提示、技巧和秘诀
使用 Kafka 实现简单的 DLQ
问题描述
作为一名开发人员，我希望编写一个消费应用程序来处理 Kafka 主题中的记录。但是，如果在处理过程中发生错误，我不希望应用程序完全停止。相反，我希望将错误记录发送到 DLT（死信主题），然后继续处理新记录。
解决方案
解决此问题的方法是使用 Spring Cloud Stream 中的 DLQ 功能。为了便于讨论，我们假设以下是我们的处理器函数。
@Bean
public Consumer<byte[]> processData() {
return s -> {
throw new RuntimeException();
};
}这是一个非常简单的函数，它对所有处理的记录都抛出异常，但您可以采用此函数并将其扩展到任何其他类似情况。
为了将错误记录发送到 DLT，我们需要提供以下配置。
spring.cloud.stream:
bindings:
processData-in-0:
group: my-group
destination: input-topic
kafka:
bindings:
processData-in-0:
consumer:
enableDlq: true
dlqName: input-topic-dlq为了激活 DLQ，应用程序必须提供一个组名。匿名消费者不能使用 DLQ 功能。我们还需要通过将 Kafka 消费者绑定上的 enableDLQ 属性设置为 true 来启用 DLQ。最后，我们可以选择通过在 Kafka 消费者绑定上提供 dlqName 来提供 DLT 名称，否则在这种情况下它默认为 error.input-topic.my-group。
请注意，在上面提供的示例消费者中，有效载荷的类型是 byte[]。默认情况下，Kafka 绑定器中的 DLQ 生产者期望有效载荷类型为 byte[]。如果不是这种情况，那么我们需要提供适当的序列化器配置。例如，让我们将消费者函数重写如下
@Bean
public Consumer<String> processData() {
return s -> {
throw new RuntimeException();
};
}现在，我们需要告诉 Spring Cloud Stream，我们希望在写入 DLT 时如何序列化数据。以下是此场景的修改配置
spring.cloud.stream:
bindings:
processData-in-0:
group: my-group
destination: input-topic
kafka:
bindings:
processData-in-0:
consumer:
enableDlq: true
dlqName: input-topic-dlq
dlqProducerProperties:
configuration:
value.serializer: org.apache.kafka.common.serialization.StringSerializer带高级重试选项的 DLQ
解决方案
如果您遵循了上述秘诀，那么在处理遇到错误时，您将获得 Kafka 绑定器中内置的默认重试选项。
默认情况下，绑定器最多重试 3 次，初始延迟为 1 秒，每次退避的乘数为 2.0，最大延迟为 10 秒。您可以更改所有这些配置，如下所示
spring.cloud.stream.bindings.processData-in-0.consumer.maxAttempts
spring.cloud.stream.bindings.processData-in-0.consumer.backOffInitialInterval
spring.cloud.stream.bindings.processData-in-0.consumer.backOffMultiplier
spring.cloud.stream.bindings.processData-in-0.consumer.backOffMaxInterval如果您愿意，您还可以通过提供布尔值映射来提供可重试异常列表。例如，
spring.cloud.stream.bindings.processData-in-0.consumer.retryableExceptions.java.lang.IllegalStateException=true
spring.cloud.stream.bindings.processData-in-0.consumer.retryableExceptions.java.lang.IllegalArgumentException=false默认情况下，映射中未列出的任何异常都将重试。如果不需要，可以通过提供以下内容来禁用它，
spring.cloud.stream.bindings.processData-in-0.consumer.defaultRetryable=false您还可以提供自己的 RetryTemplate 并将其标记为 @StreamRetryTemplate，绑定器将扫描并使用它。当您需要更复杂的重试策略时，这会很有用。
如果您有多个 @StreamRetryTemplate bean，那么您可以使用以下属性指定您的绑定需要哪个：
spring.cloud.stream.bindings.processData-in-0.consumer.retry-template-name=<your-retry-template-bean-name>使用 DLQ 处理反序列化错误
解决方案
当 Kafka 消费者抛出不可恢复的反序列化异常时，Spring Cloud Stream 提供的正常 DLQ 机制将无济于事。这是因为，此异常甚至在消费者 poll() 方法返回之前就发生了。Spring for Apache Kafka 项目提供了一些很好的方法来帮助绑定器处理这种情况。让我们来探讨一下。
假设这是我们的函数
@Bean
public Consumer<String> functionName() {
return s -> {
System.out.println(s);
};
}这是一个采用 String 参数的简单函数。
