Reactive Spring实战 -- 响应式Kafka交互

本文分享如何使用KRaft部署Kafka集群，以及Spring中如何实现Kafka响应式交互。

KRaft

我们知道，Kafka使用Zookeeper负责为kafka存储broker，Consumer Group等元数据，并使用Zookeeper完成broker选主等操作。
虽然使用Zookeeper简化了Kafka的工作，但这也使Kafka的部署和运维更复杂。

Kafka 2.8.0开始移除了Zookeeper，并使用Kafka內部的仲裁（Quorum）控制器來取代ZooKeeper，官方称这个控制器为 "Kafka Raft metadata mode"，即KRaft mode。从此用户可以在不需要Zookeeper的情况下部署Kafka集群，这使Fafka更加简单，轻量级。
使用KRaft模式后，用户只需要专注于维护Kafka集群即可。

注意：由于该功能改动较大，目前Kafka2.8版本提供的KRaft模式是一个测试版本，不推荐在生产环境使用。相信Kafka后续版本很快会提供生产可用的kraft版本。

下面介绍一下如果使用Kafka部署kafka集群。
这里使用3台机器部署3个Kafka节点，使用的Kafka版本为2.8.0。

1. 生成ClusterId以及配置文件。
   (1)使用kafka-storage.sh生成ClusterId。

        $ ./bin/kafka-storage.sh random-uuid
dPqzXBF9R62RFACGSg5c-Q

    

(2)使用ClusterId生成配置文件

        $ ./bin/kafka-storage.sh format -t <uuid> -c ./config/kraft/server.properties
Formatting /tmp/kraft-combined-logs

    

注意：只需要在生成一个ClusterId，并使用该ClusterId在所有机器上生成配置文件，即集群中所有节点使用的ClusterId需相同。

2. 修改配置文件
   脚本生成的配置文件只能用于单个Kafka节点，如果在部署Kafka集群，需要对配置文件进行一下修改。

(1)修改config/kraft/server.properties（稍后使用该配置启动kafka）

        process.roles=broker,controller 
node.id=1
listeners=PLAINTEXT://172.17.0.2:9092,CONTROLLER://172.17.0.2:9093
advertised.listeners=PLAINTEXT://172.17.0.2:9092
controller.quorum.voters=1@172.17.0.2:9093,2@172.17.0.3:9093,3@172.17.0.4:9093

    

process.roles指定了该节点角色，有以下取值

• broker: 这台机器将仅仅当作一个broker
• controller: 作为Raft quorum的控制器节点
• broker,controller: 包含以上两者的功能

一个集群中不同节点的node.id需要不同。
controller.quorum.voters需要配置集群中所有的controller节点，配置格式为@:。

(2)
kafka-storage.sh脚本生成的配置，默认将kafka数据存放在/tmp/kraft-combined-logs/，
我们还需要/tmp/kraft-combined-logs/meta.properties配置中的node.id，使其与server.properties配置中保持一起。

        node.id=1

    

3. 启动kafka
   使用kafka-server-start.sh脚本启动Kafka节点

        $ ./bin/kafka-server-start.sh ./config/kraft/server.properties

    

下面测试一下该kafka集群

1. 创建主题

        $ ./bin/kafka-topics.sh --create --partitions 3 --replication-factor 3 --bootstrap-server 172.17.0.2:9092,172.17.0.3:9092,172.17.0.4:9092 --topic topic1 

    

2. 生产消息

        $ ./bin/kafka-console-producer.sh --broker-list 172.17.0.2:9092,172.17.0.3:9092,172.17.0.4:9092 --topic topic1

    

3. 消费消息

        $ ./bin/kafka-console-consumer.sh --bootstrap-server 172.17.0.2:9092,172.17.0.3:9092,172.17.0.4:9092 --topic topic1 --from-beginning

    

这部分命令的使用与低版本的Kafka保持一致。

Kafka的功能暂时还不完善，这是展示一个简单的部署示例。
Kafka文档：https://github.com/apache/kafka/blob/trunk/config/kraft/README.md

Spring中可以使用Spring-Kafka、Spring-Cloud-Stream两个框架实现kafka响应式交互。
下面分别看一下这两个框架的使用。

Spring-Kafka

1. 添加引用
   添加spring-kafka引用

        <dependency>
    <groupId>org.springframework.kafka</groupId>
    <artifactId>spring-kafka</artifactId>
    <version>2.5.8.RELEASE</version>
</dependency>

