基于 Kafka Streams 的 Binder 和常规 Kafka Binder 的多 Binder

您可以创建一个应用程序，其中既包含基于常规 Kafka Binder 的函数/消费者/提供者，也包含基于 Kafka Streams 的处理器。但是，您不能在一个函数或消费者中同时混合使用两者。

这是一个示例，其中同一个应用程序中包含基于两种 Binder 的组件。

@Bean
public Function<String, String> process() {
    return s -> s;
}

@Bean
public Function<KStream<Object, String>, KStream<?, WordCount>> kstreamProcess() {

    return input -> input;
}

这是配置中的相关部分

spring.cloud.function.definition=process;kstreamProcess
spring.cloud.stream.bindings.process-in-0.destination=foo
spring.cloud.stream.bindings.process-out-0.destination=bar
spring.cloud.stream.bindings.kstreamProcess-in-0.destination=bar
spring.cloud.stream.bindings.kstreamProcess-out-0.destination=foobar

如果您拥有与上面相同的应用程序，但处理两个不同的 Kafka 集群，例如，常规的 `process` 同时作用于 Kafka 集群 1 和集群 2（从集群 1 接收数据并发送到集群 2），而 Kafka Streams 处理器作用于 Kafka 集群 2，情况就会变得更加复杂。然后，您必须使用 Spring Cloud Stream 提供的多 Binder 功能。

以下是如何在这种情况下更改您的配置。

# multi binder configuration
spring.cloud.stream.binders.kafka1.type: kafka
spring.cloud.stream.binders.kafka1.environment.spring.cloud.stream.kafka.streams.binder.brokers=${kafkaCluster-1} #Replace kafkaCluster-1 with the approprate IP of the cluster
spring.cloud.stream.binders.kafka2.type: kafka
spring.cloud.stream.binders.kafka2.environment.spring.cloud.stream.kafka.streams.binder.brokers=${kafkaCluster-2} #Replace kafkaCluster-2 with the approprate IP of the cluster
spring.cloud.stream.binders.kafka3.type: kstream
spring.cloud.stream.binders.kafka3.environment.spring.cloud.stream.kafka.streams.binder.brokers=${kafkaCluster-2} #Replace kafkaCluster-2 with the approprate IP of the cluster

spring.cloud.function.definition=process;kstreamProcess

# From cluster 1 to cluster 2 with regular process function
spring.cloud.stream.bindings.process-in-0.destination=foo
spring.cloud.stream.bindings.process-in-0.binder=kafka1 # source from cluster 1
spring.cloud.stream.bindings.process-out-0.destination=bar
spring.cloud.stream.bindings.process-out-0.binder=kafka2 # send to cluster 2

# Kafka Streams processor on cluster 2
spring.cloud.stream.bindings.kstreamProcess-in-0.destination=bar
spring.cloud.stream.bindings.kstreamProcess-in-0.binder=kafka3
spring.cloud.stream.bindings.kstreamProcess-out-0.destination=foobar
spring.cloud.stream.bindings.kstreamProcess-out-0.binder=kafka3

请注意以上配置。我们有两种类型的 Binder，但总共有 3 个 Binder，第一个是基于集群 1 的常规 Kafka Binder（`kafka1`），然后是基于集群 2 的另一个 Kafka Binder（`kafka2`），最后是 `kstream` Binder（`kafka3`）。应用程序中的第一个处理器从 `kafka1` 接收数据并发布到 `kafka2`，这两个 Binder 都基于常规 Kafka Binder，但集群不同。第二个处理器是一个 Kafka Streams 处理器，它从 `kafka3` 消费数据，`kafka3` 与 `kafka2` 在同一个集群，但 Binder 类型不同。

由于Kafka Streams系列绑定器提供了三种不同的绑定器类型——kstream、ktable和globalktable——如果您的应用程序基于任何这些绑定器有多个绑定，则需要显式提供绑定器类型。

例如，如果您有如下所示的处理器：

@Bean
public Function<KStream<Long, Order>,
        Function<KTable<Long, Customer>,
                Function<GlobalKTable<Long, Product>, KStream<Long, EnrichedOrder>>>> enrichOrder() {

    ...
}

那么，在多绑定器场景中，必须按如下方式配置它。请注意，只有在存在真正的多绑定器场景（即单个应用程序中有多个处理器处理多个集群）时，才需要这样做。在这种情况下，需要使用绑定显式提供绑定器，以区分其他处理器的绑定器类型和集群。

spring.cloud.stream.binders.kafka1.type: kstream
spring.cloud.stream.binders.kafka1.environment.spring.cloud.stream.kafka.streams.binder.brokers=${kafkaCluster-2}
spring.cloud.stream.binders.kafka2.type: ktable
spring.cloud.stream.binders.kafka2.environment.spring.cloud.stream.kafka.streams.binder.brokers=${kafkaCluster-2}
spring.cloud.stream.binders.kafka3.type: globalktable
spring.cloud.stream.binders.kafka3.environment.spring.cloud.stream.kafka.streams.binder.brokers=${kafkaCluster-2}

spring.cloud.stream.bindings.enrichOrder-in-0.binder=kafka1  #kstream
spring.cloud.stream.bindings.enrichOrder-in-1.binder=kafka2  #ktablr
spring.cloud.stream.bindings.enrichOrder-in-2.binder=kafka3  #globalktable
spring.cloud.stream.bindings.enrichOrder-out-0.binder=kafka1 #kstream

# rest of the configuration is omitted.