Kafka 消费者启动后与服务器的交互流程

Kafka 消费者启动后与服务器的交互流程涉及多个关键步骤,主要包括初始化、查找组协调器、加入消费者组、分区分配、心跳维持、拉取数据和提交偏移量等。以下是详细的流程说明:

1. 初始化消费者

  • 创建消费者实例 :应用程序通过调用KafkaConsumer的构造函数,传入配置参数创建消费者实例。
  • 配置参数 :包括bootstrap.servers(Kafka集群地址)、group.id(消费者组ID)、key.deserializervalue.deserializer等。

2. 订阅主题

  • 调用subscribe方法 :消费者通过调用subscribe方法订阅一个或多个主题,也可以使用正则表达式来匹配多个主题。

3. 查找组协调器

  • 消费者发送FindCoordinator请求 :消费者向Kafka集群中的任意Broker发送FindCoordinator请求,请求中包含消费者组ID。
  • Broker服务器接收请求 :Broker根据消费者组ID计算出组协调器所在的Broker节点,并返回该节点的地址信息。
    • 计算组协调器算法:
java 复制代码
/**
     * 表示 内部主题 __consumer_offsets 的分区数量,默认初始化值是50(顺带一提__consumer_offsets 副本因子默认值是3)
     * 初始值为 -1,表示尚未设置。
     * 使用 volatile 关键字确保在多线程环境中对该变量的修改是可见的。
     */
     private volatile int numPartitions = -1;
    /**
     * 内部主题 __consumer_offsets 的各个分区分布在各个Broker服务器上,算出当前消费者组的协调器在哪个服务器
     * 消费者组协调器所在brokerId = 消费者组id的哈希值 % 50 
     */
	 coordinator_broker_id = Utils.abs(groupId.hashCode()) % numPartitions
	 
	 public static int abs(int n) {
        return (n == Integer.MIN_VALUE) ? 0 : Math.abs(n);
    }
  • 消费者连接组协调器
    • 消费者根据FindCoordinator响应中的地址信息,连接到组协调器。

4. 加入消费者组

  • Kafka消费者加入消费者组的过程主要涉及JoinGroup和SyncGroup两个关键步骤。这个过程确保消费者能够以协调的方式加入消费者组,并且分区能够被合理地分配给消费者组内的消费者。以下是JoinGroup和SyncGroup的具体流程:

  • 阶段一:JoinGroup阶段

    • (1)发送JoinGroup请求 :当消费者启动并调用poll方法时,如果它尚未加入消费者组,或者需要重新加入(例如,因为再平衡),它会向组协调器发送JoinGroup请求。这个请求包含消费者的group.id、订阅的主题列表以及消费者使用的分区分配策略。

    • (2)等待响应 :组协调器收到JoinGroup请求后,会等待一段时间,以允许其他消费者也发送他们的JoinGroup请求。这个等待时间是为了收集同一消费者组内所有消费者的信息。

    • (3)选择Leader :对于同一个消费者组的第一次JoinGroup请求,协调器会选择第一个消费者作为Leader。Leader负责为组内的所有消费者分配分区。Leader的选择基于消费者的JoinGroup请求顺序。

    • (4)分区分配策略 :Leader消费者收到协调器的响应后,会根据提供的分区分配策略(如RangeRoundRobin等)和所有消费者的订阅信息来决定分区的分配方案。

  • 阶段二:SyncGroup阶段

    • (1)发送SyncGroup请求:Leader消费者将分区分配方案通过SyncGroup请求发送给组协调器。随后,组内的其他消费者也发送SyncGroup请求,但不包含分区分配方案。

    • (2)协调器广播分区分配方案:组协调器接收到SyncGroup请求后,将leader消费者的分区分配方案广播给消费者组内的所有消费者。

5. 开始消费

  • 消费者接收分区分配:每个消费者接收到SyncGroup响应后,会知道自己被分配到了哪些分区。
  • 初始化分区消费:消费者根据分配到的分区,初始化分区消费的相关资源,如设置分区的偏移量。
  • 拉取数据并消费:消费者开始从分配给它的分区拉取数据并进行消费。

6. 心跳维持和再平衡

  • 发送心跳:消费者会定期向组协调器发送心跳,以表明它仍然活跃。
  • 处理再平衡:如果有新的消费者加入或现有消费者离开消费者组,协调器会触发再平衡过程,重新分配分区。

