当前位置： 首页 > news >正文

Kafka入门4.0.0版本（基于Java、SpringBoot操作）

news 2025/6/14 6:25:02

Kafka入门4.0.0版本（基于Java、SpringBoot操作）

一、kafka概述

Kafka最初是由LinkedIn公司开发的，是一个高可靠、高吞吐量、低延迟的分布式发布订阅消息系统，它使用Scala语言编写，并于2010年被贡献给了Apache基金会，随后成为Apache的顶级开源项目。主要特点有:

  1. 为发布和订阅提供高吞吐量
  2. 消息持久化
  3. 分布式
  4. 消费消息采用Pull模式
  5. 支持在线和离线场景

本次采用最新的kafka版本4.0.0，Kafka 4.0 最引人瞩目的变化之一，当属其默认运行在 KRaft（Kafka Raft）模式下，彻底摆脱了对 Apache ZooKeeper 的依赖。在 Kafka 的发展历程中，ZooKeeper 曾是其核心组件，负责协调分布式系统中的元数据管理、Broker 注册、主题分区分配等关键任务。然而，随着 Kafka 功能的不断丰富与用户规模的持续扩大，ZooKeeper 逐渐成为系统部署和运维中的一个复杂性来源，增加了运营成本与管理难度。

KRaft 模式的引入，标志着 Kafka 在架构上的自我进化达到了一个新高度。通过采用基于 Raft 一致性算法的共识机制，Kafka 将元数据管理内嵌于自身体系，实现了对 ZooKeeper 的无缝替代。这一转变带来了多方面的显著优势：

简化部署与运维：运维人员无需再为维护 ZooKeeper 集群投入额外精力，降低了整体运营开销。新架构减少了系统的复杂性，使得 Kafka 的安装、配置和日常管理变得更加直观和高效。

增强可扩展性：KRaft 模式下，Kafka 集群的扩展性得到了进一步提升。新增 Broker 节点的加入流程更加简便，能够更好地适应大规模数据处理场景下对系统资源动态调整的需求。

提升系统性能与稳定性：去除 ZooKeeper 这一外部依赖后，Kafka 在元数据操作的响应速度和一致性方面表现出色。尤其是在高并发写入和读取场景下，系统的稳定性和可靠性得到了增强，减少了因外部组件故障可能导致的单点问题。

  • 之前的架构

在这里插入图片描述

  • 现在的架构

在这里插入图片描述

kafka消费模型

不同消费者组可以消费全量的消息，相同消费者组内的消费者只能消费一部分。

在这里插入图片描述

kafka基本概念

Producer（生产者）

消息的生产者，负责将消息发送到Kafka集群中。

Consumer（消费者）

消息的消费者，负责从Kafka集群中读取并处理消息

Broker（服务代理节点）

Kafka集群中的一个或多个服务器，负责存储和转发消息。

Topic（主题）

Kafka中的消息以主题为单位进行归类，生产者发送消息到特定主题，消费者订阅并消费这些主题的消息。

Partition（分区）

每个主题可以细分为多个分区，分区是Kafka存储消息的物理单位，每个分区可以看作是一个有序的、不可变的消息序列。

Replica（副本）

Kafka为每个分区引入了多副本机制，以提高数据的安全性和可靠性。副本分为leader和follower，其中leader负责处理读写请求，follower负责从leader同步数据。

Consumer Group（消费者组）

由多个消费者组成，消费者组内的消费者共同消费同一个主题的消息，但每个消费者只负责消费该主题的一个或多个分区，避免消息重复消费。

kraft

通过采用基于 Raft 一致性算法的共识机制，Kafka 将元数据管理内嵌于自身体系，实现了对 ZooKeeper 的无缝替代

kafka发送端采用push模式

kafka消费端采用pull模式订阅并消费消息

在这里插入图片描述

Kafka的工作原理

可以概括为以下几个步骤：

  • 消息发布： 生产者将消息发送到Kafka集群的特定主题，并可以选择发送到该主题的哪个分区。如果未指定分区，Kafka会根据负载均衡策略自动选择分区。

  • 消息存储： Kafka将接收到的消息存储在磁盘上的分区中，每个分区都是一个有序的消息序列。Kafka使用顺序写入和零拷贝技术来提高写入性能，并通过多副本机制确保数据的安全性和可靠性。

