流式图表拒绝增删改查之kafka核心消费逻辑下篇

目录

• 前篇回顾
• kafka消费者线程
• 任务提交

前篇回顾

• 流式图表框架搭建
• kafka核心消费逻辑线程池搭建

kafka消费者线程

突击检查八股文，实现线程的方法有哪些？嗯？没复习是吧，行没关系，那感谢参android加本次面试哈。

常用的几种方式分别是：

• 继承Thread类，重写run方法
• 实现Runbale接口，重写run方法
• 实现Callable接口，重写call方法

这里我们直接创捷出一个任务类实现Runable方法，重写run方法，一个线程当作一个kafka client，所以要在任务类中声明一个KafkaConsumer的成员变量，另外创建任务需要指定当前任务的名称也就是线程名，还有要监听的topic主题。

private KafkaConsumer<String, String> consumer;
private String topic;
private String threadName;

name和topic通过构qqOQgI造方法传进来，同时在构造方法里完成对client的初始化操作。

/**
    * 封装必要信息
    * @param bootServer 生产者ip
    * @param groupId 分组信息
    * @param topic  订阅主题
    */
   public KafkaConsumerRunnable(String bootServer, String groupId, String topic) {
       this.topic = topic;
       Properties编程客栈 props = new Properties();
       props.put("bootstrap.servers", bootServer);
       props.put("group.id", groupId);
       props.put("enable.auto.commit", "false");
       props.put("auto.offset.reset", "latest");
       props.put("max.poll.records", 5);
       props.put("session.timeout.ms", "60000");
       props.put("max.poll.interval.ms", 300000);
       props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");  //键反序列化方式
       props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
       this.consumer = new KafkaConsumer<>(props);
   }

这里封装kafka client的必要信息，入参bootServer为kafka集群ip，groupId为threadNa开发者_开发入门me，我们规定一个线程为一个kafka消费链接，消费一个topic。

上一篇线程池保证了任务不会轻易挂掉，就算挂掉了也会重新提交，所以为了节省资源不做所谓的同pythongroupId的负载操作。session.timeout.ms和max.poll.interval.ms可以根据当前的kafka资源灵活配置，不然可能会引发一些reblance。

enable.auto.commit设置为false，手动提交offset，auto.offset.reset这块由于业务特殊，本来就是流式图表瞬时的展示，如果真的出现了数据丢失那就丢了吧，从最新的数据读取。

接下来只需要处理下消费逻辑，consumer.subscribe(Collections.singletonList(this.topic))开始订阅监听kafka数据，搞一个while true不断的消费数据，try catch只需要对WakeupException做处理，kafka客户端会在关闭的时候抛出WakeupException异常。

finally里提交offset，无论这条offset对应的数据消费成功还是失败都是消费过了，失败了就过去了。

   @Override
   public void run() {
   consumer.subscribe(Collections.singletonList(this.topic));
   String key = "stream_chart:" + this.name;
   Thread.currentThread().setName(key);
   try {
      while (true) {
         ConsumerRecords<String, String> records = consumer.poll(Duration.ofSeconds(1));
         // 如果队列中没有消息 等待KAFKA_TIME_OUT后调用poll，如果有消息立即消费
         for (ConsumerRecord<String, String> record : records) {
            String value = record.value();
            log.info("线程 {} 消费kafka数据 -> {} \n", Thread.currentThread().getName(), value);
            RedisConfig.getRedisTemplate().opsForZSet().add(key, value, Instant.now().getEpochSecond() * 1000);
         }
      }
   } catch (WakeupException e) {
      log.info("ignore for shutdown", e);
   } finally {
      consumer.commitAsync();
   }
}

我们消费到数据直接放到redis的zset结构里，当前的时间戳作为score，最后留一个关闭客户端的后门

// 退出后关掉客户端
public void shutDown() {
   consumer.wakeup();
}

任务提交

任务提交这块只需要在业务service中注入线程池，创建对应的KafkaRunable任务封装对应的信息，执行execute即可。

这里有个坑需要注意下，第二次突击检查八股文，线程池提交方法submit与execute的区别说一下。不知道的立刻去熟读并背诵。

public class TestTheadPool {
    public static void main(String[] args) {
        ExecutorService executorService= Executors.newFixedThreadPool(1);
        executorService.submit(new task("submit"));
        executorService.execute(new task("execute"));
    }
}
class task implements  Runnable{
    private String name;
    public task(String name) {
        this.name = name;
    }
    @Override
    public void run() {
   android     System.out.println(this.name + " start task");
        int i=1/0;
    }
}

熟悉的同学通过示例代码可以看出来，submit提交的线程不会抛出异常代码，只有获取Future返回值并执行get方法才会捕获到异常。这块涉及到异步的东西不再赘述

try {
    Future<?> submit = executorService.submit(new task("submit"));
    submit.get();
} catch (InterruptedException e) {
    e.printStackTrace();
} catch (ExecutionException e) {
    e.printStackTrace();
}

所以我们要使用execute执行，不然kafka消费线程里消费失败了拦截不到就不会被重新提交，导致线程挂掉。

以上就是流式图表拒绝增删改查之kafka核心消费逻辑下篇的详细内容，更多关于kafka消费流式图表的资料请关注我们其它相关文章！