一、Kafka 简介

Kafka 是由 Apache 软件基金会开发的一个开源流处理平台，最初由 LinkedIn 公司开发，并于 2011 年开源。它是一种高吞吐量的分布式发布 - 订阅消息系统，以可持久化、高吞吐、低延迟、高容错等特性而著称。
Kafka 主要由生产者（Producer）、消费者（Consumer）、主题（Topic）、分区（Partition）和代理（Broker）等组件构成。生产者负责将数据发送到 Kafka 集群，消费者从集群中读取数据。主题是一种逻辑上的分类，数据被发送到特定的主题。每个主题又可以划分为多个分区，以实现数据的并行处理和提高系统的可扩展性。代理则是 Kafka 集群中的服务器节点，负责接收和存储生产者发送的数据，并为消费者提供数据读取服务。

二、Kafka 功能

消息队列功能：Kafka 可以作为消息队列使用，在应用程序之间传递消息。生产者将消息发送到主题，不同的消费者可以从主题中订阅并消费消息，实现应用程序解耦。例如，在电商系统中，订单生成模块可以将订单消息发送到 Kafka 主题，后续的库存管理、物流配送等模块可以从该主题消费订单消息，各自独立处理，降低模块间的耦合度。
数据存储功能：Kafka 具有持久化存储能力，它将消息数据存储在磁盘上，并且通过多副本机制保证数据的可靠性。即使某个节点出现故障，数据也不会丢失。这种特性使得 Kafka 不仅可以作为消息队列，还能用于数据的长期存储和备份，例如用于存储系统的操作日志，方便后续的数据分析和故障排查。
流处理功能：Kafka 可以与流处理框架（如 Apache Flink、Spark Streaming 等）集成，对实时数据流进行处理。通过将实时数据发送到 Kafka 主题，流处理框架可以从主题中读取数据并进行实时计算、分析和转换。例如，在实时监控系统中，通过 Kafka 收集服务器的性能指标数据，然后使用流处理框架对这些数据进行实时分析，及时发现性能异常并发出警报。

三、POM依赖

    <!-- kafka-->
    <dependency>
        <groupId>org.springframework.kafka</groupId>
        <artifactId>spring-kafka</artifactId>
        <version>2.8.11</version>
    </dependency>

四、配置文件

spring:
  # Kafka 配置
  kafka:
    # Kafka 服务器地址和端口 代理地址，可以多个
    bootstrap-servers: IP:9092
    # 生产者配置
    producer:
      # 发送失败时的重试次数
      retries: 3
      # 每次批量发送消息的数量，调整为较小值
      batch-size: 1
      # 生产者缓冲区大小
      buffer-memory: 33554432
      # 消息 key 的序列化器，将 key 序列化为字节数组
      key-serializer: org.apache.kafka.common.serialization.StringSerializer
      # 消息 value 的序列化器，将消息体序列化为字节数组
      value-serializer: org.apache.kafka.common.serialization.StringSerializer
    # 消费者配置
    consumer:
      # 当没有初始偏移量或当前偏移量不存在时，从最早的消息开始消费
      auto-offset-reset: earliest
      # 是否自动提交偏移量
      enable-auto-commit: true
      # 自动提交偏移量的时间间隔（毫秒），延长自动提交时间间隔
      auto-commit-interval: 1000
      # 消息 key 的反序列化器，将字节数组反序列化为 key
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      # 消息 value 的反序列化器，将字节数组反序列化为消息体
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer

五、生产者

import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.kafka.core.KafkaTemplate;
import org.springframework.kafka.support.SendResult;
import org.springframework.stereotype.Component;
import org.springframework.util.concurrent.ListenableFuture;
import org.springframework.util.concurrent.ListenableFutureCallback;

/**
 * 生产者
 *
 * @author chenlei
 */
@Slf4j
@Component
public class KafkaProducer {

    /**
     * KafkaTemplate
     */
    @Autowired
    private KafkaTemplate<String, String> kafkaTemplate;

    /**
     * 发送消息到指定的 Kafka 主题，并可指定分组信息
     *
     * @param topic   消息要发送到的 Kafka 主题
     * @param message 要发送的消息内容
     */
    public void sendMessage(String topic, String message) {
        // 使用 KafkaTemplate 发送消息，将消息发送到指定的主题
        ListenableFuture<SendResult<String, String>> future = kafkaTemplate.send(topic, message);
        future.addCallback(new ListenableFutureCallback<SendResult<String, String>>() {
            @Override
            public void onSuccess(SendResult<String, String> result) {
                // 消息发送成功后的处理逻辑，可根据需要添加
                log.info("已发送消息=[" + message + "]，其偏移量=[" + result.getRecordMetadata().offset() + "]");
            }

            @Override
            public void onFailure(Throwable ex) {
                // 消息发送失败后的处理逻辑，使用日志记录异常
                log.error("发送消息=[" + message + "] 失败", ex);
            }
        });
    }
}

六、消费者

import lombok.extern.slf4j.Slf4j;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.springframework.kafka.annotation.KafkaListener;
import org.springframework.stereotype.Component;

/**
 * @author 消费者
 * chenlei
 */
@Slf4j
@Component
public class KafkaConsumer {

    /**
     * 监听 Kafka 主题方法。
     *
     * @param record 从 Kafka 接收到的 ConsumerRecord，包含消息的键值对
     */
    @KafkaListener(topics = {"topic"}, groupId = "consumer.group-id", concurrency = "5")
    public void listen(ConsumerRecord<?, ?> record) {
        // 打印接收到的消息的详细信息
        log.info("接收到 Kafka 消息: 主题 = {}, 分区 = {}, 偏移量 = {}, 键 = {}, 值 = {}",
                record.topic(), record.partition(), record.offset(), record.key(), record.value());
    }
}