我们希望绕过 Spring Cloud Stream 提供的消息转换器，而改用原生反序列化器。对于 String 类型，这没什么意义，但对于 AVRO 等更复杂的类型，您必须依赖外部反序列化器，因此希望将转换委托给 Kafka。
现在，当消费者接收到数据时，假设有一个导致反序列化错误的坏记录，例如，可能有人传递了一个 Integer 而不是一个 String。在这种情况下，如果您不在应用程序中做任何事情，异常将通过链传播，您的应用程序最终将退出。
为了处理此问题，您可以添加一个 ListenerContainerCustomizer @Bean，它配置一个 DefaultErrorHandler。此 DefaultErrorHandler 配置了一个 DeadLetterPublishingRecoverer。我们还需要为消费者配置一个 ErrorHandlingDeserializer。这听起来很复杂，但实际上，在这种情况下它归结为这 3 个 bean。
@Bean
public ListenerContainerCustomizer<AbstractMessageListenerContainer<byte[], byte[]>> customizer(DefaultErrorHandler errorHandler) {
return (container, dest, group) -> {
container.setCommonErrorHandler(errorHandler);
};
} @Bean
public DefaultErrorHandler errorHandler(DeadLetterPublishingRecoverer deadLetterPublishingRecoverer) {
return new DefaultErrorHandler(deadLetterPublishingRecoverer);
} @Bean
public DeadLetterPublishingRecoverer publisher(KafkaOperations bytesTemplate) {
return new DeadLetterPublishingRecoverer(bytesTemplate);
}让我们分析一下它们中的每一个。第一个是 ListenerContainerCustomizer bean，它接受一个 DefaultErrorHandler。现在，容器已使用该特定错误处理程序进行自定义。您可以在此处了解有关容器自定义的更多信息。
第二个 bean 是配置为发布到 DLT 的 DefaultErrorHandler。有关 DefaultErrorHandler 的更多详细信息，请参阅此处。
第三个 bean 是 DeadLetterPublishingRecoverer，它最终负责发送到 DLT。默认情况下，DLT 主题命名为 ORIGINAL_TOPIC_NAME.DLT。但是您可以更改它。有关详细信息，请参阅文档。
我们还需要通过应用程序配置配置一个 ErrorHandlingDeserializer。
ErrorHandlingDeserializer 委托给实际的反序列化器。如果出现错误，它会将记录的键/值设置为 null，并包含消息的原始字节。然后它在头部设置异常并将此记录传递给监听器，然后监听器调用注册的错误处理程序。
以下是所需的配置
spring.cloud.stream:
function:
definition: functionName
bindings:
functionName-in-0:
group: group-name
destination: input-topic
consumer:
use-native-decoding: true
kafka:
bindings:
functionName-in-0:
consumer:
enableDlq: true
dlqName: dlq-topic
dlqProducerProperties:
configuration:
value.serializer: org.apache.kafka.common.serialization.StringSerializer
configuration:
value.deserializer: org.springframework.kafka.support.serializer.ErrorHandlingDeserializer
spring.deserializer.value.delegate.class: org.apache.kafka.common.serialization.StringDeserializer我们通过绑定上的 configuration 属性提供 ErrorHandlingDeserializer。我们还指示要委托的实际反序列化器是 StringDeserializer。
请记住，上述 dlq 属性均与本秘诀中的讨论无关。它们纯粹用于处理任何应用程序级别的错误。
Kafka 绑定器中的基本偏移量管理
解决方案
我们鼓励您阅读有关此内容的文档部分，以对其有透彻的了解。
简而言之
Kafka 默认支持两种类型的起始偏移量 - earliest 和 latest。它们的语义从名称上就可以不言自明。
假设您是第一次运行消费者。如果您的 Spring Cloud Stream 应用程序中缺少 group.id，那么它就成为一个匿名消费者。每当您有一个匿名消费者时，Spring Cloud Stream 应用程序默认会从主题分区中 latest 可用的偏移量开始。另一方面，如果您明确指定 group.id，那么 Spring Cloud Stream 应用程序默认会从主题分区中 earliest 可用的偏移量开始。
在上述两种情况（具有显式组和匿名组的消费者）下，可以通过使用属性 spring.cloud.stream.kafka.bindings.<binding-name>.consumer.startOffset 并将其设置为 earliest 或 latest 来切换起始偏移量。
