欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

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:

解决kafka消息堆积及分区不均匀的问题

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)。

解决kafka消息堆积及分区不均匀的问题

(图1)

解决kafka消息堆积及分区不均匀的问题

(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。

解决kafka消息堆积及分区不均匀的问题

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。