Kafka系列之如何提高消费者消费速度

前言

在实际开发过程中，如果使用Kafka处理超大数据量(千万级、亿级)的场景，Kafka消费者的消费速度可能决定系统性能瓶颈。

实现方案

为了提高消费者的消费速度，我们可以采取以下措施：

• 将主题的分区数量增大，如 20，通过concurrency将消费者的消费线程数增大到 10（2个pod)，提高消息处理的并发能力。
• 将每次批量拉取消息的数量max.poll.records增大到 500，提高单次处理消息的数量。
• 将消息切分成批次，将单个批次的数据处理业务逻辑放进线程池中异步进行，提高并发处理消息的速度。
• 将异步线程池的拒绝模式调整为 CallerRunsPolicy，这个配置非常重要。当线程池的任务队列已满且所有线程都在忙碌时，新的任务将由提交任务的线程（即调用者线程）来执行。否则在消息量特别大的情况下，很可能会因为线程池任务队列满了而丢失数据。
• 将异步线程池的队列容量设置为 0，这样意味着所有任务必须立即由线程池中的线程来处理，减少在队列中的等待时间。
• 在数据上报的时候进行幂等性验证，防止重复上报数据。

@Component
public class OrderConsumer {

	@Resource(name = "execThreadPool")
    private ThreadPoolTaskExecutor execThreadPool;
    
	@KafkaListener(
            id = "record_consumer",
            topics = "record",
            groupId = "g_record_consumer",
            concurrency = "10",
            properties = {"max.poll.interval.ms:300000", "max.poll.records:500"}
    )
    public void consume(ConsumerRecords<String, String> records, Acknowledgment ack) {
        execThreadPool.submit(()-> {
        	// 业务逻辑
        	}
        );
        ack.acknowledge();
    }

}

ThreadPoolTaskExecutor 是 Spring 框架提供的一个线程池实现，用于管理和执行多线程任务。它是 TaskExecutor 接口的实现，提供了在 Spring 应用程序中创建和配置线程池的便捷方式。

ThreadPoolTaskExecutor主要特点：

• 线程池配置： ThreadPoolTaskExecutor 允许你配置核心线程数、最大线程数、队列容量等线程池属性。

• 线程创建和销毁： 它会根据任务的需求自动创建和销毁线程，避免不必要的线程创建和销毁开销。

• 线程复用： 线程池中的线程可以被复用，从而减少线程创建的开销。

• 队列管理： 当线程池达到最大线程数时，新任务会被放入队列中等待执行。

• 拒绝策略： 当线程池已满并且队列也已满时，可以配置拒绝策略来处理新任务的方式。
  RejectedExecutionHandler 是 Java 线程池的一个重要接口，用于定义当线程池已满并且无法接受新任务时，如何处理被拒绝的任务。当线程池的队列和线程都已满，新任务就会被拒绝执行，这时就会使用 RejectedExecutionHandler 来处理这些被拒绝的任务。
  在 Java 中，有几种内置的 RejectedExecutionHandler 实现可供选择，每种实现都有不同的拒绝策略：
  AbortPolicy（默认策略）： 这是默认的拒绝策略，它会抛出一个 RejectedExecutionException 异常，表示任务被拒绝执行。
  CallerRunsPolicy： 当线程池已满时，将任务返回给提交任务的调用者（Caller）。这意味着提交任务的线程会尝试执行被拒绝的任务。
  DiscardPolicy： 这个策略会默默地丢弃被拒绝的任务，不会产生任何异常。
  DiscardOldestPolicy： 这个策略会丢弃队列中最老的任务，然后尝试将新任务添加到队列中。

  除了这些内置的策略，你还可以实现自定义的 RejectedExecutionHandler 接口，以定义特定于你应用程序需求的拒绝策略。你可以根据业务需求来决定拒绝策略，比如记录日志、通知管理员、重试等。

@Configuration
public class ThreadPoolConfig {

	@Bean
	private ThreadPoolTaskExecutor execThreadPool() {
        ThreadPoolTaskExecutor pool = new ThreadPoolTaskExecutor();
        pool.setCorePoolSize(50);  // 核心线程数
        pool.setMaxPoolSize(10000);  // 最大线程数
        pool.setQueueCapacity(0);  // 等待队列size
        pool.setKeepAliveSeconds(60);  // 线程最大空闲存活时间
        pool.setWaitForTasksToCompleteOnShutdown(true);
        pool.setAwaitTerminationSeconds(60);  // 程序shutdown时最多等60秒钟让现存任务结束
        pool.setRejectedExecutionHandler(new CallerRunsPolicy());  // 拒绝策略
        return pool;
    }
}

通过以上方案，我们可以提高消费侧的TPS，同时杜绝重复上报的现象，极大提高数据准确性和用户体验。