Kafka消费与心跳机制

作者：哥不是小萝莉

出处：

http://www.cnblogs.com/smartloli/

1.概述

最近有同学咨询Kafka的消费和心跳机制，今天笔者将通过这篇博客来逐一介绍这些内容。

2.内容

2.1 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：

<code>
public
 
class
 JConsumerSubscribe 
extends
 Thread {
    
public
 
static
 
void
 main(
String
[] args) {
        JConsumerSubscribe jconsumer = 
new
 JConsumerSubscribe();
        jconsumer.start();
    }

     
    
private 
 Properties configure() {
        Properties props = 
new
 Properties();
        props.put(
"bootstrap.servers"
, 
"dn1:9092,dn2:9092,dn3:9092"
); 
        props.put(
"group.id"
, 
"ke"
); 
        props.put(
"enable.auto.commit"
, 
"true"
); 
        props.put(
"auto.commit.interval.ms"
, 
"1000"
); 
         
        props.put(
"key.deserializer"
, 
"org.apache.kafka.common.serialization.StringDeserializer"
);
         
        props.put(
"value.deserializer"
, 
"org.apache.kafka.common.serialization.StringDeserializer"
);
        
return
 props;
    }

     
     
    
public
 
void
 run() {
         
        KafkaConsumer<
String
, 
String
> consumer = 
new
 KafkaConsumer<>(configure());
         
        consumer.subscribe(Arrays.asList(
"test_kafka_topic"
));
         
        
boolean
 flag = 
true
;
        
while
 (flag) {
             
            ConsumerRecords< 
String
, 
String
> records = consumer.poll(Duration.ofMillis(
100
));
            
for
 (ConsumerRecord<
String
, 
String
> record : records)
                 
                System.out.printf(
"offset = %d, key = %s, value = %s%n"
, record.offset(), record.key(), record.value());
        }
         
        consumer.close();
    }
}
/<code>

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

<code>
private
 ConsumerRecords 
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"
);
            }

             
            
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()) {
                     
                     
                     
                     
                     
                     
                     
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();
        }
    }
/<code>

上述代码中有个方法pollForFetches，它的实现逻辑如下：

<code>
private
 Map>> pollForFetches(
final
 long timeoutMs) {
        
final
 long startMs = time.milliseconds();
        long pollTimeout = Math.min(coordinator.timeToNextPoll(startMs), timeoutMs);

         
        
final
 Map>> records = fetcher.fetchedRecords();
        
if
 (!records.isEmpty()) {
            
return
 records;
        }

         
        fetcher.sendFetches();

         
         

         
         
        
if
 (!cachedSubscriptionHashAllFetchPositions && pollTimeout > retryBackoffMs) {
            pollTimeout = retryBackoffMs;
        }

        client.poll(pollTimeout, startMs, () -> {
             
             
            
return
 !fetcher.hasCompletedFetches();
        });

         
         
        
if
 (coordinator.rejoinNeededOrPending()) {
            
return
 Collections.emptyMap();
        }

        
return
 fetcher.fetchedRecords();
    }
/<code>

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。

<code>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。
/<code>

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。

2.2 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：

<code>    
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;
/<code>

心跳线程中的run方法实现代码如下：

<code>
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) {
                             
                             
                            disable();
                            
continue
;
                        }

                        client.pollNoWakeup();
                        long now = time.milliseconds();

                        
if
 (coordinatorUnknown()) {
                            
if
 (findCoordinatorFuture != 
null
 || lookupCoordinator().failed())
                                 
                                 
                                AbstractCoordinator.
this
.wait(retryBackoffMs);
                        } 
else
 
if
 (heartbeat.sessionTimeoutExpired(now)) {
                             
                             
                            markCoordinatorUnknown();
                        } 
else 
 
if
 (heartbeat.pollTimeoutExpired(now)) {
                             
                             
                            maybeLeaveGroup();
                        } 
else
 
if
 (!heartbeat.shouldHeartbeat(now)) {
                             
                             
                            AbstractCoordinator.
this
.wait(retryBackoffMs);
                        } 
else
 {
                            heartbeat.sentHeartbeat(now);

                            sendHeartbeatRequest().addListener(new RequestFutureListener<
Void
>() {
                                 
                                
public
 void onSuccess(
Void
 value) {
                                    synchronized (AbstractCoordinator.
this
) {
                                        heartbeat.receiveHeartbeat(time.milliseconds());
                                    }
                                }

                                 
                                
public
 void onFailure(RuntimeException e) {
                                    synchronized (AbstractCoordinator.
this
) {
                                        
if
 (e instanceof RebalanceInProgressException) {
                                             
                                             
                                             
                                             
                                            heartbeat.receiveHeartbeat(time.milliseconds());
                                        } 
else
 {
                                            heartbeat.failHeartbeat();

                                             
                                            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/<code>

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。

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

public
 
boolean
 
pollTimeoutExpired 
(
long
 now)
 
{
        
return
 now - lastPoll > maxPollIntervalMs;
}
/<code>

2.2.1 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：

2.2.2 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。具体实现，留到下一篇博客，给大家分享《基于Kafka的分布式查询SQL引擎》。

4.结束语

这篇博客就和大家分享到这里，如果大家在研究学习的过程当中有什么问题，可以加群进行讨论或发送邮件给我，我会尽我所能为您解答，与君共勉！

作者：哥不是小萝莉

出处：http://www.cnblogs.com/smartloli/