消息中间件 Kafka 快速入门与实战

1、概述

最近感觉上班实在是太无聊，打算给大家分享一下Kafka的使用，本篇文章首先给大家分享三种方式搭建Kafka环境，接着给大家介绍kafka核心的基础概念以及Java API的使用，最后分享一个SpringBoot的集成案例，希望对大家有所帮助

2、环境搭建

2.1、安装包安装

关于环境搭建这块我们先来通过手动下载安装包的方式来完成，首先下载安装包，这是我使用的环境是CentOS7。

下载的地址 ：

https://archive.apache.org/dist/kafka/3.7.0/kafka_2.13-3.7.0.tgz

可以使用wget 工具下载 

下载完成后我们解压，这里我是用的路径是 /usr/local 解压后如下图所示：

来到bin路径下，我们需要先启动zookeeper 然后再启动kafka，相关命令如下

# 启动zookeeper
./zookeeper-server-start.sh ../config/zookeeper.properties &# 启动 kafka
./kafka-server-start.sh ../config/server.properties &

启动后 我们可以查看进程

kafka 已经启动成功了

2.2、Kraft 方式启动 kafka

上面我们使用zookeeper的方式运行了Kafka，kafka从2.8的版本就引入了KRaft模式，主要是用来取代zookeeper来管理元数据，下面我们来试试使用KRaft的方式来启动kafka

# 停掉kafka
./kafka-server-stop.sh ../config/server.properties# 停掉zookeeper
./zookeeper-server-stop.sh ../config/zookeeper.properties# 生成Cluster UUID
./kafka-storage.sh random-uuid

这里我们能需要记录下 生成的这个uuid值

# 格式化日志目录
./kafka-storage.sh format -t y__hXaR2QVKaehk5FiNLfQ -c ../config/kraft/server.properties

接着启动kafka

# 启动Kafka
./kafka-server-start.sh ../config/kraft/server.properties &

2.3、 Docker 安装

相信大家一定喜欢这种方式，直接使用 Docker 一把梭哈

# 拉取Kafka镜像
docker pull apache/kafka:3.7.0# 启动Kafka容器
docker run -p 9092:9092 apache/kafka:3.7.0# 复制出来一份配置文件
docker cp 7434ce960297:/etc/kafka/docker/server.properties /opt/docker/kafka

然后我们需要修改配置文件

修改完成后我们使用以下命令启动kafka

docker run -d  \
-v /opt/docker/kafka:/mnt/shared/config  \
-v /opt/data/kafka-data:/mnt/kafka-data  \
-p 9092:9092  \
--name kafka-container  \
apache/kafka:3.7.0

完成之后我们可以使用客户端工具连接试试 

 至此我们的环境搭建完成了。

3、基础概念

3.1、Topic & event 简述

在kafka中 消息(event) 被组织并持久地存储在Topic中。非常简单地说，Topic 类似于文件系统中的一个文件夹，而事件就是该文件夹中的文件。这既是官方给出的Topic和event的定义

https://kafka.apache.org/37/documentation.html#introduction

接下来我们来创建一个主题，首先我们来到 kafka 安装目录的 bin 目录下

# 创建一个名为 tianlongbabu的主题 
./kafka-topics.sh --create --topic tianlongbabu --bootstrap-server 192.168.200.100:9092# 列出所有的主题（在主机上操作可以使用 localhost）
./kafka-topics.sh --list --bootstrap-server localhost:9092

 创建好了之后 我们可以回到客户端工具查看

同样的 我们可以直接在这个客户端上删除这个 topic 

3.2、生产消息和消费消息

我们接下来看看 怎么往主题中写入事件(消息)

# 在主机上 指定topic  连接到kafka服务端
./kafka-console-producer.sh --topic tianlongbabu  \
--bootstrap-server 192.168.200.100:9092

连接上之后 就可以发送事件了

同样的我们新开一个终端  使用 kafka-console-consumer.sh 这个脚本 就可以消费topic中的数据了

## 主机上操作  可以使用localhost 
## --from-beginning 表示从kafka最早的消息开始消费./kafka-console-consumer.sh --topic tianlongbabu  \
--from-beginning --bootstrap-server localhost:9092

