Springboot整合Kafka Stream實時統計數據

作者：FastCoder 2021-08-17 06:48:43

Kafka Streams是一個客戶端類庫，用于處理和分析存儲在Kafka中的數據。它建立在流式處理的一些重要的概念之上：如何區分事件時間和處理時間、Windowing的支持、簡單高效的管理和實時查詢應用程序狀態。

環境：springboot2.3.12.RELEASE + kafka_2.13-2.7.0 + zookeeper-3.6.2

Kafka Stream介紹

Kafka在0.10版本推出了Stream API，提供了對存儲在Kafka內的數據進行流式處理和分析的能力。

流式計算一般被用來和批量計算做比較。批量計算往往有一個固定的數據集作為輸入并計算結果。而流式計算的輸入往往是“無界”的(Unbounded Data)，持續輸入的，即永遠拿不到全量數據去做計算;同時，計算結果也是持續輸出的，只能拿到某一個時刻的結果，而不是最終的結果。

Kafka Streams的門檻非常低：和編寫一個普通的Kafka消息處理程序沒有太大的差異，可以通過多進程部署來完成擴容、負載均衡、高可用(Kafka Consumer的并行模型)。

Kafka Streams的一些特點：

被設計成一個簡單的、輕量級的客戶端類庫，能夠被集成到任何Java應用中
除了Kafka之外沒有任何額外的依賴，利用Kafka的分區模型支持水平擴容和保證順序性
通過可容錯的狀態存儲實現高效的狀態操作(windowed joins and aggregations)
支持exactly-once語義
支持紀錄級的處理，實現毫秒級的延遲
提供High-Level的Stream DSL和Low-Level的Processor API

Stream Processing Topology流處理拓撲

流是Kafka Streams提供的最重要的抽象：它表示一個無限的、不斷更新的數據集。流是不可變數據記錄的有序、可重放和容錯序列，其中數據記錄定義為鍵值對。
Stream Processing Application是使用了Kafka Streams庫的應用程序。它通過processor topologies定義計算邏輯，其中每個processor topology都是多個stream processor(節點)通過stream組成的圖。
A stream processor 是處理器拓撲中的節點;它表示一個處理步驟，通過每次從拓撲中的上游處理器接收一個輸入記錄，將其操作應用于該記錄，來轉換流中的數據，并且隨后可以向其下游處理器生成一個或多個輸出記錄。

有兩種特殊的processor：

Source Processor 源處理器是一種特殊類型的流處理器，它沒有任何上游處理器。它通過使用來自一個或多個kafka topic的記錄并將其轉發到其下游處理器，從而從一個或多個kafka topic生成其拓撲的輸入流。

Sink Processor 接收器處理器是一種特殊類型的流處理器，沒有下游處理器。它將從其上游處理器接收到的任何記錄發送到指定的kafka topic。

相關的核心概念查看如下鏈接

下面演示Kafka Stream 在Springboot中的應用

依賴

<dependency> 
  <groupId>org.springframework.boot</groupId> 
  <artifactId>spring-boot-starter-web</artifactId> 
  </dependency> 
<dependency> 
  <groupId>org.springframework.kafka</groupId> 
  <artifactId>spring-kafka</artifactId> 
</dependency> 
<dependency> 
  <groupId>org.apache.kafka</groupId> 
  <artifactId>kafka-streams</artifactId> 
</dependency>

配置

server: 
  port: 9090 
spring: 
  application: 
    name: kafka-demo 
  kafka: 
    streams: 
      application-id: ${spring.application.name} 
      properties: 
        spring.json.trusted.packages: '*' 
    bootstrap-servers: 
    - localhost:9092 
    - localhost:9093 
    - localhost:9094 
    producer: 
      acks: 1 
      retries: 10 
      key-serializer: org.apache.kafka.common.serialization.StringSerializer 
      value-serializer: org.springframework.kafka.support.serializer.JsonSerializer #org.apache.kafka.common.serialization.StringSerializer 
      properties: 
        spring.json.trusted.packages: '*' 
    consumer: 
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer 
      value-deserializer: org.springframework.kafka.support.serializer.JsonDeserializer #org.apache.kafka.common.serialization.StringDeserializer 
      enable-auto-commit: false 
      group-id: ConsumerTest 
      auto-offset-reset: latest 
      properties: 
        session.timeout.ms: 12000 
        heartbeat.interval.ms: 3000 
        max.poll.records: 100 
        spring.json.trusted.packages: '*' 
    listener: 
      ack-mode: manual-immediate 
      type: batch 
      concurrency: 8 
    properties: 
      max.poll.interval.ms: 300000

