thingsboard规则链调用外部API——kafka

thingsboard规则链调用外部API——kafka

因为只是测试一下这个流程,就不做集群了,下面是kafka以及zookeeper的软件安装包

链接:https://pan.baidu.com/s/1VXHAMJ7lKUJvs6Zc6zNKjg?pwd=t5xq 
提取码:t5xq
一、安装zookeeper

因为kafka依赖于zookeeper,首先安装zookeeper,下面是步骤:

(1)拷贝zookeeper安装包到/opt/module下面

(2)解压缩:tar -zxvf 安装包名称,使用 “mv “ 指令可以重命名文件夹

(3)修改配置文件:

#将/opt/module/zookeeper-3.5.7/conf 这个路径下的 zoo_sample.cfg 修改为 zoo.cfg
 mv zoo_sample.cfg zoo.cfg
#打开 zoo.cfg 文件,修改 dataDir 路径:
vim zoo.cfg
dataDir=/opt/module/zookeeper-3.5.7/zkData
#在/opt/module/zookeeper-3.5.7/创建文件夹zkData
mkdir zkData

(4)启动zookeeper:./bin/zkServer.sh start

(5)查看启动状态:./bin/zkServer.sh status

ZooKeeper JMX enabled by default
Using config: /opt/module/zookeeper-3.5.7/bin/../conf/zoo.cfg
Mode: standalone

有时候启动不成功(通过jps也可以查看是否启动成功),看看是不是8080端口被占用了(在logs文件夹下面查看启动日志),如果是,在zoo.cfg添加一条配置,修改zookeeper的端口:

#serverport
admin.serverPort=你想使用的端口号

(6)zookeeper相关指令:

#启动:
./zkServer.sh start
#查看状态
./zkServer.sh status
#关闭
./zkServer.sh stop
#进入客户端
./zkCli.sh
#推出客户端
quit
#显示客户端所有保存的文件
ls /
#删除某个数据文件夹
deleteall xxx
二、安装kafka

安装步骤,相同的部分省略了:

(1)上传安装包,解压缩

(2)修改配置文件

vi config/server.properties
#修改下面几个参数:
#broker 的全局唯一编号,不能重复,只能是数字。
broker.id=0
#kafka 运行日志(数据)存放的路径,路径不需要提前创建,kafka 自动帮你创建,可以配置多个磁盘路径,路径与路径之间可以用","分隔
log.dirs=/opt/module/kafka/datas
advertised.listeners=PLAINTEXT://服务器ip地址:9092
#配置连接Zookeeper 集群地址(在 zk 根目录下创建/kafka,方便管理) 
#示例:zookeeper.connect=hadoop102:2181,hadoop103:2181,hadoop104:2181/kafka
zookeeper.connect=localhost:2181/kafka

(3)配置环境变量:

vim /etc/profile.d/my_env.sh
增加如下内容:
#KAFKA_HOME
export KAFKA_HOME=/opt/module/kafka 
export PATH=$PATH:$KAFKA_HOME/bin
#刷新环境变量
source /etc/profile

(4)启动kafka:./bin/kafka-server-start.sh -daemon config/server.properties

(5)停止kafka:./bin/kafka-server-stop.sh

(6)查看启动状态:jps

(7)相关指令:

#1.启动
./bin/kafka-server-start.sh -daemon config/server.properties
#2.停止
./bin/kafka-server-stop.sh 
#3.查看所有的topic:
bin/kafka-topics.sh --bootstrap-server 自己ip:9092 --list
#4.创建主题
bin/kafka-topics.sh --bootstrap-server 自己ip:9092 --create --partitions 1 --replication-factor 3 --topic first
#选项说明:
--topic 定义 topic 名
--replication-factor 定义副本数
--partitions 定义分区数
#5.修改分区数(注意:分区数只能增加,不能减少)
bin/kafka-topics.sh --bootstrap-server 自己ip:9092 --alter --topic first --partitions 3
#6.查看first 主题的详情
bin/kafka-topics.sh --bootstrap-server 自己ip:9092 --describe --topic first
#7.删除主题
bin/kafka-topics.sh --bootstrap-server 自己ip:9092 --delete --topic first
#8.启动消费者
bin/kafka-console-consumer.sh --bootstrap-server 自己ip:9092 --topic first
#9.启动生产者
bin/kafka-console-producer.sh --bootstrap-server 自己ip:9092 --topic first
三、thingsboard配置

