最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

解決kafka消息堆積及分區(qū)不均勻的問題

 更新時(shí)間:2021年09月11日 16:02:25   作者:筏鏡  
這篇文章主要介紹了解決kafka消息堆積及分區(qū)不均勻的問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

kafka消息堆積及分區(qū)不均勻的解決

我在環(huán)境中發(fā)現(xiàn)代碼里面的kafka有所延遲,查看kafka消息發(fā)現(xiàn)堆積嚴(yán)重,經(jīng)過檢查發(fā)現(xiàn)是kafka消息分區(qū)不均勻造成的,消費(fèi)速度過慢。這里由自己在虛擬機(jī)上演示相關(guān)問題,給大家提供相應(yīng)問題的參考思路。

這篇文章有點(diǎn)遺憾并沒重現(xiàn)分區(qū)不均衡的樣例和Warning: Consumer group ‘testGroup1' is rebalancing. 這里僅將正確的方式展示,等后續(xù)重現(xiàn)了在進(jìn)行補(bǔ)充。

主要有兩個(gè)要點(diǎn):

  • 1、一個(gè)消費(fèi)者組只消費(fèi)一個(gè)topic.
  • 2、factory.setConcurrency(concurrency);這里設(shè)置監(jiān)聽并發(fā)數(shù)為 部署單元節(jié)點(diǎn)*concurrency=分區(qū)數(shù)量

1、先在kafka消息中創(chuàng)建

對(duì)應(yīng)分區(qū)數(shù)目的topic(testTopic2,testTopic3)testTopic1由代碼創(chuàng)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、創(chuàng)建kafka工廠

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());
        //監(jiān)聽設(shè)置兩個(gè)個(gè)分區(qū)
        factory.setConcurrency(concurrency);
        //打開批量拉取數(shù)據(jù)
        factory.setBatchListener(true);
        //這里設(shè)置的是心跳時(shí)間也是拉的時(shí)間,也就說每間隔max.poll.interval.ms我們就調(diào)用一次poll,kafka默認(rèn)是300s,心跳只能在poll的時(shí)候發(fā)出,如果連續(xù)兩次poll的時(shí)候超過
        //max.poll.interval.ms 值就會(huì)導(dǎo)致rebalance
        //心跳導(dǎo)致GroupCoordinator以為本地consumer節(jié)點(diǎn)掛掉了,引發(fā)了partition在consumerGroup里的rebalance。
        // 當(dāng)rebalance后,之前該consumer擁有的分區(qū)和offset信息就失效了,同時(shí)導(dǎo)致不斷的報(bào)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);
        //是否自動(dòng)提交 Offset
        propsMap.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, autoCommit);
        // enable.auto.commit 設(shè)置成 false,那么 auto.commit.interval.ms 也就不被再考慮
        //默認(rèn)5秒鐘,一個(gè) Consumer 將會(huì)提交它的 Offset 給 Kafka
        propsMap.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,  5000);

        //這個(gè)值必須設(shè)置在broker configuration中的group.min.session.timeout.ms 與 group.max.session.timeout.ms之間。
        //zookeeper.session.timeout.ms 默認(rèn)值:6000
        //ZooKeeper的session的超時(shí)時(shí)間,如果在這段時(shí)間內(nèi)沒有收到ZK的心跳,則會(huì)被認(rèn)為該Kafka server掛掉了。
        // 如果把這個(gè)值設(shè)置得過低可能被誤認(rèn)為掛掉,如果設(shè)置得過高,如果真的掛了,則需要很長時(shí)間才能被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);
        //組與組間的消費(fèi)者是沒有關(guān)系的。
        //topic中已有分組消費(fèi)數(shù)據(jù),新建其他分組ID的消費(fèi)者時(shí),之前分組提交的offset對(duì)新建的分組消費(fèi)不起作用。
        //propsMap.put(ConsumerConfig.GROUP_ID_CONFIG, testGroup);

        //當(dāng)創(chuàng)建一個(gè)新分組的消費(fèi)者時(shí),auto.offset.reset值為latest時(shí),
        // 表示消費(fèi)新的數(shù)據(jù)(從consumer創(chuàng)建開始,后生產(chǎn)的數(shù)據(jù)),之前產(chǎn)生的數(shù)據(jù)不消費(fèi)。
        // https://blog.csdn.net/u012129558/article/details/80427016

