6.异常处理

来源参考的deepseek，如有侵权联系立删

1.异常分类与处理原则

异常类型	典型场景	处理建议
可恢复异常	网络抖动、数据库锁冲突	重试机制（有限次数 + 退避策略）
不可恢复异常	消息格式错误、权限不足	直接记录日志并进入死信队列
事务异常	事务超时、生产者ID冲突	终止事务并回滚操作

2.生产者异常处理

1. 同步发送捕获异常

public void sendSync(String topic, String message) {
    try {
        ListenableFuture<SendResult<String, String>> future = kafkaTemplate.send(topic, message);
        future.get(5, TimeUnit.SECONDS); // 阻塞等待结果
    } catch (InterruptedException | ExecutionException | TimeoutException e) {
        // 记录日志并触发补偿逻辑
        log.error("消息发送失败: {}", e.getMessage());
        throw new BusinessException("消息发送失败", e);
    }
}

2. 异步发送回调处理

public void sendAsync(String topic, String message) {
    kafkaTemplate.send(topic, message).addCallback(
        result -> {
            // 发送成功处理
            log.info("消息发送成功: topic={}", result.getRecordMetadata().topic());
        },
        ex -> {
            // 发送失败处理
            log.error("消息发送失败", ex);
            if (ex instanceof RetriableException) {
                // 可重试异常（如网络问题）
                retrySend(topic, message);
            } else {
                // 不可重试异常（如消息过大）
                deadLetterService.saveToDlq(topic, message);
            }
        }
    );
}

3.消费者异常处理

1.全局异常处理器

@Configuration
public class KafkaGlobalErrorConfig {

    // 定义全局错误处理器（支持批量/单消息模式）
    @Bean
    public CommonErrorHandler globalErrorHandler(KafkaTemplate<String, Object> template) {
        // 重试策略：3次重试，间隔5秒
        DefaultErrorHandler handler = new DefaultErrorHandler(
                new DeadLetterPublishingRecoverer(template), // 死信队列恢复器
                new FixedBackOff(5000L, 3)
        );

        // 指定可重试异常类型
        handler.addRetryableExceptions(NetworkException.class);
        handler.addNotRetryableExceptions(SerializationException.class);

        // 偏移量提交策略
        handler.setCommitRecovered(true);
        return handler;
    }



    // 容器工厂绑定全局处理器
    @Bean
    public ConcurrentKafkaListenerContainerFactory<String, Object> kafkaListenerContainerFactory(
            ConsumerFactory<String, Object> consumerFactory,
            CommonErrorHandler globalErrorHandler) {

        ConcurrentKafkaListenerContainerFactory<String, Object> factory =
                new ConcurrentKafkaListenerContainerFactory<>();
        factory.setConsumerFactory(consumerFactory);
        factory.setCommonErrorHandler(globalErrorHandler);
        return factory;
    }
}

2.方法级处理

import lombok.extern.slf4j.Slf4j;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.kafka.annotation.KafkaListener;
import org.springframework.kafka.listener.ConsumerAwareListenerErrorHandler;
import org.springframework.kafka.support.KafkaHeaders;
import org.springframework.kafka.support.serializer.DeserializationException;

@Slf4j
@Configuration
public class KafkaExceptionConfig {

    /**
     * 自定义异常处理器
     */
    @Bean
    public ConsumerAwareListenerErrorHandler orderErrorHandler() {
        return (message, exception, consumer) -> {
            // 业务相关错误处理（如库存不足）
         /*   if (exception instanceof InventoryException) {
                retryService.scheduleRetry(message.getPayload());
            }*/
            System.out.println("异常执行:"+exception);
            return null;
        };
    }



    /**
     * 注册全局异常处理器
     */
    @Bean
    public ConsumerAwareListenerErrorHandler globalExceptionHandler() {
        return (message, exception, consumer) -> {
            log.error("捕获消费异常: topic={}, message={}",
                    message.getHeaders().get(KafkaHeaders.RECEIVED_TOPIC),
                    message.getPayload(),
                    exception);

            // 反序列化异常特殊处理
            if (exception.getCause() instanceof DeserializationException) {
                // 跳过错消息并提交偏移量
                return null;
            }
            throw exception; // 其他异常继续抛出
        };
    }

}

    @KafkaListener(topics = "test", groupId = "spring-group",errorHandler = "globalExceptionHandler")
    public void listenBatch(List<String> messages, Acknowledgment ack) {
        messages.forEach(msg -> System.out.println("批量消息：" + msg));
        //异常测试
        int i = 1/0;
        ack.acknowledge();
    }

3.重试yml配置

spring:
  kafka:
    listener:
      retry:
        max-attempts: 3               # 最大重试次数
        backoff:
          initial-interval: 1000     # 初始间隔（毫秒）
          multiplier: 2.0            # 间隔倍数
        exclude-exceptions:          # 不重试的异常
          - javax.validation.ValidationException

4.死信队列（DLQ）配置

1. 启用死信队列

spring:
  kafka:
    listener:
      dead-letter-publish:
        enable: true                  # 自动发布到死信队列
      dead-letter-topic: dlq-${topic} # 死信队列命名规则

2. 手动发送到DLQ

@KafkaListener(topics = "payments")
public void handlePayment(PaymentEvent event, Acknowledgment ack) {
    try {
        paymentService.process(event);
        ack.acknowledge();
    } catch (InvalidPaymentException ex) {
        // 手动发送到DLQ
        kafkaTemplate.send("dlq-payments", event);
        ack.acknowledge(); // 避免重复消费
    }
}

5.事务场景异常处理

1. 声明式事务

@Transactional
public void processWithTransaction(Order order) {
    // 数据库操作
    orderRepository.save(order);
    // Kafka事务消息
    kafkaTemplate.send("orders", order.toEvent());
    // 其他业务...
}

2. 事务异常回滚

@Bean
public KafkaTransactionManager<String, Object> transactionManager(ProducerFactory<String, Object> pf) {
    return new KafkaTransactionManager<>(pf);
}

@Transactional(rollbackFor = {KafkaException.class, SQLException.class})
public void transactionalProcess() {
    // 数据库与Kafka操作
}

6.监控与告警

1. Actuator 健康检查

management:
  endpoints:
    web:
      exposure:
        include: health,kafka
  health:
    kafka:
      enabled: true

2. Prometheus 指标

@Bean
public MicrometerConsumerListener<K, V> consumerMetrics() {
    return new MicrometerConsumerListener<>("kafka.consumer");
}

@Bean
public MicrometerProducerListener<K, V> producerMetrics() {
    return new MicrometerProducerListener<>("kafka.producer");
}

7.完整异常处理流程

1. 捕获异常 → 2. 分类判断 → 3. 重试/记录/DLQ → 4. 提交Offset → 5. 监控告警

---

8.最佳实践总结

• 分层处理：全局处理器兜底 + 方法级精细控制
• 幂等消费：确保消息重复消费时的数据安全性
• 监控覆盖：跟踪重试次数、DLQ堆积等关键指标
• 事务隔离：@Transactional + read_committed 保证数据一致性