kafka应用场景有哪些_kafka顺序性的消费

全栈程序员站长

发布于 2022-11-04 16:45:08

4110

发布于 2022-11-04 16:45:08

序

在学习一门新技术之前，我们需要先去了解一下这门技术的具体应用场景，使用它能够做什么，能够达到什么目的，学习kafka的初衷是用作消息队列；但是还可以使用Kafka Stream进行一些实时的流计算，多用于大数据处理；也可以做日志收集汇总、网站活动跟踪等任务。

消息队列

kafka可以很好的替代一些传统的消息系统，kafka具有更好的吞吐量，内置的分区使kafka具有更好的容错和伸缩性，这些特性使它可以替代传统的消息系统，成为大型消息处理应用的首选方案。

场景：异步、解耦、削峰填谷

生成订单：给不同的产品业务线分配同一个topic的不同partition，用户下单后根据订单类型发送到对应的partition
消息通知：用户登录后计算积分

消息生产者

public static void main(String[] args) throws Exception {
  Properties prop = new Properties();
  prop.put("bootstrap.servers", "127.0.0.1:9092");
  prop.put("acks", "all");
  prop.put("retries", "0");
  // 缓冲区大小
  prop.put("batch.size", "10");
  prop.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
  prop.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
  KafkaProducer<String, String> producer = new KafkaProducer<>(prop);
  for (int i = 0; i < 101; i++) {
    ProducerRecord<String, String> record = new ProducerRecord<>("my_topics", "value_" + i);
    // 阻塞到消息发送完成
    producer.send(record).get();
  }
  // 刷新缓冲区，发送到分区，并清空缓冲区
  // producer.flush();
  // 关闭生产者，会阻塞到缓冲区内的数据发送完
  producer.close();
  // producer.close(Duration.ofMillis(1000));
}

生产者发送消息是先将消息放到缓冲区，当缓冲区存满之后会自动flush，或者手动调用flush()方法

消息消费者

public static void main(String[] args) {
  Properties properties = new Properties();
  properties.put("bootstrap.servers", "127.0.0.1:9092");
  properties.put("group.id", "cc_consumer");
  properties.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
  properties.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
  KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);
  // 指定topic
  consumer.subscribe(Arrays.asList("my_topics"));
  // 指定topic的partition
  // TopicPartition partition0 = new TopicPartition("my_topics", 10);
  // consumer.assign(Arrays.asList(partition0));
  try {
    while (true) {
      ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(1000));
      for (ConsumerRecord<String, String> record : records) {
        System.out.println(record.toString());
      }
    }
  } finally {
    consumer.close(Duration.ofMillis(2000));
  }
}

流计算

[todo]

日志收集

应用程序的日志可以通过log4j收集日志信息，并将日志直接打到kafka中：客户端—>应用—>kafka

SpringBoot中默认使用的是logback，所以要在引入SpringBoot的jar包时排除掉logback的jar包

日志消息发送有同步和异步两种方式，由KafkaAppender中的syncSend属性决定，默认为true(同步) > <Kafka name="KAFKA-LOGGER" topic="cc_log_test" syncSend="false"> >

pom.xml

<dependency>
  <groupId>org.springframework.boot</groupId>
  <artifactId>spring-boot-starter-web</artifactId>
  <exclusions>
    <exclusion>
      <groupId>org.springframework.boot</groupId>
      <artifactId>spring-boot-starter-logging</artifactId>
    </exclusion>
  </exclusions>
</dependency>
<!-- springboot 1.3.x之前版本是log4j，之后版本都是log4j2 -->
<dependency>
  <groupId>org.springframework.boot</groupId>
  <artifactId>spring-boot-starter-log4j2</artifactId>
</dependency>

log4j2.xml

<?xml version="1.0" encoding="UTF-8"?>
<Configuration status="off">
    <Properties>
    </Properties>
    <Appenders>
        <Console name="STDOUT" target="SYSTEM_OUT">
            <PatternLayout pattern="%d %p %c{1.} %t %m%n"/>
        </Console>
	      <!--kafka topic-->
        <Kafka name="KAFKA-LOGGER" topic="my_topics">
          	<!--JsonLayout：日志格式为json,方便在ES中处理-->
            <JsonLayout/>
          	<!--kafka server的ip:port-->
            <Property name="bootstrap.servers">127.0.0.1:9092</Property>
            <Property name="retries">3</Property>
            <Property name="linger.ms">1000</Property>
            <Property name="buffer.memory">10485760</Property>
        </Kafka>
        <Async name="ASYNC-KAFKA-LOGGER">
            <AppenderRef ref="KAFKA-LOGGER"/>
            <LinkedTransferQueue/>
        </Async>
    </Appenders>
    <Loggers>
      	<!--日志级别大于info都会被记录到Kafka-->
        <Logger name="cc.kevinlu.springbootkafka.controller.MessageController" level="info"
                additivity="false">
            <AppenderRef ref="KAFKA-LOGGER"/>
        </Logger>
        <!-- Root表示所有Logger用Root中的Appender打印日志  -->
        <Root level="info">
            <AppenderRef ref="STDOUT"/>
        </Root>
    </Loggers>
</Configuration>

