SpringBoot 整合 Kafka 实现千万级数据异步处理

一、介绍

在之前的文章中，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。

光知道理论可不行，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！

kaka详解：https://blog.csdn.net/qq_45228323/article/details/120241266

二、代码实践

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

<!--kafka--><dependency><groupId>org.springframework.kafka</groupId><artifactId>spring-kafka</artifactId><version>2.2.6.RELEASE</version></dependency>

2.2、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-user-service
#最早未被消费的offset
spring.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ms
spring.kafka.consumer.auto-commit-interval=1000

2.3、创建一个消费者

@ComponentpublicclassBigDataTopicListener{privatestaticfinalLogger log =LoggerFactory.getLogger(BigDataTopicListener.class);/**
     * 监听kafka数据
     * @param consumerRecords
     * @param ack
     */@KafkaListener(topics ={"big_data_topic"})publicvoidconsumer(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)@SpringBootTestpublicclassKafkaProducerTest{@AutowiredprivateKafkaTemplate<String,String> kafkaTemplate;@TestpublicvoidtestSend(){for(int i =0; i <5000; i++){Map<String,Object> map =newLinkedHashMap<>();
            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！

@ConfigurationpublicclassKafkaConfiguration{@Value("${spring.kafka.bootstrap-servers}")privateString bootstrapServers;@Value("${spring.kafka.producer.retries}")privateInteger retries;@Value("${spring.kafka.producer.batch-size}")privateInteger batchSize;@Value("${spring.kafka.producer.buffer-memory}")privateInteger bufferMemory;@Value("${spring.kafka.consumer.group-id}")privateString groupId;@Value("${spring.kafka.consumer.auto-offset-reset}")privateString autoOffsetReset;@Value("${spring.kafka.consumer.max-poll-records}")privateInteger maxPollRecords;@Value("${spring.kafka.consumer.batch.concurrency}")privateInteger batchConcurrency;@Value("${spring.kafka.consumer.enable-auto-commit}")privateBoolean autoCommit;@Value("${spring.kafka.consumer.auto-commit-interval}")privateInteger autoCommitInterval;/**
     *  生产者配置信息
     */@BeanpublicMap<String,Object>producerConfigs(){Map<String,Object> props =newHashMap<>();
        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
     */@BeanpublicProducerFactory<String,String>producerFactory(){returnnewDefaultKafkaProducerFactory<>(producerConfigs());}/**
     *  生产者模板
     */@BeanpublicKafkaTemplate<String,String>kafkaTemplate(){returnnewKafkaTemplate<>(producerFactory());}/**
     *  消费者配置信息
     */@BeanpublicMap<String,Object>consumerConfigs(){Map<String,Object> props =newHashMap<>();
        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
     */@BeanpublicKafkaListenerContainerFactory<?>batchFactory(){ConcurrentKafkaListenerContainerFactory<Integer,String> factory =newConcurrentKafkaListenerContainerFactory<>();
        factory.setConsumerFactory(newDefaultKafkaConsumerFactory<>(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4000
spring.kafka.consumer.max-poll-records=4000

#设置自动提交改成false
spring.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

@ComponentpublicclassBigDataTopicListener{privatestaticfinalLogger 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")publicvoidbatchConsumer(List<ConsumerRecord<?,?>> 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。