(1)准备模拟遥测数据,这是我准备的数据格式:

	{
		"alarmType": "0",
		"deviceAddress": "9",
		"deviceSn": "19_bxj_cqzx_9",
		"directionInfo": "cqzz",
		"highAlarm": "45",
		"id": "19_bxj_cqzx_9",
		"lowAlarm": "5",
		"section": "19",
		"sensorName": "温度",
		"sensorValue": "40",
		"symbols": "temperature",
		"tunnel": "bxj",
		"unitValue": "40 °C"
	}

(2)我用springboot的@Scheduled注解定时发送,我使用http和mqtt两种协议推送数据:

    @Scheduled(cron = "0/5 * * * * ?")
    public void doTask() {
        if (flag) {
            //http数据推送
            String newData = getNewData();
            pushData(newData);

            //mqtt数据推送
            String mqttData = getNewData();
            mqttPushData(mqttData);
        }
    }

     public String getNewData() {

        int max = list.size();
        //生成随机数[a,b],公式:int num = min + (int)(Math.random() * (max-min+1));
        int r = (int) (Math.random() * max);
        return JSONObject.toJSONString(list.get(r));

    }

(3)责任链配置:

在这里插入图片描述

#1.过滤数据:
return msg.sensorName == "氧气";
#2.log
return '推送到kafka数据:\n' + JSON.stringify(msg) + '\n推送到kafka元素据:\n' + JSON.stringify(metadata);

在这里插入图片描述

四、springboot集成kafka消费数据

(1)依赖:

        <!--kafka begin-->
        <dependency>
            <groupId>org.springframework.kafka</groupId>
            <artifactId>spring-kafka</artifactId>
        </dependency>
        <!--kafka end-->

(2)application配置

###########【Kafka集群】###########
spring.kafka.bootstrap-servers=ip:9092
###########【初始化生产者配置】###########
# 重试次数
spring.kafka.producer.retries=0
# 应答级别:多少个分区副本备份完成时向生产者发送ack确认(可选0、1、all/-1)
spring.kafka.producer.acks=1
# 批量大小
spring.kafka.producer.batch-size=16384
# 提交延时
spring.kafka.producer.properties.linger.ms=0
# 当生产端积累的消息达到batch-size或接收到消息linger.ms后,生产者就会将消息提交给kafka
# linger.ms为0表示每接收到一条消息就提交给kafka,这时候batch-size其实就没用了# 生产端缓冲区大小
spring.kafka.producer.buffer-memory = 33554432
# Kafka提供的序列化和反序列化类
spring.kafka.producer.key-serializer=org.apache.kafka.common.serialization.StringSerializer
spring.kafka.producer.value-serializer=org.apache.kafka.common.serialization.StringSerializer
# 自定义分区器
# spring.kafka.producer.properties.partitioner.class=com.felix.kafka.producer.CustomizePartitioner###########【初始化消费者配置】###########
# 默认的消费组ID
spring.kafka.consumer.properties.group.id=defaultConsumerGroup
# 是否自动提交offset
spring.kafka.consumer.enable-auto-commit=true
# 提交offset延时(接收到消息后多久提交offset)
spring.kafka.consumer.auto.commit.interval.ms=1000
# 当kafka中没有初始offset或offset超出范围时将自动重置offset
# earliest:重置为分区中最小的offset;
# latest:重置为分区中最新的offset(消费分区中新产生的数据);
# none:只要有一个分区不存在已提交的offset,就抛出异常;
spring.kafka.consumer.auto-offset-reset=latest
# 消费会话超时时间(超过这个时间consumer没有发送心跳,就会触发rebalance操作)
spring.kafka.consumer.properties.session.timeout.ms=120000
# 消费请求超时时间
spring.kafka.consumer.properties.request.timeout.ms=180000
# Kafka提供的序列化和反序列化类
spring.kafka.consumer.key-deserializer=org.apache.kafka.common.serialization.StringDeserializer
spring.kafka.consumer.value-deserializer=org.apache.kafka.common.serialization.StringDeserializer
# 消费端监听的topic不存在时,项目启动会报错(关掉)
spring.kafka.listener.missing-topics-fatal=false
# 设置批量消费
# spring.kafka.listener.type=batch
# 批量消费每次最多消费多少条消息
# spring.kafka.consumer.max-poll-records=50