现在，假设您之前已经运行过消费者，并且现在再次启动它。在这种情况下，上述情况中的起始偏移量语义不适用，因为消费者找到了已为消费者组提交的偏移量（对于匿名消费者，尽管应用程序不提供 group.id，但绑定器将为您自动生成一个）。它只是从上次提交的偏移量继续。即使提供了 startOffset 值，这也是正确的。
但是，您可以通过使用 resetOffsets 属性来覆盖消费者从上次提交的偏移量开始的默认行为。为此，请将属性 spring.cloud.stream.kafka.bindings.<binding-name>.consumer.resetOffsets 设置为 true（默认值为 false）。然后确保提供 startOffset 值（earliest 或 latest）。当您这样做并启动消费者应用程序时，每次启动时，它都会像第一次启动一样启动，并忽略分区的任何已提交偏移量。
在 Kafka 中寻求任意偏移量
问题描述
使用 Kafka 绑定器，我知道它可以将偏移量设置为 earliest 或 latest，但我有一个需求，需要将偏移量定位到中间的某个任意偏移量。有什么方法可以使用 Spring Cloud Stream Kafka 绑定器实现此目的吗？
解决方案
前面我们看到了 Kafka 绑定器如何处理基本的偏移量管理。默认情况下，绑定器不允许您回溯到任意偏移量，至少通过我们在该秘诀中看到的机制是如此。但是，绑定器提供了一些低级策略来实现此用例。让我们来探讨一下。
首先，当您要重置为除 earliest 或 latest 之外的任意偏移量时，请确保将 resetOffsets 配置保留为其默认值，即 false。然后您必须提供一个类型为 KafkaBindingRebalanceListener 的自定义 bean，该 bean 将注入到所有消费者绑定中。它是一个带有一些默认方法的接口，但这是我们感兴趣的方法
/**
* Invoked when partitions are initially assigned or after a rebalance. Applications
* might only want to perform seek operations on an initial assignment. While the
* 'initial' argument is true for each thread (when concurrency is greater than 1),
* implementations should keep track of exactly which partitions have been sought.
* There is a race in that a rebalance could occur during startup and so a topic/
* partition that has been sought on one thread may be re-assigned to another
* thread and you may not wish to re-seek it at that time.
* @param bindingName the name of the binding.
* @param consumer the consumer.
* @param partitions the partitions.
* @param initial true if this is the initial assignment on the current thread.
*/
default void onPartitionsAssigned(String bindingName, Consumer<?, ?> consumer,
Collection<TopicPartition> partitions, boolean initial) {
// do nothing
}让我们看看细节。
本质上，此方法将在主题分区的初始分配期间或再平衡之后每次调用。为了更好地说明，我们假设我们的主题是 foo 并且它有 4 个分区。最初，我们只在该组中启动一个消费者，并且此消费者将从所有分区消费。当消费者第一次启动时，所有 4 个分区都将进行初始分配。但是，我们不希望分区从默认值开始消费（earliest，因为我们定义了一个组），而是希望每个分区在寻求到任意偏移量后开始消费。想象一下您有一个业务案例需要从以下特定偏移量消费。
Partition start offset
0 1000
1 2000
2 2000
3 1000这可以通过如下实现上述方法来实现。
@Override
public void onPartitionsAssigned(String bindingName, Consumer<?, ?> consumer, Collection<TopicPartition> partitions, boolean initial) {
Map<TopicPartition, Long> topicPartitionOffset = new HashMap<>();
topicPartitionOffset.put(new TopicPartition("foo", 0), 1000L);
topicPartitionOffset.put(new TopicPartition("foo", 1), 2000L);
topicPartitionOffset.put(new TopicPartition("foo", 2), 2000L);
topicPartitionOffset.put(new TopicPartition("foo", 3), 1000L);
if (initial) {
partitions.forEach(tp -> {
if (topicPartitionOffset.containsKey(tp)) {
final Long offset = topicPartitionOffset.get(tp);
try {
consumer.seek(tp, offset);
}
catch (Exception e) {
// Handle exceptions carefully.
