对于最新的稳定版本,请使用 Spring for Apache Kafka 3.3.0spring-doc.cadn.net.cn

Apache Kafka Streams 支持

从版本 1.1.4 开始, Spring for Apache Kafka 为 Kafka Streams 提供了一流的支持。 要从 Spring 应用程序中使用它,kafka-streamsjar 必须存在于 Classpath 中。 它是 Spring for Apache Kafka 项目的可选依赖项,不能传递下载。spring-doc.cadn.net.cn

基本

参考 Apache Kafka Streams 文档建议了以下使用 API 的方法:spring-doc.cadn.net.cn

// Use the builders to define the actual processing topology, e.g. to specify
// from which input topics to read, which stream operations (filter, map, etc.)
// should be called, and so on.

StreamsBuilder builder = ...;  // when using the Kafka Streams DSL

// Use the configuration to tell your application where the Kafka cluster is,
// which serializers/deserializers to use by default, to specify security settings,
// and so on.
StreamsConfig config = ...;

KafkaStreams streams = new KafkaStreams(builder, config);

// Start the Kafka Streams instance
streams.start();

// Stop the Kafka Streams instance
streams.close();

所以,我们有两个主要组件:spring-doc.cadn.net.cn

KStream实例暴露于KafkaStreams实例StreamsBuilder同时启动和停止,即使它们具有不同的逻辑。 换句话说,由StreamsBuilder与单个生命周期控制相关联。 一旦KafkaStreams实例已被streams.close(),则无法重新启动。 相反,一个新的KafkaStreams实例才能重新启动流处理。

Spring 管理

为了从 Spring 应用程序上下文的角度简化 Kafka Streams 的使用,并通过容器使用生命周期管理,Spring for Apache Kafka 引入了StreamsBuilderFactoryBean. 这是一个AbstractFactoryBean实现来公开StreamsBuildersingleton 实例作为 bean。 下面的示例创建这样的 bean:spring-doc.cadn.net.cn

@Bean
public FactoryBean<StreamsBuilder> myKStreamBuilder(KafkaStreamsConfiguration streamsConfig) {
    return new StreamsBuilderFactoryBean(streamsConfig);
}
从版本 2.2 开始,流配置现在作为KafkaStreamsConfigurationobject 而不是StreamsConfig.

StreamsBuilderFactoryBean还实现了SmartLifecycle要管理内部KafkaStreams实例。 与 Kafka Streams API 类似,您必须定义KStream实例,然后再启动KafkaStreams. 这也适用于 Spring API for Kafka Streams。 因此,当您使用 defaultautoStartup = trueStreamsBuilderFactoryBean,您必须声明KStream实例StreamsBuilder在刷新应用程序上下文之前。 例如KStream可以是常规的 bean 定义,而使用 Kafka Streams API 不会产生任何影响。 以下示例显示了如何执行此作:spring-doc.cadn.net.cn

@Bean
public KStream<?, ?> kStream(StreamsBuilder kStreamBuilder) {
    KStream<Integer, String> stream = kStreamBuilder.stream(STREAMING_TOPIC1);
    // Fluent KStream API
    return stream;
}

如果要手动控制生命周期(例如,按某个条件停止和启动),可以引用StreamsBuilderFactoryBeanbean 直接使用工厂 bean () 前缀。 因为&StreamsBuilderFactoryBean使用其内部KafkaStreams实例,则可以安全地停止并再次重新启动它。 新的KafkaStreams在每个start(). 您也可以考虑使用不同的StreamsBuilderFactoryBean实例(如果您想控制KStream实例。spring-doc.cadn.net.cn