(3)简单消费者

@Component
@Slf4j
public class SimpleConsumer {

    /**
     * 简单消费
     * @param record record
     */
    @KafkaListener(topics = {"tb-devices"})
    public void onMessage(ConsumerRecord<?, ?> record){
        // 消费的哪个topic、partition的消息,打印出消息内容
        log.warn("简单消费:"+record.topic()+"-"+record.partition()+"-"+record.value());
    }
    
}

(4)日志:

在这里插入图片描述

至此,thingboard发送遥测数据到kafka的简单demo已经实现,下面是我参考的文章:

#springboot集成kafka
https://blog.csdn.net/weixin_70730532/article/details/125425798
#kafka安装部署
https://www.jianshu.com/p/61b224cea03b
#thingsboard中文网
http://www.ithingsboard.com/

我的代码地址:

https://gitee.com/ayu-elephant/envmonitoring.git

原文地址:https://blog.csdn.net/qq_38899062/article/details/129139017

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


文章浏览阅读4.1k次。kafka认证_kafka认证
文章浏览阅读4.8k次,点赞4次,收藏11次。kafka常用参数_kafka配置
文章浏览阅读1.4k次,点赞25次,收藏10次。Kafka 生产者发送消息的流程涉及多个步骤,从消息的创建到成功存储在 Kafka 集群中。_kafka发送消息流程
文章浏览阅读854次,点赞22次,收藏24次。点对点模型:适用于一对一的消息传递,具有高可靠性。发布/订阅模型:适用于广播消息给多个消费者,实现消息的广播。主题模型:适用于根据消息的主题进行灵活的过滤和匹配,处理复杂的消息路由需求。
文章浏览阅读1.5k次,点赞2次,收藏3次。kafka 自动配置在KafkaAutoConfiguration
文章浏览阅读1.3w次,点赞6次,收藏33次。Offset Explorer(以前称为Kafka Tool)是一个用于管理和使Apache Kafka ®集群的GUI应用程序。它提供了一个直观的UI,允许人们快速查看Kafka集群中的对象以及存储在集群主题中的消息。它包含面向开发人员和管理员的功能。二、环境信息系统环境:windows 10版本:2.2Kafka版本:Kafka2.0.0三、安装和使用3.1 下载Offset Explorer 和安装下载到本地的 .exe文件Next安装路径 ,Next。_offset explorer
文章浏览阅读1.3k次,点赞12次,收藏19次。kafka broker 在启动的时候,会根据你配置的listeners 初始化它的网络组件,用来接收外界的请求,这个listeners你可能没配置过,它默认的配置是listeners=PLAINTEXT://:9092就是告诉kafka使用哪个协议,监听哪个端口,如果我们没有特殊的要求的话,使用它默认的配置就可以了,顶多是修改下端口这块。
文章浏览阅读1.3k次,点赞2次,收藏2次。Kafka 是一个强大的分布式流处理平台,用于实时数据传输和处理。通过本文详细的介绍、使用教程和示例,你可以了解 Kafka 的核心概念、安装、创建 Topic、使用生产者和消费者,从而为构建现代分布式应用打下坚实的基础。无论是构建实时数据流平台、日志收集系统还是事件驱动架构,Kafka 都是一个可靠、高效的解决方案。_博客系统怎么使用kafka
