Flink消费Kafka数据自管理offset

Flink消费Kafka 自管理offset

Flink流式消费kafka数据,做相关业务的实时数据处理是当下主流处理方式,但在我用下来发现会偶发checkpoint失败,导致数据重复消费的问题,甚至重复可能会非常严重,如果你最后一次checkpoint成功在10小时之前,这意味着你近10小时的数据都是double 的。
我的解决方案是使用缓存自管理offset:
Kafka初始化时,定义可以拿到每条kafka消息partition和offset的consumer 消费模式,每次数据消费成功都以partition为key 在缓存中维护当前处理的offset位置,key数量决定于你kafka的partition数量。这样你的checkpoint导致你的消息被重放时,只要判断新消息的offset与其对应partition缓存offset对比,小于等于缓存offset的数据通通不要,就保证了数据不会重复消费。
*如果你使用了时间窗口怎么办?
那么你就在你的累加函数中不断更新数据的offset,在最终窗口触发并处理聚合数据成功时,更新此次窗口最后一挑数据的offset,这样数据重放时,也不用担心数据重复了。

手机写的没贴相关代码,待补充。。。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值