Kafka消費位點管理沒你想的那么簡單
背景
如果你習慣了使用RocketMQ這種自動擋管理消費位點，消息失敗重試的方式。你再來使用kafka，會發(fā)現(xiàn)kafka這種手動擋的消費位點管理就沒那么容易了
熟悉RocketMQ的小伙伴都知道RocketMQ已經(jīng)默認幫我實現(xiàn)好了消息消費失敗重試，消費位點自動提交，死信隊列等功能，那么kafka是否也是如此呢?
kafka消費位點管理
kafka消費位點有兩種管理方式
- 手動提交消費位點
- 自動提交消費位點
自動提交消費位點
想要設置自動提交消費位點我們只需要設置兩個屬性
- ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG 自動提交消費位點
- ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG 自動提交消費位點的時間間隔
一個簡單的消費代碼如下
Properties props = new Properties();
props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, BOOTSTRAP_SERVERS);
props.put(ConsumerConfig.GROUP_ID_CONFIG, GROUP_ID);
props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, IntegerDeserializer.class);
props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, true);
// 自動提交消費位點的時間間隔
props.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, 5000);
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
consumer.subscribe(Collections.singletonList(TOPIC_NAME));
while (true) {
ConsumerRecords<String, String> records = consumer.poll(100);
for (ConsumerRecord<String, String> record : records) {
try {
handlerMessage(record);
} catch (Exception e) {
log.error("處理消息異常: {}", record, e);
// 循環(huán)繼續(xù)
}
}
}自動提交消費位點有幾個缺點
- 會出現(xiàn)重復消費:比如Consumer每5秒自動提交一次位移，如果在第4秒時，消費了消息，但是還沒有提交位移，此時Consumer掛掉了，那么下次Consumer啟動時，會從上次提交的位移開始消費，這樣就會導致消息重復消費。 當然比如出現(xiàn)Rebalance也是會出現(xiàn)重復消費的情況
- 無法精準控制消費位點
手動提交消費位點
手動提交消費位點又分兩種
- 同步提交(commitSync)
- 異步提交(commitAsync)
同步提交(commitSync)
同步提交的方式很簡單，就是每次消費完通過調(diào)用API consumer.commitSync。
相關(guān)的代碼如下：
Properties props = new Properties();
props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, BOOTSTRAP_SERVERS);
props.put(ConsumerConfig.GROUP_ID_CONFIG, GROUP_ID);
props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
consumer.subscribe(Collections.singletonList(TOPIC_NAME));
while (true) {
ConsumerRecords<String, String> records =
consumer.poll(Duration.ofSeconds(1));
// 注意這里消費業(yè)務邏輯上消費失敗后的消息處理
handlerMessage(records);
try {
// 消費成功后手動提交位點
consumer.commitSync();
} catch (CommitFailedException e) {
// 消費位點提交失敗異常處理
handleError(e);
}
}同步提交的方式有一個缺點，調(diào)用commitSync()時，Consumer會處于阻塞狀態(tài)，直到broker返回提交成功，嚴重影響消費性能。
異步提交(commitAsync)
異步提交的方式很簡單，就是每次消費完通過調(diào)用API consumer.commitAsync。
Properties props = new Properties();
props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, BOOTSTRAP_SERVERS);
props.put(ConsumerConfig.GROUP_ID_CONFIG, GROUP_ID);
props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
consumer.subscribe(Collections.singletonList(TOPIC_NAME));
while (true) {
ConsumerRecords<String, String> records =
consumer.poll(Duration.ofSeconds(1));
handlerMessage(records); // 處理消息
consumer.commitAsync((offsets, exception) -> {
if (exception != null)
handleError(exception);
});
}commitAsync主要是提供了異步回調(diào)，通過回調(diào)來通知消費位點是否提交成功。
異步提交消費位點也有一些缺點，比如消費位點不能重復提交。因為提交位點失敗后，重新提交位點可能更晚的消費位點已經(jīng)提交了，這里提交已經(jīng)是沒有意義的了。
spring-kafka消息消費
可以看到不管是同步提交消費位點還是異步提交消費位點，都有一些問題，想要寫出生產(chǎn)可用的消費代碼，需要注意的細節(jié)非常多。
比如消費失敗后的消息如何處理，是停止消費跳出循環(huán)，還是說記錄消費失敗的消息，人工處理等。