文章浏览阅读3.5k次,点赞42次,收藏56次。对于Java开发者而言,关于 Spring ,我们一般当做黑盒来进行使用,不需要去打开这个黑盒。但随着目前程序员行业的发展,我们有必要打开这个黑盒,去探索其中的奥妙。本期 Spring 源码解析系列文章,将带你领略 Spring 源码的奥秘。本期源码文章吸收了之前 Kafka 源码文章的错误,将不再一行一行的带大家分析源码,我们将一些不重要的分当做黑盒处理,以便我们更快、更有效的阅读源码。废话不多说,发车!
文章浏览阅读1.1k次,点赞14次,收藏16次。一、自动提交offset1、概念Kafka中默认是自动提交offset。消费者在poll到消息后默认情况下,会自动向Broker的_consumer_offsets主题提交当前主题-分区消费的偏移量2、自动提交offset和手动提交offset流程图3、在Java中实现配置4、自动提交offset问题自动提交会丢消息。因为如果消费者还没有消费完poll下来的消息就自动提交了偏移量,那么此时消费者挂了,于是下一个消费者会从已经提交的offset的下一个位置开始消费消息。_kafka中自动提交offsets
文章浏览阅读1.6k次。如果生产者发送消息的速度超过发送到服务器的速度,则会导致生产者空间不足,这个时候KafkaProducer的send()方法调用要么被阻塞,要么抛出异常,这个取决于参数max.block.ms的配置,此参数的默认值为60000,即60秒。在默认情况下,生产者发送的消息是未经压缩的。如果应用程序调用send()方法的速度超过生产者将消息发送给服务器的速度,那么生产者的缓冲空间可能会被耗尽,后续的send()方法调用会等待内存空间被释放,如果在max.block.ms之后还没有可用空间,就抛出异常。_kafka producer 参数
文章浏览阅读2.9k次,点赞3次,收藏10次。kafka解决通信问题_kafka3.6
文章浏览阅读1.5k次,点赞9次,收藏11次。上面都配置完了之后可以先验证下,保证数据最终到ck,如果有问题,需要再每个节点调试,比如先调试nginx->rsyslog ,可以先不配置kafka 输出,配置为console或者文件输出都可以,具体这里就不写了。这里做了一个类型转换,因为nginx,request-time 单位是s,我想最终呈现在grafana 中是ms,所以这里做了转换,当然grafana中也可以做。kafka 相关部署这里不做赘述,只要创建一个topic 就可以。
文章浏览阅读1.4k次,点赞22次,收藏16次。Kafka中的enable-auto-commit和auto-commit-interval配置_auto-commit-interval
文章浏览阅读742次。thingsboard规则链调用外部 kafka_thingsboard kafka
文章浏览阅读1.3k次,点赞18次,收藏22次。Kafka_简介
文章浏览阅读1.1k次,点赞16次,收藏14次。在数据库系统中有个概念叫事务,事务的作用是为了保证数据的一致性,意思是要么数据成功,要么数据失败,不存在数据操作了一半的情况,这就是数据的一致性。在很多系统或者组件中,很多场景都需要保证数据的一致性,有的是高度的一致性。特别是在交易系统等这样场景。有些组件的数据不一定需要高度保证数据的一致性,比如日志系统。本节从从kafka如何保证数据一致性看通常数据一致性设计。
文章浏览阅读1.4k次。概述介绍架构发展架构原理类型系统介绍类型hive_table类型介绍DataSet类型定义Asset类型定义Referenceable类型定义Process类型定义Entities(实体)Attributes(属性)安装安装环境准备安装Solr-7.7.3安装Atlas2.1.0Atlas配置Atlas集成HbaseAtlas集成SolrAtlas集成KafkaAtlas Server配置Kerberos相关配置Atlas集成HiveAtlas启动Atlas使用Hive元数据初次导入Hive元数据增量同步。_atlas元数据管理
文章浏览阅读659次。Zookeeper是一个开源的分布式服务管理框架。存储业务服务节点元数据及状态信息,并负责通知再 ZooKeeper 上注册的服务几点状态给客户端。
文章浏览阅读1.4k次。Kafka-Kraft 模式架构部署_kafka kraft部署