM-SINK-0000000005写入到topic: counts-store-repartition，这个topic又作为第二个拓扑的源，此中间topic的作用是因分组聚合运算”打乱”流元素的顺序。插入的节点Processor: KSTREAM-FILTER-0000000005是过滤掉分组聚合key值为空的记录。
第二个拓扑有状态，即生成并保存了计算中间值，因为要做分组统计，分组聚合运算节点KSTREAM-AGGREGATE-0000000003保存状态使用了counts-store，即程序中指定的值。对流中每个元素统计时，会先去保存的状态数据中去查找匹配，如果有则累加一，然后再写入counts-store。每个被更新的统计值都再传输到处理节点KTABLE-TOSTREAM-0000000007，此节点作用是将统计更新的值再解析成新流。最后传输给汇聚节点KSTREAM-SINK-0000000008。以上可见流处理的思想和逻辑，内部迭代确实很强大！拓扑图如下：
应用04运行步骤：
第一步，启动ZK，再启动kafka，注意先修改config/server.properties 中listeners=PLAINTEXT:// 192.168.1.221:9092：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-server-start.sh config/server.properties
第二步，运行com.biao.wordcount.WordCountApplication，启动kafka流处理车间。
topic数据写入放在包com.biao.wordcount.producer，当然也可以直接在kafka server中使用命令行写入，我这里是为了演示多种代码操作模式。配置类com.biao.wordcount.producer.KafkaConfig，这里使用了kafka的API配置方式，分别配置了topic，producer和consumer的相应参数，并生成Bean对象，请对比application.properties方式：
@Configuration @EnableKafka public class KafkaConfig { @Bean public KafkaTemplate<Integer,String > kafkaTemplate(){ return new KafkaTemplate<>(this.producerFactory()); } // topic @Bean public KafkaAdmin admin(){ Map<String,Object> configs = new HashMap<>(16); configs.put(AdminClientConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.1.221:9092"); return new KafkaAdmin(configs); } @Bean // NewTopic(String name, int numPartitions, short replicationFactor) // kafka中每个topic只需创建一次， public NewTopic topic(){ return new NewTopic("streams-plaintext-input",1, (short) 1); } @Bean // NewTopic(String name, int numPartitions, short replicationFactor) // kafka中每个topic只需创建一次， public NewTopic topic2(){ return new NewTopic("streams-wordcount-output",1, (short) 1); } // producer @Bean public Map<String,Object> producerConfigs(){ Map<String, Object> props = new HashMap<>(16); props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.1.221:9092"); props.put("acks","all"); props.put("retries",2); props.put("batch.size",16384); props.put("linger.ms",1); props.put("buffer.memory",33554432); props.put("key.serializer","org.apache.kafka.common.serialization.IntegerSerializer"); props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer"); // props.put("key.converter","org.apache.kafka.connect.storage.IntegerConverter"); // props.put("value.converter","org.apache.kafka.connect.storage.StringConverter"); return props; } @Bean public ProducerFactory<Integer,String> producerFactory(){ return new DefaultKafkaProducerFactory<>(this.producerConfigs()); } // consumer @Bean public Map<String,Object> consumerConfigs(){ HashMap<String,Object> props = new HashMap<>(16); props.put("bootstrap.servers","192.168.1.221:9092"); props.put("group.id","foo"); props.put("enable.auto.commit","true"); // WordCountApplication 的consumer消费对象是统计的结果 key-value props.put("key.deserializer","org.apache.kafka.common.serialization.StringDeserializer"); props.put("value.deserializer","org.apache.kafka.common.serialization.LongDeserializer"); props.put("formatter","kafka.tools.DefaultMessageFormatter"); props.put("print.key","true"); props.put("value.key","true"); // props.put("key.converter","org.apache.kafka.connect.storage.IntegerConverter"); // props.put("value.converter","org.apache.kafka.connect.storage.StringConverter"); return props; } @Bean public ConsumerFactory<Integer,String> consumerFactory(){ return new DefaultKafkaConsumerFactory<>(this.consumerConfigs()); } @Bean public ConcurrentKafkaListenerContainerFactory<Integer,String> kafkaListenerContainerFactory(){ ConcurrentKafkaListenerContainerFactory<Integer,String> factory = new ConcurrentKafkaListenerContainerFactory<>(); factory.setConsumerFactory(this.consumerFactory()); return factory; } @Bean public SimpleConsumer simpleConsumerLister(){ return new SimpleConsumer(); } }
定义消费者，com.biao.wordcount.producer.SimpleConsumer：