}
}
});
}
}这只是一个粗略的实现。现实世界的用例比这复杂得多，您需要相应地进行调整，但这确实为您提供了一个基本的草图。当消费者 seek 失败时，它可能会抛出一些运行时异常，您需要决定在这种情况下如何处理。
[[what-if-we-start-a-second-consumer-with-the-same-group-id?]] === 如果我们启动第二个具有相同组 ID 的消费者会怎样？
当我们添加第二个消费者时，会发生再平衡，并且一些分区将被移动。假设新消费者获得了分区 2 和 3。当这个新的 Spring Cloud Stream 消费者调用 onPartitionsAssigned 方法时，它将看到这是该消费者上分区 2 和 3 的初始分配。因此，它会因为对 initial 参数的条件检查而执行 seek 操作。对于第一个消费者，它现在只拥有分区 0 和 1。但是，对于这个消费者来说，这仅仅是一个再平衡事件，不被认为是初始分配。因此，它不会因为对 initial 参数的条件检查而重新寻求到给定偏移量。
[[how-do-i-manually-acknowledge-using-kafka-binder?]] == 如何使用 Kafka 绑定器手动确认？
解决方案
默认情况下，Kafka 绑定器委托给 Spring for Apache Kafka 项目中的默认提交设置。Spring Kafka 中的默认 ackMode 是 batch。有关详细信息，请参阅此处。
在某些情况下，您希望禁用此默认提交行为并依赖手动提交。以下步骤允许您执行此操作。
将属性 spring.cloud.stream.kafka.bindings.<binding-name>.consumer.ackMode 设置为 MANUAL 或 MANUAL_IMMEDIATE。当这样设置时，消费者方法收到的消息中将存在一个名为 kafka_acknowledgment（来自 KafkaHeaders.ACKNOWLEDGMENT）的头。
例如，假设这是您的消费者方法。
@Bean
public Consumer<Message<String>> myConsumer() {
return msg -> {
Acknowledgment acknowledgment = message.getHeaders().get(KafkaHeaders.ACKNOWLEDGMENT, Acknowledgment.class);
if (acknowledgment != null) {
System.out.println("Acknowledgment provided");
acknowledgment.acknowledge();
}
};
}然后将属性 spring.cloud.stream.kafka.bindings.myConsumer-in-0.consumer.ackMode 设置为 MANUAL 或 MANUAL_IMMEDIATE。
[[how-do-i-override-the-default-binding-names-in-spring-cloud-stream?]] == 如何覆盖 Spring Cloud Stream 中的默认绑定名称？
解决方案
假设这是您的函数签名。
@Bean
public Function<String, String> uppercase(){
...
}默认情况下，Spring Cloud Stream 将创建如下绑定。
-
uppercase-in-0
-
uppercase-out-0
您可以使用以下属性将这些绑定覆盖为其他名称。
spring.cloud.stream.function.bindings.uppercase-in-0=my-transformer-in
spring.cloud.stream.function.bindings.uppercase-out-0=my-transformer-out此后，所有绑定属性都必须在新名称 my-transformer-in 和 my-transformer-out 上进行。
这是另一个使用 Kafka Streams 和多个输入的示例。
@Bean
public BiFunction<KStream<String, Order>, KTable<String, Account>, KStream<String, EnrichedOrder>> processOrder() {
...
