0Pricing
Apache Kafka & Stream Processing Fundamentals · Leçon

Créer une application Kafka Streams simple

Créez votre première application Kafka Streams pour traiter des données en temps réel depuis des sujets Kafka.

Créer une application Kafka Streams simple est une leçon Apache Kafka & Stream Processing Fundamentals gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Apache Kafka & Stream Processing Fundamentals, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Apache Kafka & Stream Processing Fundamentals comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

Welcome to Kafka Streams!

Ready to build real-time data processing apps? Kafka Streams is a client library for building applications and microservices that process data stored in Kafka.

It lets you write standard Java/Scala applications that leverage Kafka's power for stream processing. Think of it as a toolkit to transform, filter, and analyze data as it flows through Kafka.

The Power of Kafka Streams

Kafka Streams offers several key advantages for your real-time applications:

  • Lightweight: It's just a library, no separate cluster needed.
  • Fault-Tolerant: Automatically handles failures and data recovery.
  • Scalable: Easily scales by adding more instances of your application.
  • Exactly-Once Processing: Guarantees data is processed once, even with failures.

It's great for real-time analytics, data transformations, and event-driven microservices.

Setting Up Your Project

To start, you'll need to add the Kafka Streams library to your project. If you're using Maven, add this dependency to your pom.xml:

<dependency>
  <groupId>org.apache.kafka</groupId>
  <artifactId>kafka-streams</artifactId>
  <version>3.5.1</version>
</dependency>

Core Component: StreamsBuilder

The StreamsBuilder is your main entry point for defining the stream processing topology. Think of it as the architect for your data flow.

You use it to create source streams, apply transformations, and define where the processed data should go. Here's how you'd create one:

import org.apache.kafka.streams.StreamsBuilder;

public class Main {
  public static void main(String[] args) {
    StreamsBuilder builder = new StreamsBuilder();
    // Your stream processing logic will go here
    System.out.println("StreamsBuilder created!");
  }
}

KStream: Records in Motion

A KStream represents an unbounded, continuously updating stream of key-value records. Each record is processed independently as it arrives.

You can create a KStream from a Kafka topic using the stream() method of your StreamsBuilder. This tells your app to start consuming messages from that topic.

import org.apache.kafka.streams.StreamsBuilder;
import org.apache.kafka.streams.kstream.KStream;

public class Main {
  public static void main(String[] args) {
    StreamsBuilder builder = new StreamsBuilder();
    KStream<String, String> sourceStream =
        builder.stream("input-topic");
    System.out.println("KStream created from input-topic!");
  }
}

Simple Transformation: mapValues

One common operation is to transform the value of each record in a KStream. The mapValues() method is perfect for this.

It applies a function to each record's value, keeping the key unchanged. Let's write code to make all text values uppercase!

import org.apache.kafka.streams.StreamsBuilder;
import org.apache.kafka.streams.kstream.KStream;

public class Main {
  public static void main(String[] args) {
    StreamsBuilder builder = new StreamsBuilder();
    KStream<String, String> sourceStream =
        builder.stream("input-topic");

    KStream<String, String> transformedStream =
        sourceStream.mapValues(value -> value.toUpperCase());

    System.out.println("Stream values will be uppercased!");
  }
}

Essential Stream Configuration

Before running your app, you need to configure it. This is done using a Properties object and StreamsConfig. Key settings include:

  • APPLICATION_ID_CONFIG: Unique ID for your app (like a consumer group).
  • BOOTSTRAP_SERVERS_CONFIG: Your Kafka broker addresses.
  • DEFAULT_KEY_SERDE_CLASS_CONFIG: How to serialize/deserialize keys.
  • DEFAULT_VALUE_SERDE_CLASS_CONFIG: How to serialize/deserialize values.

Serdes (Serializer/Deserializer) are crucial for converting data to/from bytes.

Your First Kafka Streams App

Let's put everything together! This app will read messages from an 'input-topic', convert their values to uppercase, and then write the results to an 'output-topic'.

Remember to create these topics in your Kafka cluster before running this code!

import org.apache.kafka.common.serialization.Serdes;
import org.apache.kafka.streams.KafkaStreams;
import org.apache.kafka.streams.StreamsBuilder;
import org.apache.kafka.streams.StreamsConfig;
import org.apache.kafka.streams.kstream.KStream;

import java.util.Properties;

public class UppercaseStreamApp {

  public static void main(String[] args) {
    Properties props = new Properties();
    props.put(StreamsConfig.APPLICATION_ID_CONFIG, "uppercase-app");
    props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");
    props.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());
    props.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());

    StreamsBuilder builder = new StreamsBuilder();
    KStream<String, String> sourceStream = builder.stream("input-topic");

    KStream<String, String> transformedStream =
        sourceStream.mapValues(value -> value.toUpperCase());

    transformedStream.to("output-topic");

    KafkaStreams streams = new KafkaStreams(builder.build(), props);

    // Clean up local state on shutdown (for development)
    streams.cleanUp(); 
    
    streams.start();

    // Add shutdown hook to close Kafka Streams cleanly
    Runtime.getRuntime().addShutdownHook(new Thread(streams::close));
    System.out.println("UppercaseStreamApp started!");
  }
}

Managing Your Stream App

After defining your topology and configuration, you create a KafkaStreams instance and call start() to begin processing.

It's crucial to add a shutdown hook (Runtime.getRuntime().addShutdownHook) to ensure your application closes gracefully, flushing any buffered data and releasing resources.

The streams.cleanUp() call is useful during development to clear any local state store data, but should generally be avoided in production.

Test Your Knowledge

Which of the following is NOT a core component or essential configuration for a basic Kafka Streams application?

Recap: Your First Stream App

Great job! You've successfully learned the fundamentals of building a simple Kafka Streams application.

You now understand how to:

  • Add the necessary Kafka Streams dependency.
  • Use StreamsBuilder to define your processing topology.
  • Create a KStream from an input topic.
  • Apply simple transformations like mapValues().
  • Configure your application with StreamsConfig.
  • Start and gracefully stop your Kafka Streams application.

Next, we'll dive deeper into KStream and KTable concepts!

Questions Fréquemment Posées

La leçon « Créer une application Kafka Streams simple » est-elle gratuite ?

Oui — le texte complet de « Créer une application Kafka Streams simple » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Apache Kafka & Stream Processing Fundamentals, passe à CoddyKit PRO. Le cours Apache Kafka & Stream Processing Fundamentals comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Créer une application Kafka Streams simple » ?

Créez votre première application Kafka Streams pour traiter des données en temps réel depuis des sujets Kafka. Tu pratiques Apache Kafka & Stream Processing Fundamentals avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer Apache Kafka & Stream Processing Fundamentals ?

Aucune expérience préalable n'est requise. Apache Kafka & Stream Processing Fundamentals sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.

Combien de temps prend la leçon « Créer une application Kafka Streams simple » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon Apache Kafka & Stream Processing Fundamentals ?

Oui. Chaque leçon Apache Kafka & Stream Processing Fundamentals inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Créer une application Kafka Streams simple
  2. Concepts de KStream et KTable
  3. Opérations sans état ou avec état
  4. Serdes et sérialisation des données dans Kafka Streams
← Retour à Apache Kafka & Stream Processing Fundamentals