Kafka 0.10 KafkaConsumer流程简述
ConsumerConfig.scala
储存Consumer的配置
按照我的理解,0.10的Kafka没有专门的SimpleConsumer,仍然是沿用0.8版本的。
1.从poll开始
消费的规则如下:
一个partition只能被同一个ConsumersGroup的一个线程所消费.
线程数小于partition数,某些线程会消费多个partition.
线程数等于partition数,一个线程正好消费一个线程.
当添加消费者线程时,会触发rebalance,partition的分配发送变化.
同一个partition的offset保证消费有序,不同的partition消费不保证顺序.
Consumers编程的用法:
private final KafkaConsumerconsumer; // 与Kafka进行通信的consumer...consumer = new KafkaConsumer (props);consumer.subscribe(Collections.singletonList(this.topic));ConsumerRecords records = consumer.poll(512);...
consumer,是一个纯粹的单线程程序,后面所讲的所有机制(包括coordinator,rebalance, heartbeat等),都是在这个单线程的poll函数里面完成的。也因此,在consumer的代码内部,没有锁的出现。
1.1包括的组件
从KafkaConsumer的构造函数可以看出,KafkaConsumer有以下几个核心部件:
Metadata: 存储Topic/Partion与broker的映射关系
NetworkClient:网络层 A network client for asynchronous request/response network i/o.
ConsumerNetworkClient: Higher level consumer access to the network layer //对NetworkClient的封装,非线程安全
ConsumerCoordinator:只是client端的类,只是和服务端的GroupCoordinator通信的介质。(broker端的Coordinator 负责reblance、Offset提交、心跳)
SubscriptionState: consumer的Topic、Partition的offset状态维护
Fetcher: manage the fetching process with the brokers. //获取消息
后面会分组件讲解Consumers的工作流程
1.2 Consumer消费者的工作过程:
在consumer启动时或者coordinator节点故障转移时,consumer发送ConsumerMetadataRequest给任意一个brokers。在ConsumerMetadataResponse中,它接收对应的Consumer Group所属的Coordinator的位置信息。
Consumer连接Coordinator节点,并发送HeartbeatRequest。如果返回的HeartbeatResponse中返回IllegalGeneration错误码,说明协调节点已经在初始化平衡。消费者就会停止抓取数据,提交offsets,发送JoinGroupRequest给协调节点。在JoinGroupResponse,它接收消费者应该拥有的topic-partitions列表以及当前Consumer Group的新的generation编号。这个时候Consumer Group管理已经完成,Consumer就可以开始fetch数据,并为它拥有的partitions提交offsets。
如果HeartbeatResponse没有错误返回,Consumer会从它上次拥有的partitions列表继续抓取数据,这个过程是不会被中断的。
2 设计
2.0 MetaData
见Producer里面的分析。
补充一下,KafkaConsumer、KafkaProducer都是在构造函数中获取metadata信息,通过调用metadata.update
方法来获取信息。
2.1 coordinator 为什么,做什么
1.去zookeeper依赖 -- 为什么
在0.9以前的client api中,consumer是要依赖Zookeeper的。因为同一个consumer group中的所有consumer需要进行协同,新航道雅思培训这与后面要讲的rebalance有关。(
ConsumerConnector、KafkaStream、ConsumerIterator
) --package kafka.consumer
0.9之后新的consumer不依赖与Zookeeper,一个consumerGroup内的consumer由Coordinator管理.(
KafkaConsumer
) --package org.apache.kafka.clients.consumer
为什么?后面讲
提问:为什么在一个group内部,1个parition只能被1个consumer拥有?
