Files
meldestelle/infrastructure/messaging/README-INFRA-MESSAGING.md
T

725 lines
28 KiB
Markdown

# Infrastructure/Messaging Module
## Überblick
Das **Messaging-Modul** stellt die Infrastruktur für die asynchrone, reaktive Kommunikation zwischen den Microservices bereit. Es nutzt **Apache Kafka** als hochperformanten, verteilten Message-Broker und ist entscheidend für die Entkopplung von Services und die Implementierung einer skalierbaren, ereignisgesteuerten Architektur.
Das Modul implementiert moderne **Domain-Driven Design (DDD)** Prinzipien mit expliziter Fehlerbehandlung über das **Result Pattern** und bietet sowohl suspending Coroutine-APIs als auch reaktive Stream-APIs für maximale Flexibilität.
### Kernfeatures
- **🎯 Result Pattern APIs**: Typsichere Fehlerbehandlung ohne Exceptions
- **⚡ Reactive Streams**: Hochperformante, nicht-blockierende I/O-Operationen
- **🔄 Intelligent Retry Logic**: Differenzierte Retry-Strategien basierend auf Fehlertypen
- **📊 Batch Processing**: Optimierte Verarbeitung mehrerer Events mit kontrollierbarer Parallelität
- **🔒 Security Features**: Sichere Deserialisierung mit Trusted-Package-Validierung
- **📈 Observability**: Umfassendes Logging und Monitoring für Production-Ready-Deployment
- **🧪 Comprehensive Testing**: Integration Tests mit Testcontainers und fokussierte Unit Tests
## Architektur
Das Modul ist in zwei spezialisierte Komponenten aufgeteilt, um Konfiguration von der Client-Logik zu trennen:
infrastructure/messaging/
├── messaging-config/ # Stellt die zentrale Kafka-Konfiguration bereit
└── messaging-client/ # Stellt wiederverwendbare, reaktive Clients bereit
### `messaging-config`
Dieses Modul zentralisiert die grundlegende Kafka-Konfiguration für das gesamte Projekt.
* **Zweck:** Definiert Spring-Beans für die `ProducerFactory` (Basis für Producer) und eine `Map` mit Standard-Konfigurationen für Consumer (z.B. `bootstrap-servers`, `group-id`, Serializer).
* **Vorteil:** Stellt Konsistenz sicher und vereinfacht die Einrichtung neuer Producer oder Consumer in den Services.
### `messaging-client`
Dieses Modul baut auf der Konfiguration auf und stellt wiederverwendbare High-Level-Komponenten für die Interaktion mit Kafka bereit.
#### Kern-Komponenten:
* **`EventPublisher` Interface**: Definiert moderne APIs für das Publizieren von Domain Events
* **Moderne APIs**: `publishEvent()` und `publishEvents()` mit Result Pattern
* **Legacy APIs**: `publishEventReactive()` und `publishEventsReactive()` (deprecated)
* **`EventConsumer` Interface**: Definiert APIs für das Empfangen von Domain Events
* **Moderne APIs**: `receiveEventsWithResult()` mit Flow<Result<T>> für typsichere Fehlerbehandlung
* **Legacy APIs**: `receiveEvents()` mit Flux<T> (deprecated)
* **`KafkaEventPublisher`**: Implementierung des EventPublisher mit umfassendem Feature-Set
* Reaktive, nicht-blockierende Kafka-Integration mit `ReactiveKafkaProducerTemplate`
* Intelligente Retry-Logic mit exponential backoff
* Optimierte Batch-Verarbeitung mit kontrollierbarer Parallelität (10 concurrent operations)
* Comprehensive Logging und Progress-Tracking
* **`KafkaEventConsumer`**: Implementierung des EventConsumer mit erweiterten Funktionen
* Connection-Pooling zur Wiederverwendung von KafkaReceiver-Instanzen
* Sichere Deserialisierung mit Trusted-Package-Validierung
* Manual Acknowledgment Control für bessere Kontrolle über Commit-Verhalten
* Consumer-Cache-Management für Ressourcenoptimierung
* **`MessagingError` Hierarchie**: Domain-spezifische Fehlertypen für strukturierte Fehlerbehandlung
* `SerializationError`, `DeserializationError`: Serialization-/Deserialization-Probleme
* `ConnectionError`: Netzwerk- und Verbindungsfehler
* `TimeoutError`: Zeitüberschreitungen
* `AuthenticationError`: Authentifizierungs-/Autorisierungsfehler
* `TopicConfigurationError`: Topic-Konfigurationsprobleme
* `UnexpectedError`: Allgemeine unerwartete Fehler
#### Vorteile:
* **Typsichere Fehlerbehandlung**: Result Pattern eliminiert unerwartete Exceptions
* **Flexible APIs**: Sowohl moderne Coroutine-basierte als auch Legacy reaktive APIs
* **Production-Ready**: Umfassendes Retry-Management, Observability und Ressourcenoptimierung
* **Domain-Driven Design**: Explizite Fehlertypen und saubere Abstraktionen
## Verwendung
Ein Microservice, der Nachrichten senden oder empfangen möchte, deklariert eine Abhängigkeit zu `:infrastructure:messaging:messaging-client` und injiziert die entsprechenden Interfaces.