我们连接上之后 就会打印出刚刚发送的事件(消息)了。

3.3、关于事件的组成

看到这里 相信大家对事件有了一定的了解，关于事件这里给出一段官方文档上的原文

我们 从这段话中至少可以知道

1、event 在文档中也被称为记录(record)或消息(message) 

2、 当你向Kafka读写数据时，采用的是事件形式

3、概念上，一个事件包含键(key)、值(value)、时间戳(timestamp)，以及可选的元数据(metadata)。

所以一个事件可以设置一个key, 那么你可能会问key 是干什么用的呢，作用是什么呢？这个会在后面的编码的章节中给出解释，大家先知道有这个概念就行了

3.4、关于 Partition (分区)

先来给出一张图，出自官方文档的主要术语解释的章节

从这张图中我们可以看到，topic 中存在多个 partition(分区)，也就是说事件其实都是被保存在topic中的分区里，并且一个topic 可以创建多个分区。

消息在分区中以追加的方式存储，每条消息都有一个唯一的偏移量（offset），表示它在分区中的位置。

那么分区的作用是什么呢，我自己根据文档上描述主要总结了4点

1、分区允许多个消费者并行消费同一主题中的消息，不同的消费者可以消费不同的分区，从而提高系统的吞吐量

2、Kafka会根据配置将消息均匀地分布到各个分区，确保负载在多个消费者之间均匀分配

3、在同一分区内，消息的顺序是有保障的。这意味着对于同一键的所有消息都会被发送到同一分区，从而保持顺序

4、通过增加分区数，可以扩展主题的并发能力和存储能力。Kafka支持动态增加分区，但请注意，这可能影响到现有数据的顺序。

这几点大家先了解即可。

4、入门程序开发 

4.1、新建项目引入依赖

新建项目，添加 kafka 客户端依赖

<!-- https://mvnrepository.com/artifact/org.apache.kafka/kafka-clients --><dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-clients</artifactId><version>3.7.0</version></dependency>

4.2、编写生产者

我们先来创建消息生产者的代码

public class KafkaProducerTest {public static void main(String[] args) {// Kafka配置Properties props = new Properties();props.put("bootstrap.servers", "192.168.200.100:9092"); // Kafka服务器地址props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");// 创建Kafka生产者KafkaProducer<String, String> producer = new KafkaProducer<>(props);String topic = "tianlongbabu"; // 主题名称String key = "gaibang"; // 消息键String value = "乔峰"; // 消息值// 发送消息ProducerRecord<String, String> record = new ProducerRecord<>(topic, key, value);producer.send(record, (RecordMetadata metadata, Exception e) -> {if (e != null) {e.printStackTrace();} else {System.out.println("Sent message with key: " + key + ", value: " + value + ", to partition: " + metadata.partition() + ", offset: " + metadata.offset());}});// 关闭生产者producer.close();}
}

 上述代码的写法  在org.apache.kafka.clients.producer.KafkaProducer 类的注释中有详细的说明

这个简单的入门案例中用到了前面给大家介绍的key(事件键)了，看了这个案例大家应该能够明白是什么意思了吧。这个时候 我们运行main方法 就能把测试数据写入到 topic 中了 

4.3、编写消费者

相关代码如下：

public static void main(String[] args) {// Kafka配置Properties props = new Properties();props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.200.100:9092"); // Kafka服务器地址props.put(ConsumerConfig.GROUP_ID_CONFIG, "test-group"); // 消费者组IDprops.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");// 创建Kafka消费者KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);String topic = "tianlongbabu"; // 主题名称// 订阅主题consumer.subscribe(Collections.singletonList(topic));// 不断消费消息while (true) {ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(100));for (ConsumerRecord<String, String> record : records) {System.out.printf("Consumed message with key: %s, value: %s, from partition: %d, offset: %d%n",record.key(), record.value(), record.partition(), record.offset());}}// 关闭消费者（通常不会到达这里）// consumer.close();}

