具有基于 Kafka 流的绑定器和常规 Kafka 绑定器的多绑定器

你可以拥有一个应用程序，其中既有基于常规 Kafka 绑定器的函数/消费者/供应商，又有基于 Kafka Streams 的处理器。但是，你不能在单个函数或消费者中混合两者。

以下是一个示例，其中你在同一应用程序中同时拥有基于绑定器的组件。

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

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

    return input -> input;
}

以下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

如果你有与上面相同的应用程序，但正在处理两个不同的 Kafka 集群，事情会变得有点复杂，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。那么你必须使用 Spring Cloud Stream 提供的多绑定器功能。

以下是你的配置在那种情况下可能如何更改。

# 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。我们有两种绑定器，但总共 3 个绑定器，第一个是基于集群 1 (kafka1) 的常规 Kafka 绑定器，然后是基于集群 2 (kafka2) 的另一个 Kafka 绑定器，最后是 kstream 绑定器 (kafka3)。应用程序中的第一个处理器从 kafka1 接收数据并发布到 kafka2，其中两个绑定器都基于常规 Kafka 绑定器，但集群不同。第二个处理器是 Kafka Streams 处理器，它使用与 kafka2 相同的集群 kafka3 中的数据，但绑定器类型不同。

由于 Kafka Streams 绑定器系列中有三种不同的绑定器类型 - kstream、ktable 和 globalktable - 如果您的应用程序具有基于任何这些绑定器的多个绑定，则需要明确提供该绑定器类型。

例如，如果您有如下处理器，

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

    ...
}

那么，这必须在多绑定器场景中配置如下。请注意，仅当您有真正的多绑定器场景（其中多个处理器在单个应用程序中处理多个集群）时才需要这样做。在这种情况下，需要明确提供绑定器和绑定，以区别于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.