}默认情况下，Spring Cloud Stream 将为此函数创建三个不同的绑定名称。
-
processOrder-in-0
-
processOrder-in-1
-
processOrder-out-0
每次您想要在此类绑定上设置一些配置时，都必须使用这些绑定名称。您不喜欢这样，并且希望使用更符合领域友好且更易读的绑定名称，例如：
-
orders
-
accounts
-
enrichedOrders
您可以通过简单地设置这三个属性来实现这一点
-
spring.cloud.stream.function.bindings.processOrder-in-0=orders
-
spring.cloud.stream.function.bindings.processOrder-in-1=accounts
-
spring.cloud.stream.function.bindings.processOrder-out-0=enrichedOrders
一旦您这样做了，它将覆盖默认的绑定名称，并且您想要在它们上设置的任何属性都必须使用这些新的绑定名称。
[[how-do-i-send-a-message-key-as-part-of-my-record?]] == 如何将消息键作为记录的一部分发送？
解决方案
通常需要您将关联数据结构（如映射）作为带有键和值的记录发送。Spring Cloud Stream 允许您以直接的方式实现这一点。以下是实现此目的的基本蓝图，但您可能需要根据您的特定用例进行调整。
这是一个示例生产者方法（又名 Supplier）。
@Bean
public Supplier<Message<String>> supplier() {
return () -> MessageBuilder.withPayload("foo").setHeader(KafkaHeaders.MESSAGE_KEY, "my-foo").build();
}这是一个简单的函数，它发送一个带有 String 有效载荷的消息，但也有一个键。请注意，我们使用 KafkaHeaders.MESSAGE_KEY 将键设置为消息头。
如果您想更改默认的 kafka_messageKey 键，那么在配置中，我们需要指定此属性
spring.cloud.stream.kafka.bindings.supplier-out-0.producer.messageKeyExpression=headers['my-special-key']请注意，我们使用绑定名称 supplier-out-0，因为这是我们的函数名称，请相应更新。
然后，我们在生成消息时使用这个新键。
[[how-do-i-use-native-serializer-and-deserializer-instead-of-message-conversion-done-by-spring-cloud-stream?]] == 如何使用原生序列化器和反序列化器而不是 Spring Cloud Stream 完成的消息转换？
问题描述
我不想使用 Spring Cloud Stream 中的消息转换器，而是想在 Kafka 中使用原生序列化器和反序列化器。默认情况下，Spring Cloud Stream 使用其内部内置消息转换器处理此转换。我如何绕过它并将责任委托给 Kafka？
解决方案
这真的很容易做到。
您所要做的就是提供以下属性以启用原生序列化。
spring.cloud.stream.kafka.bindings.<binding-name>.producer.useNativeEncoding: true然后，您还需要设置序列化器。有两种方法可以做到这一点。
spring.cloud.stream.kafka.bindings.<binding-name>.producer.configuration.key.serializer: org.apache.kafka.common.serialization.StringSerializer
spring.cloud.stream.kafka.bindings.<binding-name>.producer.configuration.value.serializer: org.apache.kafka.common.serialization.StringSerializer或者使用绑定器配置。
spring.cloud.stream.kafka.binder.configuration.key.serializer: org.apache.kafka.common.serialization.StringSerializer
spring.cloud.stream.kafka.binder.configuration.value.serializer: org.apache.kafka.common.serialization.StringSerializer当使用绑定器方式时，它应用于所有绑定，而将它们设置在绑定级别是针对每个绑定的。
在反序列化方面，您只需要将反序列化器作为配置提供。
例如，
spring.cloud.stream.kafka.bindings.<binding-name>.consumer.configuration.key.deserializer: org.apache.kafka.common.serialization.StringDeserializer
spring.cloud.stream.kafka.bindings.<binding-name>.producer.configuration.value.deserializer: org.apache.kafka.common.serialization.StringDeserializer您也可以在绑定器级别设置它们。
有一个可选属性可以设置为强制原生解码。
spring.cloud.stream.kafka.bindings.<binding-name>.consumer.useNativeDecoding: true然而，在 Kafka 绑定器的情况下，这是不必要的，因为当它到达绑定器时，Kafka 已经使用配置的反序列化器对其进行了反序列化。
解释 Kafka Streams 绑定器中的偏移量重置工作原理
解决方案
在查看解决方案之前，让我们看以下场景。
@Bean
public BiConsumer<KStream<Object, Object>, KTable<Object, Object>> myBiConsumer{
(s, t) -> s.join(t, ...)
...
