SpringBoot+Nacos+Kafka簡單實現微服務流編排
點擊關注上方“Stephen”，
設為“置頂或星標”，第一時間送達干貨
文章來源：https://c1n.cn/RWt2e
目錄
前言 準備工作 總結
前言
準備工作
| Nacos 安裝及使用入門
自己學習的話推薦使用 docker 安裝，命令如下：
拉取鏡像：
docker pull nacos/nacos-server
創(chuàng)建服務：
docker run --env MODE=standalone --name nacos -d -p 8848:8848 nacos/nacos-server
| 準備三個 SpringBoot 服務，引入 Nacos 及 Kafka
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>2.1.0.RELEASE</version>
</parent>
<dependency>
<groupId>org.springframework.kafka</groupId>
<artifactId>spring-kafka</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba.boot</groupId>
<artifactId>nacos-config-spring-boot-starter</artifactId>
<version>0.2.1</version>
</dependency>
spring:
kafka:
bootstrap-servers: kafka-server:9092
producer:
acks: all
consumer:
group-id: node1-group #三個服務分別為node1 node2 node3
enable-auto-commit: false
# 部署的nacos服務
nacos:
config:
server-addr: nacos-server:8848
| 業(yè)務解讀
我們現在需要對三個服務進行編排，保障每個服務可以插拔，也可以調整服務的位置。
示意圖如上：
node1 服務監(jiān)聽前置服務發(fā)送的數據流，輸入的 topic 為前置數據服務輸出 topic node2 監(jiān)聽 node1 處理后的數據，所以 node2 監(jiān)聽的 topic 為 node1 輸出的 topic，node3 同理，最終 node3 處理完成后將數據發(fā)送到數據流終點 我們現在要調整流程移除 node2-server，我們只需要把 node1-sink 改變成 node2-sink 即可，這樣我們這幾個服務就可以靈活的嵌入的不同項目的數據流處理業(yè)務中，做到即插即用（當然，數據格式這些業(yè)務層面的都是需要約定好的） 動態(tài)可調還可以保證服務某一節(jié)點出現問題時候，即時改變數據流向，比如發(fā)送到數暫存服務，避免 Kafka 中積累太多數據，吞吐不平衡
| Nacos 配置
①創(chuàng)建配置
通常流編排里面每個服務都有一個輸入及輸出，分別為 input 及 sink，所以每個服務我們需要配置兩個 topic，分別是 input-topic output-topic，我們就在 nacos 里面添加輸入輸出配置。
nacos 配置項需要配置 groupId，dataId，通常我們用服務名稱作為 groupId，配置項的名稱作為 dataId。
如 node1-server 服務有一個 input 配置項，配置如下：
完成其中一個服務的配置，其它服務參考下圖配置即可：
②讀取配置
@Configuration
@NacosPropertySource(dataId = "input", groupId = "node1-server", autoRefreshed = true)
// autoRefreshed=true指的是nacos中配置發(fā)生改變后會刷新，false代表只會使用服務啟動時候讀取到的值
@NacosPropertySource(dataId = "sink", groupId = "node1-server", autoRefreshed = true)
public class NacosConfig {
@NacosValue(value = "${input:}", autoRefreshed = true)
private String input;
@NacosValue(value = "${sink:}", autoRefreshed = true)
private String sink;
public String getInput() {
return input;
}
public String getSink() {
return sink;
}
}
③監(jiān)聽配置改變
服務的輸入需要在服務啟動時候創(chuàng)建消費者，在 topic 發(fā)生改變時候重新創(chuàng)建消費者，移除舊 topic 的消費者，輸出是業(yè)務驅動的，無需監(jiān)聽改變，在每次發(fā)送時候讀取到的都是最新配置的 topic。
因為在上面的配置類中 autoRefreshed = true，這個只會刷新 nacosConfig 中的配置值，服務需要知道配置改變去驅動消費的創(chuàng)建業(yè)務，需要創(chuàng)建 nacos 配置監(jiān)聽。
/**
* 監(jiān)聽Nacos配置改變，創(chuàng)建消費者，更新消費
*/
@Component
public class ConsumerManager {
@Value("${spring.kafka.bootstrap-servers}")
private String servers;
@Value("${spring.kafka.consumer.enable-auto-commit}")
private boolean enableAutoCommit;
@Value("${spring.kafka.consumer.group-id}")
private boolean groupId;
@Autowired
private NacosConfig nacosConfig;
@Autowired
private KafkaTemplate kafkaTemplate;
// 用于存放當前消費者使用的topic
private String topic;
// 用于執(zhí)行消費者線程
private ExecutorService executorService;
/**
* 監(jiān)聽input
*/
@NacosConfigListener(dataId = "node1-server", groupId = "input")
public void inputListener(String input) {
// 這個監(jiān)聽觸發(fā)的時候 實際NacosConfig中input的值已經是最新的值了 我們只是需要這個監(jiān)聽觸發(fā)我們更新消費者的業(yè)務
String inputTopic = nacosConfig.getInput();
// 我使用nacosConfig中讀取的原因是因為監(jiān)聽到內容是input=xxxx而不是xxxx,如果使用需要自己截取一下,nacosConfig中的內容框架會處理好，大家看一下第一張圖的配置內容就明白了
// 先檢查當前局部變量topic是否有值,有值代表是更新消費者，沒有值只需要創(chuàng)建即可
if(topic != null) {
// 停止舊的消費者線程
executorService.shutdownNow();
executorService == null;
}
// 根據為新的topic創(chuàng)建消費者
topic = inputTopic;
ThreadFactory threadFactory = new ThreadFactoryBuilder().setNameFormat(topic + "-pool-%d").build();
executorService = new ThreadPoolExecutor(1, 1, 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue<Runnable>(2), threadFactory);
// 執(zhí)行消費業(yè)務
executorService.execute(() -> consumer(topic));
}
/**
* 創(chuàng)建消費者
*/
public void consumer(String topic) {
Properties properties = new Properties();
properties.put("bootstrap.servers", servers);
properties.put("enable.auto.commit", enableAutoCommit);
properties.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
properties.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
properties.put("group.id", groupId);
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);
consumer.subscribe(Arrays.asList(topic));
try {
while (!Thread.currentThread().isInterrupted()) {
Duration duration = Duration.ofSeconds(1L);
ConsumerRecords<String, String> records = consumer.poll(duration);
for (ConsumerRecord<String, String> record : records) {
String message = record.value();
// 執(zhí)行數據處理業(yè)務 省略業(yè)務實現
String handleMessage = handle(message);
// 處理完成后發(fā)送到下一個節(jié)點
kafkaTemplate.send(nacosConfig.getSink(), handleMessage);
}
}
consumer.commitAsync();
}
} catch (Exception e) {
LOGGER.error(e.getMessage(), e);
} finally {
try {
consumer.commitSync();
} finally {
consumer.close();
}
}
}
}
總結
流編排的思路整體來說就是數據流方向可調，我們以此為需求，根據一些主流框架提供的 api 實現自己的動態(tài)調整方案，可以幫助自己更好的理解流編碼思想及原理。
在實際業(yè)務中，還有許多業(yè)務問題需要去突破，我們這樣處理更多是因為服務可插拔，便于流處理微服務在項目靈活搭配。
因為我現在工作是在傳統(tǒng)公司，由于一些原因很難去推動新框架的使用，經常會用一些現有技術棧組合搞一些 sao 操作，供大家參考，希望大家多多指教。
END
關注 Stephen，一起學習，一起成長。
點“在看”支持下吧
點 閱讀原文 可優(yōu)惠充值話費，流量，視頻會員等。
評論
圖片
表情