良许Linux教程网 干货合集 详解Kafka心跳与消费机制

详解Kafka心跳与消费机制

Kafka是通过心跳机制来控制消费超时,心跳机制对于消费者客户端来说是无感的,它是一个异步线程,当我们启动一个消费者实例时,心跳线程就开始工作了。心跳超时会导致消息重复消费

image-20211111232055909

1、Kafka消费

首先,我们来看看消费。Kafka提供了非常简单的消费API,使用者只需初始化Kafka的Broker Server地址,然后实例化KafkaConsumer类即可拿到Topic中的数据。一个简单的Kafka消费实例代码如下所示:

public class JConsumerSubscribe extends Thread {
   public static void main(String[] args) {        JConsumerSubscribe jconsumer = new JConsumerSubscribe();        jconsumer.start();    }    /** 初始化Kafka集群信息. */    private Properties configure() {        Properties props = new Properties();        props.put("bootstrap.servers""dn1:9092,dn2:9092,dn3:9092");// 指定Kafka集群地址
       props.put("group.id""ke");// 指定消费者组
       props.put("enable.auto.commit""true");// 开启自动提交
       props.put("auto.commit.interval.ms""1000");// 自动提交的时间间隔
       // 反序列化消息主键        props.put("key.deserializer""org.apache.kafka.common.serialization.StringDeserializer");
       // 反序列化消费记录        props.put("value.deserializer""org.apache.kafka.common.serialization.StringDeserializer");
       return props;
   }    /** 实现一个单线程消费者. */    @Override    public void run() {        // 创建一个消费者实例对象        KafkaConsumer consumer = new KafkaConsumer(configure());        // 订阅消费主题集合        consumer.subscribe(Arrays.asList("test_kafka_topic"));
       // 实时消费标识        boolean flag = true;
       while (flag) {
           // 获取主题消息数据            ConsumerRecords records = consumer.poll(Duration.ofMillis(100));
           for (ConsumerRecord record : records)
               // 循环打印消息记录                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
       }        // 出现异常关闭消费者对象        consumer.close();
   }}

上述代码我们就可以非常便捷的拿到Topic中的数据。但是,当我们调用poll方法拉取数据的时候,Kafka Broker Server做了那些事情。接下来,我们可以去看看源代码的实现细节。核心代码如下: org.apache.kafka.clients.consumer.KafkaConsumer

private ConsumerRecords poll(final long timeoutMs, final boolean includeMetadataInTimeout) {
       acquireAndEnsureOpen();        try {
           if (timeoutMs "Timeout must not be negative");
           if (this.subscriptions.hasNoSubscriptionOrUserAssignment()) {
               throw new IllegalStateException("Consumer is not subscribed to any topics or assigned any partitions");
           }            // poll for new data until the timeout expires
           long elapsedTime = 0L;
           do {
               client.maybeTriggerWakeup();                final long metadataEnd;                if (includeMetadataInTimeout) {
                   final long metadataStart = time.milliseconds();                    if (!updateAssignmentMetadataIfNeeded(remainingTimeAtLeastZero(timeoutMs, elapsedTime))) {
                       return ConsumerRecords.empty();
                   }                    metadataEnd = time.milliseconds();                    elapsedTime += metadataEnd - metadataStart;                } else {
                   while (!updateAssignmentMetadataIfNeeded(Long.MAX_VALUE)) {
                       log.warn("Still waiting for metadata");
                   }                    metadataEnd = time.milliseconds();                }                final Map>> records = pollForFetches(remainingTimeAtLeastZero(timeoutMs, elapsedTime));                if (!records.isEmpty()) {
                   // before returning the fetched records, we can send off the next round of fetches
                   // and avoid block waiting for their responses to enable pipelining while the user
                   // is handling the fetched records.
                   //
                   // NOTE: since the consumed position has already been updated, we must not allow
                   // wakeups or any other errors to be triggered prior to returning the fetched records.
                   if (fetcher.sendFetches() > 0 || client.hasPendingRequests()) {
                       client.pollNoWakeup();                    }                    return this.interceptors.onConsume(new ConsumerRecords(records));
               }                final long fetchEnd = time.milliseconds();                elapsedTime += fetchEnd - metadataEnd;            } while (elapsedTime return ConsumerRecords.empty();
       } finally {
           release();        }    }

上述代码中有个方法pollForFetches,它的实现逻辑如下:

private Map>> pollForFetches(final long timeoutMs) {
       final long startMs = time.milliseconds();
       long pollTimeout = Math.min(coordinator.timeToNextPoll(startMs), timeoutMs);
       // if data is available already, return it immediately
       final Map>> records = fetcher.fetchedRecords();
       if (!records.isEmpty()) {
           return records;
       }
       // send any new fetches (won't resend pending fetches)
       fetcher.sendFetches();
       // We do not want to be stuck blocking in poll if we are missing some positions
       // since the offset lookup may be backing off after a failure
       // NOTE: the use of cachedSubscriptionHashAllFetchPositions means we MUST call
       // updateAssignmentMetadataIfNeeded before this method.
       if (!cachedSubscriptionHashAllFetchPositions && pollTimeout > retryBackoffMs) {
           pollTimeout = retryBackoffMs;
       }
       client.poll(pollTimeout, startMs, () -> {
           // since a fetch might be completed by the background thread, we need this poll condition
           // to ensure that we do not block unnecessarily in poll()
           return !fetcher.hasCompletedFetches();
       });
       // after the long poll, we should check whether the group needs to rebalance
       // prior to returning data so that the group can stabilize faster
       if (coordinator.rejoinNeededOrPending()) {
           return Collections.emptyMap();
       }
       return fetcher.fetchedRecords();
   }

