作者简介:大家好,我是smart哥,前中兴通讯、美团架构师,现某互联网公司CTO
联系qq:184480602,加我进群,大家一起学习,一起进步,一起对抗互联网寒冬
学习必须往深处挖,挖的越深,基础越扎实!
阶段1、深入多线程
阶段2、深入多线程设计模式
阶段3、深入juc源码解析
码哥源码部分
码哥讲源码-原理源码篇【2024年最新大厂关于线程池使用的场景题】
码哥讲源码-原理源码篇【揭秘join方法的唤醒本质上决定于jvm的底层析构函数】
码哥源码-原理源码篇【Doug Lea为什么要将成员变量赋值给局部变量后再操作?】
码哥讲源码【谁再说Spring不支持多线程事务,你给我抽他!】
打脸系列【020-3小时讲解MESI协议和volatile之间的关系,那些将x86下的验证结果当作最终结果的水货们请闭嘴】
了解了Kafka的生产者基本原理后,本章,我将讲解Consumer消费者的基本原理,通过本章的内容,读者可以理解一条消息从获取到被消费的整个流程。
一、基本使用
Kafka的消费者是 非线程安全 的。我们先来看下Consumer的基本使用,一个正常的Consumer消费消息的逻辑需要具备以下几个步骤 :
- 配置消费者客户端参数,然后创建相应的消费者实例;
- 订阅主题;
- 拉取消息并消费;
- 提交消费位移;
- 关闭消费者实例。
来看一个示例,更好的体会下:
public class ConsumerDemo {
public static void main(String[] args) throws Exception {
String topicName = “test - topic”;
String groupId = “test - group”;
Properties props = new Properties();
props.put(“bootstrap.servers”, “localhost:9092”);
props.put(“group.id”, groupId);
// 自动提交offset
props.put(“enable.auto.commit”, “true”);
props.put(“auto.commit.ineterval.ms”, “1000”);
// 每次Consumer重启后,都是从最早的offset开始读取,不是接着上一次
props.put(“auto.offset.reset”, “earliest”);
props.put(“key.deserializer”, “org.apache.kafka.common.serialization.StringDeserializer”);
props.put(“value.deserializer”, “org.apache.kafka.common.serialization.SttringDeserializer”);
KafkaConsumer<String, String> consumer = new KafkaConsumer<String, String>(props);
// 订阅Topic
consumer.subscribe(Arrays.asList(topicName));
try {
while (true) {
// 消费消息,超时时间1s
ConsumerRecords<String, String> records = consumer.poll(1000);
for (ConsumerRecord<String, String> record : records) {
System.out.println(record.offset() + “, ” + record.key() + “, ”+record.value());
}
}
} catch (Exception e) {
}
}
}
二、整体架构
每个Consumer都要属于一个consumer.group
消费者组,Topic的一个分区只会分配给一个消费组下的一个Consumer来处理,每个Consumer可能会分配多个分区,也有可能某个Consumer没有分配到任何分区:
注意:消费者组是一个逻辑上的概念,它将旗下的消费者归为一类,每一个消费者只隶属于一个消费者组。
三、消费位移
每个Consumer的内存里都保存着分区的消费offset,包括:上一次提交的offset,当前消费到的offset。
Consumer工作线程(也就是我们调用poll
方法的线程)会定期提交offset。在老版本Kafka中,位移是提交到Zookeeper,但是高并发场景下这种设计是有问题的,Zookeeper是做分布式协调的,属于轻量级的元数据存储,不适合做高并发读写,作为数据存储。
所以之后Kafka版本中,消费者不再将offset提交到Zookeeper,而是提交到Broker的一个内部Topic—— __consumer_offsets ,提交时Key是group.id + topic + 分区号
,Value就是当前offset的值。每隔一段时间,Kafka Broker内部会对这个Topic进行Compact,也就是只保留最新的数据即可。
__consumer_offsets 这个内部Topic默认有50个分区,这样如果Kafka集群很大,比如有50台机器,就可以用50台机器来抗offset提交的请求压力,性能上要好很多。
3.1 自动提交
默认的消费位移提交方式是 自动提交 ,可以通过Consumer的客户端参数enable.auto.commit
配置。注意,自动提交是默认每隔5秒进行一次提交,不是指每消费一条消息就提交一次,可以通过参数auto.commit.interval.ms
配置间隔时间。
Consumer每次从Broker拉取消息之前,都会检查下是否可以进行位移提交,如果可以,就会提交上一次轮询的位移:
3.2 手动提交
手动提交可以细分为 同步提交 和 异步提交 ,对应于Kafka Consumer中的commitSync()
和commitAsync()
两种方法。
同步提交
commitSync()
方法会根据 poll 方法拉取的最新位移来进行提交,只能提交当前批次对应的 position 值,只要没有发生不可恢复的错误( Unrecoverable Error),它就会阻塞消费者线程直至位移提交完成。
比如,下面的代码按分区粒度同步提交消费位移 :
ConsumerRecords<String, String> records = consumer.poll(1000);
for (TopicPartition partition : records.partitions()) {
List<ConsumerRecord<String, String>> partitionRecords = records.records(partition);
for (ConsumerRecord<String, String> record : partitionRecords) {
//do some logical processing.
}
long lastConsumedOffset = partitionRecords.get(partitionRecords.size() - 1).offset();
consumer.commitSync(Collections.singletonMap(partition, new
OffsetAndMetadata(lastConsumedOffset + 1)));
// ...
