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。。。