上述代码中加粗的位置,我们可以看出每次消费者客户端拉取数据时,通过poll方法,先调用fetcher中的fetchedRecords函数,如果获取不到数据,就会发起一个新的sendFetches请求。而在消费数据的时候,每个批次从Kafka Broker Server中拉取数据是有最大数据量限制,默认是500条,由属性(max.poll.records)控制,可以在客户端中设置该属性值来调整我们消费时每次拉取数据的量。

**提示:**这里需要注意的是,max.poll.records返回的是一个poll请求的数据总和,与多少个分区无关。因此,每次消费从所有分区中拉取Topic的数据的总条数不会超过max.poll.records所设置的值。

而在Fetcher的类中,在sendFetches方法中有限制拉取数据容量的限制,由属性(max.partition.fetch.bytes),默认1MB。可能会有这样一个场景,当满足max.partition.fetch.bytes限制条件,如果需要Fetch出10000条记录,每次默认500条,那么我们需要执行20次才能将这一次通过网络发起的请求全部Fetch完毕。

这里,可能有同学有疑问,我们不能将默认的max.poll.records属性值调到10000吗?可以调,但是还有个属性需要一起配合才可以,这个就是每次poll的超时时间(Duration.ofMillis(100)),这里需要根据你的实际每条数据的容量大小来确定设置超时时间,如果你将最大值调到10000,当你每条记录的容量很大时,超时时间还是100ms,那么可能拉取的数据少于10000条。

而这里,还有另外一个需要注意的事情,就是会话超时的问题。session.timeout.ms默认是10s,group.min.session.timeout.ms默认是6s,group.max.session.timeout.ms默认是30min。当你在处理消费的业务逻辑的时候,如果在10s内没有处理完,那么消费者客户端就会与Kafka Broker Server断开,消费掉的数据,产生的offset就没法提交给Kafka,因为Kafka Broker Server此时认为该消费者程序已经断开,而即使你设置了自动提交属性,或者设置auto.offset.reset属性,你消费的时候还是会出现重复消费的情况,这就是因为session.timeout.ms超时的原因导致的。

2、心跳机制

上面在末尾的时候,说到会话超时的情况导致消息重复消费,为什么会有超时?有同学会有这样的疑问,我的消费者线程明明是启动的,也没有退出,为啥消费不到Kafka的消息呢?消费者组也查不到我的ConsumerGroupID呢?这就有可能是超时导致的,而Kafka是通过心跳机制来控制超时,心跳机制对于消费者客户端来说是无感的,它是一个异步线程,当我们启动一个消费者实例时,心跳线程就开始工作了。

在org.apache.kafka.clients.consumer.internals.AbstractCoordinator中会启动一个HeartbeatThread线程来定时发送心跳和检测消费者的状态。每个消费者都有个org.apache.kafka.clients.consumer.internals.ConsumerCoordinator,而每个ConsumerCoordinator都会启动一个HeartbeatThread线程来维护心跳,心跳信息存放在org.apache.kafka.clients.consumer.internals.Heartbeat中,声明的Schema如下所示:

private final int sessionTimeoutMs;
   private final int heartbeatIntervalMs;
   private final int maxPollIntervalMs;
   private final long retryBackoffMs;
   private volatile long lastHeartbeatSend;  
   private long lastHeartbeatReceive;
   private long lastSessionReset;
   private long lastPoll;
   private boolean heartbeatFailed;

心跳线程中的run方法实现代码如下:

