首页 > 其他分享> > 新版本 Kafka Consumer 的设计原理（转）

新版本 Kafka Consumer 的设计原理（转）

2019-07-13 11:01:03 作者：互联网

转载：https://blog.csdn.net/soaring0121/article/details/81330266

　　相对Producer来说，Consumer使用和设计类似，但更为复杂。因此将Consumer相关知识总结一番。顾名思义，consumer就是读取kafka集群中某些topic消息的应用程序。consumer有两个版本，老版本用Scala语言编写，其api包名为kafka.consumer.*, 分别提供high-level和low-level两种API，其缺点是用户必须自行实现错误处理和故障转移等功能，必须依赖zk记录消费的offset；新版本用Java语言编写，其api包名为org.apache.kafka.clients.consumer.*。本文主要讨论新版consumer的特性，同时对老版本相关特性进行一定讨论。首先，先贴出一段简单的kafka consumer代码。

public static void main(String[] args){
        String topicName = "test-topic";
        String groupId = "test-group";
 
        Properties props = new Properties();
        props.put("bootstrap.servers", "localhost:9092"); //必须指定
        props.put("group.id", groupId);
        props.put("enable.auto.commit", "true");
        props.put("auto.commit.interval.ms", "1000");
        props.put("auto.offset.reset", "earliest");
        props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        KafkaConsumer<String, String> consumer = new KafkaConsumer<String, String>(props);
        consumer.subscribe(Arrays.asList(topicName));
        try {
            while (true) {
                ConsumerRecords<String, String> records = consumer.poll(1000);
                for(ConsumerRecord<String, String> record : records) {
                    System.out.printf("offset = %d, key = %s, value = %s%n",record.offset(),record.key(),record.value());
                }
            }
        } finally {
            consumer.close();
        }
    }

一、消费者组

　　新版消费者有消费者组的概念，根据kafka官网的定义，若干个个消费者使用一个消费者组名(group.id)进行标记，topic的每条消息支付发送到每个订阅它的消费者组的一个消费者实例上。这句话展现了消费者组３个特点:

一个consumer group 包含一个到多个consumer实例
topic的每条消息只能被发送到同一个group下的一个消费者实例上
topic的消息可以发送到多个group中

　　consumer group会将从topic中消费的数据公平的分配到组内的每一个consumer上，且具有实现高伸缩性，高容错性的consumer机制，一旦某个consumer挂掉，consumer group会立即将已崩溃的consumer负责的分区转交给其它consumer负责，从而保证group继续正常工作，不会丢失数据——这个过程就是consumer group的rebalance机制。

二、消息订阅原理

　　consumer group订阅topic列表很简单，下面两个语句都可以实现：

consumer.subscribe(Arrays.asList("topic-1", "topic-2"));
//基于正则表达式订阅
//如果用户不是自动提交offset，则需要实现ConsumerRebalanceListener指定分区分配方案变更时的逻辑
//自动提交则使用下面默认无操实现即可
consumer.subscribe(Pattern.compile("kafka-.*"), new NoOpConsumerRebalanceListener());

　　为了同时消费多个topic多个分区的消息，旧版本会为每个topic分区创建一个专门的线程去消费，新版本则采用类似于Linux I/O模型的poll或select机制，使用一个线程同时管理多个Socket连接。新版本Consumer从实现上来说是一个双线程的Java进程——用户主线程和后台心跳线程，且consumer不是线程安全的，因此每个consumer实例需要运行在专属线程中，以及显式的同步锁保护。最后要关闭consumer以清除各种Socket资源，并通知coordinator主动离组从而更快地开启新一轮rebalance。poll方法具有以下特性：

poll方法会去订阅的分区上获取一组消息，只有在获取了足够多的可用数据，或等待时间大于超时时间才会返回。设置超时时间是为了让consumer有机会"醒来"去做一些其它事情，比如定时写日志，如果没有这方面的需求可将超时时间设置为Long.MAX_VALUE。
首次调用poll方法，消费者组会根据设置的位移策略设定消费者组的位移，一旦consumer开始提交位移，每个后续的rebalance完成后都会将位置设置成上次已提交的位移。
使用第二种消费方式，需要在另一个线程中调用consumer.wakeup()方法中断poll方法，wakeup()方法是consumer中唯一个可以在多线程中使用的方法。poll方法不会立即响应wakeup方法，并在下次poll调用时会抛出WakeupException

//定时返回的消费方式
ConsumerRecords<String, String> records = consumer.poll(1000);
        
//获取足够数据返回的消费方式
try{
    ConsumerRecords<String, String> records = consumer.poll(Long.MAX_VALUE);
} catch (WakeupException e) {
    //处理异常
}

三、位移管理

位移提交

consumer每次消费数据需要知道最新消费消息的位置，该位置称为位移(offset)。consumer需要定期向Kafka提交自己的位置信息，根据提交的策略不同会有3种不同的消息交付语义保证：

