12、Kafka 实战 - Kafka之offset位移及漏消费和重复消费

1 offset的默认维护位置

Kafka0.9版本之前, consumer默认将offset保存在Zookeeper中。从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。
 
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,也就是每个group.id+topic+分区号就保留最新数据。

消费offset案例:

1、 consumer_offsets 作为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,并分发。

2、 hadoop102用命令行方式,创建一个新的topic。

bin/kafka-topics.sh --bootstrap-server hadoop102:9092,hadoop103:9092 --create --topic newtopic --partitions 2 --replication-factor 2

3、 hadoop102启动生产者往 newtopic 生产数据。

bin/kafka-console-producer.sh --bootstrap-server hadoop102:9092,hadoop103:9092 --topic newtopic

4、 hadoop104启动消费者消费 newtopic 数据。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)。

bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092,hadoop103:9092 --topic newtopic --group test

5、 hadoop103查看消费者消费主题 consumer_offsets。

bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092,hadoop103:9092 --topic consumer_offsets --consumer.config config/consumer.properties --formatter "kafka.coordinator.group.GroupMetadataManager\$OffsetsMessageFormatter" --from-beginning

2自动提交offset
Kafka提供了自动提交offset的功能。

低层原理:
生产者向对应的分区发送数据,之后消费者不断地主动拉取分区中的数据,每5soffset自动提交到_consumer_offsets。
 
 
消费者自动提交offset

package com.study.kafka.consumer;

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.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.ArrayList;
import java.util.Properties;

public class CustomConsumerAutoOffset {
   
     
    public static void main(String[] args) {
   
     
        //0.配置
        Properties properties = new Properties();

        //连接
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop102:9092,hadoop103:9092");

        //配置反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());

        //配置消费者组(组名任意取)
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test1");
        
        //是否自动提交offset
        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);

        //1.创建消费者对象
        KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);
        //2.订阅主题,注册要消费的主题,可以有多个
        ArrayList<String> topics = new ArrayList<>();
        topics.add("first1");
        kafkaConsumer.subscribe(topics);

        //3.消费,拉取数据,打印
        while (true){
   
     
            //设置1s消费一批数据
            ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));

            for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
   
     
                System.out.println(consumerRecord);
            }

        }

    }
}

依次启动CustomConsumerAutoOffset和CustomProducerCallback,观察CustomConsumerAutoOffset能不能接受到数据,能接受则说明自动提交offset功能是ok的。

3 手动提交offset

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,供用户自己掌握提交时间。

底层原理:
生产者向相应分区发送数据,消费者不断地从分区中拉取数据,拉取之后的offset得根据判断进行提交。
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: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,一直到提交成功才会拉取数据,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。

1、 commitSync(同步提交):必须等待offset提交完毕,再去消费下一批数据。
2、 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。
 
1、 手动同步提交offset
由于同步提交 offset 有失败重试机制,故更加可靠,但是由于一直等待提交结果,提交的效率比较低。

package com.study.kafka.consumer;

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.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.ArrayList;
import java.util.Properties;

public class CustomConsumerByHandSync {
   
     
    public static void main(String[] args) {
   
     
        //0.配置
        Properties properties = new Properties();

        //连接
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop102:9092,hadoop103:9092");

        //配置反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());

        //配置消费者组(组名任意取)
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test1");

        //是否自动提交offset
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,false);

        //1.创建消费者对象
        KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);

        //2.订阅主题,注册要消费的主题,可以有多个
        ArrayList<String> topics = new ArrayList<>();
        topics.add("first1");
        kafkaConsumer.subscribe(topics);

        //3.消费,拉取数据,打印
        while (true){
   
     
            //设置1s消费一批数据
            ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));

            for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
   
     
                System.out.println(consumerRecord);
            }
            // 同步提交offset 
            kafkaConsumer.commitSync();
        }
    }
}

依次启动CustomConsumerByHandSync和CustomProducerCallback,观察CustomConsumerByHandSync能不能接受到数据,能接受则说明手动提交offset功能是ok的。

2、 手动异步提交offset
虽然同步提交 offset 更可靠一些,但是由于其会阻塞当前线程,直到提交成功。因此吞吐量会受到很大的影响。因此更多的情况下,会选用异步提交 offset 的方式。

package com.study.kafka.consumer;

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.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.ArrayList;
import java.util.Properties;

public class CustomConsumerByHandAsync {
   
     
    public static void main(String[] args) {
   
     
        //0.配置
        Properties properties = new Properties();

        //连接
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop102:9092,hadoop103:9092");

        //配置反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());