在这里插入图片描述

  • 消息消费： 消费者组中的消费者从Kafka集群中订阅并消费消息。每个消费者负责消费一个或多个分区中的消息，并确保消息至少被消费一次。消费者可以使用拉（Pull）模式或推（Push）模式从Kafka中拉取消息。

在这里插入图片描述

  • 负载均衡： Kafka通过ZooKeeper维护集群的元数据信息，包括分区和消费者的对应关系。当消费者数量或分区数量发生变化时，Kafka会重新分配分区给消费者，以实现负载均衡。

  • 容错机制： Kafka通过多副本机制实现容错。当leader副本出现故障时，Kafka会从ISR（In-Sync Replicas）集合中选择一个新的leader副本继续对外提供服务。同时，Kafka还提供了多种可靠性级别供用户选择，以满足不同的业务需求。

kafka特点

一、Kafka的持久化机制

Kafka的持久化机制主要涉及消息的存储和复制。Kafka以日志的形式存储消息，每个主题（Topic）被划分为多个分区（Partition），每个分区中的消息按照顺序进行存储。Kafka使用多个副本（Replica）来保证消息的持久性和可靠性，每个分区的消息会被复制到多个副本中，以防止数据丢失。此外，Kafka还允许根据配置的保留策略来保留已消费的消息一段时间，以便在需要时进行检索和恢复。

Kafka的副本机制是其实现高可用性和数据持久性的重要基石。每个主题的每个分区都配置有多个副本，这些副本分散保存在不同的Broker上，从而能够对抗部分Broker宕机带来的数据不可用问题。Kafka的副本机制包括领导者副本（Leader Replica）和追随者副本（Follower Replica）：

领导者副本：负责处理所有的读写请求，包括生产者的消息写入和消费者的消息读取。

追随者副本：从领导者副本异步拉取消息，并写入到自己的提交日志中，从而实现与领导者副本的同步。追随者副本不对外提供服务，只作为数据的冗余备份。

Kafka还引入了ISR（In-Sync Replicas）机制，即与领导者副本保持同步的副本集合。只有处于ISR中的副本才能参与到消息的写入和读取过程中，以确保数据的一致性和可靠性。当某个副本与领导者副本的同步延迟超过一定的阈值时，它会被踢出ISR，直到同步恢复正常。

二、Kafka的数据一致性

Kafka通过多个机制来确保数据的一致性，包括副本同步、ISR机制、生产者事务和消费者事务等：

副本同步：确保主副本将数据同步到所有副本的过程，在副本同步完成之前，生产者才会认为消息已经被成功写入。

ISR机制：通过动态调整ISR列表中的副本，确保只有可靠的副本参与到数据的读写操作，从而提高数据的一致性和可靠性。

生产者事务：Kafka的生产者事务机制可以确保消息的Exactly-Once语义，即消息不会被重复写入或丢失。生产者事务将消息的发送和位移提交等操作放在同一个事务中，一旦事务提交成功，就意味着消息已经被成功写入，并且对应的位移也已经提交。

消费者事务：虽然Kafka的消费者通常不直接支持事务但消费者可以通过提交位移（Offset）来确保消息的正确消费。消费者事务将消息的拉取和位移提交等操作放在同一个事务中，以确保消息不会被重复消费或丢失。

二、kafka应用

2.1 win11安装kafka4.0.0

下载地址：https://kafka.apache.org/downloads 下载最后一个kafka-2.13-4.0.0.tgz

在这里插入图片描述

下载好之后，把这个压缩包解压就行了，然后找到config下面的server.properties

找到log.dirs改成自己电脑上的目录

log.dirs=E:\\runSoft\\kafka\\data

在这里插入图片描述

  • 第一步 获取uuid

先打开命令行，进入到bin下面的windows目录下

命令

kafka-storage.bat random-uuid

在这里插入图片描述

先获取uuid，我的uuid为ANVnC_s-QYGJF1C7wu9Aww

  • 第二步 格式化日志

命令：

kafka-storage.bat format --standalone -t PPEZ2LW8T8yjZNWnfNHorQ -c ../../config/server.properties

