解决kafka消息堆积及分区不均匀的问题
程序员文章站
2022-06-16 17:34:23
目录kafka消息堆积及分区不均匀的解决我在环境中发现代码里面的kafka有所延迟，查看kafka消息发现堆积严重，经过检查发现是kafka消息分区不均匀造成的，消费速度过慢。这里由自己在虚拟机上演示...
kafka消息堆积及分区不均匀的解决
我在环境中发现代码里面的kafka有所延迟，查看kafka消息发现堆积严重，经过检查发现是kafka消息分区不均匀造成的，消费速度过慢。这里由自己在虚拟机上演示相关问题，给大家提供相应问题的参考思路。
这篇文章有点遗憾并没重现分区不均衡的样例和warning: consumer group ‘testgroup1' is rebalancing. 这里仅将正确的方式展示，等后续重现了在进行补充。
主要有两个要点：
- 1、一个消费者组只消费一个topic.
- 2、factory.setconcurrency(concurrency)；这里设置监听并发数为 部署单元节点*concurrency=分区数量
1、先在kafka消息中创建
对应分区数目的topic（testtopic2，testtopic3）testtopic1由代码创建
./kafka-topics.sh --create --zookeeper 192.168.25.128:2181 --replication-factor 1 --partitions 2 --topic testtopic2
2、添加配置文件application.properties
kafka.test.topic1=testtopic1 kafka.test.topic2=testtopic2 kafka.test.topic3=testtopic3 kafka.broker=192.168.25.128:9092 auto.commit.interval.time=60000 #kafka.test.group=customer-test kafka.test.group1=testgroup1 kafka.test.group2=testgroup2 kafka.test.group3=testgroup3 kafka.offset=earliest kafka.auto.commit=false session.timeout.time=10000 kafka.concurrency=2
3、创建kafka工厂
package com.yin.customer.config;
import org.apache.kafka.clients.consumer.consumerconfig;
import org.apache.kafka.common.serialization.stringdeserializer;
import org.springframework.beans.factory.annotation.value;
import org.springframework.context.annotation.bean;
import org.springframework.context.annotation.configuration;
import org.springframework.kafka.config.concurrentkafkalistenercontainerfactory;
import org.springframework.kafka.config.kafkalistenercontainerfactory;
import org.springframework.kafka.core.consumerfactory;
import org.springframework.kafka.core.defaultkafkaconsumerfactory;
import org.springframework.kafka.listener.abstractmessagelistenercontainer;
import org.springframework.kafka.listener.concurrentmessagelistenercontainer;
import org.springframework.kafka.listener.containerproperties;
import org.springframework.stereotype.component;
import java.util.hashmap;
import java.util.map;
/**
* @author yin
* @date 2019/11/24 15:54
* @method
*/
@configuration
@component
public class kafkaconfig {
@value("${kafka.broker}")
private string broker;
@value("${kafka.auto.commit}")
private string autocommit;
// @value("${kafka.test.group}")
//private string testgroup;
@value("${session.timeout.time}")
private string sessionouttime;
@value("${auto.commit.interval.time}")
private string autocommittime;
@value("${kafka.offset}")
private string offset;
@value("${kafka.concurrency}")
private integer concurrency;
@bean
kafkalistenercontainerfactory<concurrentmessagelistenercontainer<string, string>> kafkalistenercontainerfactory(){
concurrentkafkalistenercontainerfactory<string, string> factory = new concurrentkafkalistenercontainerfactory<>();
factory.setconsumerfactory(consumerfactory());
//监听设置两个个分区
factory.setconcurrency(concurrency);
//打开批量拉取数据
factory.setbatchlistener(true);
//这里设置的是心跳时间也是拉的时间，也就说每间隔max.poll.interval.ms我们就调用一次poll,kafka默认是300s,心跳只能在poll的时候发出，如果连续两次poll的时候超过
//max.poll.interval.ms 值就会导致rebalance
//心跳导致groupcoordinator以为本地consumer节点挂掉了，引发了partition在consumergroup里的rebalance。
// 当rebalance后，之前该consumer拥有的分区和offset信息就失效了，同时导致不断的报auto offset commit failed。
factory.getcontainerproperties().setpolltimeout(3000);
factory.getcontainerproperties().setackmode(containerproperties.ackmode.manual_immediate);
return factory;
}
private consumerfactory<string,string> consumerfactory() {
return new defaultkafkaconsumerfactory<string, string>(consumerconfigs());
}
@bean
public map<string, object> consumerconfigs() {
map<string, object> propsmap = new hashmap<>();
//kafka的地址
propsmap.put(consumerconfig.bootstrap_servers_config, broker);
//是否自动提交 offset
propsmap.put(consumerconfig.enable_auto_commit_config, autocommit);
// enable.auto.commit 设置成 false，那么 auto.commit.interval.ms 也就不被再考虑
//默认5秒钟，一个 consumer 将会提交它的 offset 给 kafka
propsmap.put(consumerconfig.auto_commit_interval_ms_config, 5000);
//这个值必须设置在broker configuration中的group.min.session.timeout.ms 与 group.max.session.timeout.ms之间。
//zookeeper.session.timeout.ms 默认值：6000
//zookeeper的session的超时时间，如果在这段时间内没有收到zk的心跳，则会被认为该kafka server挂掉了。
