本文主要是介绍搭建大型分布式服务(四十四)SpringBoot 无代码侵入实现多Kafka数据源:单分区提升至十万级消费速度!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
系列文章目录
文章目录
- 系列文章目录
- 前言
- 一、本文要点
- 二、开发环境
- 三、原项目
- 四、修改项目
- 五、测试一下
- 五、小结
前言
在过去的一段时间里,我们利用了AI大模型写了一个多线程并发框架,那么,我们怎样集成到Kafka组件里,让消费速度提升N倍呢?
- 《AI大模型编写多线程并发框架(六十一):从零开始搭建框架》
- 《AI大模型编写多线程并发框架(六十二):限流和并发度优化》
- 《AI大模型编写多线程并发框架(六十三):监听器优化·上》
- 《AI大模型编写多线程并发框架(六十四):监听器优化·下》
- 《AI大模型编写多线程并发框架(六十五):发布和应用》
国籍惯例,先上源码:Github源码
一、本文要点
本文将介绍通过封装一个starter,来实现多kafka数据源的配置,通过通过源码,可以学习以下特性。系列文章完整目录
- SpringBoot 整合多个kafka数据源
- SpringBoot 批量消费kafka消息
- SpringBoot 优雅地启动或停止消费kafka
- SpringBoot kafka本地单元测试(免集群)
- SpringBoot 利用map注入多份配置
- SpringBoot BeanPostProcessor 后置处理器使用方式
- SpringBoot 将自定义类注册到IOC容器
- SpringBoot 注入bean到自定义类成员变量
- Springboot 取消限定符
- SpringBoot 支持消费protobuf类型的kafka消息
- SpringBoot Aware设计模式
- SpringBoot 获取kafka消息中的topic、offset、partition、header等参数
- SpringBoot 使用任意生产者发送kafka消息
- SpringBoot 配置任意数量的kafka生产者
- SpringBoot Kafka单次batch消息内并发处理
二、开发环境
- jdk 1.8
- maven 3.6.2
- springboot 2.4.3
- kafka-client 2.6.6
- idea 2020
- mmc-juc 1.1
三、原项目
1、接前文,我们已经发布了Kafka组件到中央仓库,所有开发者都可以下载使用本组件。虽然本组件支持批量消费Kafka消息,但是毕竟它是串行顺序处理的,尤其涉及高IO耗时调用时,比如消费Kafka,然后读写DB多表操作这种场景,会使消费速度下降。能否并发处理这些Kafka消息呢?
答案是可以的、但我们要升级和优化一下。
四、修改项目
1、新增ContainerConfig
接口类,用于获取多线程任务容器配置,便于后续使用Apollo、Disconf、Consul等配置中心。
public interface ContainerConfig {/*** Get the execute rate.** @return rate*/int getRate();/*** Get the max task count for per thread.** @return max count*/int getThreshold();/*** The max thread count, default is numbers of processor.* @return count*/default int getParallelism() {return Runtime.getRuntime().availableProcessors();}
}
2、修改MmcMultiKafkaProperties
配置类,增加容器配置;
@ToString
@Data
@ConfigurationProperties(prefix = "spring")
public class MmcMultiKafkaProperties {// 省略其他代码/*** MmcKafkaProperties.*/@Datastatic class MmcKafkaProperties {// 省略其他代码/*** 并发设置.*/private Container container = new Container();}@Datapublic static class Container implements ContainerConfig {/*** 是否启用多线程消费.*/private boolean enabled = true;/** 消费消息的速率(每秒接收的记录数),默认值为1000.*/private int rate = 1000;/** 最小批次数量,默认为2.*/private int threshold = 2;/** 设置并行度,默认值为可用处理器数量.*/private int parallelism = Runtime.getRuntime().availableProcessors();}
}
3、修改MmcMultiConsumerAutoConfiguration
配置类,主要是增加inputer的初始化方法,用于后续构建多线程任务容器实例。
public interface MmcInputer {// 省略其他代码/*** 初始化kafka容器.*/void init();
}@Slf4j
@Configuration
@EnableConfigurationProperties(MmcMultiKafkaProperties.class)
@ConditionalOnProperty(prefix = "spring.kafka", value = "enabled", matchIfMissing = true)
