kafka消费者api和分区分配和offset消费

kafka消费者

消费者的消费方式为主动从broker拉取消息，由于消费者的消费速度不同，由broker决定消息发送速度难以适应所有消费者的能力

拉取数据的问题在于，消费者可能会获得空数据

消费者组工作流程

Consumer Group（CG）：消费者组

• 由多个consumer组成。形成一个消费者组的条件，是所有消费者的groupid相同。
• 消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费。
• 消费者组之间互不影响。所有的消费者都属于某个消费者组（即使只有一个消费者），即消费者组是逻辑上的一个订阅者
• 分区和消费者的分配取决于具体的分配策略
• 如果消费者组中的消费者数量超过分区数量，则会由部分消费者处于空闲状态，不会接受任何消息

初始化流程

1. 每个broker上都有coordinator
2. 选择coordinator作为消费者组的初始化和分区分配的协调者，使用消费者组的**groupid的hashcode%50（即__consumer_offsets的分区数量）**得到对应的broker id。该broker将作为整个消费者组的协调者。消费者组中的消费者向该分区提交offset
3. 所有消费者向coordinator发送请求加入消费者组
4. coordinator随机选择一个consumer作为leader
5. 将要消费的topic情况发送给leader消费者
6. leader制定消费方案，并将方案发送到coordinator
7. coordinator把消费方案分发给哥哥消费者
8. 每个消费者都会和coordinator保持心跳（默认3s）
   • 一旦超时 （session.timeout.ms=45s），该消费者会被移除，并触发再平衡；
   • 或者消费者处理消息的时间过长（max.poll.interval.ms 5分钟），也会触发再平衡
9. 尽量避免消费者组的再平衡，非常消耗性能

消费流程

1. 消费者创建ConsumerNetworkClient，用于和kafka集群进行通信
2. 消费者开始初始化抓取数据的参数
   • fetch.min.bytes，每批次最小抓取大小，默认1字节
   • fetch.max.wait.ms，超时时间即使数据批次未达到大小也会抓取，默认500ms
   • fetch.max.bytes，每批次最大抓取大小，默认50m
3. 参数初始化完成后，开始调用send方法发送请求
4. 通过onSuccess回调拉取数据，存放在消息队列中
5. 消费者开始拉取数据（max.poll.records，一次拉取数据返回消息的最大值，默认500条）
6. 将消息进行反序列化和拦截器（kafka本身并不处理数据）

消费者相关参数

• bootstrap.servers 向 Kafka 集群建立初始连接用到的 host/port 列表。
• key.deserializer 和 value.deserializer 指定接收消息的 key 和 value 的反序列化类型。一定要写全类名。
• group.id 标记消费者所属的消费者组。
• enable.auto.commit 默认值为 true，消费者会自动周期性地向服务器提交偏移量
• auto.commit.interval.ms 如果设置了 enable.auto.commit 的值为 true， 则该值定义了消费者偏移量向 Kafka 提交的频率，默认 5s
• auto.offset.reset 当 Kafka 中没有初始偏移量或当前偏移量在服务器中不存在 （如，数据被删除了），该如何处理？
  • earliest：自动重置偏移量到最早的偏移量。
  • latest：默认，自动重置偏移量为最新的偏移量。
  • none：如果消费组原来的（previous）偏移量 不存在，则向消费者抛异常。
  • anything：向消费者抛异常
• offsets.topic.num.partitions ，即__consumer_offsets 的分区数，默认是 50 个分区。
• heartbeat.interval.ms Kafka 消费者和 coordinator 之间的心跳时间，默认 3s。 该条目的值必须小于 session.timeout.ms (45s)，也不应该高于 session.timeout.ms 的 1/3。
• session.timeout.ms Kafka 消费者和 coordinator 之间连接超时时间，默认 45s。 超过该值，该消费者被移除，消费者组执行再平衡

消费者API

创建topic

kafka-topics.sh --bootstrap-server 127.0.0.1:9092 --topic first --create --partitions 3 --replication-factor 3

独立消费者

• 即使只有单独的消费者，也必须配置消费者组id
• kafka命令行启动消费者，如果不填写消费者组id，则会被自动填充随机的消费者组id

订阅主题进行消费

import java.time.Duration;
import java.util.ArrayList;
import java.util.Properties;import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.common.serialization.StringDeserializer;public class SimpleConsumer {public static void main(String[] args) {// configureProperties properties = new Properties();// connectproperties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");// key，value反序列化properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());// create consumerproperties.put(ConsumerConfig.GROUP_ID_CONFIG, "test");KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<String, String>(properties);ArrayList<String> topics = new ArrayList<String>();topics.add("first");kafkaConsumer.subscribe(topics);while (true) {ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));for (ConsumerRecord<String, String> ConsumerRecord : consumerRecords) {System.out.println(ConsumerRecord);}}}
}
output:
ConsumerRecord(topic = test, partition = 0, leaderEpoch = 2,offset = 3, CreateTime = 1629169606820, serialized key size = -1,serialized value size = 8, headers = RecordHeaders(headers = [],isReadOnly = false), key = null, value = hello1)
ConsumerRecord(topic = test, partition = 1, leaderEpoch = 3,offset = 2, CreateTime = 1629169609524, serialized key size = -1,serialized value size = 6, headers = RecordHeaders(headers = [],isReadOnly = false), key = null, value = hello2)

