kafkaStream处理实时流式计算

1 实时流式计算

1.1 概念

一般流式计算会与批量计算相比较。在流式计算模型中，输入是持续的，可以认为在时间上是无界的，也就意味着，永远拿不到全量数据去做计算。同时，计算结果是持续输出的，也即计算结果在时间上也是无界的。流式计算一般对实时性要求较高，同时一般是先定义目标计算，然后数据到来之后将计算逻辑应用于数据。同时为了提高计算效率，往往尽可能采用增量计算代替全量计算。

流式计算就相当于上图的右侧扶梯，是可以源源不断的产生数据，源源不断的接收数据，没有边界。

1.2 应用场景

日志分析

网站的用户访问日志进行实时的分析，计算访问量，用户画像，留存率等等，实时的进行数据分析，帮助企业进行决策

大屏看板统计

可以实时的查看网站注册数量，订单数量，购买数量，金额等。

公交实时数据

可以随时更新公交车方位，计算多久到达站牌等

实时文章分值计算

头条类文章的分值计算，通过用户的行为实时文章的分值，分值越高就越被推荐。

1.3 技术方案选型

Hadoop
Apche Storm

Storm 是一个分布式实时大数据处理系统，可以帮助我们方便地处理海量数据，具有高可靠、高容错、高扩展的特点。是流式框架，有很高的数据吞吐能力。

Kafka Stream

可以轻松地将其嵌入任何Java应用程序中，并与用户为其流应用程序所拥有的任何现有打包，部署和操作工具集成。

2 Kafka Stream

2.1 概述

Kafka Stream是Apache Kafka从0.10版本引入的一个新Feature。它是提供了对存储于Kafka内的数据进行流式处理和分析的功能。

Kafka Stream的特点如下：

Kafka Stream提供了一个非常简单而轻量的Library，它可以非常方便地嵌入任意Java应用中，也可以任意方式打包和部署
除了Kafka外，无任何外部依赖
充分利用Kafka分区机制实现水平扩展和顺序性保证
通过可容错的state store实现高效的状态操作（如windowed join和aggregation）
支持正好一次处理语义
提供记录级的处理能力，从而实现毫秒级的低延迟
支持基于事件时间的窗口操作，并且可处理晚到的数据（late arrival of records）
同时提供底层的处理原语Processor（类似于Storm的spout和bolt），以及高层抽象的DSL（类似于Spark的map/group/reduce）

2.2 Kafka Streams的关键概念

（1）Stream处理拓扑

流是Kafka Stream提出的最重要的抽象概念：它表示一个无限的，不断更新的数据集。流是一个有序的，可重放（反复的使用），不可变的容错序列，数据记录的格式是键值对（key-value）。
通过Kafka Streams编写一个或多个的计算逻辑的处理器拓扑。其中处理器拓扑是一个由流（边缘）连接的流处理（节点）的图。
流处理器是处理器拓扑中的一个节点；它表示一个处理的步骤，用来转换流中的数据（从拓扑中的上游处理器一次接受一个输入消息，并且随后产生一个或多个输出消息到其下游处理器中）。

（2）在拓扑中有两个特别的处理器：

源处理器（Source Processor）：源处理器是一个没有任何上游处理器的特殊类型的流处理器。它从一个或多个kafka主题生成输入流。通过消费这些主题的消息并将它们转发到下游处理器。
Sink处理器：sink处理器是一个没有下游流处理器的特殊类型的流处理器。它接收上游流处理器的消息发送到一个指定的Kafka主题。

2.3 KStream&KTable

（1）数据结构类似于map,如下图，key-value键值对

（2）KStream

KStream数据流（data stream），即是一段顺序的，可以无限长，不断更新的数据集。
数据流中比较常记录的是事件，这些事件可以是一次鼠标点击（click），一次交易，或是传感器记录的位置数据。