public class MmcMultiConsumerAutoConfiguration extends BaseConsumerConfiguration {// 省略其他代码@Beanpublic MmcKafkaInputerContainer mmcKafkaInputerContainer(MmcKafkaProcessorFactory factory,MmcKafkaBeanPostProcessor beanPostProcessor) throws Exception {// 省略其他代码// 逐个遍历,并生成consumerfor (Map.Entry<String, MmcMultiKafkaProperties.MmcKafkaProperties> entry : kafkas.entrySet()) {// 省略其他代码// 是否开启if (properties.isEnabled() && CommonUtil.isNotBlank(properties.getGroupId())) {// 省略其他代码// 设置容器inputer.setContainer(container);inputer.setName(name);inputer.setProperties(properties);inputer.init(); // 增加初始化// 省略其他代码}}return new MmcKafkaInputerContainer(inputers);}
}
4、由于增加了inputer增加了init方法,所以超级父类KafkaAbstractProcessor也增加一个默认实现。
@Slf4j
@Setter
public abstract class KafkaAbstractProcessor<T> implements MmcInputer {// 省略其他代码@Overridepublic void init() {}
}
5、新增MmcKafkaParallelAbstractProcessor并发处理类,根据多线程并发框架mmc-juc的特性,配置初始化多线程任务容器,并保留很多回调函数,方便子类覆盖重写。
@Slf4j
@Setter
public abstract class MmcKafkaParallelAbstractProcessor<T, R> extends MmcKafkaAbstractProcessor<T> {/*** taskExecutor.*/protected MmcTaskExecutor<T, R> taskExecutor;/*** init.*/public void init() {ContainerConfig config = properties.getContainer();this.taskExecutor = MmcTaskExecutor.<T, R>builder().taskProcessor(this::handelBatchDatas).threshold(config.getThreshold()).rateLimiter(buildRateLimiter(config.getRate())).taskMerger(this::mergeResult).forkJoinPoolConcurrency(config.getParallelism()).build();}@Overrideprotected void dealMessage(List<T> datas) throws ExecutionException, InterruptedException {if (properties.getContainer().isEnabled()) {// 开启并发处理R result = taskExecutor.execute(MmcTask.<T, R>builder().taskSource(datas).taskName(getTaskName(datas)).build());dealMessageCallBack(result);} else {// 同步处理R result = handelBatchDatas(datas);dealMessageCallBack(result);}}/*** 合并小任务结果(默认不合并).** @param left 左边处理结果* @param right 右边处理结果* @return 合并后的结果*/protected R mergeResult(R left, R right) {return null;}/*** 构建速率限制器.** @param rate qps* @return 速率限制器*/protected RateLimiter buildRateLimiter(int rate) {return new TokenBucket(rate, rate);}/*** 当所有消息处理完后,会调用该方法.** @param result 处理结果*/protected void dealMessageCallBack(R result) {// default null}/*** 获取任务名称.*/protected String getTaskName(List<T> datas) {return name;}/*** 真正处理消息的方法.** @param datas 待处理消息* @return 小任务处理完的结果*/protected abstract R handelBatchDatas(List<T> datas);}
五、测试一下
1、引入mmc-juc需要的jar。参考文章:kafka单元测试
<dependency><groupId>io.github.vipjoey</groupId><artifactId>mmc-juc</artifactId><version>1.1</version></dependency>
2、增加并发消费者配置,生产者配置不变。
## json消息消费者
spring.kafka.five.enabled=true
spring.kafka.five.consumer.bootstrapServers=${spring.embedded.kafka.brokers}
spring.kafka.five.topic=mmc-topic-five
spring.kafka.five.group-id=group-consumer-five
spring.kafka.five.processor=fiveProcessor
spring.kafka.five.duplicate=true
spring.kafka.five.snakeCase=false
spring.kafka.five.consumer.auto-offset-reset=latest
