Springboot集成kafka-kraft模式

1.添加maven依赖

<dependency>
   <groupId>org.springframework.kafka</groupId>
   <artifactId>spring-kafka</artifactId>
</dependency>

2.编写yml配置（我们这里是在一个服务器中既是生产者也是消费者，可以分开配置的）

kafka:
    # 以逗号分隔的地址列表，用于建立与 Kafka 集群的初始连接 (kafka 默认的端口号为 9092)
    bootstrap-servers: host:9092
    # 生产者配置
    producer:
      # 消息重发的次数
      retries: 0
      # 一个批次可以使用的内存大小
      batch-size: 16384
      # 设置生产者内存缓冲区的大小
      buffer-memory: 33444432
      # 键的序列化方式
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      # 值的序列化方式
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      acks: all
    # 消费者配置
    consumer:
      max:
        poll:
          records: 1
      broker-id: 0
      # 自动提交的时间间隔 在 spring boot 2.X 版本中这里采用的是值的类型为 Duration 需要符合特定的格式，如 1S,1M,2H,5D
      auto-commit-interval: 1S
      # 该属性指定了消费者在读取一个没有偏移量的分区或者偏移量无效的情况下该作何处理：
      # latest（默认值）在偏移量无效的情况下，消费者将从最新的记录开始读取数据（在消费者启动之后生成的记录）
      # earliest ：在偏移量无效的情况下，消费者将从起始位置读取分区的记录
      auto-offset-reset: earliest
      # 是否自动提交偏移量，默认值是 true,为了避免出现重复数据和数据丢失，可以把它设置为 false,然后手动提交偏移量
      enable-auto-commit: false
      # 键的反序列化方式
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      # 值的反序列化方式
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      # 更换消费组就可以从头消费数据，同一个消费组用户不会重复消费数据
      # groupid可以消费的时候再指定
      group-id: capb_group
    listener:
      # 在侦听器容器中运行的线程数。
      concurrency: 3
      # 手工ack,调用ack后立刻提交offset
      ack-mode: manual_immediate

3.编写方法发送信息至kafka

@Autowired
private KafkaTemplate<String,String> kafkaTemplate;
​
/**
 * 将信息发送给kafka
 * @param comment
*/
public void sendToKafka(Comment comment){
//发送消息
kafkaTemplate.send()
    //函数回调
    .addCallback(new ListenableFutureCallback<SendResult<String, String>>() {
    @Override
    public void onFailure(Throwable ex) {
    // 发送失败需要抛出一个异常.
    try{
      new CommentException("信息发送失败请检查控制台查看日志");
    }catch (Exception exception){
      exception.printStackTrace();
    }
    // 消息发送失败时的处理逻辑
    System.err.println("Message sent failed: " + ex.getMessage());
    }
    @Override
    public void onSuccess(SendResult<String, String> result) {
        // 消息发送成功时的处理逻辑
       System.out.println("Message sent successfully: " + result.getProducerRecord().value());
     }
      });
    }

解释：

使用kafkaTemplate的send方法去发送信息至kafka指定的topic中，.addCallback（）方法中我们new一个new ListenableFutureCallback<SendResult<String, String>>() 并且使用匿名内部类去重写他的成功和失败方法。

4.监听kafka主题

/**
  * 用于实时接收卡夫卡传递的消息
  * @param record 获取到kafka的回传消息
  */
@KafkaListener(topics = {"Comment"},autoStartup = "false",id = "consumer1")
public void onMessage1(ConsumerRecord<?, ?> record){
      // 消费的哪个topic、partition的消息,打印出消息内容
    System.out.println("简单消费："+record.topic()+"-"+record.partition()+"-"+record.value());
}

解释

@KafkaListener通过这个配置去说明监听哪一个主题还有很多就比如图中的autoStartup就是当应用启动的时候可以自动获取对应主题所有消息，id则表示在group中的id。

ConsumerRecord<?, ?> record通过ConsumerRecord来接收信息

5.主动去获取kafka信息

/**
     * 手动拉取kafka消息
     */
    public void onMessage() {
        Properties consumerProps = new Properties();
        // 配置 Kafka 服务器地址
        consumerProps.put("bootstrap.servers", "host:9092");
        // 配置消费者组 ID
        consumerProps.put("group.id", "capb_group");
        // 配置键和值的反序列化器
        consumerProps.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        consumerProps.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        // 配置其他消费者属性
        consumerProps.put("auto.offset.reset", "earliest");
        consumerProps.put("enable.auto.commit", "false");
        consumerProps.put("max.poll.records", "1");
        //创建消费者
        KafkaConsumer kafkaConsumer = new KafkaConsumer<String,String>(consumerProps);
        //订阅主题
        kafkaConsumer.subscribe(Collections.singletonList("Comment"));
        while (true) {
            ConsumerRecords<String, String> records = kafkaConsumer.poll(Duration.ofMillis(100));
            for (ConsumerRecord<String, String> record : records) {
                // 处理消息
                System.out.println("Received message: " + record.value());
            }
        }
    }

解释

之前说的是监听对应的topic但是我们不能够想要的时候拉取。这个是通过propeties来存储kafka信息new一个消费者来进行一个消费