python kafka offset_Kafka提交offset机制

在kafka的消费者中，有一个非常关键的机制，那就是offset机制。它使得Kafka在消费的过程中即使挂了或者引发再均衡问题重新分配Partation，当下次重新恢复消费时仍然可以知道从哪里开始消费。它好比看一本书中的书签标记，每次通过书签标记(offset)就能快速找到该从哪里开始看(消费)。

Kafka对于offset的处理有两种提交方式：(1) 自动提交(默认的提交方式) (2) 手动提交(可以灵活地控制offset)

(1) 自动提交偏移量:

Kafka中偏移量的自动提交是由参数enable_auto_commit和auto_commit_interval_ms控制的，当enable_auto_commit=True时，Kafka在消费的过程中会以频率为auto_commit_interval_ms向Kafka自带的topic(__consumer_offsets)进行偏移量提交，具体提交到哪个Partation是以算法：partation=hash(group_id)%50来计算的。

如：group_id=test_group_1，则partation=hash("test_group_1")%50=28

自动提交偏移量示例：

1 importpickle2 importuuid3 from kafka importKafkaConsumer4

5 consumer =KafkaConsumer(6 bootstrap_servers=['192.168.33.11:9092'],7 group_id="test_group_1",8 client_id="{}".format(str(uuid.uuid4())),9 max_poll_records=500,10 enable_auto_commit=True, #默认为True 表示自动提交偏移量

11 auto_commit_interval_ms=100, #控制自动提交偏移量的频率 单位ms 默认是5000ms

12 key_deserializer=lambdak: pickle.loads(k),13 value_deserializer=lambdav: pickle.loads(v)14 )15

16 #订阅消费round_topic这个主题

17 consumer.subscribe(topics=('round_topic',))18

19 try:20 whileTrue:21 consumer_records_dict = consumer.poll(timeout_ms=1000)22

23 #consumer.assignment()可以获取每个分区的offset

24 for partition inconsumer.assignment():25 print('主题:{} 分区:{},需要从下面的offset开始消费:{}'.format(26 str(partition.topic),27 str(partition.partition),28 consumer.position(partition)29 ))30

31 #处理逻辑.

32 for k, record_list inconsumer_records_dict.items():33 print(k)34 for record inrecord_list:35 print("topic = {},partition = {},offset = {},key = {},value = {}".format(36 record.topic, record.partition, record.offset, record.key, record.value)37 )38

39 finally:40 #调用close方法的时候会触发偏移量的自动提交 close默认autocommit=True

41 consumer.close()

返回结果：

在上述代码中，最后调用consumer.close()时候也会触发自动提交，因为它默认autocommit=True，源码如下：

1 def close(self, autocommit=True):2 """Close the consumer, waiting indefinitely for any needed cleanup.3

4 Keyword Arguments:5 autocommit (bool): If auto-commit is configured for this consumer,6 this optional flag causes the consumer to attempt to commit any7 pending consumed offsets prior to close. Default: True8 """

9 ifself._closed:10 return

11 log.debug("Closing the KafkaConsumer.")12 self._closed =True13 self._coordinator.close(autocommit=autocommit)14 self._metrics.close()15 self._client.close()16 try:17 self.config['key_deserializer'].close()18 exceptAttributeError:19 pass

20 try:21 self.config['value_deserializer'].close()22 exceptAttributeError:23 pass

24 log.debug("The KafkaConsumer has closed.")

对于自动提交偏移量，如果auto_commit_interval_ms的值设置的过大，当消费者在自动提交偏移量之前异常退出，将导致kafka未提交偏移量，进而出现重复消费的问题，所以建议auto_commit_interval_ms的值越小越好。

(2) 手动提交偏移量:

鉴于Kafka自动提交offset的不灵活性和不精确性(只能是按指定频率的提交)，Kafka提供了手动提交offset策略。手动提交能对偏移量更加灵活精准地控制，以保证消息不被重复消费以及消息不被丢失。

对于手动提交offset主要有3种方式：1.同步提交 2.异步提交 3.异步+同步 组合的方式提交

1.同步手动提交偏移量

同步模式下提交失败的时候一直尝试提交，直到遇到无法重试的情况下才会结束，同时同步方式下消费者线程在拉取消息会被阻塞，在broker对提交的请求做出响应之前，会一直阻塞直到偏移量提交操作成功或者在提交过程中发生异常，限制了消息的吞吐量。

1 """

2 同步的方式10W条消息 4.58s3 """

4

5 importpickle6 importuuid7 importtime8 from kafka importKafkaConsumer9

10 consumer =KafkaConsumer(11 bootstrap_servers=['192.168.33.11:9092'],12 group_id="test_group_1",13 client_id="{}".format(str(uuid.uuid4())),14 enable_auto_commit=False, #设置为手动提交偏移量.

