---恢复内容开始---

基本概念

spring:
  cloud:
    stream:
      kafka:
        binder:
          brokers: cloudTest:19092
          zk-nodes: cloudTest:22182
          auto-create-topics: true
      bindings:
        output:
          destination: simpleTest
          content-type: text/plain
          producer:
            partitionCount: 1

做类比的话binder就类似于connection,而bindings就是topic,其中destination就是消息队列中的。
spring会对很多东西做出自己的封装。有些不错。有些就做些类比就好了。

关于具体channel的配置有两类。比如channel input
一类是通用配置。路径是spring.cloud.bindings.input
一类是kafka专用配置。路径是spring.cloud.kafka.bindings.input,然后官方指导上面的文章上面default不太对。我试下来是下面的路径

spring:
  cloud:
    stream:
      kafka:
        default:
          consumer:
            autoCommitOffset: false

或者说官方的意思,可能说想、是同级别下面的defualt的意思吧。

MessageConverter

MessageConverter最大的一个坑就是网络上很多google到的教程。往往已经过时,比如开始的时候是在配置项里面baeldung里面很多配置,现在已经过时。现在只要配置一个bean。注入就好。
其他的看看文档就好。

  • 看了一下代码,MessageConverter是通过content-type这个配置项来捞的。

Avro

关于Avro,就是需要一个schema-registy服务器。简单的来书,就是共享schema的地方。其实这个话题,是Avro的话题。
回到spring的话,spring自己做了一个schma的服务器。那么你用两种选择

  • 用spring的。然后配置@EnableSchemaRegistryServer新建一个boot的application,然后在client端配置@EnableSchemaRegistryClient就好
  • 用Confluent的话,像下面配置就好。然后记住默认的content type是application/*+avro
@Bean
public SchemaRegistryClient schemaRegistryClient(@Value("${spring.cloud.stream.schemaRegistryClient.endpoint}") String endpoint){
  ConfluentSchemaRegistryClient client = new ConfluentSchemaRegistryClient();
  client.setEndpoint(endpoint);
  return client;
}

如果开发目的呢。我建议还是用Confluent,然后弄个docker container就好。就是方便而已。

offset

  • 获取offset: Long offset = message.getHeaders().get(KafkaHeaders.OFFSET, Long.class);

手动提交的配置

spring:
  cloud:
    stream:
      kafka:
        bindings:
          input:
            consumer:
              autoCommitOffset: false
      bindings:
        input:
          destination: textPlain
          group: s1

关于手动提交的
一开始的时候,按照官方的手动提交的例子,我发觉一直获得的Acknowledge一直为Null。然后细看了配置,才发现原来源于kafka的配置,要写在kafka下面。我觉得这个设计还是挺操蛋的。
然后关于meesage的meta data。其实都藏在header里面,可以通过KafkaHeaders来取。
不过关于这点,我觉得还有一个问题,就是commit offset。其实也可以通过那个从header里面来获得customer对象来获得,我发觉commit相关的api都在。估计一个是spring的封装。一个是原生吧

resume

基本没什么特别

@Slf4j
@Component
public class RebalancedListener implements KafkaBindingRebalanceListener {

    @Override
    public void onPartitionsAssigned(String bindingName,
                                     Consumer<?, ?> consumer,
                                     Collection<TopicPartition> partitions,
                                     boolean initial) {

        partitions.forEach(
                p -> consumer.seek(p, offset)
        );

    }
}

@StreamListener

condition

尽管来说支持spel表达式。如果读取payload的话,payload是之前的。所以最好加在heeders里面。

有用的代码入入口

  • NetworkClient-initiateConnect: 用来看kafka到底是怎么连接到那里。

    • 由于kafka的机制问题。经常会有很多的地址。有时候一个配置错误,不知道哪里错了。就可以看这里。有一次,我把127和172搞错了。花了一个下午
  • SmartMessageMethodArgumentResolver-convertPayload: message to pojo的入口
    • 可以看看你配置的MessageConverter到底有没有作用
    • 可以看看到底message的二进制字节码
  • OutboundContentTypeConvertingInterceptor-doPreSend: pojo to message的入口
    • 和上面一个正好相对

      ---恢复内容结束---

spring cloud stream 经验总结的更多相关文章

  1. Spring Cloud Stream同一通道根据消息内容分发不同的消费逻辑

    应用场景 有的时候,我们对于同一通道中的消息处理,会通过判断头信息或者消息内容来做一些差异化处理,比如:可能在消息头信息中带入消息版本号,然后通过if判断来执行不同的处理逻辑,其代码结构可能是这样的: ...

  2. Spring Cloud Stream消费失败后的处理策略(四):重新入队(RabbitMQ)

    应用场景 之前我们已经通过<Spring Cloud Stream消费失败后的处理策略(一):自动重试>一文介绍了Spring Cloud Stream默认的消息重试功能.本文将介绍Rab ...

