0
0

kafka—offset偏移量

学习目录

一、offset的基本概述

offset定义：消费者再消费的过程中通过offset来记录消费数据的具体位置

offset存放的位置：从0.9版本开始，consumer默认将offset保存在Kafka一个内置的topic（系统主题）中，名为__consumer_offsets，即offset维护在系统主题中

说明：__consumer_offsets 主题里面采用 key 和 value 的方式存储数据。key 是 group.id+topic+分区号，value 就是当前 offset 的值。每隔一段时间，kafka 内部会对这个 topic 进行compact（压缩存储），也就是每个 group.id+topic+分区号就保留最新数据

1.面试题☆☆☆

问：消费者的offset维护在什么位置

答：在0.9版本之前维护在zookeeper当中，0.9版本之后维护在系统主题当中

二、自动提交offset

为了使我们能够专注于自己的业务逻辑，Kafka提供了自动提交offset的功能

自动提交offset的相关参数如下：

  • enable.auto.commit：是否开启自动提交offset功能，默认是true
  • auto.commit.interval.ms：自动提交offset的时间间隔，默认是5s
packagecom.kafka.consumer;importorg.apache.kafka.clients.consumer.ConsumerConfig;importorg.apache.kafka.clients.consumer.ConsumerRecord;importorg.apache.kafka.clients.consumer.ConsumerRecords;importorg.apache.kafka.clients.consumer.KafkaConsumer;importorg.apache.kafka.clients.producer.ProducerConfig;importorg.apache.kafka.common.serialization.StringDeserializer;importjava.time.Duration;importjava.util.ArrayList;importjava.util.Properties;/**
 * @author wangbo
 * @version 1.0
 *//**
 * 自动提交offset
 */publicclassCustomConsumer_03{publicstaticvoidmain(String[] args){//配置Properties properties =newProperties();//连接集群
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop100:9092,hadoop102:9092");//多写一个，避免其中一台挂掉，保证数据的可靠性//反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());//配置消费者组ID 可以任意起
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test");//自动提交,默认为true采用自动提交，为false则为手动提交
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,true);//提交时间间隔,默认为5000毫秒，即5s。我们修改为2秒
        properties.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,2000);//1.创建一个消费者 "","hello"KafkaConsumer<String,String> kafkaConsumer =newKafkaConsumer<>(properties);//2.订阅主题 first3ArrayList<String> topics =newArrayList<String>();
        topics.add("first3");
        kafkaConsumer.subscribe(topics);//3.消费数据while(true){ConsumerRecords<String,String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));//每1秒拉取一批数据//循环打印消费的数据 consumerRecords.forfor(ConsumerRecord<String,String> consumerRecord : consumerRecords){System.out.println(consumerRecord);}}}}

三、手动提交offset

虽然自动提交offset十分简单便利，但由于其是基于时间提交的，开发人员难以把握offset提交的时机。因 此Kafka还提供了手动提交offset的API

手动提交offset的方法有两种：分别是commitSync（同步提交）和commitAsync（异步提交）

  • 相同点：都会将本次提交的一批数据最高的偏移量提交
  • 不同点：同步提交阻塞当前线程，一直到提交成功，并且会自动失败重试（由不可控因素导致，也会出现提交失败）；而异步提交则没有失败重试机制，故有可能提交失败