您还可以指定KafkaStreams.StateListener,Thread.UncaughtExceptionHandlerStateRestoreListener选项StreamsBuilderFactoryBean,这些 API 被委托给内部的KafkaStreams实例。 此外,除了间接地打开这些选项之外StreamsBuilderFactoryBean,从版本 2.1.5 开始,您可以使用KafkaStreamsCustomizer回调接口配置内部KafkaStreams实例。 请注意,KafkaStreamsCustomizer覆盖StreamsBuilderFactoryBean. 如果您需要执行一些KafkaStreams作,您可以访问该内部KafkaStreams实例StreamsBuilderFactoryBean.getKafkaStreams(). 您可以自动装配StreamsBuilderFactoryBeanbean by type,但你应该确保在 bean 定义中使用 full 类型,如下例所示:spring-doc.cadn.net.cn

@Bean
public StreamsBuilderFactoryBean myKStreamBuilder(KafkaStreamsConfiguration streamsConfig) {
    return new StreamsBuilderFactoryBean(streamsConfig);
}
...
@Autowired
private StreamsBuilderFactoryBean myKStreamBuilderFactoryBean;

或者,您也可以添加@Qualifierfor injection by name(如果使用接口 bean 定义)。 以下示例显示了如何执行此作:spring-doc.cadn.net.cn

@Bean
public FactoryBean<StreamsBuilder> myKStreamBuilder(KafkaStreamsConfiguration streamsConfig) {
    return new StreamsBuilderFactoryBean(streamsConfig);
}
...
@Autowired
@Qualifier("&myKStreamBuilder")
private StreamsBuilderFactoryBean myKStreamBuilderFactoryBean;

从版本 2.4.1 开始,工厂 bean 有一个新属性infrastructureCustomizer带类型KafkaStreamsInfrastructureCustomizer;这允许自定义StreamsBuilder(例如,添加状态存储)和/或Topology在创建流之前。spring-doc.cadn.net.cn

public interface KafkaStreamsInfrastructureCustomizer {

    void configureBuilder(StreamsBuilder builder);

    void configureTopology(Topology topology);

}

提供默认的 no-op 实现,以避免在不需要一种方法时必须同时实现这两种方法。spring-doc.cadn.net.cn

一个CompositeKafkaStreamsInfrastructureCustomizer,用于需要应用多个定制器的情况。spring-doc.cadn.net.cn

KafkaStreams Micrometer 支持

在 2.5.3 版本引入,您可以配置KafkaStreamsMicrometerListener要自动注册千分尺,请使用KafkaStreams由工厂 Bean 管理的对象:spring-doc.cadn.net.cn

streamsBuilderFactoryBean.addListener(new KafkaStreamsMicrometerListener(meterRegistry,
        Collections.singletonList(new ImmutableTag("customTag", "customTagValue"))));

Streams JSON 序列化和反序列化

为了在以 JSON 格式读取或写入主题或状态存储时对数据进行序列化和反序列化, Spring for Apache Kafka 提供了一个JsonSerde实现,委托给JsonSerializerJsonDeserializer序列化、反序列化和消息转换中进行了介绍。 这JsonSerdeimplementation 通过其构造函数(Target Type 或ObjectMapper). 在以下示例中,我们使用JsonSerde要序列化和反序列化Catpayload 的 GitHub 的JsonSerde可以在需要实例的地方以类似的方式使用):spring-doc.cadn.net.cn

stream.through(Serdes.Integer(), new JsonSerde<>(Cat.class), "cats");

当以编程方式构造序列化器/反序列化器以在 producer/consumer 工厂中使用时,从版本 2.3 开始,你可以使用 Fluent API,这简化了配置。spring-doc.cadn.net.cn

stream.through(
    new JsonSerde<>(MyKeyType.class)
        .forKeys()
        .noTypeInfo(),
    new JsonSerde<>(MyValueType.class)
        .noTypeInfo(),
    "myTypes");