spring.kafka.five.consumer.max-poll-records=10
spring.kafka.five.consumer.value-deserializer=org.apache.kafka.common.serialization.StringDeserializer
spring.kafka.five.consumer.key-deserializer=org.apache.kafka.common.serialization.StringDeserializer
## 并发配置
spring.kafka.five.container.threshold=2
spring.kafka.five.container.rate=1000
spring.kafka.five.container.parallelism=8## json消息生产者
spring.kafka.five.enabled=true
spring.kafka.five.producer.name=fiveKafkaSender
spring.kafka.five.producer.bootstrap-servers=${spring.embedded.kafka.brokers}
spring.kafka.five.producer.key-serializer=org.apache.kafka.common.serialization.StringSerializer
spring.kafka.five.producer.value-serializer=org.apache.kafka.common.serialization.StringSerializer
3、编写测试类。
@Slf4j
@Service("fiveProcessor")
public class FiveProcessor extends MmcKafkaParallelAbstractProcessor<ParalleMsg, Void> {@Overrideprotected Void handelBatchDatas(List<ParalleMsg> datas) {datas.forEach(x -> {log.info("handelBatchDatas one: {}", x);});return null;}
}@Slf4j
@ActiveProfiles("dev")
@ExtendWith(SpringExtension.class)
@SpringBootTest(classes = {MmcMultiProducerAutoConfiguration.class, MmcMultiConsumerAutoConfiguration.class,FiveProcessor.class})
@TestPropertySource(value = "classpath:application-paralle.properties")
@DirtiesContext
@EmbeddedKafka(partitions = 1, brokerProperties = {"listeners=PLAINTEXT://localhost:9092", "port=9092"},topics = {"${spring.kafka.five.topic}"})
public class KafkaParalleMessageTest {@Value("${spring.kafka.five.topic}")private String fiveTopic;@Resource(name = "fiveKafkaSender")private MmcKafkaSender mmcKafkaSender;@Testvoid testDealMessage() throws Exception {Thread.sleep(2 * 1000);// 模拟生产数据produceMessage();Thread.sleep(10 * 1000);}void produceMessage() {for (int i = 0; i < 10; i++) {DemoMsg msg = new DemoMsg();msg.setRoutekey("routekey" + i);msg.setName("name" + i);msg.setTimestamp(System.currentTimeMillis());String json = JsonUtil.toJsonStr(msg);mmcKafkaSender.sendStringMessage(fiveTopic, "aaa", json);}}
}
5、运行一下,测试通过,可以看到能正常发送消息和消费。
五、小结
将本项目代码构建成starter,就可以大大提升我们开发效率,我们只需要关心业务代码的开发,github项目源码:轻触这里。如果对你有用可以打个星星哦。
- 《搭建大型分布式服务(三十六)SpringBoot 零代码方式整合多个kafka数据源》
- 《搭建大型分布式服务(三十七)SpringBoot 整合多个kafka数据源-取消限定符》
- 《搭建大型分布式服务(三十八)SpringBoot 整合多个kafka数据源-支持protobuf》
- 《搭建大型分布式服务(三十九)SpringBoot 整合多个kafka数据源-支持Aware模式》
- 《搭建大型分布式服务(四十)SpringBoot 整合多个kafka数据源-支持生产者》
- 《搭建大型分布式服务(四十一)SpringBoot 整合多个kafka数据源-支持亿级消息生产者》
- 《搭建大型分布式服务(四十二)SpringBoot 无代码侵入实现多Kafka数据源整合插件发布》
- 《搭建大型分布式服务(四十三)SpringBoot 多Kafka数据源发布到Maven中央仓库:让世界看到你的作品!》
- 《搭建大型分布式服务(四十四)SpringBoot 无代码侵入实现多Kafka数据源:单分区提升至十万级消费速度!》
加我加群一起交流学习!更多干货下载、项目源码和大厂内推等着你
这篇关于搭建大型分布式服务(四十四)SpringBoot 无代码侵入实现多Kafka数据源:单分区提升至十万级消费速度!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!