這里我們可以簡單看看spring-kafka是如何消費消息的。
我們簡單看看主流程代碼：
圖片
這里我們忽略源碼的一些其他細節(jié)。只分析主要的消費流程。
- invokeOnMessage(cRecord); 處理消息
可以看到invokeOnMessage是被整個try-catch包裹的，這樣就保證了消費失敗后不會影響整個消費流程。
具體我們先看看消息正常處理的邏輯。
private void invokeOnMessage(final ConsumerRecord<K, V> cRecord) {
if (cRecord.value() instanceof DeserializationException ex) {
throw ex;
}
if (cRecord.key() instanceof DeserializationException ex) {
throw ex;
}
if (cRecord.value() == null && this.checkNullValueForExceptions) {
checkDeser(cRecord, SerializationUtils.VALUE_DESERIALIZER_EXCEPTION_HEADER);
}
if (cRecord.key() == null && this.checkNullKeyForExceptions) {
checkDeser(cRecord, SerializationUtils.KEY_DESERIALIZER_EXCEPTION_HEADER);
}
doInvokeOnMessage(cRecord);
if (this.nackSleepDurationMillis < 0 && !this.isManualImmediateAck) {
ackCurrent(cRecord);
}
if (this.isCountAck || this.isTimeOnlyAck) {
doProcessCommits();
}
}這里主要是一些異常校驗，然后就是判斷是否可以提交消費位點。如果可以則調(diào)用doProcessCommits()進行正常的消費位點提交。
- doProcessCommits() 消費位點處理
如果消費位點提交失敗也會進行一些異常處理。
private void doProcessCommits() {
if (!this.autoCommit && !this.isRecordAck) {
try {
processCommits();
}
catch (CommitFailedException cfe) {
if (this.remainingRecords != null && !this.isBatchListener) {
ConsumerRecords<K, V> pending = this.remainingRecords;
this.remainingRecords = null;
List<ConsumerRecord<?, ?>> records = new ArrayList<>();
for (ConsumerRecord<K, V> kvConsumerRecord : pending) {
records.add(kvConsumerRecord);
}
this.commonErrorHandler.handleRemaining(cfe, records, this.consumer,
KafkaMessageListenerContainer.this.thisOrParentContainer);
}
}
}
}如果消費位點提交失敗則會調(diào)用commonErrorHandler進行異常處理。
commonErrorHandler有多個實現(xiàn)類，有一個默認實現(xiàn)DefaultErrorHandler
- 消息消費失敗異常處理
如果消息消費失敗，也提供了一個異常處理擴展invokeErrorHandler(cRecord, iterator, e);
里面實際使用的也是DefaultErrorHandler
核心的處理邏輯主要還是在SeekUtils中封裝
- DefaultErrorHandler
public void handleRemaining(Exception thrownException, List<ConsumerRecord<?, ?>> records,
Consumer<?, ?> consumer, MessageListenerContainer container) {
SeekUtils.seekOrRecover(thrownException, records, consumer, container, isCommitRecovered(), // NOSONAR
getFailureTracker(), this.logger, getLogLevel());
}- SeekUtils
public static void seekOrRecover(Exception thrownException, @Nullable List<ConsumerRecord<?, ?>> records,
Consumer<?, ?> consumer, MessageListenerContainer container, boolean commitRecovered,
RecoveryStrategy recovery, LogAccessor logger, Level level) {}可以看到有一個RecoveryStrategy參數(shù)，這個是消息消費失敗如何恢復，比如我們需要手動增加一個類似死信隊列的topic，這里消息消費失敗就會自動發(fā)送到我們的死信隊列
死信隊列的topic名字生成規(guī)則主要是topicName + -dlt
private static final BiFunction<ConsumerRecord<?, ?>, Exception, TopicPartition>
DEFAULT_DESTINATION_RESOLVER = (cr, e) -> new TopicPartition(cr.topic() + "-dlt", cr.partition());總結(jié)
可以看到如果我們單純的使用kafka-client原生的sdk來進行消息消費，是非常容易出現(xiàn)問題的。
我們需要很多細節(jié)，比如
- 消息消費失敗了如何處理，是否需要重試，如果重試還是失敗怎么辦？丟掉還是手動處理丟到自己創(chuàng)建的死信隊列中。
- 消費位點提交失敗了如何處理。
- 消費位點是使用同步提交還是異步提交？或者混合提交？
所以如果spring boot項目還是建議使用spring相關(guān)已經(jīng)封裝好的kafka sdk。
非必要盡量不要使用原生的kafka-client sdk。