消费者的代码里我们需要指定一个消费组 id ,当存在多个消费者服务的时候 需要为他们各自的消费组id。

我们运行main方法即可收到刚才发送的消息了。

到这里一个简单的生产-消费的案例已经结束了，相信你对Kafka也有了一个初步的认知。

4.4、关于消费组ID

上述入门程序的消费者程序中有一个消费组id 。在 Kafka 中，消费组 ID（Consumer Group ID）是一个重要的概念，用于标识一组协同工作的消费者。

简单来说就是：

1、对于一个特定的主题，如果多个消费者属于同一个消费组，那么主题中的每条消息只会被该消费组内的一个消费者消费。
2、如果消费者属于不同的消费组，则它们可以独立消费同一主题的消息，并且不会互相影响

5、SpringBoot集成

5.1、相关依赖

SpringBoot版本：

<parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.2.9</version><relativePath/> <!-- lookup parent from repository --></parent>

项目相关依赖： 

<dependencies><!-- Spring Boot Starter --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter</artifactId></dependency><!-- Spring Kafka --><dependency><groupId>org.springframework.kafka</groupId><artifactId>spring-kafka</artifactId></dependency><!-- Spring Boot Starter Web (optional, if you want to create a REST API) --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!-- Add other dependencies as needed -->
</dependencies>

5.2、配置详解

我们在applicatio.properties  添加以下配置

spring.kafka.bootstrap-servers=192.168.200.100:9092
## 消费组
spring.kafka.consumer.group-id=my-group
## 从最早的消息开始消费
spring.kafka.consumer.auto-offset-reset=earliest

5.3、编写生产者

@Service
public class KafkaProducer {@Autowiredprivate KafkaTemplate<String, String> kafkaTemplate;public void sendMessage(String topic, String message) {kafkaTemplate.send(topic, message);}
}

5.4、编写消费者

@Service
public class KafkaConsumer {@KafkaListener(topics = "tianlongbabu", groupId = "my-group")public void listen(String message) {System.out.println("Received Message: " + message);}
}

5.5、测试

@RestController
public class KafkaController {@Autowiredprivate KafkaProducer kafkaProducer;@PostMapping("/send")public void sendMessage(@RequestBody String message) {kafkaProducer.sendMessage("tianlongbabu", message);}
}

启动类

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

启动服务，由于我们配置的是earliest所以会打印出 topic中之前的消息

我们可以继续使用postman发送消息 ，然后观察控制台的输出

 

好了一个简单的消息生产和消费的流程就是这样了

6、Kafka 的应用

今天这篇文章主要给大家介绍了Kafka的一些基础知识，并且实现了SpringBoot快速集成的案例，大家后续可以使用上述案例作为模板添加自己的业务代码。后续我也会分享一些 Kafka工程化落地的实战案例在我的微信公众号(代码洁癖症患者)上，感兴趣的小伙伴可以去查阅

最后我们聊聊Kafka的应用场景

首先 Kafka 可以作为高吞吐量的消息队列，支持异步通信。生产者将消息发送到主题，消费者从主题中读取消息，适合实现解耦的微服务架构。

其次 Kafka 可以收集各个服务或应用的日志信息，并将其集中存储，以便后续的分析和监控。

在大数据领域 使用 Kafka 结合流处理框架（如 Apache Flink、Apache Spark Streaming），可以实时处理和分析数据流，适用于实时监控、欺诈检测等场景。

在数据集成领域 Kafka 可以作为不同数据源之间的数据桥梁，实现数据的实时传输和整合，常用于 ETL（提取、转换、加载）流程。

这里仅仅列出几个比较常用的场景，还有很多领域都可以见到Kafka的身影。

好了，纸上得来终觉浅，大家赶紧动手试试吧