KStream负责抽象的，就是数据流。与Kafka自身topic中的数据一样，类似日志，每一次操作都是向其中插入（insert）新数据。

为了说明这一点，让我们想象一下以下两个数据记录正在发送到流中：

（“ alice”，1）->（"alice“，3）

如果您的流处理应用是要总结每个用户的价值，它将返回4了alice。为什么？因为第二条数据记录将不被视为先前记录的更新。（insert）新数据

（3）KTable

KTable传统数据库，包含了各种存储了大量状态（state）的表格。KTable负责抽象的，就是表状数据。每一次操作，都是更新插入（update）

为了说明这一点，让我们想象一下以下两个数据记录正在发送到流中：

（“ alice”，1）->（“” alice“，3）

如果您的流处理应用是要总结每个用户的价值，它将返回3了alice。为什么？因为第二条数据记录将被视为先前记录的更新。

KStream - 每个新数据都包含了部分信息。

KTable - 每次更新都合并到原记录上。

2.4 Kafka Stream入门案例编写

（1）引入依赖

在之前的kafka-demo工程的pom文件中引入

<dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-streams</artifactId><version>${kafka.client.version}</version><exclusions><exclusion><artifactId>connect-json</artifactId><groupId>org.apache.kafka</groupId></exclusion><exclusion><groupId>org.apache.kafka</groupId><artifactId>kafka-clients</artifactId></exclusion></exclusions>
</dependency>

(2)创建类

package com.oldlu.kafka.simple;import org.apache.kafka.common.serialization.Serdes;
import org.apache.kafka.streams.*;
import org.apache.kafka.streams.kstream.*;import java.util.Arrays;
import java.util.Properties;/*** 需求：*  接收kafka消息内容并计算消息内单词的个数*  如：*      hello kafka stareams*      hello oldlu kafka*      hello beijing oldlu kafka**  结果：*      hello  3*      kafka 3*      streams 1*      oldlu 2*      beijing 1*/
public class KafkaStreamFastStart {public static void main(String[] args) {//kafka配置信息Properties prop = new Properties();prop.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.200.130:9092");prop.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());prop.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());prop.put(StreamsConfig.APPLICATION_ID_CONFIG,"streams-faststart");//stream构建器StreamsBuilder builder = new StreamsBuilder();//流式计算group(builder);//创建kafkaStreamKafkaStreams kafkaStreams = new KafkaStreams(builder.build(),prop);//开启kafka流计算kafkaStreams.start();}/*** 实时流式计算* @param builder*/private static void group(StreamsBuilder builder) {//接收上游处理器的消息KStream<String, String> stream = builder.stream("input_topic");KStream<String, String> map = stream.flatMapValues(new ValueMapper<String, Iterable<String>>() {/*** 把消息中的词组，转换为一个一个的单词放到集合中* @param value* @return*/@Overridepublic Iterable<String> apply(String value) {return Arrays.asList(value.split(" "));}}).map(new KeyValueMapper<String, String, KeyValue<String, String>>() {/*** 把消息的key,重新赋值，目前消息的key,就是一个个的单词，把单词作为key进行聚合* @param key* @param value* @return*/@Overridepublic KeyValue<String, String> apply(String key, String value) {return new KeyValue<>(value, value);}})//根据key进行分组  目前的key 就是value,就是一个个的单词.groupByKey()//聚合的时间窗口  多久聚合一次.windowedBy(TimeWindows.of(10000))//聚合  求单词的个数，调用count后，消息的vlaue是聚合单词后的统计数值  是一个long类型//Materialized.as("count-article-num-001")  是当前消息的状态值，不重复即可.count(Materialized.as("count-article-num-001"))//转换成 Kstream.toStream()//把处理后的key和value转成string.map((key, value) -> {return new KeyValue<>(key.key().toString(), value.toString());});//处理后的结果，发送给下游处理器map.to("out_topic");}
}

(3)测试

准备

使用生产者在topic为：input_topic中发送多条消息
使用消费者接收topic为：out_topic

①生产者代码修改ProducerFastStart

package com.oldlu.kafka.simple;import org.apache.kafka.clients.producer.*;
import org.apache.kafka.common.protocol.types.Field;import java.util.Properties;/*** 消息生产者*/
public class ProducerFastStart {private static final String INPUT_TOPIC="input_topic";public static void main(String[] args) {//添加kafka的配置信息Properties properties = new Properties();//配置broker信息properties.put("bootstrap.servers","192.168.200.130:9092");properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer");properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer");properties.put(ProducerConfig.RETRIES_CONFIG,10);//生产者对象KafkaProducer<String,String> producer = new KafkaProducer<String, String>(properties);try {//封装消息for (int i = 0; i < 10; i++) {if (i % 2 == 0) {ProducerRecord<String,String> record =new ProducerRecord<String, String>(INPUT_TOPIC,i+"","hello shanghai kafka stream hello");//发送消息producer.send(record);System.out.println("发送消息："+record);}else {ProducerRecord<String,String> record =new ProducerRecord<String, String>(INPUT_TOPIC,i+"","helloworld kafka stream");//发送消息producer.send(record);System.out.println("发送消息："+record);}}}catch (Exception e){e.printStackTrace();}//关系消息通道producer.close();}
}