  3. Spring Cloud Stream消费失败后的处理策略(三):使用DLQ队列(RabbitMQ)

    应用场景 前两天我们已经介绍了两种Spring Cloud Stream对消息失败的处理策略: 自动重试:对于一些因环境原因(如:网络抖动等不稳定因素)引发的问题可以起到比较好的作用,提高消息处理的成 ...

  4. Spring Cloud Stream消费失败后的处理策略(二):自定义错误处理逻辑

    应用场景 上一篇<Spring Cloud Stream消费失败后的处理策略(一):自动重试>介绍了默认就会生效的消息重试功能.对于一些因环境原因.网络抖动等不稳定因素引发的问题可以起到比 ...

  5. Spring Cloud Stream消费失败后的处理策略(一):自动重试

    之前写了几篇关于Spring Cloud Stream使用中的常见问题,比如: 如何处理消息重复消费 如何消费自己生产的消息 下面几天就集中来详细聊聊,当消息消费失败之后该如何处理的几种方式.不过不论 ...

  6. Spring Cloud Stream如何消费自己生产的消息?

    在上一篇<Spring Cloud Stream如何处理消息重复消费>中,我们通过消费组的配置解决了多实例部署情况下消息重复消费这一入门时的常见问题.本文将继续说说在另外一个被经常问到的问 ...

  7. Spring Cloud Stream如何处理消息重复消费?

    最近收到好几个类似的问题:使用Spring Cloud Stream操作RabbitMQ或Kafka的时候,出现消息重复消费的问题.通过沟通与排查下来主要还是用户对消费组的认识不够.其实,在之前的博文 ...

  8. 使用 Spring Cloud Stream 构建消息驱动微服务

    相关源码: spring cloud demo 微服务的目的: 松耦合 事件驱动的优势:高度解耦 Spring Cloud Stream 的几个概念 Spring Cloud Stream is a ...

  9. Spring Cloud Stream

    Spring Cloud Stream是Spring Cloud的组件之一,是一个为微服务应用构建消息驱动能力的框架. 1.导入引用 <dependency> <groupId> ...

随机推荐

  1. 并发编程-concurrent指南-原子操作类-AtomicReference

    1.类 AtomicReference<V> public class AtomicReference<V>extends Objectimplements Serializa ...

  2. HDU 4819:Mosaic(线段树套线段树)

    http://acm.hdu.edu.cn/showproblem.php?pid=4819 题意:给出一个矩阵,然后q个询问,每个询问有a,b,c,代表(a,b)这个点上下左右c/2的矩形区域内的( ...

  3. 4.秋招复习简单整理之java支持多继承吗?

    java仅支持单继承,但支持接口多实现.

  4. CTSC&APIO被教做人记

    DAY 0: 早早起来从衡水出发,在去火车站的路上明白了HZOI总是差点误车的真相……上了绿皮火车之后由于没网没流量就开始看政治书应付学考,然而并不是很能看进去,感觉初中学的比高中学的不知道高到哪里去 ...

  5. NOIP2015斗地主题解 7.30考试

    问题 B: NOIP2015 斗地主 时间限制: 3 Sec  内存限制: 1024 MB 题目描述 牛牛最近迷上了一种叫斗地主的扑克游戏.斗地主是一种使用黑桃.红心.梅花.方片的A到K加上大小王的共 ...

  6. 【AI】Android Pie中引入的AI功能

    前言 “无AI,不未来”,绝对不是一句豪情壮语,AI早已进入到了我们生活当中.去年Google发布的Android Pie系统在AI功能方面就做了重大革新,本文就对Google在新系统中引入的AI功能 ...

  7. 深入理解Java虚拟机一 阅读笔记

    xl_echo编辑整理.欢迎添加echo微信(微信号:t2421499075)交流学习. 百战不败,依不自称常胜,百败不颓,依能奋力前行.--这才是真正的堪称强大!! --- > 以下内容摘抄自 ...

  8. ISTQB TA - 边界值分析中三值测试法的注意事项

    三值测试法的定义(中文版20150601大纲): 取一个不超过边界.一个在边界上.一个超过边界的值. 这三个值其实还有另外一种叫法,分别是内点.上点和离点. 内点:不超过边界的点 上点:在边界上的点 ...

  9. VS2010中GetMenu()和GetSubMenu(0)为NULL引发异常的解决方法 及添加方法

    对于前面问题的分析:来源于http://blog.163.com/yuyang_tech/blog/static/216050083201211144120401/ 解决方法1: //来源:http: ...

  10. 模拟用户登录,内含验证码验证和request等操作

    模拟用户登录,内含验证码验证和jsp等操作 1.案例需求: 1. 访问带有验证码的登录页面login.jsp 2. 用户输入用户名,密码以及验证码. * 如果用户名和密码输入有误,跳转登录页面,提示: ...