目录

前言

一、新建一个maven工程，添加kafka依赖

二、yaml配置文件

三、消息消费

手动提交非批量消费

  String 类型接入

使用注解方式获取消息头、消息体

手动提交批量消费

ConsumerRecord类接收

String类接收

使用注解方式获取消息头、消息体，则也是使用 List 来接收：

并发消费 

配置类方式

四、Kafka参数调优

一、Consumer参数说明

二、Kafka消息积压、消费能力不足怎么解决？

三、Kafka消费者如何进行流控？

---

---

前言

由于 Kafka 的写性能非常高，因此项目经常会碰到 Kafka 消息队列拥堵的情况。遇到这种情况，我们可以通过并发消费、批量消费的方法进行解决。

---

一、新建一个maven工程，添加kafka依赖

		org.springframework.kafka
		spring-kafka
         2.5.4.RELEASE

二、yaml配置文件

spring:
  kafka:
    bootstrap-servers: 127.0.0.1:9002
    producer:
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
    consumer:
      group-id: test-consumer-group
      # 当 Broker 端没有 offset（如第一次消费或 offset 超过7天过期）时如何初始化 offset，当收到 OFFSET_OUT_OF_RANGE 错误时，如何重置 Offset
      # earliest：表示自动重置到 partition 的最小 offset
      # latest：默认为 latest，表示自动重置到 partition 的最大 offset
      # none：不自动进行 offset 重置，抛
      auto-offset-reset: latest
      # 是否在消费消息后将 offset 同步到 Broker，当 Consumer 失败后就能从 Broker 获取最新的 offset
      enable-auto-commit: false
      ## 当 auto.commit.enable=true 时，自动提交 Offset 的时间间隔，建议设置至少1000
      auto-commit-interval: 2000
      max-poll-records: 30
      heartbeat-interval: 3000
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      properties:
        # 使用 Kafka 消费分组机制时，消费者超时时间。当 Broker 在该时间内没有收到消费者的心跳时，认为该消费者故障失败，Broker 发起重新 Rebalance 过程。目前该值的配置必须在 Broker 配置group.min.session.timeout.ms=6000和group.max.session.timeout.ms=300000 之间
        session.timeout.ms: 60000
        # 使用 Kafka 消费分组机制时，消费者发送心跳的间隔。这个值必须小于 session.timeout.ms，一般小于它的三分之一
        heartbeat.interval.ms: 3000
        # 使用 Kafka 消费分组机制时，再次调用 poll 允许的最大间隔。如果在该时间内没有再次调用 poll，则认为该消费者已经失败，Broker 会重新发起 Rebalance 把分配给它的 partition 分配给其他消费者
        max.poll.interval.ms: 300000
        request.timeout.ms: 600000
    listener:
      # 在侦听器容器中运行的线程数。
      concurrency: 2
      type: batch
      max-poll-records: 50
      #当 auto.commit.enable 设置为false时，表示kafak的offset由customer手动维护，
      #spring-kafka提供了通过ackMode的值表示不同的手动提交方式
      #手动调用Acknowledgment.acknowledge()后立即提交
      ack-mode: manual_immediate
      # 消费者监听的topic不存在时，项目会报错，设置为false
      missing-topics-fatal: false

三、消息消费

手动提交非批量消费

•   String 类型接入

   @KafkaListener(topics = {"test-topic"}, groupId = "test-consumer-group")
      public void onMessage(String message, Consumer consumer) {
          System.out.println("接收到的消息：" + message);
          consumer.commitSync();
      }

  • 使用注解方式获取消息头、消息体

             /**
             * 处理消息
             */
            @KafkaListener(topics = "test-topic", groupId = "test-consumer-group")
            public void onMessage(@Payload String message,
                                  @Header(KafkaHeaders.RECEIVED_TOPIC) String topic,
                                  @Header(KafkaHeaders.RECEIVED_PARTITION_ID) int partition,
                                  @Header(name = KafkaHeaders.RECEIVED_MESSAGE_KEY, required = false) String key,
                                  @Header(KafkaHeaders.RECEIVED_TIMESTAMP) long ts,
                                  Acknowledgment ack) {
                try {
                    
                    ack.acknowledge();
                    log.info("Consumer>>>>>>>>>>>>>end");
                } catch (Exception e) {
                    log.error("Consumer.onMessage#error . message={}", message, e);
                    throw new BizException("事件消息消费失败", e);
                }
            } 

    手动提交批量消费

    想要批量消费，首先要开启批量消费，通过listener.type属性设置为batch即可开启，看下代码吧：

    spring:
      kafka:
        consumer:
          group-id: test-consumer-group
          bootstrap-servers: 127.0.0.1:9092
          max-poll-records: 50 # 一次 poll 最多返回的记录数
        listener:
          type: batch # 开启批量消费

    如上设置了启用批量消费和批量消费每次最多消费记录数。这里设置 max-poll-records是50，并不是说如果没有达到50条消息，我们就一直等待。而是说一次poll最多返回的记录数为50

    • ConsumerRecord类接收

          /**
           * kafka的批量消费监听器
           */
          @KafkaListener(topics = "test-topic", groupId = "test-consumer-group")
          public void onMessage(List> records, Consumer consumer) {
              try {
                  log.info("Consumer.batch#size={}", records == null ? 0 : records.size());
                  if (CollectionUtil.isEmpty(records)) {
                      //分别是commitSync（同步提交）和commitAsync（异步提交）
                      consumer.commitSync();
                      return;
                  }
                  for (ConsumerRecord record : records) {
                      String message = record.value();
                      if (StringUtils.isBlank(message)) {
                          continue;
                      }
                     //处理业务数据
                     //doBuiness();
                  }
                  consumer.commitSync();
                  log.info("Consumer>>>>>>>>>>>>>end");
              } catch (Exception e) {
                  log.error("Consumer.onMessage#error .", e);
                  throw new BizException("事件消息消费失败", e);
              }
          }

