Kafka消費與心跳機制怎么理解

今天就跟大家聊聊有關Kafka消費與心跳機制怎么理解，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

1.概述

最近有同學咨詢Kafka的消費和心跳機制，今天筆者將逐一介紹這些內容。

2.內容

2.1 Kafka消費

首先，我們來看看消費。Kafka提供了非常簡單的消費API，使用者只需初始化Kafka的Broker  Server地址，然后實例化KafkaConsumer類即可拿到Topic中的數據。一個簡單的Kafka消費實例代碼如下所示：

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");// 指定消費者組         props.put("enable.auto.commit", "true");// 開啟自動提交         props.put("auto.commit.interval.ms", "1000");// 自動提交的時間間隔         // 反序列化消息主鍵        props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");         // 反序列化消費記錄        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");         return props;     }    /** 實現一個單線程消費者. */    @Override    public void run() {        // 創建一個消費者實例對象        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(configure());        // 訂閱消費主題集合        consumer.subscribe(Arrays.asList("test_kafka_topic"));         // 實時消費標識        boolean flag = true;         while (flag) {             // 獲取主題消息數據            ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(100));             for (ConsumerRecord<String, String> record : records)                 // 循環打印消息記錄                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());         }        // 出現異常關閉消費者對象        consumer.close();     }}

上述代碼我們就可以非常便捷的拿到Topic中的數據。但是，當我們調用poll方法拉取數據的時候，Kafka Broker  Server做了那些事情。接下來，我們可以去看看源代碼的實現細節。核心代碼如下：

org.apache.kafka.clients.consumer.KafkaConsumer

private ConsumerRecords<K, V> poll(final long timeoutMs, final boolean includeMetadataInTimeout) {         acquireAndEnsureOpen();        try {             if (timeoutMs < 0) throw new IllegalArgumentException("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<TopicPartition, List<ConsumerRecord<K, V>>> 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 < timeoutMs);             return ConsumerRecords.empty();         } finally {             release();        }    }

上述代碼中有個方法pollForFetches，它的實現邏輯如下：

private Map<TopicPartition, List<ConsumerRecord<K, V>>> 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<TopicPartition, List<ConsumerRecord<K, V>>> 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();     }

上述代碼中加粗的位置，我們可以看出每次消費者客戶端拉取數據時，通過poll方法，先調用fetcher中的fetchedRecords函數，如果獲取不到數據，就會發起一個新的sendFetches請求。而在消費數據的時候，每個批次從Kafka  Broker  Server中拉取數據是有最大數據量限制，默認是500條，由屬性(max.poll.records)控制，可以在客戶端中設置該屬性值來調整我們消費時每次拉取數據的量。

提示：這里需要注意的是，max.poll.records返回的是一個poll請求的數據總和，與多少個分區無關。因此，每次消費從所有分區中拉取Topic的數據的總條數不會超過max.poll.records所設置的值。

而在Fetcher的類中，在sendFetches方法中有限制拉取數據容量的限制，由屬性(max.partition.fetch.bytes)，默認1MB。可能會有這樣一個場景，當滿足max.partition.fetch.bytes限制條件，如果需要Fetch出10000條記錄，每次默認500條，那么我們需要執行20次才能將這一次通過網絡發起的請求全部Fetch完畢。

這里，可能有同學有疑問，我們不能將默認的max.poll.records屬性值調到10000嗎?可以調，但是還有個屬性需要一起配合才可以，這個就是每次poll的超時時間(Duration.ofMillis(100))，這里需要根據你的實際每條數據的容量大小來確定設置超時時間，如果你將最大值調到10000，當你每條記錄的容量很大時，超時時間還是100ms，那么可能拉取的數據少于10000條。

而這里，還有另外一個需要注意的事情，就是會話超時的問題。session.timeout.ms默認是10s，group.min.session.timeout.ms默認是6s，group.max.session.timeout.ms默認是30min。當你在處理消費的業務邏輯的時候，如果在10s內沒有處理完，那么消費者客戶端就會與Kafka  Broker Server斷開，消費掉的數據，產生的offset就沒法提交給Kafka，因為Kafka Broker  Server此時認為該消費者程序已經斷開，而即使你設置了自動提交屬性，或者設置auto.offset.reset屬性，你消費的時候還是會出現重復消費的情況，這就是因為session.timeout.ms超時的原因導致的。

2.2 心跳機制

上面在末尾的時候，說到會話超時的情況導致消息重復消費，為什么會有超時?有同學會有這樣的疑問，我的消費者線程明明是啟動的，也沒有退出，為啥消費不到Kafka的消息呢?消費者組也查不到我的ConsumerGroupID呢?這就有可能是超時導致的，而Kafka是通過心跳機制來控制超時，心跳機制對于消費者客戶端來說是無感的，它是一個異步線程，當我們啟動一個消費者實例時，心跳線程就開始工作了。

在org.apache.kafka.clients.consumer.internals.AbstractCoordinator中會啟動一個HeartbeatThread線程來定時發送心跳和檢測消費者的狀態。每個消費者都有個org.apache.kafka.clients.consumer.internals.ConsumerCoordinator，而每個ConsumerCoordinator都會啟動一個HeartbeatThread線程來維護心跳，心跳信息存放在org.apache.kafka.clients.consumer.internals.Heartbeat中，聲明的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;

心跳線程中的run方法實現代碼如下：

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<Void>() {                                 @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");             }         } View Code

在心跳線程中這里面包含兩個最重要的超時函數，它們是sessionTimeoutExpired和pollTimeoutExpired。

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

2.2.1 sessionTimeoutExpired

如果是sessionTimeout超時，則會被標記為當前協調器處理斷開，此時，會將消費者移除，重新分配分區和消費者的對應關系。在Kafka Broker  Server中，Consumer  Group定義了5中(如果算上Unknown，應該是6種狀態)狀態，org.apache.kafka.common.ConsumerGroupState，如下圖所示：

2.2.2 pollTimeoutExpired

如果觸發了poll超時，此時消費者客戶端會退出ConsumerGroup，當再次poll的時候，會重新加入到ConsumerGroup，觸發RebalanceGroup。而KafkaConsumer  Client是不會幫我們重復poll的，需要我們自己在實現的消費邏輯中不停的調用poll方法。

3.分區與消費線程

關于消費分區與消費線程的對應關系，理論上消費線程數應該小于等于分區數。之前是有這樣一種觀點，一個消費線程對應一個分區，當消費線程等于分區數是最大化線程的利用率。直接使用KafkaConsumer  Client實例，這樣使用確實沒有什么問題。但是，如果我們有富裕的CPU，其實還可以使用大于分區數的線程，來提升消費能力，這就需要我們對KafkaConsumer  Client實例進行改造，實現消費策略預計算，利用額外的CPU開啟更多的線程，來實現消費任務分片。

看完上述內容，你們對Kafka消費與心跳機制怎么理解有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。