KafkaStreamBrancher

KafkaStreamBrancher类引入了一种更方便的方式来在KStream.spring-doc.cadn.net.cn

请考虑以下示例,该示例不使用KafkaStreamBrancher:spring-doc.cadn.net.cn

KStream<String, String>[] branches = builder.stream("source").branch(
        (key, value) -> value.contains("A"),
        (key, value) -> value.contains("B"),
        (key, value) -> true
);
branches[0].to("A");
branches[1].to("B");
branches[2].to("C");

以下示例使用KafkaStreamBrancher:spring-doc.cadn.net.cn

new KafkaStreamBrancher<String, String>()
        .branch((key, value) -> value.contains("A"), ks -> ks.to("A"))
        .branch((key, value) -> value.contains("B"), ks -> ks.to("B"))
        //default branch should not necessarily be defined in the end of the chain!
        .defaultBranch(ks -> ks.to("C"))
        .onTopOf(builder.stream("source"));
        //onTopOf method returns the provided stream so we can continue with method chaining

配置

要配置 Kafka Streams 环境,请使用StreamsBuilderFactoryBean需要KafkaStreamsConfiguration实例。 有关所有可能的选项,请参阅 Apache Kafka 文档spring-doc.cadn.net.cn

从版本 2.2 开始,流配置现在作为KafkaStreamsConfigurationobject,而不是作为StreamsConfig.

为了在大多数情况下避免使用样板代码,尤其是在开发微服务时, Spring for Apache Kafka 提供了@EnableKafkaStreams注解,您应该将其放置在@Configuration类。 您只需声明一个KafkaStreamsConfiguration名为defaultKafkaStreamsConfig. 一个StreamsBuilderFactoryBeanBean 中名为defaultKafkaStreamsBuilder)会自动在 application 上下文中声明。 您可以声明并使用任何额外的StreamsBuilderFactoryBeanBeans也是如此。 您可以通过提供实现StreamsBuilderFactoryBeanConfigurer. 如果有多个这样的 bean,它们将根据其Ordered.order财产。spring-doc.cadn.net.cn

清理和停止配置

当工厂停止时,KafkaStreams.close()使用 2 个参数调用 :spring-doc.cadn.net.cn

  • closeTimeout :等待线程关闭的时间(默认为DEFAULT_CLOSE_TIMEOUT设置为 10 秒)。可使用StreamsBuilderFactoryBean.setCloseTimeout().spring-doc.cadn.net.cn

  • leaveGroupOnClose :触发来自群组的消费者离开调用(默认为false).可使用StreamsBuilderFactoryBean.setLeaveGroupOnClose().spring-doc.cadn.net.cn

默认情况下,当工厂 Bean 停止时,KafkaStreams.cleanUp()方法。 从版本 2.1.2 开始,工厂 bean 具有额外的构造函数,采用CleanupConfig对象,该对象具有允许您控制cleanUp()method 在start()stop()或者两者都不是。 从版本 2.7 开始,默认值是永不清理本地状态。spring-doc.cadn.net.cn

标头扩充器

版本 3.0 添加了HeaderEnricherProcessor的扩展ContextualProcessor;提供与已弃用的HeaderEnricher它实现了已弃用的Transformer接口。 这可用于在流处理中添加标头;标头值是 SPEL 表达式;表达式求值的根对象有 3 个属性:spring-doc.cadn.net.cn

表达式必须返回byte[]String(将转换为byte[]UTF-8).spring-doc.cadn.net.cn

要在流中使用扩充器:spring-doc.cadn.net.cn

.process(() -> new HeaderEnricherProcessor(expressions))

处理器不会更改keyvalue;它只是添加标题。spring-doc.cadn.net.cn

每条记录都需要一个新实例。
.process(() -> new HeaderEnricherProcessor<..., ...>(expressionMap))

下面是一个简单的示例,添加了一个 Literal 标头和一个变量:spring-doc.cadn.net.cn

Map<String, Expression> headers = new HashMap<>();
headers.put("header1", new LiteralExpression("value1"));
SpelExpressionParser parser = new SpelExpressionParser();
headers.put("header2", parser.parseExpression("record.timestamp() + ' @' + record.offset()"));
ProcessorSupplier supplier = () -> new HeaderEnricher<String, String>(headers);
KStream<String, String> stream = builder.stream(INPUT);
stream
        .process(() -> supplier)
        .to(OUTPUT);