在这里插入图片描述

  • 第三步 启动

打开命令行，进入到bin下面的windows目录下 启动命令

kafka-server-start.bat ../../config/server.properties
创建topic
kafka-topics.bat --create --topic quickstart-events --bootstrap-server localhost:9092
启动一个消费端
kafka-console-consumer.bat --topic quickstart-events --from-beginning --bootstrap-server localhost:9092
启动一个生产端
kafka-console-consumer.bat --topic quickstart-events --from-beginning --bootstrap-server localhost:9092
问题
1、如果提示如下
命令行  输入行太长。
命令语法不正确。

则需要把目录变短，目录太长，win11不让输入。

2，tgz需要解压两次
只解压一次是不行的，tgz是打包之后压缩的。

3、如果启动失败，需要重新配置

重新配置时。把log.dirs的路径下面的东西清空
2.2 java开发kafka

第一步，引入依赖

 <dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-clients</artifactId><version>4.0.0</version>
</dependency><dependency><groupId>org.slf4j</groupId><artifactId>slf4j-api</artifactId><version>2.0.17</version>
</dependency>

第二步，建立生产者

public class Producer {public static void main(String[] args) {Map<String,Object> props = new HashMap<>();//  kafka 集群 节点props.put("bootstrap.servers", "localhost:9092");props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");String topic = "test";KafkaProducer<String,  String> producer = new KafkaProducer(props);producer.send(new ProducerRecord<String, String>(topic, "key", "value-1"));producer.send(new ProducerRecord<String, String>(topic, "key", "value-2"));producer.send(new ProducerRecord<String, String>(topic, "key", "value-3"));producer.close();}}

ProducerRecord 是 Kafka 中的一个核心类，它代表了一组 Kafka 需要发送的 key/value 键值对，它由记录要发送到的主题名称（Topic Name），**可选的分区号（Partition Number）**以及可选的键值对构成。

在这里插入图片描述

第三步、建立消费者类

public class Consumer {public static void main(String[] args){Properties props = new Properties();props.put("bootstrap.servers", "localhost:9092");props.put("group.id", "test");props.put("enable.auto.commit", "true");props.put("auto.commit.interval.ms", "1000");props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");KafkaConsumer<String , String> consumer = new KafkaConsumer<>(props);consumer.subscribe(Arrays.asList("test"));while (true) {ConsumerRecords<String,String> records =  consumer.poll(Duration.ofDays(100));for (ConsumerRecord<String, String> record : records) {System.out.printf("partition = %d ,offset = %d, key = %s, value = %s%n",record.partition(), record.offset(), record.key(), record.value());}}}
}

运行效果

在这里插入图片描述

2.3 spring boot整合kafka

第一步，引入依赖

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd"><modelVersion>4.0.0</modelVersion><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.4.1</version><relativePath/> <!-- lookup parent in repository --></parent><artifactId>spring_boot_kafka_demo</artifactId><packaging>jar</packaging><name>spring_boot_kafka_demo Maven Webapp</name><url>http://maven.apache.org</url><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter</artifactId></dependency><dependency><groupId>org.springframework.kafka</groupId><artifactId>spring-kafka</artifactId></dependency><dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-clients</artifactId><version>4.0.0</version></dependency></dependencies><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build>
</project>

第二步，编写配置文件

编写resources下的application.yml

spring:kafka:bootstrap-servers: localhost:9092consumer:auto-offset-reset: earliest

第三步，编写生产者

@Service
public class Producer {@Autowiredprivate KafkaTemplate<String, String> kafkaTemplate;public void sendMessage(String message) {kafkaTemplate.send("topic1", message);}@PostConstructpublic void init() {sendMessage("Hello, Kafka!");}
}

第四步，编写消费者

@Component
public class Consumer {@KafkaListener(id = "myId", topics = "topic1")public void listen(String in) {System.out.println(in);}
}

第五步，编写启动类

@SpringBootApplication
public class Application {public static void main(String[] args) {SpringApplication.run(Application.class, args);}}

运行效果

在这里插入图片描述

2.4 记录日志到kafka中

第一步，在2.3的基础上，添加依赖

<dependency><groupId>org.slf4j</groupId><artifactId>slf4j-api</artifactId><version>2.0.12</version> <!-- Spring Boot 3.x 推荐版本 -->
</dependency>

