当前位置：首页 > news >正文

Kafka+PostgreSql，构建一个总线服务

news 2026/3/28 5:42:08

之前开发的系统，用到了RabbitMQ和SQL Server作为总线服务的传输层和存储层，最近一直在看Kafka和PostgreSql相关的知识，想着是不是可以把服务总线的技术栈切换到这个上面。今天花了点时间试了试，过程还是比较顺利的，后续就是搭建基础服务的事情了。这里简单分享一下。

环境安装

安装Kafka

官方文档：Apache Kafka，可以直接参考，我这里简单介绍下我在本地搭建开发环境的过程，还是遇到了一个小坑。

我这里是在本地WSL 2环境下进行的安装，安装过程就参考官方文档的推荐流程即可

下载安装包

注意，这里要下载编译后的包，不嫌麻烦的话，可以下载源代码，编译后再使用。

wget -c https://downloads.apache.org/kafka/3.8.0/kafka_2.12-3.8.0.tgz

安装

tar -xzf kafka_2.13-3.8.0.tgz
cd kafka_2.13-3.8.0

这里安装完成后的路径是这样子的

重点关注的就是bin，config和logs这3个目录。

启动服务

官方提供了2中启动策略，一个是KRaft，一个是Zookeeper，我这里用的zookeeper

先启动zookeeper服务

bin/zookeeper-server-start.sh config/zookeeper.properties

在启动kafka服务

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

后面的zookeeper.properties和server.properties是配置文件，后续有配置需求的时候可以修改，比如监听地址，brokerid等等，长这样👇

启动后控制台的输出是这样

这样，一个kafka的服务节点就启动了。

对了，kafka是依赖java环境的，安装之前本地要安装jdk，我这里使用的是openjdk，也是ok的。

*端口转发（仅WSL2环境）

在WSL2环境下，需要配置下端口转发，不然宿主机连接不到broker，

netsh interface portproxy add v4tov4 listenport=9092 listenaddress=0.0.0.0 connectport=9092 connectaddress=172.28.240.79

后面那个ip地址就写宿主机给WSL环境下发的地址

此外，宿主机和wsl环境都放开9092（或者你设置的）端口

链接测试

这里有很多客户端的ui工具或者插件可以连接Kafka，官方本身也提供了测试命令，比如官方文档里给的测试案例就是用这几个命令

本地开发的话，我这里用的vs code的tools for apache kafka@ 这个插件，在插件市场用关键字搜索完成，安装即可

至此，一个本地的Kafka节点就基本配置完成了

安装PostgreSql

这个我老早就装好了，一些安装过程没有截图，就忽略吧，大家有需求的可以问一下各种GPT

也可以用docker，快速部署一个节点做本地的测试。

docker run --name postgres -p 5432:5432 -e POSTGRES_PASSWORD=mysecretpassword -d postgres

开发测试

新建项目

这里因为我是用的IDE做开发，所以直接创建个web项目就好，也可以用命令行来创建。

总之创建完成后，我的项目长这样

安装依赖

我这里是用的是dotnet.cap这个系列组件，然后为了测试方便，数据库的orm适用的是dapper，主要是图快，大家实际项目中可以用习惯的orm就好。

这里我的项目文件长这样

<Project Sdk="Microsoft.NET.Sdk.Web"><PropertyGroup><TargetFramework>net8.0</TargetFramework><Nullable>enable</Nullable><ImplicitUsings>enable</ImplicitUsings></PropertyGroup><ItemGroup><PackageReference Include="Dapper" Version="2.1.35" /><PackageReference Include="DotNetCore.CAP" Version="8.2.0" /><PackageReference Include="DotNetCore.CAP.Dashboard" Version="8.2.0" /><PackageReference Include="DotNetCore.CAP.Kafka" Version="8.2.0" /><PackageReference Include="DotNetCore.CAP.PostgreSql" Version="8.2.0" /></ItemGroup></Project>

注入服务

这里主要注入pg和Kafka

builder.Services.AddCap(x =>
{x.UsePostgreSql("User ID={pg用户名};Password={pg密码};Host={pg地址};Port=5432;Database=maigcTestDb;");x.UseKafka("localhost:9092");x.UseDashboard();
});

测试的业务代码

在常规的controller中注入服务

public class ValuesController(ICapPublisher producer) : Controller, ICapSubscribe
{/*业务代码*/
}
//上面这是最新的写法，以前那种构造函数的写法也是ok的
public class Values2Controller : Controller
{private ICapPublisher _capPublisher;public Values2Controller(ICapPublisher capPublisher){_capPublisher = capPublisher;}
}

写一个生产者接口

public async Task<IActionResult> Producer()
{Console.WriteLine("生产者发布消息: " + DateTime.Now);await producer.PublishAsync("sample.kafka.postgrsql", DateTime.Now);return Ok();
}

再写一个延时发送消息的生产者接口

public async Task<IActionResult> ProducerDelay()
{Console.WriteLine("生产者发布延时消息: " + DateTime.Now);await producer.PublishDelayAsync(TimeSpan.FromSeconds(delaySeconds), "sample.kafka.postgrsql", DateTime.Now);return Ok();
}

创建消费者

[CapSubscribe("sample.kafka.postgrsql")]
public void Test2(DateTime value)
{Console.WriteLine("订阅到消息: " + value);
}

我们访问下接口看下控制台的打印效果

可以看到，订阅到的时间和生产者发送的实际是一致的。

再试下延时发送

我们延时了10秒发布，这里生产者执行生产消息后，过了10秒，被消费者订阅到。

再看下PostG里保存的消息记录

这是生产记录

这是消费记录

注意，在CAP的机制里，这些持久化的消息记录是可以设置过期时间的，也就是如果我们每天的并发量很高，产生的消息非常多，可以设置一个过期时间，比如7天，一个月，到期后，这些持久化的数据就会自动清除掉。

CAP的官方文档里，还有更多案例，大家感兴趣也可以去试试，当然除了CAP还有MediatR，MassTransit这类组件，也可以轻松实现消息总线的机制。

好了，到此我们的测试就结束了，从安装Kafka，到创建这个新项目并跑通这个测试服务，也就2个小时，所以，这个迁移成本应该还是非常高效的。

小总结

实际上，我们的生产环境中，正正常运行的一套总线服务，依赖的是RabbitMQ和SQL Server，RabbitMQ还好，SQL Server在以后应该不会是做项目的首选数据库了，尤其是做一些高并发的项目，不是说它性能不够，而是成本太高，社区版的限制有太多，还是要早做规划，提前准备更加适合未来发展的方案，而PostgreSql是目前最受全球开发者欢迎的关系数据库，社区活跃度非常高，开源协议对企业也十分友好，即便是面对国内高标准的信创要求，也完全没问题，是绝佳的首选。

至于Kafka，这是目前世界上最为流行的消息队列，性能，可用性，可扩展性等各方面都比其他消息队列要好上一点。阿里后来推出的RocketMQ，也是基于Kafka的设计原理做了简化和更加适应国内环境的一些调整，根骨还是来自Kafka。而且就生态环境而言，无论国内还是国外，Kafka都是遥遥领先，对dotnet框架的支持，Kafka也远比RocketMQ更好（RocketMQ更多的还是用在java环境里），所以我们再选型的时候，优先考虑的还是Kafka。

更多关于这些内容的知识，大家感兴趣可以去搜一下或者找个AI问一下。

好了，就这些吧。