当前位置:首页 > 文章列表 > 文章 > java教程 > Java连接Kafka发送消费消息指南

Java连接Kafka发送消费消息指南

2025-11-09 16:27:34 0浏览 收藏

本文详细介绍了如何使用Java连接Kafka进行消息的发送和消费。通过引入`kafka-clients`依赖,并配置生产者端的序列化参数,开发者可以轻松地将消息发送到指定的Kafka Topic。同时,消费者端通过设置组ID和反序列化器,能够订阅Topic并拉取消息,利用`poll`方法循环处理接收到的消息。文章提供了详细的Maven依赖配置、生产者和消费者的代码示例,并强调了网络连接和序列化配置的重要性。掌握这些要点,即可快速实现Java与Kafka的通信,为构建高效的消息队列系统奠定基础。

使用Java连接Kafka需引入kafka-clients依赖,配置生产者序列化参数并发送消息,消费者设置组ID和反序列化器后订阅Topic拉取消息,通过poll循环处理,确保网络通畅与序列化匹配即可实现通信。

java怎么连接Kafka发送和消费消息 教你在Java中实现Kafka消息通信

用Java连接Kafka发送和消费消息,核心是使用Kafka客户端库,通过配置生产者和消费者来完成通信。整个过程不复杂,只要把依赖、配置和代码逻辑写对,很快就能跑通。

添加Maven依赖

项目基于Maven构建的话,先在pom.xml中引入Kafka客户端依赖。推荐使用官方提供的kafka-clients,通用性强,不绑定特定框架。

以下是常用依赖配置:

  •   org.apache.kafka
  •   kafka-clients
  •   3.4.0

如果你用的是Spring Boot,也可以直接引入spring-kafka,它封装了底层操作,使用更方便。

编写Kafka生产者发送消息

生产者负责把数据发到指定的Topic。创建KafkaProducer对象时,需要设置必要的参数。

基础步骤如下:

  • 定义Properties配置,包括Kafka服务器地址(bootstrap.servers)、key和value的序列化器(如StringSerializer)。
  • 创建KafkaProducer实例。
  • 构造ProducerRecord,指定Topic名称、可选的Key和消息内容。
  • 调用producer.send()发送消息,可以加回调处理发送结果。
  • 程序结束前调用producer.close()释放资源。

示例代码片段:

Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");

try (KafkaProducer producer = new KafkaProducer(props)) {
    ProducerRecord record = new ProducerRecord("test-topic", "key1", "Hello Kafka");
    producer.send(record, (metadata, exception) -> {
        if (exception == null) {
            System.out.printf("发送成功,分区:%d,偏移量:%d%n", metadata.partition(), metadata.offset());
        } else {
            exception.printStackTrace();
        }
    });
}

编写Kafka消费者接收消息

消费者从Topic订阅并拉取消息,需要配置组ID(group.id),以便Kafka管理消费进度(offset)。

基本流程是:

  • 配置Properties,除了服务器地址和反序列化器,还要设置group.id和auto.offset.reset(如earliest从头开始,latest从最新开始)。
  • 创建KafkaConsumer实例。
  • 调用consumer.subscribe()订阅一个或多个Topic。
  • 在循环中调用consumer.poll()获取消息,然后遍历处理。
  • 处理完后提交offset(自动或手动),最后关闭消费者。

简单消费示例:

Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("group.id", "test-group");
props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
props.put("auto.offset.reset", "earliest");

try (KafkaConsumer consumer = new KafkaConsumer(props)) {
    consumer.subscribe(Arrays.asList("test-topic"));
    while (true) {
        ConsumerRecords records = consumer.poll(Duration.ofMillis(100));
        for (ConsumerRecord record : records) {
            System.out.printf("收到消息:topic=%s, partition=%d, offset=%d, key=%s, value=%s%n",
                    record.topic(), record.partition(), record.offset(), record.key(), record.value());
        }
    }
}

基本上就这些。本地启动Kafka服务,创建好Topic,再运行生产和消费代码,就能看到消息通了。调试时注意看日志,网络和序列化问题最常见。

今天关于《Java连接Kafka发送消费消息指南》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

电脑识别不了内存?排查与安装教程电脑识别不了内存?排查与安装教程
上一篇
电脑识别不了内存?排查与安装教程
微信非好友点赞评论怎么查看?
下一篇
微信非好友点赞评论怎么查看?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    479次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    535次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    557次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    507次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    328次使用