第二步，添加kafka的日志appender类

public class KafkaLogbackAppender extends UnsynchronizedAppenderBase<ILoggingEvent> {private String topic = "application-logs";private String bootstrapServers = "localhost:9092";private KafkaProducer<String, String> producer;@Overridepublic void start() {Properties props = new Properties();props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, bootstrapServers);props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());this.producer = new KafkaProducer<>(props);super.start();}@Overrideprotected void append(ILoggingEvent eventObject) {String msg = eventObject.getFormattedMessage();producer.send(new ProducerRecord<>(topic, msg));}@Overridepublic void stop() {if (producer != null) {producer.close();}super.stop();}// Getter and Setter for XML configpublic void setTopic(String topic) {this.topic = topic;}public void setBootstrapServers(String bootstrapServers) {this.bootstrapServers = bootstrapServers;}
}

第三步，在resources下添加logback-spring.xml文件

<configuration debug="false" scan="true" scanPeriod="30 seconds"><!-- 定义日志格式 --><property name="PATTERN" value="%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{36} - %msg%n"/><!-- 控制台输出 --><appender name="STDOUT" class="ch.qos.logback.core.ConsoleAppender"><encoder><pattern>${PATTERN}</pattern></encoder></appender><!-- Kafka Appender --><appender name="KAFKA" class="com.demo.KafkaLogbackAppender"><bootstrapServers>localhost:9092</bootstrapServers><topic>application-logs</topic></appender><!-- 根日志输出 --><root level="info"><appender-ref ref="STDOUT"/><appender-ref ref="KAFKA"/></root></configuration>

第四步，修改Producer类

@Service
public class Producer {private static final Logger logger = LoggerFactory.getLogger(Producer.class);@Autowiredprivate KafkaTemplate<String, String> kafkaTemplate;public void sendMessage(String message) {kafkaTemplate.send("topic1", message);}@PostConstructpublic void init() {sendMessage("Hello, Kafka!");logger.info("Message sent");logger.info("Message sent");logger.info("Message sent");logger.info("Message sent");logger.info("Message sent");}
}

第五步，修改Consumer类

@Component
public class Consumer {@KafkaListener(id = "myId", topics = "topic1")public void listen(String in) {System.out.println(in);}@KafkaListener(id = "myId2", topics = "application-logs")public void listen2(String in) {System.out.println("resinfo:"+in);}
}
http://www.xdnf.cn/news/1015129.html

相关文章：

  • [Godot] C#读取CSV表格创建双层字典实现本地化
  • Yarn与NPM缓存存储目录迁移
  • c++ std::function
  • MySQL查询缓存深度剖析
  • 多环境开发配置，Spring boot
  • RK3576 Android14 DMIC调制
  • 前端构建工具Webapck、Vite——＞前沿字节开源Rspack详解——2023D2大会
  • 打卡第44天：无人机数据集分类
  • android过渡动画
  • 【Pytorch】(1)Pytorch环境安装-①创建虚拟环境
  • NB-IoT-下行同步、广播信道和信号
  • Volta 管理 Node 版本最佳实践教程
  • 【CATIA的二次开发28】抽象对象Document涉及应用程序连接的属性
  • python中的面向对象：继承、封装、多态
  • 中小企业数字化转型：如何选择靠谱的软件开发服务商？
  • 【知识图谱构建系列2】LLM4KGC项目安装运行
  • Profinet转Modbus网关：破解热处理炉协议壁垒的温控通讯密码
  • Python图片格式转换工具深度解析[附源码】
  • Blender 4.4.3三维动画建模和渲染软件Win/Mac双端资源下载
  • RDMA简介7之RoCE v2可靠传输
  • 包含11个整套APP移动端UI的psd适用于旅行聊天交友相关的社交应用程序
  • 机器学习中的数据准备关键技术
  • iOS性能调试完整流程实录：工具组合下的问题定位与修复实践(含keymob)
  • 云端求解热方程：源于傅里叶的洞察-AI云计算数值分析和代码验证
  • 前端处理后端对象类型时间格式通用方法封装，前端JS处理JSON 序列化后的格式 java.time 包中的日期时间类
  • TensorFlow 与 PyTorch区别
  • 新书速览|大模型核心技术与开发实践：基于Transformer、PyTorch及Hugging Face
  • 哈希表三种数据结构在leetcode中的使用情况分析
  • 【Linux】进程创建、终止、等待、替换
  • 精品可编辑PPT | 基于人工智能及大数据的综合智能交通管理平台AI大数据平替智慧交通