官方文档:https://kafka-python.readthedocs.io/en/master/apidoc/KafkaConsumer.html
import threading
import os
import sys
from kafka import KafkaConsumer, TopicPartition, OffsetAndMetadata
from consumers.db_util import *
from consumers.json_dispose import *
from collections import OrderedDict
threads = []
# col_dic, sql_dic = get()
class MyThread(threading.Thread):
def __init__(self, thread_name, topic, partition):
threading.Thread.__init__(self)
self.thread_name = thread_name
# self.keyName = keyName
self.partition = partition
self.topic = topic
def run(self):
print("Starting " + self.name)
Consumer(self.thread_name, self.topic, self.partition)
def stop(self):
sys.exit()
def Consumer(thread_name, topic, partition):
broker_list = '172.16.90.63:6667, 172.16.90.58:6667, 172.16.90.59:6667'
'''
fetch_min_bytes(int) - 服务器为获取请求而返回的最小数据量,否则请等待
fetch_max_wait_ms(int) - 如果没有足够的数据立即满足fetch_min_bytes给出的要求,服务器在回应提取请求之前将阻塞的最大时间量(以毫秒为单位)
fetch_max_bytes(int) - 服务器应为获取请求返回的最大数据量。这不是绝对最大值,如果获取的第一个非空分区中的第一条消息大于此值,
则仍将返回消息以确保消费者可以取得进展。注意:使用者并行执行对多个代理的提取,因此内存使用将取决于包含该主题分区的代理的数量。
支持的Kafka版本> = 0.10.1.0。默认值:52428800(50 MB)。
enable_auto_commit(bool) - 如果为True,则消费者的偏移量将在后台定期提交。默认值:True。
max_poll_records(int) - 单次调用中返回的最大记录数poll()。默认值:500
max_poll_interval_ms(int) - poll()使用使用者组管理时的调用之间的最大延迟 。这为消费者在获取更多记录之前可以闲置的时间量设置了上限。
如果 poll()在此超时到期之前未调用,则认为使用者失败,并且该组将重新平衡以便将分区重新分配给另一个成员。默认300000
'''
consumer = KafkaConsumer(bootstrap_servers=broker_list,
group_id="xiaofesi",
client_id=thread_name,
enable_auto_commit=False,
fetch_min_bytes=1024*1024,#1M
# fetch_max_bytes=1024 * 1024 * 1024 * 10,
fetch_max_wait_ms=60000,#30s
request_timeout_ms=305000,
# consumer_timeout_ms=1,
# max_poll_records=5000,
# max_poll_interval_ms=60000 无该参数
)
#查出数据库上次保存的offset,此offset已经是上次消费最后一条的offset的offset+1,也就是这次消费的起始位
dic = get_kafka(topic, partition)
tp = TopicPartition(topic, partition)
print(thread_name, tp, dic['offset'])
#分配该消费者的TopicPartition,也就是topic和partition,根据参数,我是三个消费者,三个线程,每个线程消费者消费一个分区
consumer.assign([tp])
#重置此消费者消费的起始位
consumer.seek(tp, dic['offset'])
print("程序首次运行\t线程:", thread_name, "分区:", partition, "偏移量:", dic['offset'], "\t开始消费...")
num=0 #记录该消费者消费次数
# end_offset = consumer.end_offsets([tp])[tp]
# print(end_offset)
while True:
args = OrderedDict()
msg = consumer.poll(timeout_ms=60000)
end_offset = consumer.end_offsets([tp])[tp]
print('已保存的偏移量', consumer.committed(tp),'最新偏移量,',end_offset)
if len(msg) > 0:
print("线程:", thread_name, "分区:", partition, "最大偏移量:", end_offset, "有无数据,", len(msg))
lines=0
for data in msg.values():
for line in data:
lines+=1
line = eval(line.value.decode('utf-8'))
'''
do something
'''
# 线程此批次消息条数
print(thread_name,"lines",lines)
#数据保存至数据库
is_succeed = save_to_db(args, thread_name)
if is_succeed:
#更新自己保存在数据库中的各topic, partition的偏移量
is_succeed1 = update_offset(topic, partition, end_offset)
#手动提交偏移量 offsets格式:{TopicPartition:OffsetAndMetadata(offset_num,None)}
consumer.commit(offsets={tp:(OffsetAndMetadata(end_offset,None))})
print(thread_name,"to db suss",num+1)
if is_succeed1 == 0:
#系统退出?这个还没试
os.exit()
'''
sys.exit() 只能退出该线程,也就是说其它两个线程正常运行,主程序不退出
'''
else:
os.exit()
else:
print(thread_name,'没有数据')
num+=1
print(thread_name,"第",num,"次")
if __name__ == '__main__':
try:
t1 = MyThread("Thread-0", "test", 0)
threads.append(t1)
t2 = MyThread("Thread-1", "test", 1)
threads.append(t2)
t3 = MyThread("Thread-2", "test", 2)
threads.append(t3)
for t in threads:
t.start()
for t in threads:
t.join()
print("exit program with 0")
except:
print("Error: failed to run consumer program")