Kafka从入门到放弃（三）—— 详说消费者

之前介绍了Kafka以及生产者，包括它的一些特性和参数，这回写一下消费者。

之前没看得可以点击链接阅读。

Kafka从入门到放弃(一) —— 初识Kafka

Kafka从入门到放弃(二) —— 详说生产者

消费者与消费者组

在Kafka中消费者是消费消息的对象。假设目前有一个消费者正在消费消息，但生产数据的速度突然上升，这时候消费者会有点力不从心，跟不上消息生产的速度，这时候咋办呢？

我们对消费者进行横向扩展，加几个消费者，达到负载均衡的作用。但是要做点限制吧，不然几个消费者消费同一个分区的消息，不仅没办法提高消费能力，还会造成重复消费。因此让他们分别消费不同的分区。

在Kafka中的消费者组就是如此，一个消费者组内的消费者订阅同一个Topic的数据，但消费不同分区的数据，提高了消费能力。

但是消费者组里的消费者数量建议不要超过分区数量，不然就浪费资源。

LEO & HW

Kafka中的分区是可以有多个副本的，我们把每个副本中待写入的那个offset称为LEO(Log End Offset)，把最少消息的那个副本的LEO称为HW(High Watermark)

对于消费者而言，消费者所能消费的区间就是小于HW那部分，即图中 0-3 部分。这样消费者不管是哪个副本，订阅到的消息都是一致的，即使换了leader也能接着消费。

提交偏移量

假如一个消费者退出，另一个消费者接替它的任务，这时候就需要知道上一个消费者消费到了哪条数据，因此消费者需要追踪偏移量。

在Kafka中，有一个名为_consumer_offset的主题，消费者会往里面发送消息，提交偏移量，这个时候消费者也是生产者。

当消费者挂了或者有新的消费者假如消费者组，就会触发在均衡操作，即为消费者重新分配分区。

为了能够继续之前的操作，消费者需要获取每个分区最后一次提交的偏移量。

如果提交的偏移量小于处理的最后一个消息的偏移量，会造成重复消费。比如消费者提交了 6 的offset，此时又拉取了2条数据，还没等提交，消费者就挂掉了，然后就发生了再均衡。新的消费者获取到 6 的偏移量，接着处理，这就造成了重复消费。

如果提交的偏移量大于处理的最后一个消息的偏移量，会造成数据丢失。比如消费者一次性拉取了 88 条数据，并且提交了偏移量，还没处理完就宕机了，新的消费者获取 88 的偏移量，继续消费，就造成了数据丢失。