### Moderne API (Result Pattern + Coroutines) - **Empfohlen**
**Beispiel für das Senden einer Nachricht mit typsicherer Fehlerbehandlung:**
```kotlin
@Service
class EventNotificationService(
private val eventPublisher: EventPublisher
) {
suspend fun notifyNewEvent(eventDetails: EventDetails): Result<Unit> {
val topic = "new-events-topic"
return eventPublisher.publishEvent(topic, eventDetails.id, eventDetails)
.onFailure { error ->
when (error) {
is MessagingError.SerializationError -> logger.error("Serialization failed for event", error)
is MessagingError.ConnectionError -> logger.warn("Connection issue, will retry later", error)
is MessagingError.TimeoutError -> logger.warn("Timeout publishing event", error)
else -> logger.error("Unexpected error publishing event", error)
}
}
}
suspend fun notifyMultipleEvents(events: List<Pair<String, EventDetails>>): Result<List<Unit>> {
val topic = "batch-events-topic"
return eventPublisher.publishEvents(topic, events)
.onSuccess { results ->
logger.info("Successfully published {} events", results.size)
}
.onFailure { error ->
logger.error("Failed to publish batch events: {}", error.message)
}
}
}
```
**Beispiel für das Empfangen von Nachrichten mit typsicherer Fehlerbehandlung:**
```kotlin
@Component
class ModernEventListener(
private val eventConsumer: EventConsumer
) {
private val logger = LoggerFactory.getLogger(ModernEventListener::class.java)
@PostConstruct
fun startListening() {
val topic = "new-events-topic"
// Moderne Result-basierte API mit Flow<Result<T>>
eventConsumer.receiveEventsWithResult(topic, EventDetails::class.java)
.asFlow()
.collect { result ->
result
.onSuccess { event ->
logger.info("Successfully received event with ID: {}", event.id)
processEvent(event)
}
.onFailure { error ->
when (error) {
is MessagingError.DeserializationError -> {
logger.error("Failed to deserialize event from topic '{}': {}", topic, error.message)
// Deserialization-Fehler sind meist permanent - keine weiteren Versuche
handlePoisonMessage(topic, error)
}
is MessagingError.ConnectionError -> {
logger.warn("Connection issue while consuming from topic '{}': {}", topic, error.message)
// Connection-Fehler sind oft temporär - Consumer wird automatisch retries
}
is MessagingError.TimeoutError -> {
logger.warn("Timeout while consuming from topic '{}': {}", topic, error.message)
// Timeout-Fehler können retries bekommen
}
else -> {
logger.error("Unexpected error consuming from topic '{}': {}", topic, error.message, error)
handleUnexpectedError(topic, error)
}
}
}
}
}
private suspend fun processEvent(event: EventDetails) {
// Geschäftslogik zur Verarbeitung des Events
logger.debug("Processing event: {}", event)
}
private suspend fun handlePoisonMessage(topic: String, error: MessagingError.DeserializationError) {
// Poison Messages in separates Topic oder Dead Letter Queue verschieben
logger.warn("Moving poison message from topic '{}' to dead letter queue", topic)
}
private suspend fun handleUnexpectedError(topic: String, error: MessagingError) {
// Monitoring/Alerting für unerwartete Fehler
logger.error("Alerting monitoring system for unexpected error in topic '{}'", topic)
}
}
```
**Beispiel für Consumer mit Coroutines und strukturierter Parallelität:**
```kotlin
@Service
class BatchEventProcessor(
private val eventConsumer: EventConsumer
) {
private val logger = LoggerFactory.getLogger(BatchEventProcessor::class.java)
suspend fun processBatchEvents(topic: String): Result<Int> = withContext(Dispatchers.IO) {
try {
var processedCount = 0
