kafka消息堆积能力比较强,可以堆积上亿的消息,特别适合日志处理这种实时性要求不太高的场景,同时支持集群部署,相比redis堆积能力和可靠性更高
可以通过下面的步骤快速上手这个kafka
获取一个可用的kafka实例
可以使用docker一键启动一个kafka集群
git clone https://github.com/simplesteph/kafka-stack-docker-compose.git cd kafka-stack-docker-compose docker-compose -f full-stack.yml up -d
操作效果如下
8000端口是这个kafka的topic的ui界面,这个界面可以查看当前的topic列表,效果如下
准备案例项目
可以在https://start.spring.io/创建测试项目
- spring-boot-starter-web
- spring-kafka
- lombok
在appliation.properties中配置kafka的地址和使用的group-id,这个group-id名称可以自行定义,比如:myconsumergroup
spring.kafka.bootstrap-servers=127.0.0.1:9092
spring.kafka.consumer.group-id=myconsumergroup
用kafka客户端发送消息
使用一个spring boot的service封装kafka发送消息的代码,核心代码如下
package mykafka.service; import org.springframework.kafka.core.KafkaTemplate; import org.springframework.stereotype.Service; @Service public class Producer { private final KafkaTemplate<String, String> kafkaTemplate; private String topic = "自行定义的topic"; Producer(KafkaTemplate<String, String> kafkaTemplate) { this.kafkaTemplate = kafkaTemplate; } public void send(String message) { this.kafkaTemplate.send(topic, message); System.out.println("Sent sample message [" + message + "] to " + topic); } }
然后编写一个接口调用这个发送kafka消息的service,核心代码如下:
@RestController @RequestMapping("/") @RequiredArgsConstructor(onConstructor = @__(@Autowired)) public class MyController { private final Producer producer; @RequestMapping("/test1") public String test1() { producer.send(String.format("my message currentTimeMillis: %d", System.currentTimeMillis())); return "test1"; } }
注意:上面代码里使用的kafka的topic可以自行定义,比如mytopic
然后在浏览器中访问这个接口 ip:8080/test1
消费消息
消费消息只需要在方法上加上KafkaListener,并指定topic和groupId即可
核心代码如下
@KafkaListener(topics = "mytopic", groupId = "myconsumergroup") public void processMessage(String message, @Header(KafkaHeaders.RECEIVED_PARTITION_ID) List<Integer> partitions, @Header(KafkaHeaders.RECEIVED_TOPIC) List<String> topics, @Header(KafkaHeaders.OFFSET) List<Long> offsets) { log.info( "received message, topic: {}, partition: {}, offset: {}, message: {}", topics.get(0), partitions.get(0), offsets.get(0), message ); }
操作效果如下:
一些注意的点
- 发送消息和消费消息需要确保topic一致
- 日志可以先发送到kafka做缓冲,然后通过kafka的客户端把消息取出来放到elk等日志存储系统中分析和可视化
因为kafka客户端发送消息和服务端把消息保存到磁盘都是异步操作,所以存在服务器宕机后消息可能丢失,如果可靠性要求更高,可以使用改进版的kafka:rocketmq