7. 拉取数据

  • 发送Fetch请求 :消费者向分配给它的分区的Leader Broker发送Fetch请求,请求包含拉取数据的偏移量。
  • 接收数据:Broker返回包含消息的响应,消费者处理这些消息。

8. 提交偏移量

  • 自动提交 :如果启用了自动提交(enable.auto.commit=true),消费者会定期自动提交消费的偏移量。
  • 手动提交 :如果使用手动提交,消费者需要调用commitSynccommitAsync方法提交偏移量。

9. 处理再平衡

  • 再平衡触发 :当消费者组成员发生变化,协调器会触发再平衡。
    *
    1. 消费者加入消费者组
      当新的消费者加入现有的消费者组时,会触发再平衡。新消费者可能是新启动的实例,或者是之前失败后重新加入的实例。
      1. 消费者离开消费者组
      • 主动离开:消费者调用close方法或者主动离开消费者组时,会触发再平衡。
      • 被动离开:如果消费者因为网络问题、崩溃或者长时间未发送心跳而被组协调器认为已经离开,也会触发再平衡。
      1. 订阅主题的分区数变化
        如果消费者组订阅的主题新增了分区,那么为了将新增的分区分配给消费者,也会触发再平衡。
      1. 消费者订阅模式变化
        如果消费者组内的任何消费者更改了其订阅模式(例如,通过subscribe方法订阅了新的主题或者取消订阅了某些主题),这也会触发再平衡。
      1. 组协调器变更
        如果负责管理消费者组的组协调器(Group Coordinator)发生变化(例如,因为原协调器所在的Broker宕机),新的协调器在接管消费者组管理职责时,会触发再平衡。
      1. 主题元数据变化
        消费者定期从Broker获取订阅主题的元数据(如分区信息)。如果检测到元数据变化,可能会触发再平衡,尽管这种情况较少见。
  • 暂停拉取:在再平衡期间,消费者会暂停拉取数据。
  • 重新分配分区:协调器重新分配分区,并通知消费者新的分区分配情况。
  • 恢复拉取:再平衡完成后,消费者恢复拉取数据。

示例代码

java 复制代码
Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("group.id", "test-group");
props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");

KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
consumer.subscribe(Arrays.asList("test-topic")); // 订阅主题

// 消费者加入消费者组并开始消费的过程是在第一次调用poll方法时触发的
ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(1000));
for (ConsumerRecord<String, String> record : records) {
    System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
}

// 提交偏移量
consumer.commitSync();

在上述代码中,消费者通过调用subscribe方法订阅了主题test-topic,然后通过调用poll方法触发了加入消费者组的完整流程,包括查找组协调器、加入消费者组、分区分配、拉取数据和提交偏移量等步骤。

总结

Kafka消费者启动后与服务器的交互流程是一个复杂的过程,涉及与组协调器的多次交互。这个流程确保了消费者能够正确地加入消费者组,分区能够被合理地分配给消费者组内的消费者,并且在消费者组成员变化时能够进行适当的再平衡,同时保证了消费者能够从正确的位置继续消费数据。

相关推荐
杨荧6 小时前
【JAVA毕业设计】基于Vue和SpringBoot的服装商城系统学科竞赛管理系统
java·开发语言·vue.js·spring boot·spring cloud·java-ee·kafka
zmd-zk7 小时前
kafka+zookeeper的搭建
大数据·分布式·zookeeper·中间件·kafka
激流丶7 小时前
【Kafka 实战】如何解决Kafka Topic数量过多带来的性能问题?
java·大数据·kafka·topic
筱源源7 小时前
Kafka-linux环境部署
linux·kafka
Mephisto.java7 小时前
【大数据学习 | kafka高级部分】kafka中的选举机制
大数据·学习·kafka
Mephisto.java7 小时前
【大数据学习 | kafka高级部分】kafka的优化参数整理
大数据·sql·oracle·kafka·json·database
Mephisto.java12 小时前
【大数据学习 | kafka高级部分】kafka的kraft集群
大数据·sql·oracle·kafka·json·hbase
Mephisto.java12 小时前
【大数据学习 | kafka高级部分】kafka的文件存储原理
大数据·sql·oracle·kafka·json
yx9o12 小时前
Kafka 源码 KRaft 模式本地运行
分布式·kafka
java1234_小锋20 小时前
讲讲RabbitMQ 性能优化
kafka