MessagingProcessor

版本 3.0 添加了MessagingProcessor的扩展ContextualProcessor,提供与已弃用的MessagingTransformer它实现了已弃用的Transformer接口。 这允许 Kafka Streams 拓扑与 Spring Messaging 组件(例如 Spring Integration 流)进行交互。 transformer 需要MessagingFunction.spring-doc.cadn.net.cn

@FunctionalInterface
public interface MessagingFunction {

    Message<?> exchange(Message<?> message);

}

Spring 集成使用其GatewayProxyFactoryBean. 它还需要一个MessagingMessageConverter将键、值和元数据(包括标头)与 Spring 消息传递相互转换Message<?>. 看[从KStream] 了解更多信息。spring-doc.cadn.net.cn

从反序列化异常中恢复

版本 2.3 引入了RecoveringDeserializationExceptionHandler当发生反序列化异常时,它可以采取一些作。 请参阅 Kafka 文档DeserializationExceptionHandler,其中RecoveringDeserializationExceptionHandler是一种实现。 这RecoveringDeserializationExceptionHandler配置了ConsumerRecordRecoverer实现。 该框架提供了DeadLetterPublishingRecoverer这会将失败的记录发送到死信主题。 有关此恢复程序的更多信息,请参阅 Publishing Dead-letter Recordsspring-doc.cadn.net.cn

要配置恢复器,请将以下属性添加到您的 streams 配置中:spring-doc.cadn.net.cn

@Bean(name = KafkaStreamsDefaultConfiguration.DEFAULT_STREAMS_CONFIG_BEAN_NAME)
public KafkaStreamsConfiguration kStreamsConfigs() {
    Map<String, Object> props = new HashMap<>();
    ...
    props.put(StreamsConfig.DEFAULT_DESERIALIZATION_EXCEPTION_HANDLER_CLASS_CONFIG,
            RecoveringDeserializationExceptionHandler.class);
    props.put(RecoveringDeserializationExceptionHandler.KSTREAM_DESERIALIZATION_RECOVERER, recoverer());
    ...
    return new KafkaStreamsConfiguration(props);
}

@Bean
public DeadLetterPublishingRecoverer recoverer() {
    return new DeadLetterPublishingRecoverer(kafkaTemplate(),
            (record, ex) -> new TopicPartition("recovererDLQ", -1));
}

当然,recoverer()bean 可以是你自己的ConsumerRecordRecoverer.spring-doc.cadn.net.cn

交互式查询支持

从版本 3.2 开始, Spring for Apache Kafka 提供了在 Kafka Streams 中进行交互式查询所需的基本工具。 交互式查询在有状态 Kafka Streams 应用程序中非常有用,因为它们提供了一种持续查询应用程序中有状态存储的方法。 因此,如果应用程序想要实现所考虑的系统的当前视图,交互式查询提供了一种实现此目的的方法。 要了解有关交互式查询的更多信息,请参阅此文。 Spring 中对 Apache Kafka 的支持以一个名为KafkaStreamsInteractiveQueryService这是 Kafka Streams 库中交互式查询 API 的门面。 应用程序可以将此服务的实例创建为 bean,然后使用它来按其名称检索状态存储。spring-doc.cadn.net.cn

以下代码片段显示了一个示例。spring-doc.cadn.net.cn

@Bean
public KafkaStreamsInteractiveQueryService kafkaStreamsInteractiveQueryService(StreamsBuilderFactoryBean streamsBuilderFactoryBean) {
    final KafkaStreamsInteractiveQueryService kafkaStreamsInteractiveQueryService =
            new KafkaStreamsInteractiveQueryService(streamsBuilderFactoryBean);
    return kafkaStreamsInteractiveQueryService;
}