public void run() {
           try {
               log.debug("Heartbeat thread started");
               while (true) {
                   synchronized (AbstractCoordinator.this) {
                       if (closed)
                           return;
                       if (!enabled) {
                           AbstractCoordinator.this.wait();
                           continue;
                       }                        if (state != MemberState.STABLE) {
                           // the group is not stable (perhaps because we left the group or because the coordinator
                           // kicked us out), so disable heartbeats and wait for the main thread to rejoin.
                           disable();
                           continue;
                       }
                       client.pollNoWakeup();
                       long now = time.milliseconds();
                       if (coordinatorUnknown()) {
                           if (findCoordinatorFuture != null || lookupCoordinator().failed())
                               // the immediate future check ensures that we backoff properly in the case that no
                               // brokers are available to connect to.
                               AbstractCoordinator.this.wait(retryBackoffMs);
                       } else if (heartbeat.sessionTimeoutExpired(now)) {
                           // the session timeout has expired without seeing a successful heartbeat, so we should
                           // probably make sure the coordinator is still healthy.
                           markCoordinatorUnknown();
                       } else if (heartbeat.pollTimeoutExpired(now)) {
                           // the poll timeout has expired, which means that the foreground thread has stalled
                           // in between calls to poll(), so we explicitly leave the group.
                           maybeLeaveGroup();
                       } else if (!heartbeat.shouldHeartbeat(now)) {
                           // poll again after waiting for the retry backoff in case the heartbeat failed or the
                           // coordinator disconnected
                           AbstractCoordinator.this.wait(retryBackoffMs);
                       } else {
                           heartbeat.sentHeartbeat(now);
                           sendHeartbeatRequest().addListener(new RequestFutureListener() {
                               @Override
                               public void onSuccess(Void value) {
                                   synchronized (AbstractCoordinator.this) {
                                       heartbeat.receiveHeartbeat(time.milliseconds());
                                   }
                               }
                               @Override
                               public void onFailure(RuntimeException e) {
                                   synchronized (AbstractCoordinator.this) {
                                       if (e instanceof RebalanceInProgressException) {
                                           // it is valid to continue heartbeating while the group is rebalancing. This
                                           // ensures that the coordinator keeps the member in the group for as long
                                           // as the duration of the rebalance timeout. If we stop sending heartbeats,
                                           // however, then the session timeout may expire before we can rejoin.
                                           heartbeat.receiveHeartbeat(time.milliseconds());
                                       } else {
                                           heartbeat.failHeartbeat();
                                           // wake up the thread if it's sleeping to reschedule the heartbeat
                                           AbstractCoordinator.this.notify();
                                       }
                                   }
                               }
                           });
                       }
                   }
               }
           } catch (AuthenticationException e) {
               log.error("An authentication error occurred in the heartbeat thread", e);
               this.failed.set(e);
           } catch (GroupAuthorizationException e) {
               log.error("A group authorization error occurred in the heartbeat thread", e);
               this.failed.set(e);
           } catch (InterruptedException | InterruptException e) {
               Thread.interrupted();
               log.error("Unexpected interrupt received in heartbeat thread", e);
               this.failed.set(new RuntimeException(e));
           } catch (Throwable e) {
               log.error("Heartbeat thread failed due to unexpected error", e);
               if (e instanceof RuntimeException)
                   this.failed.set((RuntimeException) e);
               else
                   this.failed.set(new RuntimeException(e));
           } finally {
               log.debug("Heartbeat thread has closed");
           }
       }

在心跳线程中这里面包含两个最重要的超时函数,它们是sessionTimeoutExpired和pollTimeoutExpired。

public boolean sessionTimeoutExpired(long now) {
       return now - Math.max(lastSessionReset, lastHeartbeatReceive) > sessionTimeoutMs;
}public boolean pollTimeoutExpired(long now) {
       return now - lastPoll > maxPollIntervalMs;
}

2.1、sessionTimeoutExpired

如果是sessionTimeout超时,则会被标记为当前协调器处理断开,此时,会将消费者移除,重新分配分区和消费者的对应关系。在Kafka Broker Server中,Consumer Group定义了5中(如果算上Unknown,应该是6种状态)状态,org.apache.kafka.common.ConsumerGroupState,如下图所示:

Kafka之消费与心跳Kafka之消费与心跳

2.2、pollTimeoutExpired

如果触发了poll超时,此时消费者客户端会退出ConsumerGroup,当再次poll的时候,会重新加入到ConsumerGroup,触发RebalanceGroup。而KafkaConsumer Client是不会帮我们重复poll的,需要我们自己在实现的消费逻辑中不停的调用poll方法。

3.分区与3消费线程

关于消费分区与消费线程的对应关系,理论上消费线程数应该小于等于分区数。之前是有这样一种观点,一个消费线程对应一个分区,当消费线程等于分区数是最大化线程的利用率。直接使用KafkaConsumer Client实例,这样使用确实没有什么问题。但是,如果我们有富裕的CPU,其实还可以使用大于分区数的线程,来提升消费能力,这就需要我们对KafkaConsumer Client实例进行改造,实现消费策略预计算,利用额外的CPU开启更多的线程,来实现消费任务分片。

以上就是良许教程网为各位朋友分享的Linux系统相关内容。想要了解更多Linux相关知识记得关注公众号“良许Linux”,或扫描下方二维码进行关注,更多干货等着你 !

img
本文由 良许Linux教程网 发布,可自由转载、引用,但需署名作者且注明文章出处。如转载至微信公众号,请在文末添加作者公众号二维码。
良许

作者: 良许

良许,世界500强企业Linux开发工程师,公众号【良许Linux】的作者,全网拥有超30W粉丝。个人标签:创业者,CSDN学院讲师,副业达人,流量玩家,摄影爱好者。
上一篇
下一篇

发表评论

邮箱地址不会被公开。 必填项已用*标注

联系我们

联系我们

公众号:良许Linux

在线咨询: QQ交谈

邮箱: yychuyu@163.com

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
返回顶部