概念
消费者
消费者(Consumer)即读取Kafka集群中某些topic消息的程序,kafka中消费者分为两种类型:
- 消费者组 (consumer group)
- 独立消费者 (standalong consumer)
独立消费者仅一个消费者实例(consumer instance)进行对消息的处理,而消费者组则是多个消费者构成一个整体对消息进行处理。
消费者组
消费者使用一个消费者组名(group.id)标记自身,topic中的每条小心仅会被发送到一个group中的一个consumer实例中进行处理,即消费者组有如下三个特性:
-
一个consumer group可能有多个consumer实例或单个实例
-
topic的一条消息只会给到一个组中的一个consumer实例
-
topic中的一条消息会被发送到多个group中
kafka中的两种消息模型,队列和发布订阅,就是通过consumer group实现的:
-
队列模型:所有的Consumer实例都属于一个group,即一条消息仅被消费一次
-
发布/订阅模型:所有的Consumer实例都单独使用一个group,即一条消息会被广播到所有消费者
topic中的分区会被均匀的分配给consumer group中的实例,当组内的某个consumer挂了后,group会将崩溃consumer负责的分区转交给其他consumer负责,如下图:
某topic有4个分区,被分配在broker1、2上,消费组1里仅有两个Consumer,所以每个Consumer负责2个分区,而消费者2有4个Consumer,每个Consumer仅负责1个分区。
kafka仅提供单个分区内的消息顺序,并不会维护全局的消息顺序,如果要实现topic全局消息的读取顺序,可通过每个group下仅分配一个consumer 实例来实现。
消费者位移(consumer offset)
每个consumer实例会为其消费的分区维护一个属于自己的位置信息,用于记录当前消费了多少条消息,即offset,
offset由consumer group进行保存,而非broker,如果由broker保存将带来以下问题:
-
broker变成有状态的,增加同步成本,影响伸缩性
-
需要引入应答机制(acknowledgement)确认消费成功
-
维护consumer的offset要额外引入复杂的数据结构
由consumer group实现的好处是:
-
仅需保存一个长整型数据,避免复杂的数据结构
-
由 checkpointing (检查点机制) 定期对offset进行持久化,简化应答机制
-
broker因为无需维护consumer的offset,更加轻量级
consumer内部使用一个map来进行topic分区的offset保存,大致为:
group.id:test-group = {topicA-0: 8, topicA-1: 6}
,即test-group这个组对分区topicA-0消费到了8这个offset的位置,第二个消费到了6这个offset的位置。
位移提交
consumer需要定时向kafka集群汇报自己的消费数据的进度,该过程被称为位移提交(offset commit),位移提交既表示消费者的消费进度,又决定了consumer端的消费语义保证,
唯一提交后,会被保存到kafka的一个内部topic上,该topic以两个下划线开头,名为 __consumer_offsets 。
__consumer_offsets 由kafka自行创建,在kafka的日志目录下通常会有名为 __consumer_offsets 开头的文件夹 (__consumer_offsets-0 ... 50),
每个文件夹中至少有一个日志文件(.log)和两个索引文件(.index和.timeindex),用于保存consumer的位移信息,
每条消息在 __consumer_offsets 中的消息格式类似一个KV对,key是一个三元组 group.id + topic + 分区号,value就是offset的值。
由于消息是追加的,相同的key消息会因为提交不停的增多,kafka会定期对该topic进行 compact (压实操作),为每个key仅保留最新的offset消息,以此控制日志文件的容量大小。
为了避免过多的consumer同时提交位移加重单一 __consumer_offsets 的写入负载,因此 __consumer_offsets 分区有50个,
在进行唯一提交时,对group.id进行哈希求模运算,将写入负载到不同的 __consumer_offsets 分区中,降低写入压力。
消费者组重平衡(consumer group rebalance)
平衡主要是针对一个组中多个消费者的均匀消费来说的,如何协调好多个消费者消费不同的消息,是rebalance要做的事情,
rebalance本质上是一种协议,其规定一个组下所有consumer如何达成一致来订阅topic中的所有分区,例如一个topic中有100个分区,
A Group中有50个消费者,在正常情况下,应该为50个消费者,每个分配2个分区进行消费,这个分配过程被称为rebalance。