当前位置:   article > 正文

Spring Boot 整合kafka消费模式AckMode以及手动消费

ackmode

依赖管理

在pom.xml文件中导入依赖

  1. <dependency>
  2. <groupId>org.springframework.kafka</groupId>
  3. <artifactId>spring-kafka</artifactId>
  4. <version>2.5.5.RELEASE</version>
  5. </dependency>

配置文件修改

需要自己配置AckMode时候的配置

  1. spring:
  2. application:
  3. name: base.kafka
  4. kafka:
  5. bootstrap-servers: kafka服务地址1:端口,kafka服务地址2:端口,kafka服务地址3:端口
  6. producer:
  7. # 写入失败时,重试次数。当leader节点失效,一个repli节点会替代成为leader节点,此时可能出现写入失败,
  8. # 当retris为0时,produce不会重复。retirs重发,此时repli节点完全成为leader节点,不会产生消息丢失。
  9. retries: 0
  10. #procedure要求leader在考虑完成请求之前收到的确认数,用于控制发送记录在服务端的持久化,其值可以为如下:
  11. #acks = 0 如果设置为零,则生产者将不会等待来自服务器的任何确认,该记录将立即添加到套接字缓冲区并视为已发送。在这种情况下,无法保证服务器已收到记录,并且重试配置将不会生效(因为客户端通常不会知道任何故障),为每条记录返回的偏移量始终设置为-1。
  12. #acks = 1 这意味着leader会将记录写入其本地日志,但无需等待所有副本服务器的完全确认即可做出回应,在这种情况下,如果leader在确认记录后立即失败,但在将数据复制到所有的副本服务器之前,则记录将会丢失。
  13. #acks = all 这意味着leader将等待完整的同步副本集以确认记录,这保证了只要至少一个同步副本服务器仍然存活,记录就不会丢失,这是最强有力的保证,这相当于acks = -1的设置。
  14. #可以设置的值为:all, -1, 0, 1
  15. acks: 1
  16. consumer:
  17. group-id: testGroup
  18. # smallest和largest才有效,如果smallest重新0开始读取,如果是largest从logfile的offset读取。一般情况下我们都是设置smallest
  19. auto-offset-reset: earliest
  20. # 设置自动提交offset
  21. enable-auto-commit: true
  22. max-poll-records: 2
  23. server:
  24. port: 8060

消费kafka消息

kafka支持的消费模式,设置在AbstractMessageListenerContainer.AckMode的枚举中,下面就介绍下各个模式的区别

  1. /**
  2. * The offset commit behavior enumeration.
  3. */
  4. public enum AckMode {
  5. /**
  6. * Commit after each record is processed by the listener.
  7. */
  8. RECORD,
  9. /**
  10. * Commit whatever has already been processed before the next poll.
  11. */
  12. BATCH,
  13. /**
  14. * Commit pending updates after
  15. * {@link ContainerProperties#setAckTime(long) ackTime} has elapsed.
  16. */
  17. TIME,
  18. /**
  19. * Commit pending updates after
  20. * {@link ContainerProperties#setAckCount(int) ackCount} has been
  21. * exceeded.
  22. */
  23. COUNT,
  24. /**
  25. * Commit pending updates after
  26. * {@link ContainerProperties#setAckCount(int) ackCount} has been
  27. * exceeded or after {@link ContainerProperties#setAckTime(long)
  28. * ackTime} has elapsed.
  29. */
  30. COUNT_TIME,
  31. /**
  32. * User takes responsibility for acks using an
  33. * {@link AcknowledgingMessageListener}.
  34. */
  35. MANUAL,
  36. /**
  37. * User takes responsibility for acks using an
  38. * {@link AcknowledgingMessageListener}. The consumer
  39. * immediately processes the commit.
  40. */
  41. MANUAL_IMMEDIATE,
  42. }

AckMode模式

AckMode模式作用
MANUAL当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后, 手动调用Acknowledgment.acknowledge()后提交
MANUAL_IMMEDIATE手动调用Acknowledgment.acknowledge()后立即提交
RECORD当每一条记录被消费者监听器(ListenerConsumer)处理之后提交
BATCH当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后提交
TIME当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后,距离上次提交时间大于TIME时提交
COUNT当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后,被处理record数量大于等于COUNT时提交
COUNT_TIMETIME或COUNT 有一个条件满足时提交

监听器工厂的配置类:

  1. /**
  2. * kafka消费者配置
  3. */
  4. @Configuration
  5. @EnableKafka
  6. public class KafkaConsumerConfig {
  7. @Value("${spring.kafka.bootstrap-servers}")
  8. private String servers;
  9. //会话过期时长,consumer通过ConsumerCoordinator间歇性发送心跳
  10. //超期后,会被认为consumer失效,服务迁移到其他consumer节点.(group)
  11. //需要注意,Coordinator与kafkaConsumer共享底层通道,也是基于poll获取协调事件,但是会在单独的线程中
  12. @Value("${spring.kafka.consumer.session.timeout}")
  13. private String sessionTimeout;
  14. @Value("${spring.kafka.consumer.concurrency}")
  15. private int concurrency;
  16. //单次最多允许poll的消息条数.
  17. //此值不建议过大,应该考虑你的业务处理效率.
  18. @Value("${spring.kafka.consumer.maxpoll.records}")
  19. private int maxPollRecords;
  20. //两次poll之间的时间隔间最大值,如果超过此值将会被认为此consumer失效,触发consumer重新平衡.
  21. //此值必须大于,一个batch所有消息处理时间总和.
  22. //最大500000
  23. //2分钟
  24. @Value("${spring.kafka.consumer.maxpoll.interval}")
  25. private int maxPollIntervalMS;
  26. @Value("${spring.kafka.consumer.group-id}")
  27. private String groupId;
  28. @Bean
  29. public StringJsonMessageConverter converter() {
  30. return new StringJsonMessageConverter();
  31. }
  32. @Bean
  33. public KafkaListenerContainerFactory<?> batchDataFactory() {
  34. ConcurrentKafkaListenerContainerFactory<String, String> factory =
  35. new ConcurrentKafkaListenerContainerFactory<>();
  36. Map<String, Object> consumerConfig = consumerConfigs();
  37. consumerConfig.put(ConsumerConfig.GROUP_ID_CONFIG, groupId);
  38. ConsumerFactory<String, String> consumerFactory = new DefaultKafkaConsumerFactory<>(consumerConfig);
  39. factory.setConsumerFactory(consumerFactory);
  40. factory.setConcurrency(concurrency);
  41. //设置为批量消费,每个批次数量在Kafka配置参数中设置ConsumerConfig.MAX_POLL_RECORDS_CONFIG
  42. factory.setBatchListener(true);
  43. factory.setMessageConverter(new BatchMessagingMessageConverter());
  44. //设置提交偏移量的方式
  45. factory.getContainerProperties().setAckMode(ContainerProperties.AckMode.MANUAL_IMMEDIATE);
  46. factory.getContainerProperties().setPollTimeout(3000);
  47. return factory;
  48. }
  49. public Map<String, Object> consumerConfigs() {
  50. Map<String, Object> propsMap = new HashMap<>();
  51. propsMap.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, servers);
  52. propsMap.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);
  53. propsMap.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, sessionTimeout);
  54. propsMap.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
  55. propsMap.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
  56. //每一批数量
  57. propsMap.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, this.maxPollRecords);
  58. propsMap.put(ConsumerConfig.MAX_POLL_INTERVAL_MS_CONFIG,this.maxPollIntervalMS);
  59. return propsMap;
  60. }
  61. @Bean
  62. public TestMessages listener() {
  63. return new TestMessages();
  64. }
  65. }

监听器使用的配置

  1. @Component
  2. public class TestMessages {
  3. /**
  4. * MANUAL 当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后, 手动调用Acknowledgment.acknowledge()后提交
  5. * @param message
  6. * @param ack
  7. */
  8. @KafkaListener(containerFactory = "batchDataFactory" , topics = "kafka(topic名称)")
  9. public void onMessageManual(List<Object> message, Acknowledgment ack){
  10. log.info("batchDataFactory处理数据量:{}",message.size());
  11. message.forEach(item -> log.info("batchDataFactory处理数据内容:{}",item));
  12. ack.acknowledge();//直接提交offset
  13. }
  14. }

MANUAL_IMMEDIATE

当每一条记录被消费者监听器(ListenerConsumer)处理之后提交

MANUAL和MANUAL_IMMEDIATE两者的相同和区别


相同之处
这两种模式都是需要进行手动确认ack.acknowledge();才能完成消息的消费,否则在重启消费端实例的时候数据会再次被消费端接收到。

两者的区别
MANUAL: 在处理完最后一次轮询的所有结果后,将队列排队,并在一次操作中提交偏移量。可以认为是在批处理结束时提交偏移量
MANUAL_IMMEDIATE:只要在侦听器线程上执行确认,就立即提交偏移。会在批量执行的时候逐一提交它们。

其他模式大家都可以在批量处理工厂类中进行修改设置:

    factory.getContainerProperties().setAckMode(ContainerProperties.AckMode.MANUAL_IMMEDIATE);

上面的内容可能存在没有描述清楚或者错误的地方,假如开发同学发现了,请及时告知,我会第一时间修改相关内容。假如我的这篇内容对你有任何帮助的话,麻烦给我点一个赞。你的点赞就是我前进的动力。

声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:【wpsshop博客】
推荐阅读
相关标签
  

闽ICP备14008679号