订阅分区进行消费

...
ArrayList<TopicPartition> topics = new ArrayList<TopicPartition>();
topics.add(new TopicPartition("test", 0)); // 指定消费分区0的数据
kafkaConsumer.assign(topics);

消费者组消费数据

• 只需要启动多个消费者即可，消费者按照消费者组的id自动归属于同一个消费者组

properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test");
KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<String, String>(properties);
ArrayList<String> topics = new ArrayList<String>();
topics.add("first");
kafkaConsumer.subscribe(topics);

分区的分配和再平衡

分区的分配设计到同一个topic中的partition由那个consumer来消费的问题

Kafka有四种主流的分区分配策略（所谓的分区分配策略就是消费方案）：

• Range

• RoundRobin

• Sticky

• CooperativeSticky

可以通过配置参数partition.assignment.strategy，修改分区的分配策略。默认策略是Range + CooperativeSticky。Kafka可以同时使用 多个分区分配策略

range策略

Range 是对每个 topic 而言的。

• 对同一个 topic 里面的分区按照序号进行排序，假如现在有 7 个分区，3 个消费者，排序后的分区将会是0,1,2,3,4,5,6
• 对消费者按照字母顺序进行排序。 消费者排序完之后将会是C0,C1,C2。
• 通过 partitions数/consumer数 来决定每个消费者应该 消费几个分区。如果除不尽，那么前面几个消费者将会多消费 1 个分区。

注意：如果只是针对 1 个 topic 而言，C0消费者多消费1 个分区影响不是很大。但是如果有 N 个 topic，那么针对每 个 topic，消费者 C0都将多消费 1 个分区，topic越多，C0消费的分区会比其他消费者明显多消费 N 个分区。 容易产生数据倾斜

注意：

• 修改主题的分区数，只能增加不能减少

• 如果在消费过程中某个consumer挂掉，当超出45s后，则该consumer消费的所有分区都会整体分配给某一个其他消费者

• 消费者被移出消费者组，消费策略按照存活的消费者重新分配分区

• Kafka 默认的分区分配策略是 Range + CooperativeSticky

RoundRobin策略

针对所有topic而言

• 把所有的 partition 和所有的 consumer 都列出来，然后按照 hashcode 进行排序
• 按照轮询算法将partition分配给消费者

注意

• 需要修改分区分配策略

  properties.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG, "org.apache.kafka.clients.consumer.RoundRobinAssignor");
  

• 如果在消费过程中某个consumer挂掉，超过45s后，该消费者的分区会重新按照轮询的方式在其他消费者中分配

• 消费者被移出消费者组，消费策略按照存活的消费者重新分配分区

Sticky策略

在执行一次新的分配之前， 考虑上一次分配的结果，尽量少的调整分配的变动，可以节省大量的开销

粘性分区是 Kafka 从 0.11.x 版本开始引入这种分配策略，首先会尽量均衡的放置分区到消费者上面，在出现同一消费者组内消费者出现问题的时候，会尽量保持原有分配的分区不变化

如果有0,1,2,3,4,5,6分区和C0,C1,C2消费者，则最终分配比例仍旧是223，但是每个消费者分配中的partition是随机的

注意

• 需要修改分区分配策略

  ArrayList<String> startegys = new ArrayList<>();
  startegys.add("org.apache.kafka.clients.consumer.StickyAssignor");
  properties.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG,startegys);
  

• 如果在消费过程中某个consumer挂掉，超过45s后，该消费者的分区会按照粘性规则，尽可能均衡分配给其他的消费者

• 消费者被移出消费者组，消费策略按照存活的消费者重新分配分区

offset位移

offset维护的位置在不同版本的kafka中存在区别

• 0.9版本之前存储在zk中，如果client和zk之前存在大量网络通信，则会导致性能我呢提
• 0.9版本后存储在kafka集群中的_consumer_offsets主题中

在内部主题中采用kv的方式存储offset

• key的值为，group.id+topic+ 分区号
• value的值为，当前offset
• 每隔一段时间，kafka对主题中的数据进行compact

默认内部主题不可消费

• 修改config/comsumer.properties文件中的参数exclude.internal.topics=false, 默认是 true，表示不能消费系统主题

• 查看消费者消费主题

  kafka-console-consumer.sh --topic __consumer_offsets --bootstrap-server 127.0.0.1:9092 --consumer.config config/consumer.properties --formatter "kafka.coordinator.group.GroupMetadataManager\$OffsetsMessageFormatter" --from-beginning
  

自动提交offset

kafka提供了自动提交offset的功能，使用户专注于自身的业务逻辑

• enable.auto.commit：是否开启自动提交offset功能，默认是true
• auto.commit.interval.ms：自动提交offset的时间间隔，默认是5s