15 key_deserializer=lambdak: pickle.loads(k),16 value_deserializer=lambdav: pickle.loads(v)17 )18

19 #订阅消费round_topic这个主题

20 consumer.subscribe(topics=('round_topic',))21

22 try:23 start_time =time.time()24 whileTrue:25 consumer_records_dict = consumer.poll(timeout_ms=100) #在轮询中等待的毫秒数

26 print("获取下一轮")27

28 record_num =029 for key, record_list inconsumer_records_dict.items():30 for record inrecord_list:31 record_num += 1

32 print("---->当前批次获取到的消息个数是:{}<----".format(record_num))33 record_num =034

35 for k, record_list inconsumer_records_dict.items():36 for record inrecord_list:37 print("topic = {},partition = {},offset = {},key = {},value = {}".format(38 record.topic, record.partition, record.offset, record.key, record.value)39 )40

41 try:42 #轮询一个batch 手动提交一次

43 consumer.commit() #提交当前批次最新的偏移量. 会阻塞 执行完后才会下一轮poll

44 end_time =time.time()45 time_counts = end_time -start_time46 print(time_counts)47 exceptException as e:48 print('commit failed', str(e))49

50 finally:51 consumer.close() #手动提交中close对偏移量提交没有影响

从上述可以看出，每轮循一个批次，手动提交一次，只有当前批次的消息提交完成时才会触发poll来获取下一轮的消息，经测试10W条消息耗时4.58s

2.异步手动提交偏移量+回调函数

异步手动提交offset时，消费者线程不会阻塞，提交失败的时候也不会进行重试，并且可以配合回调函数在broker做出响应的时候记录错误信息。

1 """

2 异步的方式手动提交偏移量(异步+回调函数的模式) 10W条消息 3.09s3 """

4

5 importpickle6 importuuid7 importtime8 from kafka importKafkaConsumer9

10 consumer =KafkaConsumer(11 bootstrap_servers=['192.168.33.11:9092'],12 group_id="test_group_1",13 client_id="{}".format(str(uuid.uuid4())),14 enable_auto_commit=False, #设置为手动提交偏移量.

15 key_deserializer=lambdak: pickle.loads(k),16 value_deserializer=lambdav: pickle.loads(v)17 )18

19 #订阅消费round_topic这个主题

20 consumer.subscribe(topics=('round_topic',))21

22

23 def _on_send_response(*args, **kwargs):24 """

25 提交偏移量涉及回调函数26 :param args: args[0] --> {TopicPartition:OffsetAndMetadata} args[1] --> Exception27 :param kwargs:28 :return:29 """

30 if isinstance(args[1], Exception):31 print('偏移量提交异常. {}'.format(args[1]))32 else:33 print('偏移量提交成功')34

35

36 try:37 start_time =time.time()38 whileTrue:39 consumer_records_dict = consumer.poll(timeout_ms=10)40

41 record_num =042 for key, record_list inconsumer_records_dict.items():43 for record inrecord_list:44 record_num += 1

45 print("当前批次获取到的消息个数是:{}".format(record_num))46

47 for record_list inconsumer_records_dict.values():48 for record inrecord_list:49 print("topic = {},partition = {},offset = {},key = {},value = {}".format(50 record.topic, record.partition, record.offset, record.key, record.value))51

52 #避免频繁提交

53 if record_num !=0:54 try:55 consumer.commit_async(callback=_on_send_response)56 exceptException as e:57 print('commit failed', str(e))58

59 record_num =060

61 finally:62 consumer.close()

对于args参数：args[0]是一个dict，key是TopicPartition，value是OffsetAndMetadata，表示该主题下的partition对应的offset；args[1]在提交成功是True，提交失败时是一个Exception类。

对于异步提交，由于不会进行失败重试，当消费者异常关闭或者触发了再均衡前，如果偏移量还未提交就会造成偏移量丢失。

3.异步+同步 组合的方式提交偏移量

针对异步提交偏移量丢失的问题，通过对消费者进行异步批次提交并且在关闭时同步提交的方式，这样即使上一次的异步提交失败，通过同步提交还能够进行补救，同步会一直重试，直到提交成功。

1 """

2 同步和异步组合的方式提交偏移量3 """

4

5 importpickle6 importuuid7 importtime8 from kafka importKafkaConsumer9

10 consumer =KafkaConsumer(11 bootstrap_servers=['192.168.33.11:9092'],12 group_id="test_group_1",13 client_id="{}".format(str(uuid.uuid4())),14 enable_auto_commit=False, #设置为手动提交偏移量.

15 key_deserializer=lambdak: pickle.loads(k),16 value_deserializer=lambdav: pickle.loads(v)17 )18

19 #订阅消费round_topic这个主题

20 consumer.subscribe(topics=('round_topic',))21

22

23 def _on_send_response(*args, **kwargs):24 """

25 提交偏移量涉及的回调函数26 :param args:27 :param kwargs:28 :return:29 """

30 if isinstance(args[1], Exception):31 print('偏移量提交异常. {}'.format(args[1]))32 else:33 print('偏移量提交成功')34

35

36 try:37 start_time =time.time()38 whileTrue:39 consumer_records_dict = consumer.poll(timeout_ms=100)40

41 record_num =042 for key, record_list inconsumer_records_dict.items():43 for record inrecord_list:44 record_num += 1

45 print("---->当前批次获取到的消息个数是:<----".format(record_num))46 record_num =047

48 for k, record_list inconsumer_records_dict.items():49 print(k)50 for record inrecord_list:51 print("topic = {},partition = {},offset = {},key = {},value = {}".format(52 record.topic, record.partition, record.offset, record.key, record.value)53 )54

55 try:56 #轮询一个batch 手动提交一次

57 consumer.commit_async(callback=_on_send_response)58 end_time =time.time()59 time_counts = end_time -start_time60 print(time_counts)61 exceptException as e:62 print('commit failed', str(e))63

64 exceptException as e:65 print(str(e))66 finally:67 try:68 #同步提交偏移量,在消费者异常退出的时候再次提交偏移量,确保偏移量的提交.

69 consumer.commit()70 print("同步补救提交成功")71 exceptException as e:72 consumer.close()

通过finally在最后不管是否异常都会触发consumer.commit()来同步补救一次，确保偏移量不会丢失