消息發送

@Service 
public class MessageSend { 
  @Resource 
  private KafkaTemplate<String, Message> kafkaTemplate ; 
  public void sendMessage2(Message message) { 
    kafkaTemplate.send(new ProducerRecord<String, Message>("test", message)).addCallback(result -> { 
      System.out.println("執行成功..." + Thread.currentThread().getName()) ; 
    }, ex -> { 
      System.out.println("執行失敗") ; 
      ex.printStackTrace() ; 
    }) ; 
  } 
}

消息監聽

@KafkaListener(topics = {"test"}) 
public void listener2(List<ConsumerRecord<String, Message>> records, Acknowledgment ack) { 
  for (ConsumerRecord<String, Message> record : records) { 
    System.out.println(this.getClass().hashCode() + ", Thread" + Thread.currentThread().getName() + ", key: " + record.key() + ", 接收到消息：" + record.value() + ", patition: " + record.partition() + ", offset: " + record.offset()) ; 
  } 
  try { 
    TimeUnit.SECONDS.sleep(0) ; 
  } catch (InterruptedException e) { 
    e.printStackTrace(); 
  } 
  ack.acknowledge() ; 
} 
     
@KafkaListener(topics = {"demo"}) 
public void listenerDemo(List<ConsumerRecord<String, Message>> records, Acknowledgment ack) { 
  for (ConsumerRecord<String, Message> record : records) { 
    System.out.println("Demo Topic: " + this.getClass().hashCode() + ", Thread" + Thread.currentThread().getName() + ", key: " + record.key() + ", 接收到消息：" + record.value() + ", patition: " + record.partition() + ", offset: " + record.offset()) ; 
  } 
  ack.acknowledge() ; 
}

Kafka Stream處理

消息轉換并轉發其它Topic

@Bean 
public KStream<Object, Object> kStream(StreamsBuilder streamsBuilder) { 
  KStream<Object, Object> stream = streamsBuilder.stream("test"); 
  stream.map((key, value) -> { 
    System.out.println("原始消息內容：" + new String((byte[]) value, Charset.forName("UTF-8"))) ; 
    return new KeyValue<>(key, "{\"title\": \"123123\", \"message\": \"重新定義內容\"}".getBytes(Charset.forName("UTF-8"))) ; 
  }).to("demo") ; 
  return stream; 
}

執行結果：

Stream對象處理

@Bean 
public KStream<String, Message> kStream4(StreamsBuilder streamsBuilder) { 
  JsonSerde<Message> jsonSerde = new JsonSerde<>() ; 
  JsonDeserializer<Message> descri = (JsonDeserializer<Message>) jsonSerde.deserializer() ; 
  descri.addTrustedPackages("*") ; 
  KStream<String, Message> stream = streamsBuilder.stream("test", Consumed.with(Serdes.String(), jsonSerde)); 
  stream.map((key, value) -> { 
    value.setTitle("XXXXXXX") ; 
    return new KeyValue<>(key, value) ; 
  }).to("demo", Produced.with(Serdes.String(), jsonSerde)) ; 
  return stream; 
}

執行結果：

分組處理

@Bean 
public KStream<String, Message> kStream5(StreamsBuilder streamsBuilder) { 
  JsonSerde<Message> jsonSerde = new JsonSerde<>() ; 
  JsonDeserializer<Message> descri = (JsonDeserializer<Message>) jsonSerde.deserializer() ; 
  descri.addTrustedPackages("*") ; 
  KStream<String, Message> stream = streamsBuilder.stream("test", Consumed.with(Serdes.String(), jsonSerde)); 
  stream.selectKey(new KeyValueMapper<String, Message, String>() { 
    @Override 
    public String apply(String key, Message value) { 
      return value.getOrgCode() ; 
    } 
  }) 
  .groupByKey(Grouped.with(Serdes.String(), jsonSerde)) 
  .count() 
  .toStream().print(Printed.toSysOut()); 
  return stream; 
}