        //earliest 當(dāng)分區(qū)下有已提交的offset時(shí),從提交的offset開始消費(fèi);無提交的offset時(shí),從頭開始消費(fèi)。
       // latest 當(dāng)分區(qū)下有已提交的offset時(shí),從提交的offset開始消費(fèi);無提交的offset時(shí),消費(fèi)新產(chǎn)生的該分區(qū)下的數(shù)據(jù)。

        propsMap.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, offset);
        //不是指每次都拉50條數(shù)據(jù),而是一次最多拉50條數(shù)據(jù)()
        propsMap.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, 5);
        return propsMap;
    }
}

4、展示kafka消費(fèi)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();
        }
    }
}

查看分區(qū)消費(fèi)情況:

在這里插入圖片描述

kafka出現(xiàn)若干分區(qū)不消費(fèi)的現(xiàn)象

近日,有用戶反饋kafka有topic出現(xiàn)某個(gè)消費(fèi)組消費(fèi)的時(shí)候,有幾個(gè)分區(qū)一直不消費(fèi)消息,消息一直積壓(圖1)。除了一直積壓外,還有一個(gè)現(xiàn)象就是消費(fèi)組一直在重均衡,大約每5分鐘就會(huì)重均衡一次。具體表現(xiàn)為消費(fèi)分區(qū)的owner一直在改變(圖2)。

(圖1)

(圖2)

定位過程

業(yè)務(wù)側(cè)沒有報(bào)錯(cuò),同時(shí)kafka服務(wù)端日志也一切正常,同事先將消費(fèi)組的機(jī)器滾動(dòng)重啟,仍然還是那幾個(gè)分區(qū)沒有消費(fèi),之后將這幾個(gè)不消費(fèi)的分區(qū)遷移至別的broker上,依然沒有消費(fèi)。

還有一個(gè)奇怪的地方,就是每次重均衡后,不消費(fèi)的那幾個(gè)分區(qū)的消費(fèi)owner所在機(jī)器的網(wǎng)絡(luò)都有流量變化。按理說不消費(fèi)應(yīng)該就是拉取不到分區(qū)不會(huì)有流量的。于是讓運(yùn)維去拉了下不消費(fèi)的consumer的jstack日志。一看果然發(fā)現(xiàn)了問題所在。

從堆???,consumer已經(jīng)拉取到消息,然后就一直卡在處理消息的業(yè)務(wù)邏輯上。這說明kafka是沒有問題的,用戶的業(yè)務(wù)邏輯有問題。

consumer在拉取完一批消息后,就一直在處理這批消息,但是這批消息中有若干條消息無法處理,而業(yè)務(wù)又沒有超時(shí)操作或者異常處理導(dǎo)致進(jìn)程一直處于消費(fèi)中,無法去poll下一批數(shù)據(jù)。

又由于業(yè)務(wù)采用的是autocommit的offset提交方式,而根據(jù)源碼可知,consumer只有在下一次poll中才會(huì)自動(dòng)提交上次poll的offset,所以業(yè)務(wù)一直在拉取同一批消息而無法更新offset。反映的現(xiàn)象就是該consumer對(duì)應(yīng)的分區(qū)的offset一直沒有變,所以有積壓的現(xiàn)象。

至于為什么會(huì)一直在重均衡消費(fèi)組的原因也很明了了,就是因?yàn)橛邢M(fèi)者一直卡在處理消息的業(yè)務(wù)邏輯上,超過了max.poll.interval.ms(默認(rèn)5min),消費(fèi)組就會(huì)將該消費(fèi)者踢出消費(fèi)組,從而發(fā)生重均衡。

驗(yàn)證

讓業(yè)務(wù)方去查證業(yè)務(wù)日志,驗(yàn)證了積壓的這幾個(gè)分區(qū),總是在循環(huán)的拉取同一批消息。

解決方法

臨時(shí)解決方法就是跳過有問題的消息,將offset重置到有問題的消息之后。本質(zhì)上還是要業(yè)務(wù)側(cè)修改業(yè)務(wù)邏輯,增加超時(shí)或者異常處理機(jī)制,最好不要采用自動(dòng)提交offset的方式,可以手動(dòng)管理。

以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • JAVA的Dubbo如何實(shí)現(xiàn)各種限流算法