比较

同步提交：必须等待offset提交完毕，再去消费下一批数据 ，由于同步提交 offset 有失败重试机制，故更加可靠，但是由于一直等待提交结果，提交的效率比较低

异步提交：发送完提交offset请求后，就开始消费下一批数据了，由于同步提交 吞吐量会受到很大的影响。因此更多的情况下，会选用异步提交 offset 的方式

同步提交和异步提交的API代码

packagecom.kafka.consumer;importorg.apache.kafka.clients.consumer.ConsumerConfig;importorg.apache.kafka.clients.consumer.ConsumerRecord;importorg.apache.kafka.clients.consumer.ConsumerRecords;importorg.apache.kafka.clients.consumer.KafkaConsumer;importorg.apache.kafka.clients.producer.ProducerConfig;importorg.apache.kafka.common.serialization.StringDeserializer;importjava.time.Duration;importjava.util.ArrayList;importjava.util.Properties;/**
 * @author wangbo
 * @version 1.0
 *//**
 * offset 同步提交
 */publicclassCustomConsumer_04{publicstaticvoidmain(String[] args){//配置Properties properties =newProperties();//连接集群
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop100:9092,hadoop102:9092");//多写一个，避免其中一台挂掉，保证数据的可靠性//反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());//配置消费者组ID 可以任意起
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test");//手动提交 需要将参数改为false
        properties.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,false);//1.创建一个消费者 "","hello"KafkaConsumer<String,String> kafkaConsumer =newKafkaConsumer<>(properties);//2.订阅主题 first3ArrayList<String> topics =newArrayList<String>();
        topics.add("first3");
        kafkaConsumer.subscribe(topics);//3.消费数据while(true){ConsumerRecords<String,String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));//每1秒拉取一批数据//循环打印消费的数据 consumerRecords.forfor(ConsumerRecord<String,String> consumerRecord : consumerRecords){System.out.println(consumerRecord);}//手动提交offset
            kafkaConsumer.commitSync();//同步提交//            kafkaConsumer.commitAsync();    //异步提交}}}

四、指定offset位置消费

问题引入：当 Kafka 中没有初始偏移量（消费者组第一次消费）或服务器上不再存在当前偏移量时（例如该数据已被删除），该怎么办？

可以通过设置offset的消费位置，进行开始消费

auto.offset.reset = earliest | latest | none 默认是 latest

  • earliest：自动将偏移量重置为最早的偏移量
  • latest（默认值）：自动将偏移量重置为最新偏移量
  • none：如果未找到消费者组的先前偏移量，则向消费者抛出异常

API中通过下面参数进行配置

properties.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG,"earliest");

还有一种是在任意指定 offset 位移开始消费

packagecom.kafka.consumer;importorg.apache.kafka.clients.consumer.ConsumerConfig;importorg.apache.kafka.clients.consumer.ConsumerRecord;importorg.apache.kafka.clients.consumer.ConsumerRecords;importorg.apache.kafka.clients.consumer.KafkaConsumer;importorg.apache.kafka.clients.producer.ProducerConfig;importorg.apache.kafka.common.TopicPartition;importorg.apache.kafka.common.serialization.StringDeserializer;importjava.time.Duration;importjava.util.ArrayList;importjava.util.Properties;importjava.util.Set;/**
 * @author wangbo
 * @version 1.0
 *//**
 * 1. 指定offset位置进行消费
 */publicclassCustomConsumer_05{publicstaticvoidmain(String[] args){//配置Properties properties =newProperties();//连接集群
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop100:9092,hadoop102:9092");//多写一个，避免其中一台挂掉，保证数据的可靠性//反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());//配置消费者组ID 可以任意起
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test");//1.创建一个消费者 "","hello"KafkaConsumer<String,String> kafkaConsumer =newKafkaConsumer<>(properties);//2.订阅主题 first3ArrayList<String> topics =newArrayList<String>();
        topics.add("first3");
        kafkaConsumer.subscribe(topics);//指定位置进行消费//获取分区信息，返回一个分区集合Set<TopicPartition> assignment = kafkaConsumer.assignment();//保证分区的分配方案指定完毕while(assignment.size()==0){//说明没有分区分配方案
            kafkaConsumer.poll(Duration.ofSeconds(1));//通过拉去数据，来获取分区分配方案//获取分区信息，返回一个分区集合，相当于更新一下
            assignment = kafkaConsumer.assignment();}//遍历分区集合，拿到所有的分区信息，指定消费的offsetfor(TopicPartition topicPartition : assignment){
            kafkaConsumer.seek(topicPartition,100);//指定offset为100，从100的位置进行消费数据}//3.消费数据while(true){ConsumerRecords<String,String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));//每1秒拉取一批数据//循环打印消费的数据 consumerRecords.forfor(ConsumerRecord<String,String> consumerRecord : consumerRecords){System.out.println(consumerRecord);}}}}