code

@GetMapping("/log")
public String sendLog() {
  for (int i = 0; i < 10; i++) {
    log.info("kafka log i = " + i);
  }
  return "success";
}

consumer视图

网站活动跟踪

前端Nodejs控制

Node接入kafka需要使用kafka-node库，下面是网上的例子

var kafka = require('kafka-node'),
    Producer = kafka.Producer,
    client = new kafka.KafkaClient({kafkaHost: 'localhost:9092'});
/**
 * 定义生产类
 * partitionerType 定义
 * 0:默认模式 只产生数据在第一个分区
 * 1:随机分配，在分区个数内，随机产生消息到各分区
 * 2:循环分配，在分区个数内，按顺序循环产生消息到各分区
*/   
var producerOption = {
    requireAcks: 1,
    ackTimeoutMs: 100,
    partitionerType: 0 //默认为第一个分区
};
var producer = new Producer(client,producerOption);
/**
 * TOPIC的创建需要在命令行进行创建，以便指定分区个数以及备份个数
 * PS：kafka-node的创建topic不行，不能创建分区
 * 产生消息,如果不指定partition
 * 则根据 partitionerType 的值来指定发送数据到哪个分区
 * 我们创建的topic-test-one只有一个分区，所以只能产生数据到第1个分区（下标0），否则不会生产数据
 */
function getPayloads(){
    return [
        {topic:"topic-test-one",messages:JSON.stringify({"name":"jack","age":"120"}),partition:0}
    ];
}

producer.on("ready",function(){
    setInterval(function(){
        producer.send(getPayloads(),function(err,data){
            if(!err){
                console.log("send message complete!data:"+JSON.stringify(data),new Date());
            }
        });
     },1000);
});

producer.on('error', function (err) {console.log("send message error!\r\n"+err);})

后端日志控制

后端也可以使用log4j的日志系统来完成，拦截所有需要监控的api请求，使用log4j输出日志到kafka队列中，和上述日志收集方法相同。若同一个应用中需要通过日志输出到kafka的多个topic中，可以使用log4j的Marker标记来区分，配置如下：

<?xml version="1.0" encoding="UTF-8"?>
<Configuration status="off">
    <Properties>
    </Properties>
    <Appenders>
        <Console name="STDOUT" target="SYSTEM_OUT">
            <PatternLayout pattern="%d %p %c{1.} %t %m%n"/>
        </Console>
      	<!-- 日志收集 -->
        <Kafka name="KAFKA-LOGGER" topic="cc_log_test" syncSend="false">
            <JsonLayout/>
            <Property name="bootstrap.servers">127.0.0.1:9092</Property>
            <Property name="retries">3</Property>
            <Property name="linger.ms">1000</Property>
            <Property name="buffer.memory">10485760</Property>
            <Filters>
              	<!-- 通过Marker过滤消息 -->
                <MarkerFilter marker="Kafka" onMatch="ACCEPT" onMismatch="DENY"/>
            </Filters>
        </Kafka>
      	<!-- 轨迹跟踪 -->
        <Kafka name="KAFKA-TRACK-LOGGER" topic="cc_test1" syncSend="false">
            <JsonLayout/>
            <Property name="bootstrap.servers">127.0.0.1:9092</Property>
            <Property name="retries">3</Property>
            <Property name="linger.ms">1000</Property>
            <Property name="buffer.memory">10485760</Property>
            <Filters>
              	<!-- 通过Marker过滤消息 -->
                <MarkerFilter marker="Track" onMatch="ACCEPT" onMismatch="DENY"/>
            </Filters>
        </Kafka>
        <Async name="ASYNC-KAFKA-LOGGER">
            <AppenderRef ref="KAFKA-LOGGER"/>
            <AppenderRef ref="KAFKA-TRACK-LOGGER"/>
            <LinkedTransferQueue/>
        </Async>
    </Appenders>
    <Loggers>
        <Logger name="cc.kevinlu.springbootkafka.controller" level="info"
                additivity="false">
            <AppenderRef ref="KAFKA-LOGGER"/>
            <AppenderRef ref="KAFKA-TRACK-LOGGER"/>
        </Logger>
        <Root level="info">
            <AppenderRef ref="STDOUT"/>
        </Root>
    </Loggers>
</Configuration>

private final static Marker KAFKA_MARKER       = MarkerManager.getMarker("Kafka");
private final static Marker KAFKA_TRACK_MARKER = MarkerManager.getMarker("Track");

@GetMapping("/log")
public String sendLog() {
  // 轨迹跟踪
  log.info(KAFKA_TRACK_MARKER, "send async message!");
  for (int i = 0; i < 10; i++) {
    // 日志收集
    log.info(KAFKA_MARKER, "kafka log i = {}", i);
  }
  return "success";
}

前端+后端组合

后端提供API供前端传递轨迹，后端接收到请求之后将消息同步到kafka中。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/181994.html原文链接：https://javaforall.cn

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2022年10月14日，如有侵权请联系 cloudcommunity@tencent.com 删除

javascript