假设 Kafka Streams 应用程序具有一个名为app-store,则可以通过KafkStreamsInteractiveQueryAPI 如下所示。spring-doc.cadn.net.cn

@Autowired
private KafkaStreamsInteractiveQueryService interactiveQueryService;

ReadOnlyKeyValueStore<Object, Object>  appStore = interactiveQueryService.retrieveQueryableStore("app-store", QueryableStoreTypes.keyValueStore());

一旦应用程序获得对状态存储的访问权限,它就可以从中查询键值信息。spring-doc.cadn.net.cn

在这种情况下,应用程序使用的状态存储是只读键值存储。 Kafka Streams 应用程序还可以使用其他类型的状态存储。 例如,如果应用程序更喜欢查询基于窗口的存储,它可以在 Kafka Streams 应用程序业务逻辑中构建该存储,然后检索它。 因此,用于检索KafkaStreamsInteractiveQueryService具有泛型存储类型签名,以便最终用户可以分配适当的类型。spring-doc.cadn.net.cn

下面是来自 API 的类型签名。spring-doc.cadn.net.cn

public <T> T retrieveQueryableStore(String storeName, QueryableStoreType<T> storeType)

调用此方法时,用户可以指定请求正确的 state store 类型,就像我们在上面的例子中所做的那样。spring-doc.cadn.net.cn

重试状态存储检索

尝试使用KafkaStreamsInteractiveQueryService,则可能会因各种原因找不到 state store。 如果这些原因是暂时的,KafkaStreamsInteractiveQueryService提供了一个选项,通过允许注入自定义RetryTemplate. 默认情况下,RetryTemmplate用于KafkaStreamsInteractiveQueryService使用最多 3 次尝试,固定回退为 1 秒。spring-doc.cadn.net.cn

以下是注入自定义RetryTemmplateKafkaStreamsInteractiveQueryService最大尝试次数为 10 次。spring-doc.cadn.net.cn

@Bean
public KafkaStreamsInteractiveQueryService kafkaStreamsInteractiveQueryService(StreamsBuilderFactoryBean streamsBuilderFactoryBean) {
    final KafkaStreamsInteractiveQueryService kafkaStreamsInteractiveQueryService =
            new KafkaStreamsInteractiveQueryService(streamsBuilderFactoryBean);
    RetryTemplate retryTemplate = new RetryTemplate();
    retryTemplate.setBackOffPolicy(new FixedBackOffPolicy());
    RetryPolicy retryPolicy = new SimpleRetryPolicy(10);
    retryTemplate.setRetryPolicy(retryPolicy);
    kafkaStreamsInteractiveQueryService.setRetryTemplate(retryTemplate);
    return kafkaStreamsInteractiveQueryService;
}

查询远程状态存储

上面显示的用于检索状态存储的 API -retrieveQueryableStore适用于本地可用的键值 state 存储。 在生产设置中,Kafka Streams 应用程序很可能根据分区数量进行分布。 如果一个主题有四个分区,并且有四个相同的 Kafka Streams 处理器实例正在运行,则每个实例可能负责处理该主题的单个分区。 在这种情况下,调用retrieveQueryableStore可能无法给出实例正在查找的正确结果,尽管它可能会返回有效的存储。 假设具有四个分区的主题包含有关各种键的数据,并且单个分区始终负责特定键。 如果调用retrieveQueryableStore正在查找有关此实例不托管的密钥的信息,则它不会收到任何数据。 这是因为当前的 Kafka Streams 实例对此密钥一无所知。 要解决此问题,调用实例首先需要确保它们具有托管特定密钥的 Kafka Streams 处理器实例的主机信息。 这可以从同一application.id如下。spring-doc.cadn.net.cn

@Autowired
private KafkaStreamsInteractiveQueryService interactiveQueryService;