    

2. 准备配置文件，内容如下

        spring.kafka.producer.bootstrap-servers=172.17.0.2:9092,172.17.0.3:9092,172.17.0.4:9092
spring.kafka.producer.key-serializer=org.apache.kafka.common.serialization.LongSerializer
spring.kafka.producer.value-serializer=org.springframework.kafka.support.serializer.JsonSerializer

spring.kafka.consumer.bootstrap-servers=172.17.0.2:9092,172.17.0.3:9092,172.17.0.4:9092
spring.kafka.consumer.key-deserializer=org.apache.kafka.common.serialization.LongDeserializer
spring.kafka.consumer.value-deserializer=org.springframework.kafka.support.serializer.JsonDeserializer
spring.kafka.consumer.group-id=warehouse-consumers
spring.kafka.consumer.properties.spring.json.trusted.packages=*

    

分别是生产者和消费者对应的配置，很简单。

3. 发送消息
   Spring-Kakfa中可以使用ReactiveKafkaProducerTemplate发送消息。
   首先，我们需要创建一个ReactiveKafkaProducerTemplate实例。（目前SpringBoot会自动创建KafkaTemplate实例，但不会创建ReactiveKafkaProducerTemplate实例）。

        @Configuration
public class KafkaConfig {
    @Autowired
    private KafkaProperties properties;

    @Bean
    public ReactiveKafkaProducerTemplate reactiveKafkaProducerTemplate() {
        SenderOptions options = SenderOptions.create(properties.getProducer().buildProperties());
        ReactiveKafkaProducerTemplate template = new ReactiveKafkaProducerTemplate(options);
        return template;
    }
}

    

KafkaProperties实例由SpringBoot自动创建，读取上面配置文件中对应的配置。

接下来，就可以使用ReactiveKafkaProducerTemplate发送消息了

            @Autowired
    private ReactiveKafkaProducerTemplate template;

    public static final String WAREHOUSE_TOPIC = "warehouse";
    public Mono<Boolean> add(Warehouse warehouse) {
        Mono<SenderResult<Void>> resultMono = template.send(WAREHOUSE_TOPIC, warehouse.getId(), warehouse);
        return resultMono.flatMap(rs -> {
            if(rs.exception() != null) {
                logger.error("send kafka error", rs.exception());
                return Mono.just(false);
            }
            return Mono.just(true);
        });
    }

    

ReactiveKafkaProducerTemplate#send方法返回一个Mono（这是Spring Reactor中的核心对象），Mono中携带了SenderResult，SenderResult中的RecordMetadata、exception存储该记录的元数据（包括offset、timestamp等信息）以及发送操作的异常。

4. 消费消息
   Spring-Kafka使用ReactiveKafkaConsumerTemplate消费消息。

        @Service
public class WarehouseConsumer {
    @Autowired
    private KafkaProperties properties;

    @PostConstruct
    public void consumer() {
        ReceiverOptions<Long, Warehouse> options = ReceiverOptions.create(properties.getConsumer().buildProperties());
        options = options.subscription(Collections.singleton(WarehouseService.WAREHOUSE_TOPIC));
        new ReactiveKafkaConsumerTemplate(options)
                .receiveAutoAck()
                .subscribe(record -> {
                    logger.info("Warehouse Record:" + record);
                });
    }
}

    

这里与之前使用@KafkaListener注解实现的消息监听者不同，不过也非常简单，分为两个步骤：
（1）ReceiverOptions#subscription方法将ReceiverOptions关联到kafka主题
（2）创建ReactiveKafkaConsumerTemplate，并注册subscribe的回调函数消费消息。
提示：receiveAutoAck方法会自动提交消费组offset。

Spring-Cloud-Stream

Spring-Cloud-Stream是Spring提供的用于构建消息驱动微服务的框架。
它为不同的消息中间件产品提供一种灵活的，统一的编程模型，可以屏蔽底层不同消息组件的差异，目前支持RabbitMQ、Kafka、RocketMQ等消息组件。

