关于kafka-consumer-offset位移问题

目录

• 1 offset的默认维护位置
• 1.1 消费offset案例
• 2 自动提交offset
• 3 www.devze.com手动提交offset
• 3.1 原理
• 3.2 代码示例
• 4 指定offset消费
• 5 指定时间消费
• 6 漏消费和重复消费分析
• 6.1 重复消费
• 6.2 漏消费
• 6.3 消费者事务
• 7 数据积压
• 总结

1 offset的默认维护位置

_consumer_offsets主题里面采用key和 value的方式存储数据。

key是 group.id+topic+分区号，value 就是当前offset的值。

每隔一段时间，kafka 内部会对这个topic进行compact(压缩)，也就是每个group.id+topic+分区号就保留最新数据。

Kafka0.9版本之前，consumer黑认将offset保存在Zookeeper中。0.9版本开始，consumer默认将offset保存在Kafka一个内置的topic中，该topic为_consumer_offsets。

将offset信息存储在zk中的不足：如果将offset信息存储在zk中，那么所有的consumer都会访问zk，会消耗大量的网络资源，消费速度慢。

1.1 消费offset案例

思想:_consumer_offsets为Kafka中的 topic，那就可以通过消费者进行消费。

在配置文件 config/consumer.properties中添加配置exclude.internal.topics = false，默认是 true，表示不能消费系统主题。为了查看该系统主题数据，所以该参数修改为false。修改以后执行分发命令：xsync consumer.properties。

采用命令行方式，创建一个新的topic。

[atguigu@hadoop102 kafka]$ bin/kafka-topics.sh --bootstrap-server hadoop102:9092 --create --topic atguigu --partitions 2 --replication-factor 2

启动生产者往atguigu生产数据。

[atguigu@hadoop102 kafka] $ bin/kafka-console-producer.sh 编程--topic atguigu --bootstrap-server hadoop102:9092

启动消费者消费atguigu数据。

[atguigu@hadoop104 kafka]$ bin/kafka-console-consumer.sh bootstrap-server hadoop102:9092--topic atguigu --group test

注意：指定消费者组名称，更好观察数据存储位置(key是 group.id+topic+分区号)。查看消费者消费主题_consumer_offsets。

[atguigu@hadoop102 kafka]$ bin/kafka-console-consumer.sh --topic _consumer_offsets --bootstrap-server hadoop102:9092 --consumer.config config/consumer.properties --formatter "kafka.coordinator.group.GroupMetadataManager\$OffsetsMessageFormatter" --from-beginning

2 自动提交offset

为了使我们能够专注于自己的业务逻辑，Kafka提供了自动提交offset的功能。自动提交offset的相关参数:

• 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

消费者配置代码：

//配置是否是自动提交
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,true);
//提交时间间隔，单位是ms
properties.put(ConsumerConfig.AUTO_COMNIT_INTERVAL_NS_CONFI6,1000);

3 手动提交offset

3.1 原理

虽然自动提交offset十分简单便利，但由于其是基于时间提交的，开发人员难以把握offset提交的时机。因此Kafka还提供了手动提交offset的API。

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）。

两者的相同点是，都会将本次提交的一批数据最高的偏移量提交；不同点是，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了

3.2 代码示例

3.2.1 同步提交

//手动提交属性配置
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG ,false);
//消费代码逻辑
XXX
XXX
XXX
//手动提交代码(处理完数据以后，这里为了方便，只展示关键代码)
//手动提交offset
kafkaConsumer.commitsync();

3.2.2 异步提交(生产常用)

//手动提交属性配置
properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG ,false);
//消费代码逻辑
XXX
XXX
XXX
//手动提交代码(处理完数据以后，这里为了方便，只展示关键www.devze.com代码)
//手动提交offset
kafkaConsumer.commitAsync();

4 指定offset消费

auto.offset.reset = earliest | latest | none 默认是latest。

当Kafka 中没有初始dNfGYhjZ偏移量（消费者组第一次消费）或服务器上不再存在当前偏移量时（例如该数据已被删除)，该怎么办?

