Kafka之消费与心跳

导读kafka是一个分布式，分区的，多副本的，多订阅者的消息发布订阅系统(分布式MQ系统)，可以用于搜索日志，监控日志，访问日志等。kafka是一个分布式，分区的，多副本的，多订阅者的消息发布订阅系统(分布式MQ系统)，可以用于搜索日志，监控日志，访问日志等。今天小编来领大家一起来学习一下Kafka消费与心跳机制。

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：

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");// 指定消费者组  
        props.put("enable.auto.commit", "true");// 开启自动提交  
        props.put("auto.commit.interval.ms", "1000");// 自动提交的时间间隔  
        // 反序列化消息主键        props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");  
        // 反序列化消费记录        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");  
        return props;  
    }    /** 实现一个单线程消费者. */    @Override    public void run() {        // 创建一个消费者实例对象        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(configure());        // 订阅消费主题集合        consumer.subscribe(Arrays.asList("test_kafka_topic"));  
        // 实时消费标识        boolean flag = true;  
        while (flag) {  
            // 获取主题消息数据            ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(100));  
            for (ConsumerRecord<String, String> record : records)  
                // 循环打印消息记录                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());  
        }        // 出现异常关闭消费者对象        consumer.close();  
    }}  

上述代码我们就可以非常便捷地拿到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

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();        }    }  

上述代码中有个方法pollForFetches，它的实现逻辑如下：

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。

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。

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、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：

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;  

心跳线程中的run方法实现代码如下：

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() {  
                                @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");  
            }  
        }  

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。

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

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种(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、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地调用poll方法。