Springboot整合Kafka Stream实时统计数据

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

Kafka Stream介绍

Kafka在0.10版本推出了Stream API，提供了对存储在Kafka内的数据进行流式处理和分析的能力。

流式计算一般被用来和批量计算做比较。批量计算往往有一个固定的数据集作为输入并计算结果。而流式计算的输入往往是“*”的(Unbounded Data)，持续输入的，即永远拿不到全量数据去做计算;同时，计算结果也是持续输出的，只能拿到某一个时刻的结果，而不是最终的结果。

Kafka Streams是一个客户端类库，用于处理和分析存储在Kafka中的数据。它建立在流式处理的一些重要的概念之上：如何区分事件时间和处理时间、Windowing的支持、简单高效的管理和实时查询应用程序状态。

Kafka Streams的门槛非常低：和编写一个普通的Kafka消息处理程序没有太大的差异，可以通过多进程部署来完成扩容、负载均衡、高可用(Kafka Consumer的并行模型)。

Kafka Streams的一些特点：

被设计成一个简单的、轻量级的客户端类库，能够被集成到任何Java应用中
除了Kafka之外没有任何额外的依赖，利用Kafka的分区模型支持水平扩容和保证顺序性
通过可容错的状态存储实现高效的状态操作(windowed joins and aggregations)
支持exactly-once语义
支持纪录级的处理，实现毫秒级的延迟
提供High-Level的Stream DSL和Low-Level的Processor API

Stream Processing Topology流处理拓扑

流是Kafka Streams提供的最重要的抽象：它表示一个无限的、不断更新的数据集。流是不可变数据记录的有序、可重放和容错序列，其中数据记录定义为键值对。
Stream Processing Application是使用了Kafka Streams库的应用程序。它通过processor topologies定义计算逻辑，其中每个processor topology都是多个stream processor(节点)通过stream组成的图。
A stream processor 是处理器拓扑中的节点;它表示一个处理步骤，通过每次从拓扑中的上游处理器接收一个输入记录，将其操作应用于该记录，来转换流中的数据，并且随后可以向其下游处理器生成一个或多个输出记录。

有两种特殊的processor：

Source Processor 源处理器是一种特殊类型的流处理器，它没有任何上游处理器。它通过使用来自一个或多个kafka topic的记录并将其转发到其下游处理器，从而从一个或多个kafka topic生成其拓扑的输入流。

Sink Processor 接收器处理器是一种特殊类型的流处理器，没有下游处理器。它将从其上游处理器接收到的任何记录发送到指定的kafka topic。

依赖

<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

消息发送

@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("执行成功..." + Thread.currentThread().getName()) ;
}, ex -> {
System.out.println("执行失败") ;
ex.printStackTrace() ;
}) ;
}
}

消息监听

@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处理

消息转换并转发其它Topic

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

执行结果：

Stream对象处理

@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;
}

执行结果：

分组处理

@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;
}

执行结果：

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;
}

执行结果：

Filter过滤数据

@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;
}

执行结果：

过滤Key不等于"2"

分支多流处理

@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，多流处理
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;
}

执行结果：

多字段分组

不能使用多个selectKey，后面的会覆盖前面的

@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;
}

执行结果：

原文链接：https://www.toutiao.com/i6994698489594790431/

秒客网

Springboot整合Kafka Stream实时统计数据

Kafka Stream介绍

Stream Processing Topology流处理拓扑

依赖

配置

消息发送

消息监听

Kafka Stream处理

相关文章