在java消费者中添加消费者参数

// 是否自动提交 offset，实际上不用设置此参数，默认为true
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, true);
// 提交 offset 的时间周期 1000ms，默认 5s
properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, 1000);

手动提交offset

手动提交offset的方法有两种：分别是commitSync（同步提交）和commitAsync（异步提交）

相同点：都会将本次提交的一批数据最高的偏移量提交

不同点：同步提交阻塞当前线程，一直到提交成功，并且会自动失败重试（由不可控因素导致，也会出现提交失败）；而异步提交则没有失败重试机制，故 有可能提交失败

• commitSync（同步提交）：必须等待offset提交完毕，再去消费下一批数据
• commitAsync（异步提交） ：发送完提交offset请求后，就开始消费下一批数据

在java消费者中添加消费者参数

• 同步提交存在重试机制，因此更加可靠，但是由于阻塞提交效率较低（吞吐量低）

// 是否自动提交 offset
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);//4. 设置消费主题 形参是列表
consumer.subscribe(Arrays.asList("first"));//5. 消费数据
while (true){// 读取消息ConsumerRecords<String, String> consumerRecords = consumer.poll(Duration.ofSeconds(1));// 输出消息for (ConsumerRecord<String, String> consumerRecord :
consumerRecords) {System.out.println(consumerRecord.value());}// 同步提交 offsetconsumer.commitSync();// 异步提交 offset// consumer.commitAsync();}

指定offset消费

在命令行中创建消费者指定--from-beginning，表示从头开始消费。

当消费者组首次消费（没有初始偏移量时），根据以下参数进行消费行为

• earliest，将偏移量重置为从头开始消费

• latest（默认值），自动将偏移量重置为最新偏移量

• none：如果未找到消费者组的先前偏移量，则向消费者抛出异常

如何在java消费者中指定offset进行消费

// 1 创建一个消费者
KafkaConsumer<String, String> kafkaConsumer = new
KafkaConsumer<>(properties);// 订阅主题
ArrayList<String> topics = new ArrayList<>();
topics.add("first");
kafkaConsumer.subscribe(topics);Set<TopicPartition> assignment= new HashSet<>();while (assignment.size() == 0) {kafkaConsumer.poll(Duration.ofSeconds(1));// 获取消费者分区分配信息（有了分区分配信息才能开始消费）assignment = kafkaConsumer.assignment();
}// 遍历所有分区，并指定 offset 从 1700 的位置开始消费
for (TopicPartition tp: assignment) {kafkaConsumer.seek(tp, 1700);
}// 开始消费
while (true) {ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {System.out.println(consumerRecord);}
}

指定时间开始消费

逻辑上可以通过指定某个时刻的offset来实现

Set<TopicPartition> assignment = new HashSet<>();while (assignment.size() == 0) {kafkaConsumer.poll(Duration.ofSeconds(1));// 获取消费者分区分配信息（有了分区分配信息才能开始消费）assignment = kafkaConsumer.assignment();
}
HashMap<TopicPartition, Long> timestampToSearch = new HashMap<>();// 封装集合存储，每个分区对应一天前的数据
for (TopicPartition topicPartition : assignment) {timestampToSearch.put(topicPartition, System.currentTimeMillis() - 1 * 24 * 3600 * 1000);
}// 获取从 1 天前开始消费的每个分区的 offset
Map<TopicPartition, OffsetAndTimestamp> offsets = kafkaConsumer.offsetsForTimes(timestampToSearch);// 遍历每个分区，对每个分区设置消费时间。
for (TopicPartition tp : assignment) {OffsetAndTimestamp offsetAndTimestamp = offsets.get(tp);// 根据时间指定开始消费的位置if (offsetAndTimestamp != null){kafkaConsumer.seek(tp, offsetAndTimestamp.offset());}
}

漏消费和重复消费问题

重复消费问题，当前一次自动提交offset后，消费者开始消费数据2s后挂掉。此时重启consumer会从上一次自动提交的offset开始消费，导致重复消费的问题

漏消费问题，在手动提交offset模式下，当提交offset后如果消费者数据还未落盘出现宕机，则这部分未落盘的数据由于offset已经更新无法再次消费

生产环境的消费者

消费者事务

控制consumer端精准消费同样需要事务支持（要Kafka消费端将消费过程和提交offset 过程做原子绑定）

此时需要将offset保存到支持事务的介质中

数据积压问题

消费者能力不足造成积压（考虑扩充消费者数量）

下游数据处理不及时导致数据积压，提升每批次拉取数据的量

相关参数

• fetch.max.bytes 默认 Default: 52428800（50 m）。消费者获取服务器端一批 消息最大的字节数。如果服务器端一批次的数据大于该值 （50m）仍然可以拉取回来这批数据，因此，这不是一个绝 对最大值。一批次的大小受
• message.max.bytes （broker config）or max.message.bytes （topic config）影响。 max.poll.records 一次 poll 拉取数据返回消息的最大条数，默认是 500 条