SpringBoot 整合 Kafka 实现数据高吞吐
2022-04-29 14:24:38来源：Java极客技术
一、介绍
在上篇文章中，我们详细的介绍了 kafka 的架构模型，在集群环境中，kafka 可以通过设置分区数来加快数据的消费速度。
光知道理论还不行，我们得真真切切的实践起来才行!
下面，我将结合生产环境的真实案例，以SpringBoot技术框架为基础，向大家介绍 kafka 的使用以及如何实现数据高吞吐!
二、程序实践最近，公司大数据团队每天凌晨会将客户的订单数据进行统计计算，然后把业绩数据推送给我们，以便销售人员每天能看到昨天的业绩数据，数据的体量大约在 1000 多万条，以下是我对接的过程!
2.1、添加 kafka 依赖包本次项目的SpringBoot版本为2.1.5.RELEASE，依赖的 kafka 的版本为2.2.6.RELEASE。
https://back-media.51cto.com/editor?id=707646/h6e90be6-7EV6kJbV2.2、添加 kafka 配置变量
当添加完了依赖包之后，我们只需要在application.properties中添加 kafka 配置变量，基本上就可以正常使用了。
# 指定kafka server的地址，集群配多个，中间，逗号隔开spring.kafka.bootstrap-servers=197.168.25.196:9092#重试次数spring.kafka.producer.retries=3#批量发送的消息数量spring.kafka.producer.batch-size=1000#32MB的批处理缓冲区spring.kafka.producer.buffer-memory=33554432#默认消费者组spring.kafka.consumer.group-id=crm-microservice-newperformance#最早未被消费的offsetspring.kafka.consumer.auto-offset-reset=earliest#批量一次最大拉取数据量spring.kafka.consumer.max-poll-records=4000#是否自动提交spring.kafka.consumer.enable-auto-commit=true#自动提交时间间隔，单位msspring.kafka.consumer.auto-commit-interval=10002.3、创建一个消费者
@Componentpublic class BigDataTopicListener { private static final Logger log = LoggerFactory.getLogger(BigDataTopicListener.class); /** * 监听kafka数据 * @param consumerRecords * @param ack */ @KafkaListener(topics = {"big_data_topic"}) public void consumer(ConsumerRecord consumerRecord) { log.info("收到bigData推送的数据"{}"", consumerRecord.toString()); //... //db.save(consumerRecord);//插入或者更新数据 }}2.4、模拟对方推送数据测试@RunWith(SpringRunner.class)@SpringBootTestpublic class KafkaProducerTest { @Autowired private KafkaTemplate kafkaTemplate; @Test public void testSend(){ for (int i = 0; i < 5000; i++) { Map map = new LinkedHashMap<>(); map.put("datekey", 20210610); map.put("userid", i); map.put("salaryAmount", i); //向kafka的big_data_topic主题推送数据 kafkaTemplate.send("big_data_topic", JSONObject.toJSONString(map)); } }} 起初，通过这种单条数据消费方式，进行测试程序没太大毛病!
但是，当上到生产之后，发现一个很大的问题，就是消费1000万条数据，至少需要3个小时，结果导致数据看板一直没数据。
第二天痛定思痛，决定改成批量消费模型，怎么操作呢，请看下面!
2.5、将 kafka 的消费模式改成批量消费首先，创建一个KafkaConfiguration配置类，内容如下!