執行結果：

聚合

@Bean 
public KStream<String, Message> kStream6(StreamsBuilder streamsBuilder) { 
  JsonSerde<Message> jsonSerde = new JsonSerde<>() ; 
  JsonDeserializer<Message> descri = (JsonDeserializer<Message>) jsonSerde.deserializer() ; 
  descri.addTrustedPackages("*") ; 
  KStream<String, Message> stream = streamsBuilder.stream("test", Consumed.with(Serdes.String(), jsonSerde)); 
  stream.selectKey(new KeyValueMapper<String, Message, String>() { 
    @Override 
    public String apply(String key, Message value) { 
      return value.getOrgCode() ; 
    } 
  }) 
  .groupByKey(Grouped.with(Serdes.String(), jsonSerde)) 
  .aggregate(() -> 0L, (key, value ,aggValue) -> { 
    System.out.println("key = " + key + ", value = " + value + ", agg = " + aggValue) ; 
    return aggValue + 1 ; 
  }, Materialized.<String, Long, KeyValueStore<Bytes,byte[]>>as("kvs").withValueSerde(Serdes.Long())) 
  .toStream().print(Printed.toSysOut()); 
  return stream; 
}

執行結果：

Filter過濾數據

@Bean 
public KStream<String, Message> kStream7(StreamsBuilder streamsBuilder) { 
  JsonSerde<Message> jsonSerde = new JsonSerde<>() ; 
  JsonDeserializer<Message> descri = (JsonDeserializer<Message>) jsonSerde.deserializer() ; 
  descri.addTrustedPackages("*") ; 
  KStream<String, Message> stream = streamsBuilder.stream("test", Consumed.with(Serdes.String(), jsonSerde)); 
  stream.selectKey(new KeyValueMapper<String, Message, String>() { 
    @Override 
    public String apply(String key, Message value) { 
      return value.getOrgCode() ; 
    } 
  }) 
  .groupByKey(Grouped.with(Serdes.String(), jsonSerde)) 
  .aggregate(() -> 0L, (key, value ,aggValue) -> { 
    System.out.println("key = " + key + ", value = " + value + ", agg = " + aggValue) ; 
    return aggValue + 1 ; 
  }, Materialized.<String, Long, KeyValueStore<Bytes,byte[]>>as("kvs").withValueSerde(Serdes.Long())) 
  .toStream() 
  .filter((key, value) -> !"2".equals(key)) 
  .print(Printed.toSysOut()); 
  return stream; 
}

執行結果：

過濾Key不等于"2"

分支多流處理

@Bean 
public KStream<String, Message> kStream8(StreamsBuilder streamsBuilder) { 
  JsonSerde<Message> jsonSerde = new JsonSerde<>() ; 
  JsonDeserializer<Message> descri = (JsonDeserializer<Message>) jsonSerde.deserializer() ; 
  descri.addTrustedPackages("*") ; 
  KStream<String, Message> stream = streamsBuilder.stream("test", Consumed.with(Serdes.String(), jsonSerde)); 
  // 分支，多流處理 
  KStream<String, Message>[] arrStream = stream.branch( 
    (key, value) -> "男".equals(value.getSex()),  
    (key, value) -> "女".equals(value.getSex())); 
  Stream.of(arrStream).forEach(as -> { 
    as.foreach((key, message) -> { 
      System.out.println(Thread.currentThread().getName() + ", key = " + key + ", message = " + message) ; 
    }); 
  }); 
  return stream; 
}

執行結果：

多字段分組

不能使用多個selectKey，后面的會覆蓋前面的

@Bean 
public KStream<String, Message> kStreamM2(StreamsBuilder streamsBuilder) { 
  JsonSerde<Message> jsonSerde = new JsonSerde<>() ; 
  JsonDeserializer<Message> descri = (JsonDeserializer<Message>) jsonSerde.deserializer() ; 
  descri.addTrustedPackages("*") ; 
  KStream<String, Message> stream = streamsBuilder.stream("test", Consumed.with(Serdes.String(), jsonSerde)); 
  stream 
  .selectKey(new KeyValueMapper<String, Message, String>() { 
    @Override 
    public String apply(String key, Message value) { 
      System.out.println(Thread.currentThread().getName()) ; 
      return value.getTime() + " | " + value.getOrgCode() ; 
    } 
  }) 
  .groupByKey(Grouped.with(Serdes.String(), jsonSerde)) 
  .count() 
  .toStream().print(Printed.toSysOut()); 
  return stream; 
}

執行結果：

責任編輯：姜華來源：今日頭條

成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

Springboot整合Kafka Stream實時統計數據

Kafka Stream介紹

Stream Processing Topology流處理拓撲

依賴

配置

消息發送

消息監聽

Kafka Stream處理