五、指定时间消费

需求：在生产环境中，会遇到最近消费的几个小时数据异常，想重新按照时间消费。例如要求按照时间消费前一天的数据，怎么处理？

packagecom.kafka.consumer;importorg.apache.kafka.clients.consumer.*;importorg.apache.kafka.clients.producer.ProducerConfig;importorg.apache.kafka.common.TopicPartition;importorg.apache.kafka.common.serialization.StringDeserializer;importjava.time.Duration;importjava.util.*;/**
 * @author wangbo
 * @version 1.0
 *//**
 * 1. 指定时间消费，把时间转换为对应的offset
 */publicclassCustomConsumer_06{publicstaticvoidmain(String[] args){//配置Properties properties =newProperties();//连接集群
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop100:9092,hadoop102:9092");//多写一个，避免其中一台挂掉，保证数据的可靠性//反序列化
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class.getName());//配置消费者组ID 可以任意起
        properties.put(ConsumerConfig.GROUP_ID_CONFIG,"test");//1.创建一个消费者 "","hello"KafkaConsumer<String,String> kafkaConsumer =newKafkaConsumer<>(properties);//2.订阅主题 first3ArrayList<String> topics =newArrayList<String>();
        topics.add("first3");
        kafkaConsumer.subscribe(topics);//==============================================================================================================//指定位置进行消费//获取分区信息，返回一个分区集合Set<TopicPartition> assignment = kafkaConsumer.assignment();//保证分区的分配方案指定完毕while(assignment.size()==0){//说明没有分区分配方案
            kafkaConsumer.poll(Duration.ofSeconds(1));//通过拉去数据，来获取分区分配方案//获取分区信息，返回一个分区集合，相当于更新一下
            assignment = kafkaConsumer.assignment();}//--------------------------------------------------------------------------------------------------------------//把时间转换为对应的offset//Key：TopicPartition主题分区  value：对应的时间HashMap<TopicPartition,Long> topicPartitionLongHashMap =newHashMap<>();//封装对应的集合,对集合中添加数据for(TopicPartition topicPartition : assignment){
            topicPartitionLongHashMap.put(topicPartition,System.currentTimeMillis()-1*24*3600*1000);//当前时间-1天的时间 = 一天前的时间}//需要传入一个Map集合Map<TopicPartition,OffsetAndTimestamp> topicPartitionOffsetAndTimestampMap = kafkaConsumer.offsetsForTimes(topicPartitionLongHashMap);//--------------------------------------------------------------------------------------------------------------//遍历分区集合，拿到所有的分区信息，指定消费的offsetfor(TopicPartition topicPartition : assignment){OffsetAndTimestamp offsetAndTimestamp = topicPartitionOffsetAndTimestampMap.get(topicPartition);//获取集合中分区对应的value值，下面通过offset()方法进行转换

            kafkaConsumer.seek(topicPartition,offsetAndTimestamp.offset());//指定offset为100，从100的位置进行消费数据}//==============================================================================================================//3.消费数据while(true){ConsumerRecords<String,String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));//每1秒拉取一批数据//循环打印消费的数据 consumerRecords.forfor(ConsumerRecord<String,String> consumerRecord : consumerRecords){System.out.println(consumerRecord);}}}}

六、消费者事物

问题引入：

  1. 重复消费：已经消费了数据，但是 offset 没提交
  2. 漏消费：先提交 offset 后消费，有可能会造成数据的漏消费

为了解决以上问题，保证数据的精确一次性消费，需要使用消费者事物的方式进行处理

如果想完成Consumer端的精准一次性消费，那么需要Kafka消费端将消费过程和提交offset过程做原子绑定，跟生产者事物类似 p57

七、数据积压（提高吞吐量）

  1. 如果是Kafka消费能力不足，则可以考虑增 加Topic的分区数，并且同时提升消费组的消费者数量，消费者数 = 分区数。（两者缺一不可）
  2. 如果是下游的数据处理不及时：提高每批次拉取的数量。批次拉取数据过少（拉取数据/处理时间 < 生产速度），使处理的数据小于生产的数据，也会造成数据积压
标签： kafka java 分布式
本文转载自: https://blog.csdn.net/weixin_44604159/article/details/127553794
版权归原作者 王博1999 所有， 如有侵权，请联系我们删除。
登录后发布评论

“kafka—offset偏移量”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

HarmonyOS Next 加密算法框架性能优化与安全考量

从“点”到“面”，热成像防爆手机如何为安全织就“透视网”？

怎么快速安全地调整磁盘分区的大小? 5 个免费分区管理器请收好

Cursor编辑器：10秒生成完美Git提交信息！

git开发中常用命令

SpringBoot整合JPA，步骤详解（图文结合）

【人工智能概述（一）】人工智能基本概概念、学派、发展历程与新一代人工智能

文章导航