2.coordinator协议/partition分配问题
给定一个topic,有4个partition: p0, p1, p2, p3, 一个group有3个consumer: c0, c1, c2。
那么,如果按
RangeAssignor
策略,分配结果是:
c0: p0, c1: p1, c2: p2, p3如果按
RoundRobinAssignor
策略:
c0: p1, p3, c1: p1, c2: p2partition.assignment.strategy=RangeAssignor,默认值
(到底是哪种分配状态呢)
那这整个分配过程是如何进行的呢?见下图所示:
3步分配过程
1. 步骤1:对于每1个consumer group,Kafka集群为其从broker集群中选择一个broker作为其coordinator。因此,第1步就是找到这个coordinator。(1个consumer group对应一个coordinattor)
GroupCoordinatorRequest: GCR,由ConsumerNetworkClient发送请求去寻找coordinator。
2. 步骤2:找到coordinator之后,发送JoinGroup请求
consumer在这里会被划分leader、follower(无责任的说:选择第一个consumer)
leader作用:perform the leader synchronization and send back the assignment for the group(负责发送partition分配的结果)
follower作用:send follower's sync group with an empty assignment
3. 步骤3:JoinGroup返回之后,发送SyncGroup,得到自己所分配到的partition
SyncGroupRequest
consumer leader发送 SyncGroupRequest给Coordinator,Coordinator回给它null
follower发送 null的 SyncGroupRequest 给Coordinator,Coordinator回给它partition分配的结果。
注意,在上面3步中,有一个关键点:
partition的分配策略和分配结果其实是由client决定的,而不是由coordinator决定的。什么意思呢?在第2步,所有consumer都往coordinator发送JoinGroup消息之后,coordinator会指定其中一个consumer作为leader,其他consumer作为follower。
然后由这个leader进行partition分配。
然后在第3步,leader通过SyncGroup消息,把分配结果发给coordinator,其他consumer也发送SyncGroup消息,获得这个分配结果。
接下来就到Fetcher
拉取数据了
2.2 Fetcher
四个步骤
步骤0:获取consumer的offset
步骤1:生成FetchRequest,并放入发送队列
步骤2:网络poll
步骤3:获取结果
1.获取consumer的offset
当consumer初次启动的时候,面临的一个首要问题就是:从offset为多少的位置开始消费。
poll之前,给集群发送请求,让集群告知客户端,当前该TopicPartition的offset是多少。通过SubscriptionState
来实现, 通过ConsumerCoordinator
if (!subscriptions.hasAllFetchPositions()) updateFetchPositions(this.subscriptions.missingFetchPositions());
核心是:向Coordinator发了一个OffsetFetchRequest,并且是同步调用,直到获取到初始的offset,再开始接下来的poll.(也就是说Offset的信息如果存在Kafka里,是存在GroupCoordinator里面)
consumer的每个TopicPartition都有了初始的offset,接下来就可以进行不断循环取消息了,这也就是Fetch的过程:
2.生成FetchRequest,并放入发送队列 -- fetcher.initFetches(cluster)
核心就是生成FetchRequest: 假设一个consumer订阅了3个topic: t0, t1, t2,为其分配的partition分别是: t0: p0; t1: p1, p2; t2: p2
即总共4个TopicPartition,即t0p0, t0p1, t1p1, t2p2。这4个TopicPartition可能分布在2台机器n0, n1上面: n0: t0p0, t1p1 n1: t0p1, t2p2
则会分别针对每台机器生成一个FetchRequest,即Map
。所以会有一个方法把所有属于同一个Node的TopicPartition放在一起,生成一个FetchRequest。
3.网络poll
调用ConsumerNetworkClient.poll
发送网络请求。向服务器发 送响应请求和获取服务器的响应。(默认值:executeDelayedTasks=true)
4.获取结果 -- fetcher.fetchedRecords()
获取Broker返回的Response,里面包含了List
2.3 offset确认机制
是否自动消费确认:由参数
auto.xxx.commit=true
控制手动消费:用于自定义Consumers的消费控制
下面从自动消费确认来分析,Offset自动确认是由ConsumerCoordinator
的AutoCommitTask
来实现的。
其调用在ConsumerNetworkClient
的 DelayedTaskQueue delayedTasks
里面,然后被周期性的调用。 周期性的发送确认消息,类似HeartBeat,其实现机制也就是前面所讲的DelayedQueue + DelayedTask
.
确认一次:offset的提交
poll
函数中的注释:
// execute delayed tasks (e.g. autocommits and heartbeats) prior to fetching records
可以这样理解:第二次poll调用的时候,提交上一次poll的offset和心跳发送。
先提交offset,再去拉取record。那么这次Offset其实是上一次poll的Record的offset。
因此,当你把按照下面的逻辑写程序的时候,可能会导致Consumer与Coordinator的心跳超时。
while(true) {consumer.poll();do process message // 假如这个耗时过长,那么这个consumer就无法发送心跳给coordinator,导致它错误认为这个consumer失去联系了,引起不必要的rebalance。槽糕的情况下,会丢重复消费数据。}
因此,有必要把offset的提交单独拿出来做一个线程。
到这里,就把整个Consumer的流程走完了。