zoukankan      html  css  js  c++  java
  • Spring Cloud Stream 快速入门

    一、Spring Cloud Stream 简介

    官方定义 Spring Cloud Stream 是一个构建消息驱动微服务的框架。

    Spring Cloud Stream构建在SpringBoot之上,提供了Kafka,RabbitMQ等消息中间件的个性化配置,引入了发布订阅、消费组和分区的语义概念,有效的简化了上层研发人员对MQ使用的复杂度,让开发人员更多的精力投入到核心业务的处理。

    在实际开发过程中,服务与服务之间通信经常会使用到消息中间件,而以往使用了哪个中间件比如RabbitMQ,那么该中间件和系统的耦合性就会非常高,如果我们要替换为Kafka那么变动会比较大,使用Spring Cloud Stream来整合我们的消息中间件,可以降低系统和中间件的耦合性。

    二、Spring Cloud Stream 解决什么问题

    无感知的使用消息中间件

    Stream解决了开发人员无感知的使用消息中间件的问题,因为Stream对消息中间件的进一步封装,可以做到代码层面对中间件的无感知

    中间件和服务的高度解耦

    Spring Cloud Stream进行了配置隔离,只需要调整配置,开发中可以动态的切换中间件(如rabbitmq切换为kafka),使得微服务开发的高度解耦,服务可以关注更多自己的业务流程。

    三、核心概念和应用模型

    主要概念

    Spring Cloud Stream 为各大消息中间件产品提供了个性化的自动化配置实现,引用了发布-订阅、消费组、分区的三个核心概念。

    Spring Cloud Stream提供了很多抽象和基础组件来简化消息驱动型微服务应用。包含以下内容:

    • Spring Cloud Stream的应用模型
    • 绑定抽象
    • 持久化发布/订阅支持
    • 消费者组支持
    • 分片支持(Partitioning Support)
    • 可插拔API

    应用模型

    Spring Cloud Stream由一个中立的中间件内核组成。Spring Cloud Stream会注入输入和输出的channels,应用程序通过这些channels与外界通信,而channels则是通过一个明确的中间件Binder与外部brokers连接。

    各大消息中间件的绑定抽象

    Spring Cloud Stream提供对Kafka,Rabbit MQ,Redis,和Gemfire的Binder实现。Spring Cloud Stream还包括了一个TestSupportBinder,TestSupportBinder预留一个未更改的channel以便于直接地、可靠地和channels通信。

    集成Kafka

      <dependency>
                <groupId>org.springframework.cloud</groupId>
                <artifactId>spring-cloud-stream-binder-kafka</artifactId>
        </dependency>

    集成RabbitMQ

    <dependency>
        <groupId>org.springframework.cloud</groupId>
        <artifactId>spring-cloud-starter-stream-rabbit</artifactId>
    </dependency>

    分区支持

    Spring Cloud Stream支持在一个应用程序的多个实例之间数据分区,在分区的情况下,物理通信介质(例如,topic代理)被视为多分区结构。一个或多个生产者应用程序实例将数据发送给多个消费应用实例,并保证共同的特性的数据由相同的消费者实例处理。

    Spring Cloud Stream提供了一个通用的抽象,用于统一方式进行分区处理,因此分区可以用于自带分区的代理(如kafka)或者不带分区的代理(如rabbiemq)

    分区在有状态处理中是一个很重要的概念,其重要性体现在性能和一致性上,要确保所有相关数据被一并处理,例如,在时间窗平均计算的例子中,给定传感器测量结果应该都由同一应用实例进行计算。

    四、编程模型

    Spring Cloud Stream提供了一些预定义的注解,用于绑定输入和输出channels,以及如何监听channels。

    通过@EnableBinding触发绑定

    将@EnableBinding注解添加到应用的配置类,就可以把一个spring应用转换成Spring Cloud Stream应用,@EnableBinding注解本身就包含@Configuration注解,会触发Spring Cloud Stream 基本配置。

    @Import(...)
    @Configuration
    @EnableIntegration
    public @interface EnableBinding {
        ...
        Class<?>[] value() default {};
    }

    @Input 与 @Output

    一个Spring Cloud Stream应用可以有任意数目的input和output通道,后者通过@Input和@Output注解在接口中定义。

    @StreamListener

    定义在方法中,被修饰的方法注册为消息中间件上数据流的事件监听器注解中属性值对应了监听的消息通道名

    Source,Sink和Processor

    Spring Cloud Stream提供了三个开箱即用的预定义接口。
    Source用于有单个输出(outbound)通道的应用。

    public interface Source {
    
      String OUTPUT = "output";
    
      @Output(Source.OUTPUT)
      MessageChannel output();
    
    }

    Sink用于有单个输入(inbound)通道的应用。

    public interface Sink {
    
      String INPUT = "input";
    
      @Input(Sink.INPUT)
      SubscribableChannel input();
    
    }

    Processor用于单个应用同时包含输入和输出通道的情况。

    public interface Processor extends Source, Sink {
    }

    五、Stream极简实例

    下面是一个非常简单的 SpringBootApplication应用,通过依赖Spring Cloud Stream,从Input通道监听消息然后返回应答到Output通道,只要添加配置文件就可以应用。

    @SpringBootApplication
    @EnableBinding(Processor.class)
    public class MyLoggerServiceApplication {
        public static void main(String[] args) {
            SpringApplication.run(MyLoggerServiceApplication.class, args);
        }
    
        @StreamListener(Processor.INPUT)
        @SendTo(Processor.OUTPUT)
        public LogMessage enrichLogMessage(LogMessage log) {
            return new LogMessage(String.format("[1]: %s", log.getMessage()));
        }
    }

    下面解释下这个示例中相关注解的应用:

    @EnableBinding声明了这个应用程序绑定了2个通道:INPUT和OUTPUT。这2个通道是在接口Processor中定义的(Spring Cloud Stream默认设置)。所有通道都是配置在一个具体的消息中间件或绑定器中。
    @StreamListener(Processor.INPUT)表明这里在input中提取消息,并且处理。
    @SendTo(Processor.OUTPUT)表明在output中返回消息。

    ref:官网

  • 相关阅读:
    Hadoop_10_12虚拟机01_虚拟机NAT方式联网【自己的亲测笔记】
    StringUtils中 isNotEmpty 和isNotBlank的区别【java字符串判空】
    SVM
    [python]小技巧集锦
    [机器学习&数据挖掘]SVM---核函数
    [机器学习&数据挖掘]SVM---软间隔最大化
    [机器学习]SVM---硬间隔最大化数学原理
    [机器学习&数据挖掘]朴素贝叶斯数学原理
    [机器学习&数据挖掘]机器学习实战决策树plotTree函数完全解析
    [机器学习]信息&熵&信息增益
  • 原文地址:https://www.cnblogs.com/cy0628/p/15195453.html
Copyright © 2011-2022 走看看