KafkaListener annotation 中使用 @value 值

在使用 KafkaListener 注解时，可以使用 @Value 值来注入配置文件中的属性值。具体来说，可以在方法参数中使用 @Value("${属性名}") 来获取配置文件中的属性值。

例如：

@KafkaListener(topics = "${kafka.topic}")
public void listen(ConsumerRecord<?, ?> record, @Value("${kafka.group-id}") String groupId) {
    // 处理消息
}

在这个例子中，@Value("${kafka.group-id}") 会获取配置文件中名为 kafka.group-id 的属性值，并将其注入到 groupId 参数中。这样，就可以动态地设置 Kafka 消费者的 group id，而不需要在代码中直接硬编码。

相关问题

如何设置KafkaListener 的properties ，每次拉取10条

在 Spring Boot 中使用 KafkaListener，你可以通过在 KafkaListener 注解中设置 containerFactory 属性，来指定 KafkaListenerContainerFactory 实例，然后在 KafkaListenerContainerFactory 实例中设置 ConsumerFactory 的属性，以控制消费者的行为。具体来说，你可以在 ConsumerFactory 实例中设置 consumer.poll.records 属性，来指定每次拉取的最大消息数。

以下是一个示例代码：

import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.common.serialization.StringDeserializer;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.kafka.annotation.EnableKafka;
import org.springframework.kafka.annotation.KafkaListener;
import org.springframework.kafka.config.ConcurrentKafkaListenerContainerFactory;
import org.springframework.kafka.core.ConsumerFactory;
import org.springframework.kafka.core.DefaultKafkaConsumerFactory;
import org.springframework.kafka.listener.ContainerProperties;

import java.util.HashMap;
import java.util.Map;

@Configuration
@EnableKafka
public class KafkaConfiguration {

    @Value("${spring.kafka.bootstrap-servers}")
    private String bootstrapServers;

    @Value("${spring.kafka.consumer.group-id}")
    private String groupId;

    @Bean
    public ConsumerFactory<String, String> consumerFactory() {
        Map<String, Object> props = new HashMap<>();
        props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, bootstrapServers);
        props.put(ConsumerConfig.GROUP_ID_CONFIG, groupId);
        props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
        props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
        return new DefaultKafkaConsumerFactory<>(props);
    }

    @Bean
    public ConcurrentKafkaListenerContainerFactory<String, String> kafkaListenerContainerFactory() {
        ConcurrentKafkaListenerContainerFactory<String, String> factory =
                new ConcurrentKafkaListenerContainerFactory<>();
        factory.setConsumerFactory(consumerFactory());
        factory.setConcurrency(1);
        factory.getContainerProperties().setPollTimeout(3000);
        factory.getContainerProperties().setAckMode(ContainerProperties.AckMode.MANUAL_IMMEDIATE);
        factory.getContainerProperties().setIdleEventInterval(60000L);
        factory.getContainerProperties().setConsumerRebalanceListener(new ConsumerRebalanceListener() {
            @Override
            public void onPartitionsRevoked(Collection<TopicPartition> partitions) {
                System.out.println("Partitions revoked: " + partitions);
            }

            @Override
            public void onPartitionsAssigned(Collection<TopicPartition> partitions) {
                System.out.println("Partitions assigned: " + partitions);
            }
        });
        factory.setBatchListener(true);
        factory.getContainerProperties().setPollTimeout(1000L);
        factory.getContainerProperties().setIdleBetweenPolls(100L);
        factory.getContainerProperties().setAckMode(ContainerProperties.AckMode.BATCH);
        factory.getContainerProperties().setAckOnError(false);
        factory.getContainerProperties().setSyncCommits(true);
        factory.getContainerProperties().setCommitSyncRetries(3);
        factory.getContainerProperties().setCommitInterval(100L);
        factory.getContainerProperties().setLogContainerConfig(true);
        factory.getContainerProperties().setMissingTopicsFatal(false);
        factory.getContainerProperties().setMonitorInterval(5000L);
        factory.getContainerProperties().setNoPollThreshold(5);
        factory.getContainerProperties().setPollTimeout(5000L);
        factory.getContainerProperties().setPollTimeout(null);
        factory.getContainerProperties().setRecordFilterStrategy(r -> {
            System.out.println("Received message: " + r);
            return r.value().toLowerCase().contains("error");
        });
        factory.getContainerProperties().setConsumerTaskExecutor(new ThreadPoolExecutor(
                10, 10, 0L, TimeUnit.MILLISECONDS,
                new LinkedBlockingQueue<>()));
        return factory;
    }

    @KafkaListener(topics = "my-topic", containerFactory = "kafkaListenerContainerFactory")
    public void listen(List<String> messages) {
        System.out.println("Received " + messages.size() + " messages:");
        messages.forEach(System.out::println);
    }
}

在上面的代码中，我们通过设置 consumerFactory 的 consumer.poll.records 属性为 10，来指定每次拉取的最大消息数。同时，我们也设置了一些其他的属性，来控制消费者的行为，这些属性可以根据你的需求进行调整。

kafka消费者java

Kafka消费者是通过使用@KafkaListener注解来监听消息并获取的。在Java中，你可以使用Spring Kafka的库来创建Kafka消费者。首先，你需要在你的项目中引入Spring Kafka的依赖。然后，你可以创建一个带有@KafkaListener注解的方法来处理来自指定topic和consumer group的消息。在这个方法中，你可以对接收到的消息进行处理逻辑。以下是一个示例代码：

import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.springframework.kafka.annotation.KafkaListener;
import org.springframework.stereotype.Component;
import java.util.Optional;

@Component
public class KafkaConsumer {

    @KafkaListener(topics = "your_topic_name", groupId = "your_consumer_group_id")
    public void consume(ConsumerRecord<?, ?> record) {
        Optional<?> value = Optional.ofNullable(record.value());
        // 进行消息处理逻辑
        System.out.println("print message: " + value);
    }
}

在上述示例中，我们创建了一个名为KafkaConsumer的类，并使用@Component注解将其声明为Spring组件。在consume方法上，我们使用了@KafkaListener注解来指定要监听的topic和consumer group。当接收到消息时，我们可以在该方法中进行自定义的消息处理逻辑。