@Configurationpublic class KafkaConfiguration { @Value("${spring.kafka.bootstrap-servers}") private String bootstrapServers; @Value("${spring.kafka.producer.retries}") private Integer retries; @Value("${spring.kafka.producer.batch-size}") private Integer batchSize; @Value("${spring.kafka.producer.buffer-memory}") private Integer bufferMemory; @Value("${spring.kafka.consumer.group-id}") private String groupId; @Value("${spring.kafka.consumer.auto-offset-reset}") private String autoOffsetReset; @Value("${spring.kafka.consumer.max-poll-records}") private Integer maxPollRecords; @Value("${spring.kafka.consumer.batch.concurrency}") private Integer batchConcurrency; @Value("${spring.kafka.consumer.enable-auto-commit}") private Boolean autoCommit; @Value("${spring.kafka.consumer.auto-commit-interval}") private Integer autoCommitInterval; /** * 生产者配置信息 */ @Bean public Map producerConfigs() { Map props = new HashMap<>(); props.put(ProducerConfig.ACKS_CONFIG, "0"); props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, bootstrapServers); props.put(ProducerConfig.RETRIES_CONFIG, retries); props.put(ProducerConfig.BATCH_SIZE_CONFIG, batchSize); props.put(ProducerConfig.LINGER_MS_CONFIG, 1); props.put(ProducerConfig.BUFFER_MEMORY_CONFIG, bufferMemory); props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class); props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class); return props; } /** * 生产者工厂 */ @Bean public ProducerFactory producerFactory() { return new DefaultKafkaProducerFactory<>(producerConfigs()); } /** * 生产者模板 */ @Bean public KafkaTemplate kafkaTemplate() { return new KafkaTemplate<>(producerFactory()); } /** * 消费者配置信息 */ @Bean public Map consumerConfigs() { Map props = new HashMap<>(); props.put(ConsumerConfig.GROUP_ID_CONFIG, groupId); props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, autoOffsetReset); props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, bootstrapServers); props.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, maxPollRecords); props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, autoCommit); props.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, 30000); props.put(ConsumerConfig.REQUEST_TIMEOUT_MS_CONFIG, 30000); props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class); props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class); return props; } /** * 消费者批量工厂 */ @Bean public KafkaListenerContainerFactory batchFactory() { ConcurrentKafkaListenerContainerFactory factory = new ConcurrentKafkaListenerContainerFactory<>(); factory.setConsumerFactory(new DefaultKafkaConsumerFactory<>(consumerConfigs())); //设置并发量，小于或等于Topic的分区数 factory.setConcurrency(batchConcurrency); factory.getContainerProperties().setPollTimeout(1500); factory.getContainerProperties().setAckMode(ContainerProperties.AckMode.MANUAL_IMMEDIATE); //设置为批量消费，每个批次数量在Kafka配置参数中设置ConsumerConfig.MAX_POLL_RECORDS_CONFIG factory.setBatchListener(true); return factory; }} 同时，新增一个spring.kafka.consumer.batch.concurrency变量，用来设置并发数，通过这个参数我们可以指定几个线程来实现消费。
在application.properties配置文件中，添加如下变量：
#批消费并发量，小于或等于Topic的分区数spring.kafka.consumer.batch.concurrency = 3#设置每次批量拉取的最大数量为4000spring.kafka.consumer.max-poll-records=4000#设置自动提交改成falsespring.kafka.consumer.enable-auto-commit=false
最后，将单个消费方法改成批量消费方法模式。
@Componentpublic class BigDataTopicListener { private static final Logger log = LoggerFactory.getLogger(BigDataTopicListener.class); /** * 监听kafka数据（批量消费） * @param consumerRecords * @param ack */ @KafkaListener(topics = {"big_data_topic"}, containerFactory = "batchFactory") public void batchConsumer(List> consumerRecords, Acknowledgment ack) { long start = System.currentTimeMillis(); //... //db.batchSave(consumerRecords);//批量插入或者批量更新数据 //手动提交 ack.acknowledge(); log.info("收到bigData推送的数据，拉取数据量：{}，消费时间：{}ms", consumerRecords.size(), (System.currentTimeMillis() - start)); }} 此时，消费性能大大的提升，数据处理的非常快，500万条数据，最多 30 分钟就全部消费完毕了。
本例中的消费微服务，生产环境部署了3台服务器，同时big_data_topic主题的分区数为3，因此并发数设置为3比较合适。
随着推送的数据量不断增加，如果你觉得消费速度还不够，你可以重新设置每次批量拉取的最大数量，活着横向扩展微服务的集群实例数量和 topic 的分区数，以此来加快数据的消费速度。
但是，如果在单台机器中，每次批量拉取的最大数量过大，大对象也会很大，会造成频繁的 gc 告警!
因此，在实际的使用过程中，每次批量拉取的最大数量并不是越大越好，根据当前服务器的硬件配置，调节到合适的阀值，才是最优的选择!
三、小结本文主要以SpringBoot技术框架为背景，结合实际业务需求，采用 kafka 进行数据消费，实现数据量的高吞吐，在下篇文章中，我们会介绍消费失败的处理流程。