@Component public class SimpleConsumer { private Logger log = LoggerFactory.getLogger(SimpleConsumer.class); private final CountDownLatch countDownLatch = new CountDownLatch(1); @KafkaListener(id = "foo",topics = "streams-wordcount-output") public void listen(byte[] records){ System.out.println("records is >>>> "+ records); this.countDownLatch.countDown(); log.debug("consume successfully!"); } //在WordCountApplication实例中，无法打印流结果，因为需要格式化 /* public void listen(ConsumerRecord<?,?> records){ Optional<?> msg = Optional.ofNullable(records.value()); if (msg.isPresent()){ Object data = msg.get(); log.info("Consumer Record >>>>>> {}", records); log.info("Record Data >>>>>> {}", data); } }*/ }
定义生产者，并作为启动类，com.biao.wordcount.producer.KafakaProducer：
@SpringBootApplication public class KafakaProducer { public static void main(String[] args) { AnnotationConfigApplicationContext context = new AnnotationConfigApplicationContext(KafkaConfig.class); // KafkaTemplate<Integer,String> kafkaTemplate = (KafkaTemplate<Integer, String>) context.getBean(KafkaTemplate.class); KafkaTemplate<Integer,String> kafkaTemplate = (KafkaTemplate<Integer, String>) context.getBean(KafkaTemplate.class); LocalDateTime time = LocalDateTime.now(); String data = "MSG CONTENT -> " + time ; // send(String topic, K key, @Nullable V data) ListenableFuture<SendResult<Integer,String>> send = kafkaTemplate.send("streams-plaintext-input", 1, data); send.addCallback(new ListenableFutureCallback<SendResult<Integer, String>>() { @Override public void onFailure(Throwable ex) { System.out.println(">>>>>>> kafka message send failure"); } @Override public void onSuccess(SendResult<Integer, String> result) { System.out.println(">>>>>>> kafka message send successfully"); } }); } }
第三步，运行com.biao.wordcount.producer.KafakaProducer， 启动topic数据写入，kafka中验证如下：
如果多次运行导致测试数据太多，影响结果查看，可以先删除topic及其数据，若当前topic有使用过即有传输过信息：并没有真正删除topic只是把这个topic标记为删除(marked for deletion），要彻底删除需到ZK中删除相应的目录：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-topics.sh --zookeeper localhost:2181 --delete --topic HelloWorld Topic HelloWorld is marked for deletion. Note: This will have no impact if delete.topic.enable is not set to true.
第四步，在kafka server上查看最终word统计结果，命令：
[root@localhost kafka_2.12-2.3.1]# ./bin/kafka-console-consumer.sh --bootstrap-server 192.168.1.221:9092 --topic streams-wordcount-output --from-beginning --formatter kafka.tools.DefaultMessageFormatter --property print.key=true --property print.value=true --property key.deserializer=org.apache.kafka.common.serialization.StringDeserializer --property value.deserializer=org.apache.kafka.common.serialization.LongDeserializer
后记：
1.关于有状态和无状态，复杂问题简单化！无状态对象本身只是个纯粹的处理逻辑，不依赖上下文信息，也不改变上下文信息，比如FUNC（x+y）,只要有输入x和y，就输出相加值，对程序“无害”；有状态指会保留上下文，如统计单词数，必须保留每次计算的中间结果，用于下次累加，有状态对象会破坏程序运行现场，不利于并发和共享。
2.如遇到程序出错：
[AdminClient clientId=adminclient-1] Error connecting to node dubbo204.domain:9092 (id: 0 rack: null)
这是因为linux的监听hosts配置引起的，直接修改config/server.properties中listeners为linux的虚机IP地址即可，并注意关闭linux的防火墙或打开9092端口：
3.添加lombok依赖
providedCompile group: ‘org.projectlombok‘, name: ‘lombok‘, version: ‘1.18.10‘
遇到编译错误：
Could not find method providedCompile() for arguments [{group=org.projectlombok, name=lombok, version=1.18.10}]
因providedCompile必须配合 war插件，修改build.gradle：
4.运行WordCountApplication 报错：
org.apache.kafka.common.errors.SerializationException: Size of data received by IntegerDeserializer is not 4
这是序列化问题，必须使用正确的序列化器处理对应的数据，如IntegerDeserializer只能反序列化Integer对象，StringSerializer用于序列化String对象。
5.RHEL8.0版本可用性还是不错的，比7要流畅很多，很多命令都变了，我开的共享：https://pan.baidu.com/s/19gkx07hQ6TuN9UyNWHmChQ 提取码：bg69，绝对保证可用，之前我也下载了几次都是损坏的，每次6.62G大小，快哭了。
总结：kafka API，分为Producer，Consumer，Stream，Connect和AdminClient。Producer/Consumer分别用于管理生产者和消费者，Stream则是自带的KStream，可以类比JDK8的Stream来理解，即在输出到最终sink前进行流式计算，且很多方法使用类似，Connect是用于kafka连接到输入/输出，支持很多类型，如DB，file，redis，ELK等。AdminClient则管理topic/broker等。KStream+kafka强强联手，可以预计未来会干出一番大事!
推荐阅读：
以上是关于流式计算-Kafka Stream的主要内容，如果未能解决你的问题，请参考以下文章