HostInfo kafkaStreamsApplicationHostInfo = this.interactiveQueryService.getKafkaStreamsApplicationHostInfo("app-store", 12345, new IntegerSerializer());

在上面的示例代码中,调用实例正在查询特定键12345从名为app-store. API 还需要一个相应的密钥序列化器,在本例中为IntegerSerializer. Kafka Streams 会查看同一application.id并尝试查找托管此特定键的实例, 找到后,它会将该主机信息作为HostInfo对象。spring-doc.cadn.net.cn

API 如下所示:spring-doc.cadn.net.cn

public <K> HostInfo getKafkaStreamsApplicationHostInfo(String store, K key, Serializer<K> serializer)

当使用同一application.id在这样的分布式方式中,应用程序应该提供一个 RPC 层,其中状态存储可以通过 RPC 端点(如 REST 端点)进行查询。 有关此内容的更多详细信息,请参阅此文章。 使用 Spring for Apache Kafka 时,使用 spring-web 技术添加基于 Spring 的 REST 端点非常容易。 一旦有了 REST 端点,就可以使用它从任何 Kafka Streams 实例查询状态存储,前提是HostInfo实例知道密钥的托管位置。spring-doc.cadn.net.cn

如果托管实例的密钥是当前实例,则应用程序不需要调用 RPC 机制,而是进行 JVM 内调用。 但是,问题在于应用程序可能不知道进行调用的实例是托管密钥的位置,因为特定服务器可能会因使用者重新平衡而丢失分区。 要解决此问题,请执行以下作KafkaStreamsInteractiveQueryService提供便捷的 API,通过 API 方法查询当前主机信息getCurrentKafkaStreamsApplicationHostInfo()返回当前的HostInfo. 这个想法是,应用程序可以首先获取有关密钥保存位置的信息,然后比较HostInfo替换为 one about the current instance。 如果HostInfodata 匹配项,然后它可以通过retrieveQueryableStore,否则请选择 RPC 选项。spring-doc.cadn.net.cn

Kafka Streams 示例

以下示例结合了我们在本章中介绍的各种主题:spring-doc.cadn.net.cn

@Configuration
@EnableKafka
@EnableKafkaStreams
public class KafkaStreamsConfig {

    @Bean(name = KafkaStreamsDefaultConfiguration.DEFAULT_STREAMS_CONFIG_BEAN_NAME)
    public KafkaStreamsConfiguration kStreamsConfigs() {
        Map<String, Object> props = new HashMap<>();
        props.put(StreamsConfig.APPLICATION_ID_CONFIG, "testStreams");
        props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");
        props.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.Integer().getClass().getName());
        props.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass().getName());
        props.put(StreamsConfig.DEFAULT_TIMESTAMP_EXTRACTOR_CLASS_CONFIG, WallclockTimestampExtractor.class.getName());
        return new KafkaStreamsConfiguration(props);
    }

    @Bean
    public StreamsBuilderFactoryBeanConfigurer configurer() {
        return fb -> fb.setStateListener((newState, oldState) -> {
            System.out.println("State transition from " + oldState + " to " + newState);
        });
    }

    @Bean
    public KStream<Integer, String> kStream(StreamsBuilder kStreamBuilder) {
        KStream<Integer, String> stream = kStreamBuilder.stream("streamingTopic1");
        stream
                .mapValues((ValueMapper<String, String>) String::toUpperCase)
                .groupByKey()
                .windowedBy(TimeWindows.of(Duration.ofMillis(1_000)))
                .reduce((String value1, String value2) -> value1 + value2,
                		Named.as("windowStore"))
                .toStream()
                .map((windowedId, value) -> new KeyValue<>(windowedId.key(), value))
                .filter((i, s) -> s.length() > 40)
                .to("streamingTopic2");

        stream.print(Printed.toSysOut());

        return stream;
    }

}