这里简单展示Spring-Cloud-Stream中实现Kafka响应式交互的示例，不深入介绍Spring-Cloud-Stream的应用。

1. 引入spring-cloud-starter-stream-kafka的引用

            <dependency>
      <groupId>org.springframework.cloud</groupId>
      <artifactId>spring-cloud-starter-stream-kafka</artifactId>
    </dependency>

    

2. 添加配置

        spring.cloud.stream.kafka.binder.brokers=172.17.0.2:9092,172.17.0.3:9092,172.17.0.4:9092
spring.cloud.stream.bindings.warehouse2-out-0.contentType=application/json
spring.cloud.stream.bindings.warehouse2-out-0.destination=warehouse2
# 消息格式
spring.cloud.stream.bindings.warehouse3-in-0.contentType=application/json
# 消息目的地，可以理解为Kafka主题
spring.cloud.stream.bindings.warehouse3-in-0.destination=warehouse2
# 定义消费者消费组，可以理解为Kafka消费组
spring.cloud.stream.bindings.warehouse3-in-0.group=warehouse2-consumers
# 映射方法名
spring.cloud.function.definition=warehouse2;warehouse3

    

Spring-Cloud-Stream 3.1版本之后，@EnableBinding、@Output等StreamApi注解都标记为废弃，并提供了一种更简洁的函数式编程模型。
该版本后，用户不需要使用注解，只要在配置文件中指定需要绑定的方法，Spring-Cloud-Stream会为用户将这些方法与底层消息组件绑定，用户可以直接调用这些方法发送消息，或者接收到消息时Spring-Cloud-Stream会调用这些方法消费消息。

通过以下格式定义输入、输出函数的相关属性：
输出（发送消息）：<functionName> + -out- + <index>
输入（消费消息）：<functionName> + -in- + <index>
对于典型的单个输入/输出函数，index始终为0，因此它仅与具有多个输入和输出参数的函数相关。
Spring-Cloud-Stream支持具有多个输入(函数参数)/输出（函数返回值）的函数。

spring.cloud.function.definition配置指定需要绑定的方法名，不添加该配置，Spring-Cloud-Stream会自动尝试绑定返回类型为Supplier/Function/Consumer的方法，但是使用该配置可以避免Spring-Cloud-Stream绑定混淆。

3. 发送消息
   用户可以编写一个返回类型为Supplier的方法，并定时发送消息

            @PollableBean
    public Supplier<Flux<Warehouse>> warehouse2() {
        Warehouse warehouse = new Warehouse();
        warehouse.setId(333L);
        warehouse.setName("天下第一仓");
        warehouse.setLabel("一级仓");

        logger.info("Supplier Add : {}", warehouse);
        return () -> Flux.just(warehouse);
    }

    

定义该方法后，Spring-Cloud-Stream每秒调用一次该方法，生成Warehouse实例，并发送到Kafka。
（这里方法名warehouse3已经配置在spring.cloud.function.definition中。）

通常场景下，应用并不需要定时发送消息，而是由业务场景触发发送消息操作， 如Rest接口，
这时可以使用StreamBridge接口

            @Autowired
    private StreamBridge streamBridge;

    public boolean add2(Warehouse warehouse) {
        return streamBridge.send("warehouse2-out-0", warehouse);
    }

    

暂时未发现StreamBridge如何实现响应式交互。

4. 消费消息
   应用要消费消息，只需要定义一个返回类型为Function/Consumer的方法即可。如下

            @Bean
    public Function<Flux<Warehouse>, Mono<Void>> warehouse3() {
        Logger logger = LoggerFactory.getLogger("WarehouseFunction");
        return flux -> flux.doOnNext(data -> {
            logger.info("Warehouse Data: {}", data);
        }).then();
    }

    

注意：方法名与<functionName> + -out- + <index>/<functionName> + -in- + <index>、
spring.cloud.function.definition中的配置需要保持一致，以免出错。

SpringCloudStream文档：https://docs.spring.io/spring-cloud-stream/docs/3.1.0/reference/html/spring-cloud-stream.html

文章完整代码：https://gitee.com/binecy/bin-springreactive/tree/master/warehouse-service

如果您觉得本文不错，欢迎关注我的微信公众号，系列文章持续更新中。您的关注是我坚持的动力！

原文：https://www.cnblogs.com/binecy/p/14920674.html