【kafka】---kafka的pull模型

一、pull和push模型

消费系统主要有两种模型推送或消费消息。

push：优势在于消息实时性高，劣势在于没考虑comsumer消费能力和饱和情况，容易导致producer压垮consumer。
消息中转代理将消息推送到消费者后，标记这条消息已经消费，但这种方式无法保证消息被消费处理。如果要保证消息被处理，消息代理发送完消息后标记“已发送”，再消费者确认消费了回复后变成“已消费”。这需要消费中转代理记录所有消息状态，显然很不切合实际。

pull：优势在于可以控制消费速度和消费数量，保证comsumer不会出现饱和。劣势在于没数据时，会出现空轮询，消耗CPU【kafka可以通过配置参数来保证当存在数据且达到一定数量才开始pull操作】。

二、kafka consumer的pull模型

由消费者自己记录消费状态，每个消费者互相独立地顺序拉取每个分区的消息。
Kafka采用整数值position记录单个分区的消费状态，且单个分区的单个消息只能被一个consumer group的一个consumer消费。消费完了，broker收到确认，position指向下一个offset。 由于消息一定时间内不清除，那么可以重置offset来重新消费消息。

1、offset管理

每个consumer group、每个topic的每个partition都有各自的offset。
按照kafka-0.10.1.X版本之前和之后版本，offset的管理方式也不同。
kafka-0.10.1.X版本之前：通过Zookeeper来管理；
Zookeeper：老版本的offset是提交到zookeeper，目录结构是 ：/consumers/<group.id>/offsets/ / 。 如果频繁的offset更新时，ZK集群本身 是瓶颈【不推荐使用】。

kafka-0.10.1.X版本之后：kafka集群的一个topic(_consumer_offsets)来管理。
Kafka的自身一个topic(_consumer_offsets)：能支持大吞吐量的offset更新。

2、Kafka的自身一个topic管理offset

新的kafka版本是kafka集群broker来管理，这样主要是自动提交和手动提交。

(1)、自动提交

配置如下

"enable.auto.commit":true
#auto.commit.interval.ms设置为一个较低的时间范围，偏移量自动提交到Kafka的频率(以毫秒为单位)
auto.commit.interval.ms=6000

有专门线程定时间隔将offset提交到kafka集群的topic上。

自动提交会引起At-most-once和At-least-once问题。
At-most-once
消费者的offset已经提交，但消息还在处理，这时候挂了，再重启时从上一次offset处消费，导致上次在处理的消息部分丢失。

At-least-once
消费者已经处理完，但offset还未提交，这时候消费者挂了，会导致重复消息处理。auto.commit.interval.ms设置为一个较低的时间范围，那么这种情况出现概率小。

(2)、手动提交

配置如下

"enable.auto.commit":false
消息处理完后手动调用consumer.commitSync()。

手动提交会引起At-least-once问题。
At-least-once
一次poll后，手动调用offset异步提交函数。
如果消费者消息处理完后，offset还未提交，此时消费者挂了，重启后会重新消费把那个处理消息。

3、pull模式优缺点

pull模式可以根据consumer的消费能力以适当的速率消费消息。
不足之处：如果Kafka没有数据，消费者一直返回空数据。
解决方法：kafka消费者从消费数据时传入timeout参数，在这个时间范围内进行阻塞等待，直到有数据或超时后再返回。