Kafka調(diào)試技巧及心得分享
基礎(chǔ)理念
對于我們有a,b,c,3臺機(jī)器,那么我們的消息會被消費(fèi)3次?
- 可能會,也可能不會,這取決于你的配置和策略。
- 消費(fèi)者組機(jī)制:Kafka 使用消費(fèi)組(Consumer Group)來確保每個(gè)消息只會被每個(gè)消費(fèi)者組中的一個(gè)消費(fèi)者消費(fèi)一次。
- 分區(qū)分配:Kafka 主題可以分為多個(gè)分區(qū)(Partitions),每個(gè)分區(qū)只能由一個(gè)消費(fèi)者組中的一個(gè)消費(fèi)者消費(fèi)。
如果新增1臺機(jī)器,那么他的偏移量從0開始?
在kafka中,消費(fèi)組都會維護(hù)自己的偏移量(offset),以此來記錄消費(fèi)的消息位置,而當(dāng)新增1臺機(jī)器時(shí),會根據(jù)分區(qū)分配策略,比如:范圍分配、輪詢分配,這就有2種情況,可能加入舊分區(qū),也可能加入新分區(qū),具體可以配置下策略參數(shù)auto.offset.reset,對應(yīng)的值如下:
- earliest: automatically reset the offset to the earliest offset
- latest: automatically reset the offset to the latest offset
- none: throw exception to the consumer if no previous offset is found for the consumer’s group
- anything else: throw exception to the consumer.
本地調(diào)試
所以,當(dāng)我們在調(diào)試kafka消費(fèi)邏輯的時(shí)候,可能由于消費(fèi)邏輯寫的不對,改完代碼需要重新測,重新去造1條消息?還是你會怎么去做,了解了前面的原理,我們改消費(fèi)組是不可行的,他獲取的是最新的偏移量,無法實(shí)現(xiàn)復(fù)用之前造的某條數(shù)據(jù),特別是我們有不同邏輯,把每種類型的消息都重新推一波,這不僅麻煩,而且也容易出錯(cuò),是否可以直接復(fù)用之前的消息,準(zhǔn)確處理?
我們可以先了解下@KafkaListener里面的一些配置參數(shù),具體如下:
@KafkaListener(topicPartitions = {@TopicPartition(topic = "yourTopic", partitionOffsets = {@PartitionOffset(partition = "指定分區(qū)", initialOffset = "初始偏移量")})})
public void forlanConsumer(ConsumerRecord<String, String> record) {
String messageStr = record.value();
log.info(“測試觸達(dá)記錄消費(fèi):offset = {}, res = {}”,record.offset(), messageStr);
}
上面只是指定了我們從什么偏移量開始消費(fèi),如果要限制范圍,可以在代碼里面加限制
@KafkaListener(topicPartitions = {@TopicPartition(topic = "yourTopic", partitionOffsets = {@PartitionOffset(partition = "指定分區(qū)", initialOffset = "初始偏移量")})})
public void forlanConsumer(ConsumerRecord<String, String> record) {
if (record.offset() > 結(jié)束偏移量) return;
String messageStr = record.value();
log.info(“測試觸達(dá)記錄消費(fèi):offset = {}, res = {}”,record.offset(), messageStr);
}
測試或正式環(huán)境調(diào)試
上面只適合本地場景,如果是線上環(huán)境,我們本地一般是沒有權(quán)限連接監(jiān)聽的,那么可以怎么做?其實(shí)也能做,只不過需要通過接口去拉取處理
@Autowired
private KafkaConfig kafkaConfig;
public void reconsumeMessage(String topic, int partition, long offset) {
ConsumerFactory<Integer, String> consumerFactory = kafkaConfig.consumerFactory();
Map<String, Object> configurationProperties = consumerFactory.getConfigurationProperties();
Map<String, Object> customProps = new HashMap<>();
customProps.put(ConsumerConfig.GROUP_ID_CONFIG, "reconsume-temp-group-" + UUID.randomUUID());
customProps.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");// 防止 offset 不存在時(shí)報(bào)錯(cuò)
customProps.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);
customProps.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, "1");// 控制每次 poll 只拉取一條
// 復(fù)用 kafkaConfig 中的基礎(chǔ)配置
Map<String, Object> props = new HashMap<>(configurationProperties);
props.putAll(customProps);
try (Consumer<String, String> consumer = new KafkaConsumer<>(props)) {
TopicPartition topicPartition = new TopicPartition(topic, partition);
// 分配分區(qū)并定位偏移量
consumer.assign(Collections.singletonList(topicPartition));
consumer.seek(topicPartition, offset);
// 拉取消息(設(shè)置超時(shí)時(shí)間)
ConsumerRecords<String, String> records = consumer.poll(Duration.ofSeconds(5));
for (ConsumerRecord<String, String> record : records) {
if (record.offset() == offset) {
if (Objects.equals(topic, KafkaTopic.Forlan_MESSAGE_NOTIFY)) {
// 調(diào)用@KafkaListener的方法執(zhí)行邏輯
forlanConsumer.userConsumer(record);
}
break;
}
}
}
}
項(xiàng)目中如果沒有配置kafkaConfig,也可以自定義一個(gè),只要能拿到連接就行
private Map<String, Object> consumerConfigs() {
Map<String, Object> props = new HashMap();
props.put("bootstrap.servers", this.bootstrapServers);
props.put("group.id", this.groupid);
props.put("enable.auto.commit", this.autoCommit);
props.put("auto.commit.interval.ms", this.interval);
props.put("session.timeout.ms", this.timeout);
props.put("key.deserializer", this.keyDeserializer);
props.put("value.deserializer", this.valueDeserializer);
props.put("auto.offset.reset", this.offsetReset);
props.put("max.poll.records", this.maxPollRecords);
return props;
}
總結(jié)
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
Windows系統(tǒng)下修改jar包中的依賴實(shí)現(xiàn)過程
本文介紹了如何在Windows下修改和升級Java項(xiàng)目中的JAR包依賴,首先,通過解壓原JAR包并替換指定的依賴JAR文件來實(shí)現(xiàn)升級,然后,使用命令重新打包JAR文件,整個(gè)過程包括解壓、替換和打包三個(gè)步驟,確保項(xiàng)目能夠正確引用更新的依賴2025-12-12
線程池之newCachedThreadPool可緩存線程池的實(shí)例
這篇文章主要介紹了線程池之newCachedThreadPool可緩存線程池的實(shí)例,具有很好的參考價(jià)值,希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2021-06-06
java void方法單測斷言的三種實(shí)現(xiàn)示例
Java中對void方法單元測試可通過驗(yàn)證狀態(tài)變化、行為交互及異常拋出實(shí)現(xiàn),推薦使用AssertJ和Mockito,文中通過示例代碼介紹的非常詳細(xì),需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2025-07-07
Spring中DAO被循環(huán)調(diào)用的時(shí)候數(shù)據(jù)不實(shí)時(shí)更新的解決方法
這篇文章主要介紹了Spring中DAO被循環(huán)調(diào)用的時(shí)候數(shù)據(jù)不實(shí)時(shí)更新的解決方法,需要的朋友可以參考下2014-08-08
nodejs與JAVA應(yīng)對高并發(fā)的對比方式
這篇文章主要介紹了nodejs與JAVA應(yīng)對高并發(fā)的對比方式,具有很好的參考價(jià)值,希望對大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08
詳解基于spring多數(shù)據(jù)源動態(tài)調(diào)用及其事務(wù)處理
本篇文章主要介紹了基于spring多數(shù)據(jù)源動態(tài)調(diào)用及其事務(wù)處理 ,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2017-06-06