②消费者ConsumerFastStart

package com.oldlu.kafka.simple;import com.sun.scenario.effect.Offset;
import jdk.nashorn.internal.runtime.logging.Logger;
import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;import java.time.Duration;
import java.util.Collections;
import java.util.Map;
import java.util.Properties;/*** 消息消费者*/
public class ConsumerFastStart {private static final String OUT_TOPIC="out_topic";public static void main(String[] args) {//添加配置信息Properties properties = new Properties();properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.200.130:9092");properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");//设置分组properties.put(ConsumerConfig.GROUP_ID_CONFIG, "group2");properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");//创建消费者KafkaConsumer<String, String> consumer = new KafkaConsumer<String, String>(properties);//订阅主题consumer.subscribe(Collections.singletonList(OUT_TOPIC));while (true) {ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(1000));for (ConsumerRecord<String, String> record : records) {System.out.println(record.key()+":"+record.value());/*try {//手动提交偏移量consumer.commitSync();}catch (CommitFailedException e){e.printStackTrace();System.out.println("记录错误信息为："+e);}*/}consumer.commitAsync(new OffsetCommitCallback() {@Overridepublic void onComplete(Map<TopicPartition, OffsetAndMetadata> map, Exception e) {if(e!=null){System.out.println("记录当前错误信息时提交的偏移量"+map+",异常信息为："+e);}}});}}
}

结果：

通过流式计算，会把生产者的多条消息汇总成一条发送到消费者中输出

2.5 SpringBoot集成Kafka Stream

从资料文件夹中把提供好的4个类拷贝到项目的config目录下

当前kafka-demo项目需要添加lombok的依赖包

<properties><lombok.version>1.18.8</lombok.version>
</properties><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><version>${lombok.version}</version><scope>provided</scope>
</dependency>

（1）自定配置参数

/*** 通过重新注册KafkaStreamsConfiguration对象，设置自定配置参数*/
@Setter
@Getter
@Configuration
@EnableKafkaStreams
@ConfigurationProperties(prefix="kafka")
public class KafkaStreamConfig {private static final int MAX_MESSAGE_SIZE = 16* 1024 * 1024;private String hosts;private String group;/*** 重新定义默认的KafkaStreams配置属性，包括：* 1、服务器地址* 2、应用ID* 3、流消息的副本数等配置* @return*/@Bean(name = KafkaStreamsDefaultConfiguration.DEFAULT_STREAMS_CONFIG_BEAN_NAME)public KafkaStreamsConfiguration defaultKafkaStreamsConfig() {Map<String, Object> props = new HashMap<>();props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, hosts);props.put(StreamsConfig.APPLICATION_ID_CONFIG, this.getGroup()+"_stream_aid");props.put(StreamsConfig.CLIENT_ID_CONFIG, this.getGroup()+"_stream_cid");props.put(StreamsConfig.RETRIES_CONFIG, 10);props.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());props.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());// 消息副本数量props.put(StreamsConfig.REPLICATION_FACTOR_CONFIG, 1);props.put(StreamsConfig.RETRY_BACKOFF_MS_CONFIG, 5_000);props.put(StreamsConfig.SEND_BUFFER_CONFIG, 3*MAX_MESSAGE_SIZE);props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, Topology.AutoOffsetReset.EARLIEST.name().toLowerCase());return new KafkaStreamsConfiguration(props);}
}

修改application.yml文件，在最下方添加自定义配置

kafka:hosts: 192.168.200.130:9092group: ${spring.application.name}

（2）定义监听接口

/*** 流数据的监听消费者实现的接口类，系统自动会通过* KafkaStreamListenerFactory类扫描项目中实现该接口的类，* 并注册为流数据的消费端。** 其中泛型可是KStream或KTable* @param <T>*/
public interface KafkaStreamListener<T> {// 监听的类型String listenerTopic();// 处理结果发送的类String sendTopic();// 对象处理逻辑T getService(T stream);}

