kafka auto.offset.reset latest earliest 详解

前言

auto.offset.reset关乎kafka数据的读取，是一个非常重要的设置。常用的二个值是latest和earliest，默认是latest

一，latest和earliest区别

1，earliest 当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，从头开始消费

2，latest 当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，消费新产生的该分区下的数据

提交过offset，latest和earliest没有区别，但是在没有提交offset情况下，用latest直接会导致无法读取旧数据。

二，创建topic

# bin/kafka-topics.sh --create --zookeeper bigserver1:2181,bigserver2:2181,testing:2181 --replication-factor 2 --partitions 3 --topic tank  
Created topic "tank".  
  
# bin/kafka-topics.sh --describe --zookeeper bigserver1:2181,bigserver2:2181,testing:2181 --topic tank  
Topic:tank PartitionCount:3 ReplicationFactor:2 Configs:  
 Topic: tank Partition: 0 Leader: 0 Replicas: 0,2 Isr: 0,2  
 Topic: tank Partition: 1 Leader: 1 Replicas: 1,0 Isr: 1,0  
 Topic: tank Partition: 2 Leader: 2 Replicas: 2,1 Isr: 2,1  

三，生产数据和接收生产数据

[root@bigserver1 kafka]# bin/kafka-console-producer.sh --broker-list bigserver1:9092,bigserver2:9092,testing:9092 --topic tank  
>1  
>2  
>3  
>4  
>5  
>6  
。。。。。。。。。省略。。。。。。。。。  
[root@bigserver1 kafka]# bin/kafka-console-consumer.sh --bootstrap-server bigserver1:9092,bigserver2:9092,testing:9092 --topic tank --from-beginning  
1  
2  
3  
4  
5  
6  
。。。。。。。。省略。。。。。。。。  

四，测试代码

object tank {  
    def main(args: Array[String]): Unit = {  
        val pros: Properties = new Properties  
        pros.put("bootstrap.servers", "bigserver1:9092,bigserver2:9092,testing:9092")  
        /*分组由消费者决定,完全自定义,没有要求*/  
        pros.put("group.id", "tank")  
        //设置为true 表示offset自动托管到kafka内部的一个特定名称为__consumer_offsets的topic  
        pros.put("enable.auto.commit", "false")  
        pros.put("auto.commit.interval.ms", "1000")  
        pros.put("max.poll.records", "5")  
        pros.put("session.timeout.ms", "30000")  
        //只有当offset不存在的时候，才用latest或者earliest  
        pros.put("auto.offset.reset", "latest")  
  
        pros.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")  
        pros.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")  
  
        val consumer: KafkaConsumer[String, String] = new KafkaConsumer[String, String](pros)  
  
        /*这里填写主题名称*/  
        consumer.subscribe(util.Arrays.asList("tank"))  
  
        val system = akka.actor.ActorSystem("system")  
        system.scheduler.schedule(0 seconds, 30 seconds)(tankTest.saveData(args,consumer))  
  
    }  
  
    object tankTest {  
        def saveData(args: Array[String],consumer: KafkaConsumer[String,String]): Unit = {  
            val records: ConsumerRecords[String, String] = consumer.poll(Duration.ofSeconds(3))  
            if (!records.isEmpty) {  
                for (record <- records) {  
                    if (record.value != null && !record.value.equals("")) {  
                        myLog.syncLog(record.value + "\t准备开启消费者出列数据", "kafka", "get")  
                    }  
                }  
                consumer.commitSync()  
  
            }  
  
        }  
    }  
}  

五，测试1，过程如下

1，查看offset

# bin/kafka-consumer-groups.sh --bootstrap-server bigserver1:9092,bigserver2:9092,testing:9092 --group tank --describe  
Error: Consumer group 'tank' does not exist.  

在没有提交offset的情况，会报这个错误

2，latest模式运行，拉取不到数据

2019-04-28 16:22:55 INFO Fetcher:583 - [Consumer clientId=consumer-1, groupId=tank] Resetting offset for partition tank-1 to offset 11.
2019-04-28 16:22:55 INFO Fetcher:583 - [Consumer clientId=consumer-1, groupId=tank] Resetting offset for partition tank-0 to offset 11.
2019-04-28 16:22:55 INFO Fetcher:583 - [Consumer clientId=consumer-1, groupId=tank] Resetting offset for partition tank-2 to offset 11

3，再用kafka-console-producer.sh生产数据，latest是可以拉到的，并且是拉取最新的数据（程序运行以后的数据），以前提交的数据是拉取不到的。

4，查看offset不报错了

# bin/kafka-consumer-groups.sh --bootstrap-server bigserver1:9092,bigserver2:9092,testing:9092 --group tank --describe  
Consumer group 'tank' has no active members.  
  
TOPIC           PARTITION  CURRENT-OFFSET  LOG-END-OFFSET  LAG             CONSUMER-ID     HOST            CLIENT-ID  
tank            1          12              14              2               -               -               -  
tank            0          12              14              2               -               -               -  
tank            2          13              15              2               -               -               -  

5，将auto.offset.reset设置成earliest，第一次生产的数据也取不到

在这里要注意：如果kafka只接收数据，从来没来消费过，程序一开始不要用latest，不然以前的数据就接收不到了。应当先earliest，然后二都都可以

六，测试2

1，重新创建topic，重复上面的第二，第三步

2，代码端先earliest，最早提交的数据是可以获取到的，再生产数据也是可以获取到的。

3，将auto.offset.reset设置成latest，再生产数据也是可以获取到的。

七，结论

虽然auto.offset.reset默认是latest，但是建议使用earliest。