因此，如何提交偏移量对客户端影响很大，稍有不慎就会造成不好的影响。

在Kafka中，有几种提交偏移量的方式。

自动提交

这种提交方式有两个很重要的参数：

enable.auto.commit=true（是否开启自动提交，true or false）

auto.commit.interval.ms=5000（提交偏移量的时间间隔，默认5000ms）

这种方式最容易造成数据丢失以及重复消费。

通过CommitSync()方法手动提交当前偏移量

在处理完所有消息后提交，前提要把enable.auto.commit设置为false。

while (true) {
    ConsumerRecords records = consumer.poll(100);
    for(ConsumerRecords record: records){
        System.out.println("topic=%s, offset=%s,partition=%s",
                          record.topic(), record.offset(),record.partition());
    }
    try{
        consumer.commitSync();
    } catch(Exception e){
        log.error(e);
    }
}
re>
消费者通过poll方法轮询获取消息，poll里的参数是一个超时时间，用于控制阻塞的时间，如果没有数据则会阻塞这么久，如果设置为0则会立即放回。
使用这种方法一定要在处理完所有记录后调用CommitSync()方法，避免数据丢失。如果发生错误，会进行重试。
异步提交
CommitSync() 提交偏移量的方式会造成阻塞，即需要等客户端处理完所有消息后才提交偏移量，限制了吞吐量。因此可以使用异步提交的方式，通过调用commitAsync()方法实现。
while (true) {
    ConsumerRecords<String, String> records = consumer.poll(100);
    for(ConsumerRecords<String, String> record: records){
        System.out.println("topic=%s, offset=%s,partition=%s",
                          record.topic(), record.offset(),record.partition());
    }
    consumer.commitAsync();
}
re>
提交偏移量后就可以去做其他事了。CommitSync()方式发生错误会重试，但CommitAsync()不会。
之所以不重试，是因为有可能在收到broker响应前有其它偏移量提交了。
试想一下，如果会重试的话，当提交 66 的偏移量时发生网络问题，与此同时提交了 88 的偏移量，这时候刚好网络又通了，然后 88 的偏移量就提交成功了，然后 66 就重试，成功后又变成 66 了，就有可能造成重复消费。
之所以说这个问题，是因为异步提交支持在broker响应时回调，常被用于记录错误或生成度量指标。如果用他重试的话一定要注意提交的顺序。
while (true) {
    ConsumerRecords records = consumer.poll(100);
    for(ConsumerRecords record: records){
        System.out.println("topic=%s, offset=%s,partition=%s",
                          record.topic(), record.offset(),record.partition());
    }
    consumer.commitAsync(new OffsetCommitCallback() {
    	public void onComplete(Map offsets, 			Exception e){
    		if(e != null){
    			log.error("Error");
    		}
    	}
    });
}
re>
异步与同步组合提交
如果发生在关闭消费者或者再均衡前的最后一次提交，就需要确保其成功。
因此在消费者关闭前一般会通过组合使用的方式确保其提交成功。
try{
    while (true) {
        ConsumerRecords records = consumer.poll(100);
        for(ConsumerRecords record: records){
            System.out.println("topic=%s, offset=%s,partition=%s",
            record.topic(),record.offset(),record.partition());
        }
        consumer.commitAsync();
    }
}catch(Exception e){
    log.error(e);
}finally {
    try {
        consumer.commitSync();
    }
    finally{
        consumer.close();
    }
}
re>
提交特定偏移量
commitSync() 和 commitAsync() 方法一般是在处理完一个批次后提交偏移量。如果需要更频繁的提交偏移量，需要在处理的过程中间提交的话，消费者 API 允许在调用 commitSync()和 commitAsync () 方法时传进去希望提交的分区和偏移量的 map
Map currentOffsets = new HashMap();
int count = 0; 		
try {
    while(true){
        ConsumerRecords records = consumer.poll(Duration.ofMillis(100));
        if (records.isEmpty()){
           continue;
        }
        for (ConsumerRecord record : records){
			System.out.println("topic=%s, offset=%s,partition=%s",
            	record.topic(),record.offset(),record.partition());
			currentOffsets.put(new TopicPartition(record.topic(), record.partition()), new OffsetAndMetadata(record.offset(), "no metadata"));
			// 每处理完1000条消息后就提交偏移量
            if (count%1000==0) {
				consumer.commitAsync(currentOffsets, null);
			}
			count++;
        }
    }
} finally {
    try{
        consumer.commitSync();
    } finally{
        consumer.close();
    }
}
re>
消费者分区分配策略
分区会被分配给消费者组里的消费者进行消费，在Kafka种可以通过配置参数partition.assignment.strategy选择分区分配策略。


Range 范围分区
假设现在有10个分区，消费者组里有3个消费者。
分区数量 10 除以消费者数量 3 取整（10/3）得 3，设为 x；分区数量 10 模 消费者数量 3（10%3）得 1，设为 y
则前 y 个消费者分得 x+1 个分区；其余消费者分得 x 个分区。



RoundRobin 轮询分区
假设有10个分区，3个消费者，第一个分区给第一个消费者，第二个给第二个消费者，第三个分区给第三个消费者，第四个给第一个消费者... 以此类推



到这，消费者的点就讲得差不多了，可能有些细节没写或者没讲明白。后面如果发现了，我另写一篇补上。如果觉得写得还行得的话，麻烦点个小赞，谢谢！
转载请注明出处：工众号“大数据的奇妙冒险”