Kafka Consumer各种提交方式

普通的API

publicstaticvoidCommonDemo(){finalProperties properties =newProperties() {{            put("bootstrap.servers","localhost:9092");            put("group.id","test");            put("enable.auto.commit","true");            put("auto.commit.interval.ms","1000");            put("session.timeout.ms","30000");            put("key.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("value.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("auto.offset.reset","earliest");        }};              KafkaConsumer consumer =newKafkaConsumer<>(properties);        consumer.subscribe(Arrays.asList("test"));while(true) {            ConsumerRecords records = consumer.poll(100);try{                Thread.sleep(200);            }catch(InterruptedException e) {                e.printStackTrace();            }for(ConsumerRecord record : records) {                System.out.printf("topic = %s,partition = %d, offset = %d, key = %s, value = %s"+System.lineSeparator(),record.topic(),                record.partition(),record.offset(), record.key(), record.value());            }        }    }

以上是一个非常常见的简单消费者实例,但是,这样,真的,没问题吗?

以上会存在以下的问题:

//自动提交,会有问题

1.默认会5秒提交一次offset,但是中间停止的话会造成重复消费

2.新添加进消费者组的时候,会再均衡,默认从上次消费提交的地方开始,消息重复

3.自动提交,虽然提交了偏移量,但并不知道,哪些消息被处理了,是否处理成功,偏移量是否提交成功

针对以上的内容,做出修改

同步提交

publicstaticvoidSyncDemo(){finalProperties properties =newProperties() {{            put("bootstrap.servers","localhost:9092");            put("group.id","test");            put("enable.auto.commit","false");            put("auto.commit.interval.ms","1000");            put("session.timeout.ms","30000");            put("key.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("value.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("auto.offset.reset","earliest");        }};        KafkaConsumer consumer =newKafkaConsumer<>(properties);        consumer.subscribe(Arrays.asList("test"));while(true) {            ConsumerRecords records = consumer.poll(100);for(ConsumerRecord record:records){                System.out.printf("topic = %s, partition = %s, offset"+" = %d, costomer = %s, country = %s \n",record.topic(),                        record.partition(),record.offset(),record.key(),record.value());            }try{                                consumer.commitSync();            }catch(Exception e){                e.printStackTrace();            }        }    }

以上是同步提交,但是,会存在一些问题,同步提交,会阻塞,直到有返回结果,性能会差一些。

异步提交

publicstaticvoidAsyncDemo(){finalProperties properties =newProperties() {{            put("bootstrap.servers","localhost:9092");            put("group.id","test");            put("enable.auto.commit","false");            put("auto.commit.interval.ms","1000");            put("session.timeout.ms","30000");            put("key.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("value.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("auto.offset.reset","earliest");        }};        KafkaConsumer consumer =newKafkaConsumer<>(properties);        consumer.subscribe(Arrays.asList("test"));while(true) {            ConsumerRecords records = consumer.poll(100);for(ConsumerRecord record:records){                System.out.printf("topic = %s, partition = %s, offset"+" = %d, costomer = %s, country = %s \n",record.topic(),                        record.partition(),record.offset(),record.key(),record.value());            }try{//consumer.commitAsync();//发送提交请求,提交失败就纪录下来consumer.commitAsync(newOffsetCommitCallback() {@OverridepublicvoidonComplete(Map map, Exception e){if(e !=null){                          e.printStackTrace();                        }                    }                });            }catch(Exception e){                e.printStackTrace();            }        }    }

异步提交的特性:与同步提交不同的是,遇到错误,commitSync会一直重试,但是commitAsync不会,原因,很简单,如果异步提交还重试,会存在一个问题,a提交2000的偏移量,网络问题,一直重试,但下一个3000的提交成功,这时候,2000的ok了,就会造成消息重复。

异步提交和同步提交组合的方式

publicstaticvoidSyncAndAsyncDemo(){finalProperties properties =newProperties() {{            put("bootstrap.servers","localhost:9092");            put("group.id","test");            put("enable.auto.commit","false");            put("auto.commit.interval.ms","1000");            put("session.timeout.ms","30000");            put("key.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("value.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("auto.offset.reset","earliest");        }};        KafkaConsumer consumer =newKafkaConsumer<>(properties);        consumer.subscribe(Arrays.asList("test"));try{while(true) {                ConsumerRecords records = consumer.poll(100);for(ConsumerRecord record:records){                    System.out.printf("topic = %s, partition = %s, offset"+" = %d, costomer = %s, country = %s \n",record.topic(),                            record.partition(),record.offset(),record.key(),record.value());                }                consumer.commitAsync();            }        }catch(Exception e){            e.printStackTrace();        }finally{try{                consumer.commitSync();            }catch(Exception e){                consumer.close();            }        }    }

同步提交和异步提交使用组合的方式进行提交,但,这还是会存在一些问题。 因为提交都是批量提交的,但是有可能在批量处理没完成,偏移量没完成的时候,出错了

自指定提交

publicstaticvoidPersonalDemo(){        Map currentOffsets =newHashMap<>();intcount =0;finalProperties properties =newProperties() {{            put("bootstrap.servers","localhost:9092");            put("group.id","test");            put("enable.auto.commit","false");            put("auto.commit.interval.ms","1000");            put("session.timeout.ms","30000");            put("key.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("value.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("auto.offset.reset","earliest");        }};        KafkaConsumer consumer =newKafkaConsumer<>(properties);        consumer.subscribe(Arrays.asList("test"));while(true) {            ConsumerRecords records = consumer.poll(100);for(ConsumerRecord record:records){                System.out.printf("topic = %s, partition = %s, offset"+" = %d, costomer = %s, country = %s \n",record.topic(),                        record.partition(),record.offset(),record.key(),record.value());                currentOffsets.put(newTopicPartition(record.topic(),record.partition()),newOffsetAndMetadata(record.offset()+1,"no meta"));if(count %1000==0){                    consumer.commitAsync();                }                count++;            }        }    }

指定每1000条提交一次offset。

再均衡监听器

publicstaticvoidRebalanceListenDemo(){        Map currentOffsets =newHashMap<>();finalProperties properties =newProperties() {{            put("bootstrap.servers","localhost:9092");            put("group.id","test");            put("enable.auto.commit","false");            put("auto.commit.interval.ms","1000");            put("session.timeout.ms","30000");            put("key.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("value.deserializer","org.apache.kafka.common.serialization.StringDeserializer");            put("auto.offset.reset","earliest");        }};        KafkaConsumer consumer =newKafkaConsumer<>(properties);classHandleRebalaceimplementsConsumerRebalanceListener{@OverridepublicvoidonPartitionsRevoked(Collection collection){            }@OverridepublicvoidonPartitionsAssigned(Collection collection){                System.out.println("partition rebalance offset is "+currentOffsets);                consumer.commitSync(currentOffsets);            }        }try{            consumer.subscribe(Arrays.asList("test"),newHandleRebalace());while(true) {                ConsumerRecords records = consumer.poll(100);for(ConsumerRecord record:records){                    System.out.printf("topic = %s, partition = %s, offset"+" = %d, costomer = %s, country = %s \n",record.topic(),                            record.partition(),record.offset(),record.key(),record.value());                    currentOffsets.put(newTopicPartition(record.topic(),record.partition()),newOffsetAndMetadata(record.offset()+1,"no meta"));                }                consumer.commitAsync(currentOffsets,null);            }        }catch(Exception e){            e.printStackTrace();        }finally{try{                consumer.commitSync(currentOffsets);            }catch(Exception e){                e.printStackTrace();            }finally{                consumer.close();            }        }    }

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容