// 如果把这个值设置得过低可能被误认为挂掉，如果设置得过高，如果真的挂了，则需要很长时间才能被server得知。
propsmap.put(consumerconfig.session_timeout_ms_config, sessionouttime);
propsmap.put(consumerconfig.key_deserializer_class_config, stringdeserializer.class);
propsmap.put(consumerconfig.value_deserializer_class_config, stringdeserializer.class);
//组与组间的消费者是没有关系的。
//topic中已有分组消费数据，新建其他分组id的消费者时，之前分组提交的offset对新建的分组消费不起作用。
//propsmap.put(consumerconfig.group_id_config, testgroup);
//当创建一个新分组的消费者时，auto.offset.reset值为latest时，
// 表示消费新的数据（从consumer创建开始，后生产的数据），之前产生的数据不消费。
// https://blog.csdn.net/u012129558/article/details/80427016
//earliest 当分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，从头开始消费。
// latest 当分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，消费新产生的该分区下的数据。
propsmap.put(consumerconfig.auto_offset_reset_config, offset);
//不是指每次都拉50条数据，而是一次最多拉50条数据()
propsmap.put(consumerconfig.max_poll_records_config, 5);
return propsmap;
}
}
4、展示kafka消费者
@component
public class kafkaconsumer {
private static final logger logger = loggerfactory.getlogger(kafkaconsumer.class);
@kafkalistener(topics = "${kafka.test.topic1}",groupid = "${kafka.test.group1}",containerfactory = "kafkalistenercontainerfactory")
public void listenpartition1(list<consumerrecord<?, ?>> records,acknowledgment ack) {
logger.info("testtopic1 recevice a message size :{}" , records.size());
try {
for (consumerrecord<?, ?> record : records) {
optional<?> kafkamessage = optional.ofnullable(record.value());
logger.info("received:{} " , record);
if (kafkamessage.ispresent()) {
object message = record.value();
string topic = record.topic();
thread.sleep(300);
logger.info("p1 topic is:{} received message={}",topic, message);
}
}
} catch (exception e) {
e.printstacktrace();
} finally {
ack.acknowledge();
}
}
@kafkalistener(topics = "${kafka.test.topic2}",groupid = "${kafka.test.group2}",containerfactory = "kafkalistenercontainerfactory")
public void listenpartition2(list<consumerrecord<?, ?>> records,acknowledgment ack) {
logger.info("testtopic2 recevice a message size :{}" , records.size());
try {
for (consumerrecord<?, ?> record : records) {
optional<?> kafkamessage = optional.ofnullable(record.value());
logger.info("received:{} " , record);
if (kafkamessage.ispresent()) {
object message = record.value();
string topic = record.topic();
thread.sleep(300);
logger.info("p2 topic :{},received message={}",topic, message);
}
}
} catch (exception e) {
e.printstacktrace();
} finally {
ack.acknowledge();
}
}
@kafkalistener(topics = "${kafka.test.topic3}",groupid = "${kafka.test.group3}",containerfactory = "kafkalistenercontainerfactory")
public void listenpartition3(list<consumerrecord<?, ?>> records, acknowledgment ack) {
logger.info("testtopic3 recevice a message size :{}" , records.size());
try {
for (consumerrecord<?, ?> record : records) {
optional<?> kafkamessage = optional.ofnullable(record.value());
logger.info("received:{} " , record);
if (kafkamessage.ispresent()) {
object message = record.value();
string topic = record.topic();
logger.info("p3 topic :{},received message={}",topic, message);
thread.sleep(300);
}
}
} catch (exception e) {
e.printstacktrace();
} finally {
ack.acknowledge();
}
}
}
查看分区消费情况：
kafka出现若干分区不消费的现象
近日，有用户反馈kafka有topic出现某个消费组消费的时候，有几个分区一直不消费消息，消息一直积压（图1）。除了一直积压外，还有一个现象就是消费组一直在重均衡，大约每5分钟就会重均衡一次。具体表现为消费分区的owner一直在改变（图2）。
（图1）
（图2）
定位过程
业务侧没有报错，同时kafka服务端日志也一切正常，同事先将消费组的机器滚动重启，仍然还是那几个分区没有消费，之后将这几个不消费的分区迁移至别的broker上，依然没有消费。
还有一个奇怪的地方，就是每次重均衡后，不消费的那几个分区的消费owner所在机器的网络都有流量变化。按理说不消费应该就是拉取不到分区不会有流量的。于是让运维去拉了下不消费的consumer的jstack日志。一看果然发现了问题所在。
从堆栈看，consumer已经拉取到消息，然后就一直卡在处理消息的业务逻辑上。这说明kafka是没有问题的，用户的业务逻辑有问题。
consumer在拉取完一批消息后，就一直在处理这批消息，但是这批消息中有若干条消息无法处理，而业务又没有超时操作或者异常处理导致进程一直处于消费中，无法去poll下一批数据。
又由于业务采用的是autocommit的offset提交方式，而根据源码可知，consumer只有在下一次poll中才会自动提交上次poll的offset，所以业务一直在拉取同一批消息而无法更新offset。反映的现象就是该consumer对应的分区的offset一直没有变，所以有积压的现象。
至于为什么会一直在重均衡消费组的原因也很明了了，就是因为有消费者一直卡在处理消息的业务逻辑上，超过了max.poll.interval.ms（默认5min），消费组就会将该消费者踢出消费组，从而发生重均衡。
验证
让业务方去查证业务日志，验证了积压的这几个分区，总是在循环的拉取同一批消息。
解决方法
临时解决方法就是跳过有问题的消息，将offset重置到有问题的消息之后。本质上还是要业务侧修改业务逻辑，增加超时或者异常处理机制，最好不要采用自动提交offset的方式，可以手动管理。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。