(3)KafkaStream自动处理包装类

/*** KafkaStream自动处理包装类*/
public class KafkaStreamProcessor {// 流构建器StreamsBuilder streamsBuilder;private String type;KafkaStreamListener listener;public KafkaStreamProcessor(StreamsBuilder streamsBuilder,KafkaStreamListener kafkaStreamListener){this.streamsBuilder = streamsBuilder;this.listener = kafkaStreamListener;this.parseType();Assert.notNull(this.type,"Kafka Stream 监听器只支持kstream、ktable,当前类型是"+this.type);}/*** 通过泛型类型自动注册对应类型的流处理器对象* 支持KStream、KTable* @return*/public Object doAction(){if("kstream".equals(this.type)) {KStream<?, ?> stream = streamsBuilder.stream(listener.listenerTopic(), Consumed.with(Topology.AutoOffsetReset.LATEST));stream=(KStream)listener.getService(stream);stream.to(listener.sendTopic());return stream;}else{KTable<?, ?> table = streamsBuilder.table(listener.listenerTopic(), Consumed.with(Topology.AutoOffsetReset.LATEST));table = (KTable)listener.getService(table);table.toStream().to(listener.sendTopic());return table;}}/*** 解析传入listener类的泛型类*/private void parseType(){Type[] types = listener.getClass().getGenericInterfaces();if(types!=null){for (int i = 0; i < types.length; i++) {if( types[i] instanceof ParameterizedType){ParameterizedType t = (ParameterizedType)types[i];String name = t.getActualTypeArguments()[0].getTypeName().toLowerCase();if(name.contains("org.apache.kafka.streams.kstream.kstream")||name.contains("org.apache.kafka.streams.kstream.ktable")){this.type = name.substring(0,name.indexOf('<')).replace("org.apache.kafka.streams.kstream.","").trim();break;}}}}}
}

(4)KafkaStreamListener扫描和实例化成KafkaStreamProcessor.doAction的返回类，完成监听器实际注册的过程

@Component
public class KafkaStreamListenerFactory implements InitializingBean {Logger logger = LoggerFactory.getLogger(KafkaStreamListenerFactory.class);@AutowiredDefaultListableBeanFactory defaultListableBeanFactory;/*** 初始化完成后自动调用*/@Overridepublic void afterPropertiesSet() {Map<String, KafkaStreamListener> map = defaultListableBeanFactory.getBeansOfType(KafkaStreamListener.class);for (String key : map.keySet()) {KafkaStreamListener k = map.get(key);KafkaStreamProcessor processor = new KafkaStreamProcessor(defaultListableBeanFactory.getBean(StreamsBuilder.class),k);String beanName = k.getClass().getSimpleName()+"AutoProcessor" ;//注册baen,并且执行doAction方法defaultListableBeanFactory.registerSingleton(beanName,processor.doAction());logger.info("add kafka stream auto listener [{}]",beanName);}}
}

(5)手动创建监听器

1,该类需要实现KafkaStreamListener接口

2,listenerTopic方法返回需要监听的topic

3,sendTopic方法返回需要处理完后发送的topic

4,getService方法，主要处理流数据

package com.oldlu.kafka.stream.listerer;import com.oldlu.kafka.config.KafkaStreamListener;
import org.apache.kafka.streams.KeyValue;
import org.apache.kafka.streams.kstream.*;
import org.springframework.stereotype.Component;import java.util.Arrays;/*** KafkaStreamListener的泛型是固定的，有两种泛型可以选择* KTable* KStream*/
@Component
public class StreamHandlerListener implements KafkaStreamListener<KStream<String,String>> {/*** 在哪里接收消息  源处理器* @return*/@Overridepublic String listenerTopic() {return "input_topic";}/*** 计算完成后的结果发送到什么位置  下游处理器* @return*/@Overridepublic String sendTopic() {return "out_topic";}@Overridepublic KStream<String, String> getService(KStream<String, String> stream) {//计算return stream.flatMapValues(new ValueMapper<String, Iterable<String>>() {/*** 把消息中的词组，转换为一个一个的单词放到集合中* @param value* @return*/@Overridepublic Iterable<String> apply(String value) {System.out.println("消息的value:"+value);//hello kafka stareamsString[] strings = value.split(" ");return Arrays.asList(strings);}}).map(new KeyValueMapper<String, String, KeyValue<String, String>>() {/*** 把消息的key,重新赋值，目前消息的key就是单词* @param key* @param value* @return*/@Overridepublic KeyValue<String, String> apply(String key, String value) {return new KeyValue<>(value,value);}}).groupByKey()//时间聚合窗口.windowedBy(TimeWindows.of(5000))//消息的value就是聚合单词后的统计数值，long类型.count(Materialized.as("count-word-num-0001"))//转换为Kstream.toStream()//把处理后的key和value转换String.map((key,value)->{return new KeyValue<>(key.key().toString(),value.toString());});}
}

测试：

启动微服务，正常发送消息，可以正常接收到消息