var errorCount = 0
eventConsumer.receiveEventsWithResult(topic, EventDetails::class.java)
.asFlow()
.take(100) // Verarbeite maximal 100 Events pro Batch
.collect { result ->
result
.onSuccess { event ->
processedCount++
logger.debug("Processed event {}/{}", processedCount, 100)
}
.onFailure { error ->
errorCount++
logger.warn("Error processing event: {}", error.message)
}
}
logger.info("Batch processing completed: {} processed, {} errors", processedCount, errorCount)
Result.success(processedCount)
} catch (exception: Exception) {
logger.error("Batch processing failed", exception)
Result.failure(MessagingError.UnexpectedError("Batch processing failed: ${exception.message}", exception))
}
}
}
```
### Legacy Reactive API - **Wird depreciert**
**Beispiel für das Senden einer Nachricht (reaktiv, nicht-blockierend):**
```kotlin
@Service
class LegacyEventNotificationService(
private val eventPublisher: EventPublisher
) {
@Deprecated("Use suspending publishEvent with Result instead")
fun notifyNewEventReactive(eventDetails: EventDetails) {
val topic = "new-events-topic"
eventPublisher.publishEventReactive(topic, eventDetails.id, eventDetails)
.subscribe(
{ /* onNext: Unit received */ },
{ error -> logger.error("Failed to send message to topic '{}'", topic, error) },
{ /* onComplete: Nichts zu tun */ }
)
// Die Methode kehrt sofort zurück, ohne auf die Bestätigung von Kafka zu warten.
}
}
```
**Beispiel für das Empfangen von Nachrichten (reaktiv):**
```kotlin
@Component
class EventListener(
private val eventConsumer: EventConsumer
) {
@PostConstruct
fun listenForEvents() {
val topic = "new-events-topic"
eventConsumer.receiveEvents<EventDetails>(topic)
.subscribe { event ->
logger.info("Received new event with ID: {}", event.id)
// Geschäftslogik zur Verarbeitung des Events...
}
}
}
```
## Konfiguration
Das Messaging-Modul bietet umfassende Konfigurationsmöglichkeiten über die `KafkaConfig`-Klasse mit automatischer Validierung und optimierten Standardwerten für Production-Ready-Deployments.
### Basis-Konfiguration
```kotlin
@Configuration
class MessagingConfiguration {
@Bean
fun kafkaConfig(): KafkaConfig {
return KafkaConfig().apply {
// Kafka-Cluster-Verbindung
bootstrapServers = "kafka-cluster:9092" // oder "localhost:9092" für lokale Entwicklung
// Consumer-Gruppierung
defaultGroupIdPrefix = "myapp-messaging"
// Sicherheitseinstellungen
trustedPackages = "com.mycompany.*,at.mocode.*"
enableSecurityFeatures = true
// Performance-Tuning
connectionPoolSize = 20 // Für hochfrequente Anwendungen
}
}
}
```
### Konfigurationsoptionen
| Parameter | Typ | Standard | Beschreibung |
|-----------|-----|----------|--------------|
| `bootstrapServers` | String | "localhost:9092" | Kafka-Cluster-Endpunkte. Unterstützt `host:port` und `PROTOCOL://host:port` Formate |
| `defaultGroupIdPrefix` | String | "messaging-client" | Präfix für automatisch generierte Consumer-Gruppen |
| `trustedPackages` | String | "at.mocode.*" | Comma-separated List von Packages für sichere JSON-Deserialisierung |
| `enableSecurityFeatures` | Boolean | true | Aktiviert erweiterte Sicherheitsfeatures für Production |
| `connectionPoolSize` | Int | 10 | Anzahl der gleichzeitigen Kafka-Verbindungen im Pool |
### Production-Konfiguration
Für Production-Umgebungen empfohlene Konfiguration:
```kotlin
@Configuration
@Profile("production")
class ProductionMessagingConfiguration {
@Bean
fun kafkaConfig(): KafkaConfig {
return KafkaConfig().apply {
// Hochverfügbares Kafka-Cluster