}
异步提交
异步提交的方式—— commitAsync()
在执行的时候消费者线程不会被阻塞,可能在提交消费位移的结果还未返回之前就开始了新一次的拉取操作异步提交的方式—— commitAsync()
在执行的时候消费者线程不会被阻塞,可能在提交消费位移的结果还未返回之前就开始了新一次的拉取操作 。
while (isRunning.get()) {
ConsumerRecords<String, String> records = consumer.poll(1000);
for (ConsumerRecord<String, String> record : records) {
//do some logical processing.
}
consumer.commitAsync(new OffsetCommitCallback() {
@Override
public void onComplete(Map<TopicPartition, OffsetAndMetadata> offsets,Exception
exception) {
if (exception == null) {
System.out.println(offsets) ;
} else {
log.error("fail to commit offsets {}", offsets, exception);
}
}
});
}
3.3 seek
消费者有一个seek
方法,该方法为我们提供了从特定位置读取消息的能力,我们可以通过这个方法来向前跳过若干消息,也可以通过这个方法来向后回溯若干消息,这样为消息的消费提供了很大的灵活性。
seek
方法也为我们提供了将消费位移保存在外部存储介质中的能力,还可以配合再均衡监听器来提供更加精准的消费能力。
consumer.subscribe(Arrays.asList(topic));
//省略poll()方法及assignment 的還輯
for (TopicPartition tp: assignment) {
long offset = getOffsetFromDB(tp); //从DB中读取消费位移
consumer.seek(tp, offset);
}
while (true) {
ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(1000));
for (TopicPartition partition : records.partitions()) {
List<ConsumerRecord<String, String>> partitionRecords = records.records(partition);
for (ConsumerRecord<String, String> record : partitionRecords) {
//process the record.
)
long lastConsumedOffset = partitionRecords
.get(partitionRecords.size() - 1).offset();
// 将消费位移存储在DB中
storeOffsetToDB(partition, lastConsumedOffset + 1);
}
}
四、消费问题
由于Kafka Consumer的位移提交机制,可能出现 重复消费 和 消息丢失 的情况。
4.1 重复消费
假设Consumer刚poll到消息,并且都处理完了,此时还没来得及提交offset,Consumer就宕机了。Consumer再次重启会重新消费到这一批消息,再次处理一遍,就发生了消息的重复消费。
比如,Poll到了一批数据:offset = 65510~65532
,Consumer很快处理完了,并且写入了数据库,结果还没来得及提交offset就宕机了,上一次提交的offset = 65509
,Consumer重启后,它会再次拉取offset = 65510~65532
的消息,然后重复处理一遍。
4.2 消息丢失
假设Consumer刚poll到消息,然后还没来得及处理,刚好到了触发自动提交的时间点,此时如果Consumer宕机然后再次重启,消息就丢失了。
比如,Poll到了一批数据:offset = 65510~65532
,然后触发自动提交offset,此时offset = 65532
已经提交给了Kafka Broker,接着当Consumer准备对这批数据进行处理时就直接宕机了,下次重启的时候,会从offset = 65533
这个位置开始消费,之前的一批数据就丢失了。
五、核心参数
fetch.min.bytes
该参数用来配置Consumer在一次拉取请求(调用 poll方法)中能从 Kafka 中拉取的最小数据量,默认值为1个字节。Kafka 在收到 Consumer 的拉取请求时,如果返回给 Consumer 的数据量小于这个参数所配置的值,那么它就需要进行等待,直到数据量满足这个参数的配置大小。
可以适当调大这个参数的值以提高一定的吞吐量,不过也会造成额外的延迟,对于延迟敏感的应用可能就不可取了。
fetch.max.wait.ms
这个参数也和fetch.min.bytes
参数有关,如果Kafka仅仅参考fetch.min.bytes
参数的要求,那么有可能会一直阻塞等待而无法发送响应给Consumer,显然这是不合理的。fetch.max.wait.ms
参数用于指定 Kafka 的等待时间,默认值为 500 ( ms )。如果 Kafka 中没有足够多的消息而满足不了fetch.min.bytes
参数的要求,那么最终会等待500ms 。
max.poll.records
这个参数用来配置 Consumer 在一次拉取请求中拉取的最大消息数,默认值为 500条。
max.poll.interval.ms
如果Consumer的两次Poll操作间隔超过了这个时间,那么就会认为这个Consume处理能力太弱了,会被踢出消费组,将它原来的分区分配给其它消费者。
request.timeout.ms
这个参数用来配置 Consumer 等待请求响应的最长时间,默认值为 30000 ( ms )。
auto.offset.reset
这个参数的意思是:如果Consumer重启,发现要消费的offset不在分区的最新分段日志里,那么从哪里开始消费。有三种策略可以选择:earliest、latest、none,配置为其余值会报出异常。
enable.auto.commit
是否开启自动提交消费位移的功能,默认开启。
auto.commit.interval.ms
当enbale.auto.commit
参数设置为 true 时才生效 ,表示开启自动提交消费位移功能时自动提交消
费位移的时间间隔。
heartbeat.interval.ms
Consumer心跳时间,Broker必须和Consumer保持心跳才能知道Consumer是否故障了,如果发生故障就会让其它的Consumer进行Rebalance操作。
session.timeout.ms
Kafka多长时间感知不到一个Consumer的心跳就认为它故障了,默认是10秒。
connection.max.idle.ms
Consumer跟Broker的Socket连接如果空闲时间超过了该参数值,就会自动回收连接,当下次再消费时才重新建立Socket连接。生产建议设置为 -1,不要去回收。