}我们有一个 BiConsumer bean，它需要两个输入绑定。在这种情况下，第一个绑定用于 KStream，第二个绑定用于 KTable。当第一次运行此应用程序时，默认情况下，两个绑定都从 earliest 偏移量开始。如果由于某些要求，我希望从 latest 偏移量开始怎么办？您可以通过启用以下属性来实现这一点。
spring.cloud.stream.kafka.streams.bindings.myBiConsumer-in-0.consumer.startOffset: latest
spring.cloud.stream.kafka.streams.bindings.myBiConsumer-in-1.consumer.startOffset: latest如果您只想让一个绑定从 latest 偏移量开始，而另一个绑定从默认的 earliest 消费者开始，那么请将后一个绑定从配置中删除。
请记住，一旦存在已提交的偏移量，这些设置将不生效，并且已提交的偏移量将优先。
在 Kafka 中跟踪记录成功发送（生产）
解决方案
让我们假设应用程序中有以下供应商。
@Bean
public Supplier<Message<String>> supplier() {
return () -> MessageBuilder.withPayload("foo").setHeader(KafkaHeaders.MESSAGE_KEY, "my-foo").build();
}然后，我们需要定义一个新的 MessageChannel bean 来捕获所有成功的发送信息。
@Bean
public MessageChannel fooRecordChannel() {
return new DirectChannel();
}接下来，在应用程序配置中定义此属性以提供 recordMetadataChannel 的 bean 名称。
spring.cloud.stream.kafka.bindings.supplier-out-0.producer.recordMetadataChannel: fooRecordChannel此时，成功的发送信息将发送到 fooRecordChannel。
您可以编写一个 IntegrationFlow 如下所示来查看信息。
@Bean
public IntegrationFlow integrationFlow() {
return f -> f.channel("fooRecordChannel")
.handle((payload, messageHeaders) -> payload);
}在 handle 方法中，payload 是发送到 Kafka 的内容，消息头包含一个名为 kafka_recordMetadata 的特殊键。其值是一个 RecordMetadata，其中包含有关主题分区、当前偏移量等信息。
在 Kafka 中添加自定义头映射器
解决方案
在正常情况下，这应该没问题。
想象一下，您有以下生产者。
@Bean
public Supplier<Message<String>> supply() {
return () -> MessageBuilder.withPayload("foo").setHeader("foo", "bar").build();
}在消费者端，您应该仍然看到头“foo”，以下内容不应给您带来任何问题。
@Bean
public Consumer<Message<String>> consume() {
return s -> {
final String foo = (String)s.getHeaders().get("foo");
System.out.println(foo);
};
}如果您在应用程序中提供自定义头映射器，那么这将不起作用。假设您在应用程序中有一个空的 KafkaHeaderMapper。
@Bean
public KafkaHeaderMapper kafkaBinderHeaderMapper() {
return new KafkaHeaderMapper() {
@Override
public void fromHeaders(MessageHeaders headers, Headers target) {
}
@Override
public void toHeaders(Headers source, Map<String, Object> target) {
}
};
}如果这是您的实现，那么您将错过消费者端的 foo 头。您可能在这些 KafkaHeaderMapper 方法中包含一些逻辑。您需要以下内容来填充 foo 头。
@Bean
public KafkaHeaderMapper kafkaBinderHeaderMapper() {
return new KafkaHeaderMapper() {
@Override
public void fromHeaders(MessageHeaders headers, Headers target) {
final String foo = (String) headers.get("foo");
target.add("foo", foo.getBytes());
}
@Override
public void toHeaders(Headers source, Map<String, Object> target) {
final Header foo = source.lastHeader("foo");
target.put("foo", new String(foo.value()));
}
}这将正确地将 foo 头从生产者填充到消费者。
关于 id 头的特别说明
在 Spring Cloud Stream 中，id 头是一个特殊的头，但有些应用程序可能希望拥有特殊的自定义 id 头——例如 custom-id 或 ID 或 Id。第一个（custom-id）将在没有任何自定义头映射器的情况下从生产者传播到消费者。但是，如果您使用框架保留的 id 头的一个变体（例如 ID、Id、iD 等）进行生产，那么您将遇到框架内部的问题。有关此用例的更多上下文，请参阅此StackOverflow 帖子。在这种情况下，您必须使用自定义 KafkaHeaderMapper 来映射区分大小写的 id 头。例如，假设您有以下生产者。
@Bean
public Supplier<Message<String>> supply() {
return () -> MessageBuilder.withPayload("foo").setHeader("Id", "my-id").build();
}上面的 Id 头将从消费端消失，因为它与框架 id 头冲突。您可以提供自定义 KafkaHeaderMapper 来解决此问题。