bootstrapServers = "kafka-01.prod:9092,kafka-02.prod:9092,kafka-03.prod:9092"
// Environment-spezifische Gruppierung
defaultGroupIdPrefix = "${System.getenv("APP_NAME")}-${System.getenv("ENVIRONMENT")}"
// Restriktive Sicherheitseinstellungen
trustedPackages = "com.mycompany.events.*,com.mycompany.domain.*"
enableSecurityFeatures = true
// Optimiert für hohe Parallelität
connectionPoolSize = 50
}
}
}
```
### Umgebungsvariablen
Das Modul unterstützt Konfiguration über Umgebungsvariablen für Container-Deployments:
```bash
# Docker/Kubernetes Environment Variables
KAFKA_BOOTSTRAP_SERVERS=kafka-cluster:9092
KAFKA_GROUP_ID_PREFIX=myapp-prod
KAFKA_TRUSTED_PACKAGES=com.mycompany.*
KAFKA_CONNECTION_POOL_SIZE=25
KAFKA_ENABLE_SECURITY=true
```
### Erweiterte Producer-Konfiguration
Die `KafkaConfig` stellt optimierte Producer-Eigenschaften bereit:
```kotlin
// Automatisch konfigurierte Producer-Eigenschaften:
// - Batch-Verarbeitung (32KB Batches, 5ms Linger)
// - Snappy-Komprimierung für bessere Performance
// - Idempotenz für Exactly-Once-Semantics
// - Intelligente Retry-Logik (3 Versuche, 1s Backoff)
// - 30s Delivery-Timeout mit 10s Request-Timeout
```
### Erweiterte Consumer-Konfiguration
Consumer werden automatisch mit optimierten Einstellungen konfiguriert:
```kotlin
// Automatisch konfigurierte Consumer-Eigenschaften:
// - Manual Commit für bessere Kontrolle
// - Optimierte Fetch-Größen (1KB min, 1MB max)
// - 500ms Max-Wait für Fetch-Operationen
// - Session-Timeout: 30s, Heartbeat: 3s
// - Automatic Offset Reset: earliest
// - Max 500 Records pro Poll
```
### Monitoring und Observability
```kotlin
@Component
class MessagingHealthIndicator(
private val kafkaConfig: KafkaConfig
) : HealthIndicator {
override fun health(): Health {
return try {
// Kafka-Cluster-Konnektivität prüfen
val adminClient = AdminClient.create(kafkaConfig.producerConfigs())
val clusterMetadata = adminClient.describeCluster()
val nodeCount = clusterMetadata.nodes().get(5, TimeUnit.SECONDS).size
Health.up()
.withDetail("kafka.cluster.nodes", nodeCount)
.withDetail("kafka.bootstrap.servers", kafkaConfig.bootstrapServers)
.withDetail("kafka.connection.pool.size", kafkaConfig.connectionPoolSize)
.build()
} catch (exception: Exception) {
Health.down()
.withDetail("kafka.error", exception.message)
.withException(exception)
.build()
}
}
}
```
## Dependency Management
### Gradle-Konfiguration
Das Messaging-Modul nutzt eine saubere Modularisierung über Gradle Composite Builds:
```kotlin
// In einem Service-Modul
dependencies {
// Hauptabhängigkeit für messaging functionality
implementation(projects.infrastructure.messaging.messagingClient)
// Die messaging-config wird transitiv eingebunden
// Alle benötigten Kafka-, Spring- und Reactive-Dependencies sind enthalten
}
```
### Verfügbare Module
| Modul | Zweck | Transitive Dependencies |
|--------|--------|------------------------|
| `messaging-config` | Zentrale Kafka-Konfiguration | Spring Kafka, Jackson, Kafka Clients |
| `messaging-client` | High-Level Publisher/Consumer APIs | Reactor Kafka, Kotlinx Coroutines, messaging-config |
### Version-Management
```kotlin
// platform/platform-bom/build.gradle.kts - Zentrale Versionsverwaltung
dependencies {
constraints {
api("org.springframework.kafka:spring-kafka:3.1.4")
api("io.projectreactor.kafka:reactor-kafka:1.3.22")
api("org.apache.kafka:kafka-clients:3.6.1")
}
}
```
## Testing-Strategie
Die Zuverlässigkeit des Moduls wird durch eine mehrstufige Teststrategie sichergestellt, die sowohl Unit- als auch Integrationstests umfasst:
### Integrationstests (Goldstandard)
* **Testcontainers**: Der `KafkaIntegrationTest` startet einen echten Apache Kafka Docker-Container, um die Funktionalität unter realen Bedingungen zu validieren
* **Reaktives Testen**: Nutzt Project Reactor's `StepVerifier` für deterministische Tests der reaktiven Streams ohne unzuverlässige Thread.sleep-Aufrufe
* **Lifecycle Management**: Saubere Ressourcenverwaltung über @BeforeEach und @AfterEach für korrekte Freigabe von Producer-Threads
* **End-to-End Validierung**: Vollständige Publish-Subscribe-Zyklen mit echtem Kafka-Cluster
### Unit Tests
* **`KafkaEventPublisherErrorTest`**: Fokussierte Tests für Fehlerbehandlung mit MockK für isolierte Testszenarien
* **Fehlerszenarien**: Systematische Tests für Serialization-, Authentication-, Connection- und Timeout-Fehler
* **Batch-Verarbeitung**: Validierung von Batch-Operationen und Empty-Batch-Handling
* **Retry-Logic**: Tests für intelligente Retry-Mechanismen und Retry-Exhaustion
### Sicherheits- und Konfigurationstests
* **`KafkaSecurityTest`**: Validierung der Sicherheitskonfigurationen und Trusted-Package-Verwaltung
* **`KafkaEventConsumerCacheTest`**: Tests für Consumer-Caching und Ressourcenoptimierung
* **Konfigurationsvalidierung**: Automatische Validierung aller Konfigurationsparameter
## Neue Features und Optimierungen (2025)
### Domain-Driven Design (DDD) Integration
* **Result Pattern APIs**: Neue suspending Coroutine-basierte APIs mit typsicherer Fehlerbehandlung über das Result Pattern
* **Domain-spezifische Fehlertypen**: Umfassende `MessagingError` Hierarchie (SerializationError, ConnectionError, TimeoutError, AuthenticationError, etc.)
* **Explizite Fehlerbehandlung**: Eliminiert unerwartete Exceptions durch strukturierte Fehler-Typen
* **Backward Compatibility**: Legacy-reactive APIs bleiben verfügbar, sind aber als deprecated markiert
### Erweiterte Konfigurationsvalidierung
* **Automatische Validierung**: Alle Konfigurationsparameter werden automatisch bei der Zuweisung validiert
* **Bootstrap-Server-Format**: Unterstützt sowohl einfache (`host:port`) als auch protokoll-präfixierte Formate (`PLAINTEXT://host:port`)
* **Sicherheitsfeatures**: Konfigurierbare Sicherheitsfunktionen für Produktionsumgebungen
* **Connection-Pool-Management**: Konfigurierbare Verbindungspool-Größe für bessere Ressourcenverwaltung
### Verbesserte Observability
* **Strukturierte Logs**: Erweiterte Logging-Informationen mit GroupID, Timestamps und Event-Kontext
* **Fehlerkontext**: Detaillierte Fehlerinformationen mit Retry-Status und Event-Type-Details
* **Performance-Tracking**: Bessere Nachvollziehbarkeit von Batch-Operationen und Retry-Versuchen
* **Batch-Progress-Logging**: Automatisches Progress-Logging bei großen Batch-Operationen (alle 100 Events)
### Robustheit-Verbesserungen
* **Intelligente Retry-Logik**: Differenzierte Retry-Strategien basierend auf Fehlertypen (keine Retries für Serialization/Auth-Fehler)
* **Exponential Backoff**: Konfigurierbare Retry-Delays mit exponential backoff (1s initial, max 10s backoff)
* **Controlled Batch Concurrency**: Optimierte Batch-Verarbeitung mit konfigurierbarer Parallelität (Standard: 10 concurrent operations)
* **Testcontainer-Kompatibilität**: Vollständige Kompatibilität mit Docker-basierten Tests
* **Enhanced Error Handling**: Verbesserte Fehlerbehandlung mit strukturierten Kontext-Informationen
### Test-Suite Optimierung
* **Fokussierte Unit Tests**: Bereinigte Test-Suite mit Fokus auf essentielle Funktionalität