最多一次：consumer在消息消费成功前就提交位移，如consumer重启会从最新的offset消费，消费失败的消息就丢失了。
最少一次：consumer在消息消费成功后提交位移，但如消费成功后提交失败，会导致重新消费已消费过的消息。
精确一次：Kafka社区0.11.0.0支持事务以及精确一次处理的语义。详细原理可参考Kafka 0.11.0.0 是如何实现 Exactly-once 语义的

消息的位置信息包括消费者组中每个消费者上次提交位移、当前位置、水位等信息。老版consumer位置信息由zookeeper保存，新版consumer则是增加__consumeroffsets topic，将offset信息写入这个topic，摆脱存储位移对zookeeper的依赖。__consumer_offsets中的消息保存了每个consumer group某一时刻提交的offset信息，并且配置了compact策略，使得它总是能够保存最新的位移信息，既控制了该topic总体的日志容量，也能实现保存最新offset的目的其存储结构如下图。

　　如前所述，位移的提交策略对与提供消息交付语义至关重要。新版consumer默认情况下自动提交，间隔5秒(老版60秒)，其缺点是不能细粒度的提交位移，特别是有较强的精确一次处理语义时。使用手动提交需要设置enable.auto.commit=false，并调用commitSync或commitAsync方法。下面是一段典型的手动按照分区级别进行位移提交的示例代码：

try {
    while(running) {
        ConsumerRecords <String, String> records = consumer.poll(1000);
        for(TopicPartition partition :records.partitions()) {
            List<ConsumerRecord<String, String>> partitionRecords = records.records(partition);
            for(ConsumerRecord<String, String> record : partitionRecords) {
                //消息处理
            }
            long lastOffset = partitionRecords.get(partitionRecords.size() - 1).offset();
            consumer.commitSync(Collections.singletonMap(partition, new OffsetAndMetadata(lastOffset + 1)));
        }
    }
} finally {
    consumer.close();
}

设置消费位移

新版consumer提供了三个设置消费API，分别为：

这里要注意的是，在seek前要使用subscribe()订阅topic或使用assign()分配topic的指定分区，否则就会出现 "java.lang.IllegalStateException: No current assignment for partition xxxxxx "的报错。另外由于subscribe()和assign()是“lazy”的，在seek前需要先"虚调用(dummy call)"poll()。对于subscribe()来说，下面的代码是一种更为有效的方式。

          /** 开始消费 **/
        Collection<String> topics = Arrays.asList(topic);
        consumer.subscribe(topics, new ConsumerRebalanceListener() {
            @Override
            public void onPartitionsRevoked(Collection<TopicPartition> collection) {
 
            }
 
            @Override
            public void onPartitionsAssigned(Collection<TopicPartition> collection) {
                consumer.seekToEnd(collection);
            }
        });

四、重平衡(rebalance)

consumer group 触发rebalance的条件有3个：

组成员发生变化：consumer加入或离开
组订阅topic数发生变化：如基于正则表达式订阅topic
组订阅topic的分区数发生变化：使用命令行脚本改变分区数

鉴于目前一次rebalance操作开销比较大，生产环境中要避免不必要的rebalance出现，一定要结合自身业务特点调优request.timeout.ms、max.poll.records、max.pll.interval.ms等参数。

新版本consumer提供了3种分区分配策略：range策略、round-robin策略和sticky策略。range策略将单个topic所有分区按照顺序排列，然后根据consumer个数，将其划分成固定大小的分区段后依次分配给每个consumer；round-robin则把所有topic的所有分区按顺序排列，然后轮询式的分配给每个consumer，默认分配策略是range。

为了隔离每次rebalance上的数据，新版consumer设计了rebalance generation用于标识某次rebalance，主要目的是为了保护consumer group，防止老的generation提交无效的offset。

新版Kafakrebalance流程是通过consumer与coordinator之间的一系列"交流"完成的，它提供了5个处理rebalance相关协议：

JoinGroup请求：consumer向coordinator请求加入组
SyncGroup请求：group leader把分配方案同步更新到组内所有成员
HeartBeat请求：consumer定期向coordinator汇报存活心跳
LeaveGroup请求：consumer通知coordinator即将离组
DescribeGroup请求：查看租的所有消息，包括成员信息、协议信息、分配方案以及订阅信息，该协议不触发rebalance

rebalance流程主要分成两步：加入组和同步更新方案：

加入组：group组内所有consumer向coordinator发送JoinGroup请求。当收集到所有请求后，coordinator从中选择一个consumer作为group的leader，并把所有成员信息和它们的订阅信息发给leader。注意leader最终负责定制分区分配方案，而coordinator只是负责协调和同步。
同步更新分配方案：leader会将定制好的分配方案封装到SyncGroup请求中并发送给coordinator，另外所有consumer都会发送SyncGroup请求给coordinator，而只有leader中的请求包含了分配方案。coordinator接收到分配方案后会把属于每个consumer的方案单独抽取出来作为SyncGroup请求的response返还给各自的consumer。

标签：poll,group,Consumer,Kafka,topic,版本,offset,rebalance,consumer
来源： https://www.cnblogs.com/jackspan/p/11179787.html