@Bean
public KafkaHeaderMapper kafkaBinderHeaderMapper1() {
return new KafkaHeaderMapper() {
@Override
public void fromHeaders(MessageHeaders headers, Headers target) {
final String myId = (String) headers.get("Id");
target.add("Id", myId.getBytes());
}
@Override
public void toHeaders(Headers source, Map<String, Object> target) {
final Header Id = source.lastHeader("Id");
target.put("Id", new String(Id.value()));
}
};
}通过这样做，id 和 Id 头都将从生产者端提供给消费者端。
以事务方式生产到多个主题
解决方案
在 Kafka 绑定器中使用事务支持进行事务处理，然后提供一个 AfterRollbackProcessor。为了生产到多个主题，请使用 StreamBridge API。
以下是此代码片段
@Autowired
StreamBridge bridge;
@Bean
Consumer<String> input() {
return str -> {
System.out.println(str);
this.bridge.send("left", str.toUpperCase());
this.bridge.send("right", str.toLowerCase());
if (str.equals("Fail")) {
throw new RuntimeException("test");
}
};
}
@Bean
ListenerContainerCustomizer<AbstractMessageListenerContainer<?, ?>> customizer(BinderFactory binders) {
return (container, dest, group) -> {
ProducerFactory<byte[], byte[]> pf = ((KafkaMessageChannelBinder) binders.getBinder(null,
MessageChannel.class)).getTransactionalProducerFactory();
KafkaTemplate<byte[], byte[]> template = new KafkaTemplate<>(pf);
DefaultAfterRollbackProcessor rollbackProcessor = rollbackProcessor(template);
container.setAfterRollbackProcessor(rollbackProcessor);
};
}
DefaultAfterRollbackProcessor rollbackProcessor(KafkaTemplate<byte[], byte[]> template) {
return new DefaultAfterRollbackProcessor<>(
new DeadLetterPublishingRecoverer(template), new FixedBackOff(2000L, 2L), template, true);
}所需配置
spring.cloud.stream.kafka.binder.transaction.transaction-id-prefix: tx-
spring.cloud.stream.kafka.binder.required-acks=all
spring.cloud.stream.bindings.input-in-0.group=foo
spring.cloud.stream.bindings.input-in-0.destination=input
spring.cloud.stream.bindings.left.destination=left
spring.cloud.stream.bindings.right.destination=right
spring.cloud.stream.kafka.bindings.input-in-0.consumer.maxAttempts=1为了测试，您可以使用以下内容
@Bean
public ApplicationRunner runner(KafkaTemplate<byte[], byte[]> template) {
return args -> {
System.in.read();
template.send("input", "Fail".getBytes());
template.send("input", "Good".getBytes());
};
}一些重要注意事项
请确保您的应用程序配置中没有任何 DLQ 设置，因为我们手动配置 DLT（默认情况下，它将根据初始消费者函数发布到名为 input.DLT 的主题）。此外，将消费者绑定上的 maxAttempts 重置为 1，以避免绑定器重试。在上面的示例中，它最多重试总共 3 次（初始尝试 + FixedBackoff 中的 2 次尝试）。
有关如何测试此代码的更多详细信息，请参阅StackOverflow 帖子。如果您使用 Spring Cloud Stream 通过添加更多消费者函数来测试它，请务必将消费者绑定上的 isolation-level 设置为 read-committed。
此StackOverflow 帖子也与此讨论相关。
运行多个可轮询消费者时应避免的陷阱
解决方案
假设我有以下定义
spring.cloud.stream.pollable-source: foo
spring.cloud.stream.bindings.foo-in-0.group: my-group运行应用程序时，Kafka 消费者会生成一个 client.id（类似于 consumer-my-group-1）。对于每个运行的应用程序实例，此 client.id 将相同，从而导致意外问题。
为了解决这个问题，您可以在应用程序的每个实例上添加以下属性
spring.cloud.stream.kafka.bindings.foo-in-0.consumer.configuration.client.id=${client.id}有关更多详细信息，请参阅此GitHub 问题。