    JAVA的Dubbo如何實(shí)現(xiàn)各種限流算法

    Dubbo是一種高性能的Java RPC框架,廣泛應(yīng)用于分布式服務(wù)架構(gòu)中,在Dubbo中實(shí)現(xiàn)限流可以幫助服務(wù)在高并發(fā)場景下保持穩(wěn)定性和可靠性,常見的限流算法包括固定窗口算法、滑動(dòng)窗口算法、令牌桶算法和漏桶算法,在Dubbo中集成限流器可以通過實(shí)現(xiàn)自定義過濾器來實(shí)現(xiàn)
    2025-01-01
  • Java實(shí)現(xiàn)Excel表單控件的添加與刪除

    Java實(shí)現(xiàn)Excel表單控件的添加與刪除

    本文通過Java代碼示例介紹如何在Excel表格中添加表單控件,包括文本框、單選按鈕、復(fù)選框、組合框、微調(diào)按鈕等,以及如何刪除Excel中的指定表單控件,需要的可以參考一下
    2022-05-05
  • MyBatis?Generator生成的$?sql是否存在注入風(fēng)險(xiǎn)詳解

    MyBatis?Generator生成的$?sql是否存在注入風(fēng)險(xiǎn)詳解

    這篇文章主要介紹了MyBatis?Generator生成的$?sql是否存在注入風(fēng)險(xiǎn)詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2021-12-12
  • Java堆空間爆滿導(dǎo)致宕機(jī)的問題分析及解決

    Java堆空間爆滿導(dǎo)致宕機(jī)的問題分析及解決

    團(tuán)隊(duì)有一個(gè)服務(wù),一直運(yùn)行的好好的,突然訪問異常了,先是請(qǐng)求超時(shí),然后直接無法訪問,本文將給大家介紹Java堆空間爆滿導(dǎo)致宕機(jī)的問題分析及解決,需要的朋友可以參考下
    2024-02-02
  • SpringBoot的jar包如何啟動(dòng)的實(shí)現(xiàn)

    SpringBoot的jar包如何啟動(dòng)的實(shí)現(xiàn)

    本文主要介紹了SpringBoot的jar包如何啟動(dòng)的實(shí)現(xiàn),文中根據(jù)實(shí)例編碼詳細(xì)介紹的十分詳盡,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2022-03-03
  • java微信server錄音下載到自己server

    java微信server錄音下載到自己server

    這篇文章主要為大家詳細(xì)介紹了java微信server錄音下載到自己server的相關(guān)代碼,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2017-05-05
  • springboot+zookeeper實(shí)現(xiàn)分布式鎖的示例代碼

    springboot+zookeeper實(shí)現(xiàn)分布式鎖的示例代碼

    本文主要介紹了springboot+zookeeper實(shí)現(xiàn)分布式鎖的示例代碼,文中根據(jù)實(shí)例編碼詳細(xì)介紹的十分詳盡,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2022-03-03
  • Java ForkJoin框架的原理及用法

    Java ForkJoin框架的原理及用法

    這篇文章主要介紹了Java ForkJoin框架的原理及用法,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-10-10
  • SpringBoot實(shí)現(xiàn)國際化的教程

    SpringBoot實(shí)現(xiàn)國際化的教程

    這篇文章主要介紹了SpringBoot實(shí)現(xiàn)國際化的教程,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2025-03-03
  • java使用freemarker模板生成html再轉(zhuǎn)為pdf

    java使用freemarker模板生成html再轉(zhuǎn)為pdf

    這篇文章主要為大家詳細(xì)介紹了java如何使用freemarker模板生成html,再利用iText將生成的HTML轉(zhuǎn)換為PDF文件,感興趣的小伙伴可以參考下
    2025-04-04

最新評(píng)論

泊头市| 渭南市| 边坝县| 桂林市| 饶河县| 伊宁县| 库伦旗| 鄂尔多斯市| 金乡县| 武乡县| 丰原市| 张掖市| 新和县| 屏南县| 松阳县| 杭州市| 佳木斯市| 宁海县| 射阳县| 金山区| 米脂县| 加查县| 平阴县| 辽中县| 延庆县| 湘潭市| 黄骅市| 商水县| 定兴县| 社旗县| 阿拉善盟| 重庆市| 安吉县| 府谷县| 兰坪| 永兴县| 定日县| 基隆市| 汝州市| 揭阳市| 北辰区|