* **MockK Integration**: Moderne Mocking-Frameworks für isolierte Unit Tests
* **StepVerifier Korrekturen**: Korrigierte reaktive Test-Assertions für `Mono<Unit>` Rückgabetypen
* **Reduced Test Complexity**: Entfernung unnötiger Performance- und Logging-Tests zugunsten fokussierter Funktionstests
## Troubleshooting
### Häufige Probleme und Lösungen
#### 1. Connection-Fehler zu Kafka
**Problem**: `MessagingError.ConnectionError` beim Senden oder Empfangen von Nachrichten
**Mögliche Ursachen und Lösungen**:
1. **Kafka-Cluster-Erreichbarkeit prüfen**:
```bash
# Teste Verbindung zu Kafka-Cluster
telnet kafka-cluster 9092
# Oder mit nc (netcat)
nc -zv kafka-cluster 9092
```
2. **Bootstrap-Server-Konfiguration validieren**:
```kotlin
// Multiple Broker für High Availability
kafkaConfig.bootstrapServers = "kafka-01:9092,kafka-02:9092,kafka-03:9092"
```
3. **Netzwerk-Timeouts erhöhen für langsame Verbindungen**:
```kotlin
// Producer-Konfiguration erweitern
override fun producerConfigs(): Map<String, Any> = super.producerConfigs() + mapOf(
ProducerConfig.REQUEST_TIMEOUT_MS_CONFIG to 30000, // 30 Sekunden
ProducerConfig.DELIVERY_TIMEOUT_MS_CONFIG to 60000 // 1 Minute
)
```
#### 2. Deserialization-Fehler
**Problem**: `MessagingError.DeserializationError` beim Empfangen von Nachrichten
**Lösungsansätze**:
```kotlin
// 1. Trusted Packages erweitern
kafkaConfig.trustedPackages = "at.mocode.*,com.mycompany.*,java.util.*"
// 2. Event-Schema-Kompatibilität prüfen
@JsonIgnoreProperties(ignoreUnknown = true)
data class EventDetails(
val id: String,
val version: Int = 1 // Schema-Versionierung
)
// 3. Dead Letter Queue für Poison Messages implementieren
private suspend fun handlePoisonMessage(topic: String, error: MessagingError.DeserializationError) {
val dlqTopic = "${topic}.dlq"
eventPublisher.publishEvent(dlqTopic, "error", error.message)
}
```
#### 3. Performance-Probleme
**Problem**: Langsame Message-Verarbeitung oder hohe Latenz
**Optimierungsstrategien**:
```kotlin
// 1. Connection Pool vergrößern
kafkaConfig.connectionPoolSize = 50
// 2. Batch-Verarbeitung nutzen
suspend fun processEventsBatch(events: List<EventDetails>) {
val batchSize = 100
events.chunked(batchSize).forEach { batch ->
// Parallele Verarbeitung pro Batch
batch.map { event ->
async { processEvent(event) }
}.awaitAll()
}
}
// 3. Consumer-Parallelität erhöhen
// Mehrere Consumer-Instanzen mit unterschiedlichen Group-IDs
```
#### 4. Memory-Leaks bei Consumers
**Problem**: Speicherverbrauch steigt kontinuierlich
**Lösungen**:
```kotlin
// 1. Consumer-Cache korrekt verwalten
@PreDestroy
fun cleanup() {
eventConsumer.cleanup() // Cached receivers freigeben
}
// 2. Flow-Streams korrekt beenden
eventConsumer.receiveEventsWithResult(topic, EventDetails::class.java)
.asFlow()
.take(1000) // Streams begrenzen
.catch { exception ->
logger.error("Stream error", exception)
}
.collect { /* process */ }
// 3. Subscription Management
val subscription = eventConsumer.receiveEvents<EventDetails>(topic)
.take(Duration.ofMinutes(5)) // Auto-Timeout nach 5 Minuten
.subscribe()
```
### Best Practices
#### 1. Error Handling
```kotlin
// Strukturierte Fehlerbehandlung mit spezifischen Aktionen
suspend fun handleMessagingError(error: MessagingError, topic: String) {
when (error) {
is MessagingError.SerializationError,
is MessagingError.DeserializationError -> {
// Keine Retries - permanente Fehler
alertMonitoring("Schema compatibility issue", error)
}
is MessagingError.ConnectionError,
is MessagingError.TimeoutError -> {