• earliest:自动将偏移量重置为最早的偏移量，--from-beginning。
• 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。

任意指定offset位移开始消费。

//1创建消费者
KafkaConsumer<String，String> kafkaConsumer = new KafkaConsumer<dNfGYhjZ;>(properties);
// 2订阅主题
ArrayList<String> topics = new ArrayList<>(;topics.add( "first");
kafkaConsumer.subscribe(topics);
 
//指定位置进行消费
set<TopicPartition> assignment = kafkaConsumer.assignment();//获取所有分区信息
//保证分区分配方案已经制定完毕，因为由于leader消费者制定分配方案会消耗一定时间，有可能此时获取不到分区信息,所以加一层分区空间判断
while (assignment.size() == 0){
    //促使获取的分区数量不为0
    kafkaConsumer.poll(Duration.ofSeconds(1));
    assignment = kafkaConsumer.assignment();
}
 
//遍历所有分区，指定消费的offset
for (TopicPartition topicPartition : assignment) {
    kafkaConsumer.seek(topicPartition, 100);
}
 
// 3消费数据
while (true){

5 指定时间消费

需求：在生产环境中，会遇到最近消费的几个小时数据异常，想重新按照时间消费。

例如要求按照时间消费前一天的数据，怎么处理?

//1创建消费者
KafkaConsumer<String，String> kafkaConsumer = new KafkaConsumer<>(properties);
// 2订阅主题
ArrayList<String> topics = new ArrayList<>(;topics.add( "first");
kafkaConsumer.subscribe(topics);
 
//指定位置进行消费
set<TopicPartition> assignment = kafkaConsumer.assignment();//获取所有分区信息
//保证分区分配方案已经制定完毕，因为由于leader消费者制定分配方案会消耗一定时间，有可能此时获取不到分区信息,所以加一层分区空间判断
while (assignment.size() == 0){
    //促使获取的分区数量不为0
    kafkaConsumer.poll(Duration.ofSeconds(1));
    assignment = kafkaConsumer.assignment();
}
//希望把时间转换为对应的offset
HashMap<TopicPartition，Long> topicPartitionLongHashMap = new HashMap<>();
//封装对应集合
for (TopicPartition topicPartition : assignment) {
    //希望获取当前系统时间一天前的数据。
    topicPartitionLongHashMap.put(topicPartition, System.currentTimeMillis() - 1 * 24 * 3600 * 1000);
}
Nap<TopicPartition，OffsetAnd imestamp> topioPartitionffsetAndrtimestampMep = karfiaConsumer.offsetsForTines(topicPartitionL ongHashiap);
 
 
//遍历所有分区，指定消费的offset
//指定消费的offset
for (TopicPartition topicPartition : assignment) {
    OffsetAndTimestamp offsetAndTimestamp = topicPartition0ffsetAndTimestampHap.get(topicPartition);
    kafkaConsumer.seek(topicPartition,offsetAndTimestamp.offset());
}
 
// 3消费数据
while (true){

6 漏消费和重复消费分析

6.1 重复消费

场景1：重复消费。自动提交offset引起。

6.2 漏消费

场景1：漏消费。设置offset为手动提交，当offset被提交时，数据还在内存中未落盘，此时刚好消费者线程被kill掉，那么offset已经提交，但是数据未处理，导致这部分内存中的数据丢失。

6.3 消费者事务

如果想完成Consumer端的精准一次性消费，那么需要Kafka消费端将消费过程和提交offset过程做原子绑定。

此时我们需要将Kafka的offset保存到支持事务的自定义介质（比如mysq开发者_Python学习l)。这部分知识会在后续项目部分涉及。

7 数据积压

方案1：如果是Kafka消费能力不足，则可以考虑增加Topic的分区数，并且同时提升消费组的消费者数量，消费者数=分区数。（两者缺一不可)

方案2：如果是下游的数据处理不及时:提高每批次拉取的数量。批次拉取数据过少(拉取数据/处理时间<生产速度），使处理的数据小于生产的数据，也会造成数据积压。

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持我们。