        //配置消费者组(组名任意取)
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test1");

        //是否自动提交offset
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,false);

        //1.创建消费者对象
        KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);

        //2.订阅主题,注册要消费的主题,可以有多个
        ArrayList<String> topics = new ArrayList<>();
        topics.add("first1");
        kafkaConsumer.subscribe(topics);

        //3.消费,拉取数据,打印
        while (true){
   
     
            //设置1s消费一批数据
            ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));

            for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
   
     
                System.out.println(consumerRecord);
            }
            // 异步提交 offset
            kafkaConsumer.commitAsync();
        }
    }
}

依次启动CustomConsumerByHandAsync和CustomProducerCallback,观察CustomConsumerByHandAsync能不能接受到数据,能接受则说明手动提交offset功能是ok的。

4 指定offset消费

auto.offset.reset = earliest | latest | none,默认是 latest。
当Kafka 中没有初始偏移量(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),使用auto.offset.reset

1、 earliest:自动将偏移量重置为最早的偏移量,即从最开始的地方进行消费–from-beginning。

2、 latest(默认值):自动将偏移量重置为最新偏移量,即从最后的地方进行消费。

3、 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。
 
注意:每次执行完,需要修改消费者组名。

package com.study.kafka.consumer;

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.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.ArrayList;
import java.util.HashSet;
import java.util.Properties;
import java.util.Set;

public class CustomConsumerSeek {
   
     
    public static void main(String[] args) {
   
     
        //0.配置
        Properties properties = new Properties();

        //连接
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop102:9092,hadoop103:9092");

        //配置反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());

        //配置消费者组(组名任意取)
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test1");

        //1.创建消费者对象
        KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);

        //2.订阅主题,注册要消费的主题,可以有多个
        ArrayList<String> topics = new ArrayList<>();
        topics.add("first");
        kafkaConsumer.subscribe(topics);

        //制定位置进行消费
        Set<TopicPartition> assignment = new HashSet<>();

        //保证分区分配方案已经制定完毕
        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,并制定offset从300的位置开始消费
        for (TopicPartition topicPartition : assignment) {
   
     
            kafkaConsumer.seek(topicPartition,300);
        }

        //3.消费,拉取数据,打印
        while (true){
   
     
            //设置1s消费一批数据
            ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));

            for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
   
     
                System.out.println(consumerRecord);
            }
        }
    }
}

依次启动CustomConsumerSeek和CustomProducerCallback,观察CustomConsumerSeek能不能接受到数据,能接受则说明指定位置offset消费功能是ok的。

4.5 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。

package com.study.kafka.consumer;

import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.*;

public class CustomConsumerForTime {
   
     
    public static void main(String[] args) {
   
     
        //0.配置
        Properties properties = new Properties();

        //连接
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop102:9092,hadoop103:9092");

        //配置反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());

        //配置消费者组(组名任意取)
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test1");
        
        //1.创建消费者对象
        KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<>(properties);
        
        //2.订阅主题,注册要消费的主题,可以有多个
        ArrayList<String> topics = new ArrayList<>();
        topics.add("first");
        kafkaConsumer.subscribe(topics);

        //制定位置进行消费
        Set<TopicPartition> assignment = new HashSet<>();

        //保证分区分配方案已经制定完毕
        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();
        }
        
        //把时间转换为对应的offset
        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 topicPartition : assignment) {
   
     
            OffsetAndTimestamp offsetAndTimestamp = offsets.get(topicPartition);
            
            //根据时间制定开始消费的位置
            if (offsetAndTimestamp != null){
   
     
                kafkaConsumer.seek(topicPartition,offsetAndTimestamp.offset());
            }
        }

        //3.消费,拉取数据,打印
        while (true){
   
     
            //设置1s消费一批数据
            ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));

            for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {
   
     
                System.out.println(consumerRecord);
            }
        }
    }
}

依次启动CustomConsumerForTime和CustomProducerCallback,观察CustomConsumerForTime能不能接受到数据,能接受则说明指定时间offset消费功能是ok的。

6 漏消费和重复消费

6.1 重复消费

自动提交offset引起,已经消费了数据,但是offset没有提交。
例如:提交offset后的2s,消费者挂了。再次启动消费者,则从上一次提交的offset出继续消费,导致重复消费。
 
解决:消费者事务

6.2 漏消费

先提交offset后消费、设置offset为手动提交,当offset被提交时,数据还在内存中国没有落盘,此时刚好消费者线程被kill掉。因为offset已经提交,但是数据没有处理,导致这部分内存中的数据消失。
 
解决:消费者事务