// Retries möglich - temporäre Fehler
scheduleRetry(error, topic)
}
is MessagingError.AuthenticationError -> {
// Security-Issue - sofortige Attention erforderlich
alertSecurity("Authentication failed", error)
}
else -> {
// Unbekannte Fehler - Investigation erforderlich
alertDevelopment("Unknown messaging error", error)
}
}
}
```
#### 2. Monitoring und Alerting
```kotlin
// Umfassendes Monitoring einrichten
@Component
class MessagingMetrics( private val meterRegistry: MeterRegistry ) {
private val publishedEvents = Counter.builder("messaging.events.published")
.register(meterRegistry)
private val consumedEvents = Counter.builder("messaging.events.consumed")
.register(meterRegistry)
private val errorCounter = Counter.builder("messaging.errors")
.tag("type", "unknown")
.register(meterRegistry)
fun recordPublishedEvent(topic: String) {
publishedEvents.increment(Tags.of("topic", topic))
}
fun recordError(error: MessagingError, topic: String) {
errorCounter.increment(
Tags.of(
"error.type", error.javaClass.simpleName,
"topic", topic
)
)
}
}
```
#### 3. Testing von Messaging-Code
```kotlin
// Integration Test mit Testcontainers
@TestMethodOrder(OrderAnnotation::class)
class MessagingIntegrationTest {
companion object {
@Container
val kafka = KafkaContainer(DockerImageName.parse("confluentinc/cp-kafka:latest"))
}
@Test
@Order(1)
fun `should publish and consume events successfully`() = runTest {
// Given
val topic = "test-topic"
val event = EventDetails("test-id", "test-data")
// When
val publishResult = eventPublisher.publishEvent(topic, event.id, event)
val consumedEvents = mutableListOf<Result<EventDetails>>()
eventConsumer.receiveEventsWithResult(topic, EventDetails::class.java)
.asFlow()
.take(1)
.collect { result -> consumedEvents.add(result) }
// Then
publishResult.shouldBeSuccess()
consumedEvents.shouldHaveSize(1)
consumedEvents.first().getOrNull()?.id shouldBe event.id
}
}
```
### Häufig gestellte Fragen (FAQ)
**Q: Wie unterscheidet sich die moderne API von der Legacy-API?**
A: Die moderne API nutzt das Result Pattern für explizite Fehlerbehandlung und Kotlin Coroutines für bessere Performance. Legacy APIs verwenden reaktive Streams mit Exception-basierter Fehlerbehandlung.
**Q: Wann sollte ich Batch-Verarbeitung verwenden?**
A: Batch-Verarbeitung ist empfohlen bei:
- Mehr als 10 Events pro Sekunde
- Hoher Netzwerk-Latenz zum Kafka-Cluster
- Events, die zusammen verarbeitet werden können
**Q: Wie handle ich Backpressure bei hohem Event-Durchsatz?**
A: Nutzen Sie die eingebauten Flow-Operatoren:
```kotlin
eventConsumer.receiveEventsWithResult(topic, EventType::class.java)
.asFlow()
.buffer(1000) // Puffering für Backpressure-Handling
.flowOn(Dispatchers.IO) // Separater Dispatcher
.collect { /* process */ }
```
---
**Letzte Aktualisierung**: 15. August 2025
## Aktualisierungen (September 2025)
- ReactiveKafkaConfig: Der Bean kafkaConfig() ist jetzt mit @ConditionalOnMissingBean annotiert. Dadurch wird kein zweiter KafkaConfig-Bean erzeugt, wenn bereits extern einer bereitgestellt wird. Dies verhindert Bean-Kollisionen und erleichtert Überschreibungen in Services/Tests.
- Legacy Consumer API: Die reifizierte Extension receiveEvents<T>(topic) wirft bei Fehlern nicht mehr, sondern filtert Fehl-Results heraus und protokolliert sie. Das hält den Flux lebendig und ist robuster. Die moderne, empfohlene Methode bleibt receiveEventsWithResult(topic): Flow<Result<T>>.
- Dokumentation: Diese Hinweise wurden ergänzt. Module bleiben ansonsten unverändert und production-ready.