      • String类接收

         @KafkaListener(topics = {"test-topic"}, groupId = "test-consumer-group")
            public void onMessage(List message, Consumer consumer) {
                System.out.println("接收到的消息：" + message);
                consumer.commitSync();
            }

        • 使用注解方式获取消息头、消息体，则也是使用 List 来接收：

          @Component
          public class KafkaConsumer {
              // 消费监听
              @KafkaListener(topics = {"test-topic"})
              public void listen2(@Payload List data,
                                  @Header(KafkaHeaders.RECEIVED_TOPIC) List topics,
                                  @Header(KafkaHeaders.RECEIVED_PARTITION_ID) List partitions,
                                  @Header(KafkaHeaders.RECEIVED_MESSAGE_KEY) List keys,
                                  @Header(KafkaHeaders.RECEIVED_TIMESTAMP) List tss) {
                  System.out.println("收到"+ data.size() + "条消息：");
                  System.out.println(data);
                  System.out.println(topics);
                  System.out.println(partitions);
                  System.out.println(keys);
                  System.out.println(tss);
              }
          }

          并发消费 

          再来看下并发消费，为了加快消费，我们可以提高并发数，比如下面配置我们将并发设置为 3。注意：并发量根据实际分区数决定，必须小于等于分区数，否则会有线程一直处于空闲状态

          spring:
            kafka:
              consumer:
                group-id: test-consumer-group
                bootstrap-servers: 127.0.0.1:9092
                max-poll-records: 50 # 一次 poll 最多返回的记录数
              listener:
                type: batch # 开启批量监听
                concurrency: 3 # 设置并发数

          我们设置concurrency为3，也就是将会启动3条线程进行监听，而要监听的topic有5个partition，意味着将有2条线程都是分配到2个partition，还有1条线程分配到1个partition

          配置类方式

          通过自定义配置类的方式也是可以的，但是相对yml配置来说还是有点麻烦的

          /**
           * 消费者配置
           */
          @Configuration
          public class KafkaConsumerConfig {
           
              /**
               * 消费者配置
               * @return
               */
              public Map consumerConfigs(){
                  Map props = new HashMap<>();
                  props.put(ConsumerConfig.GROUP_ID_CONFIG, "test-consumer-group");
                  props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "127.0.0.1:9002");
                  props.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, 50);
                  props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
                  props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
                  return props;
              }
           
              @Bean
              public KafkaListenerContainerFactory> batchFactory() {
                  ConcurrentKafkaListenerContainerFactory factory = new ConcurrentKafkaListenerContainerFactory<>();
                  factory.setConsumerFactory(new DefaultKafkaConsumerFactory<>(consumerConfigs()));
                  //并发数量
                  factory.setConcurrency(3);
                  //开启批量监听
                  factory.setBatchListener(true);
                  return factory;
              }
          }

          同时监听器通过@KafkaListener注解的containerFactory 配置指定批量消费的工厂即可,如下：

          @KafkaListener(topics = {"test-topic"},containerFactory = "batchFactory")
          public void consumer(List message){
          	System.out.println("接收到的消息：" + message);
          }

          四、Kafka参数调优

          一、Consumer参数说明

          1、enable.auto.commit

          该属性指定了消费者是否自动提交偏移量，默认值是true。

          为了尽量避免出现重复数据（假如，某个消费者poll消息后，应用正在处理消息，在3秒后kafka进行了重平衡，那么由于没有更新位移导致重平衡后这部分消息重复消费）和数据丢失，可以把它设为 false，由自己控制何时提交偏移量。

          如果把它设为true，还可以通过配置 auto.commit.interval.ms 属性来控制提交的频率。

          2、auto.commit.interval.ms

          自动提交间隔。范围：[0,Integer.MAX]，默认值是 5000 （5 s）

          3、手动提交：commitSync/commitAsync

          手动提交offset的方法有两种：分别是commitSync（同步提交）和commitAsync（异步提交）。

          相同点：都会将本次poll的一批数据最大的偏移量提交。

          不同点：commitSync会阻塞当前线程，一直到提交成功，并且会自动失败重试（由不可控因素导致，也会出现提交失败）；而commitAsync则没有失败重试机制，故有可能提交失败，导致重复消费。

          4、max.poll.records

          Consumer每次调用poll()时取到的records的最大数。

          二、Kafka消息积压、消费能力不足怎么解决？

          如果是Kafka消费能力不足，则可以考虑增加Topic的分区数，同时相应的增加消费者实例，消费者数=分区数（二者缺一不可）。

          如果是下游的数据处理不及时，则可以提高每批次拉取的数量，通过max.poll.records这个参数可以调整。

          单个消费者实例的消费能力提升，可以用多线程/线程池的方式并发消费提高单机的消费能力。

          三、Kafka消费者如何进行流控？

          将自动提交改成手动提交（enable.auto.commit=false），每次消费完再手动异步提交offset，之后消费者再去Broker拉取新消息，这样可以做到按照消费能力拉取消息，减轻消费者的压力。

           
           网站建设靠谱的公司  中国建设银行官网主页  网站建设与制作教程  网页设计师需要会什么  网络平台建设授权书  景观设计网站推荐