当前位置:   article > 正文

kafka总结_kafka acknowledgment

kafka acknowledgment

批量消费设置

  1. @KafkaListener(
  2. id = "${spring.kafka.consumer.notice.id}",
  3. topicPartitions = {@TopicPartition(topic = "${spring.kafka.consumer.notice.topic}", partitionOffsets = @PartitionOffset(partition = "1", initialOffset = "0"))},
  4. groupId = "dvsfdvasdva",
  5. clientIdPrefix = "exactness-notice-batch",
  6. containerFactory = "batchFactory"
  7. )
  8. public void batchListener(List<ConsumerRecord<?, ?>> records, Acknowledgment acknowledgment) {
  9. for (ConsumerRecord<?, ?> record : records) {
  10. try {
  11. NoticeModel noticeModels = (NoticeModel)JsonUtil.jsonToBean((String) record.value(), NoticeModel.class);
  12. iBigdateService.exactnessMessageNoticeOne(noticeModels);
  13. } catch (Exception e) {
  14. log.error("编号:{},消费数据data:{},异常:{}",uuid,record.value(),e);
  15. }
  16. }
  17. acknowledgment.acknowledge();
  18. }
  19. @Bean
  20. @ConditionalOnMissingBean(name = "batchFactory")
  21. KafkaListenerContainerFactory<?> batchFactory() {
  22. ConcurrentKafkaListenerContainerFactory<String, String> factory = new
  23. ConcurrentKafkaListenerContainerFactory<>();
  24. //并发数量
  25. factory.setConcurrency(concurrency);
  26. factory.setConsumerFactory(new DefaultKafkaConsumerFactory<>(consumerConfigs()));
  27. // 开启批量监听
  28. factory.setBatchListener(batchListener);
  29. factory.getContainerProperties().setPollTimeout(pollTimeout);
  30. if (!enableAutoCommit) {//非自动提交需设置ACK方式
  31. factory.getContainerProperties().setAckMode(ContainerProperties.AckMode.MANUAL_IMMEDIATE);
  32. }
  33. //配置kafka监听是否自动启动
  34. factory.setAutoStartup(kafkaListenerFlag);
  35. return factory;
  36. }
KafkaListener参数
作用
id消费者的id,当GroupId没有被配置的时候,默认id为GroupId
groupId消费组ID,当前消费组,(小心修改导致重复消费)
containerFactory
配置的是监听容器工厂,也就是ConcurrentKafkaListenerContainerFactory,配置BeanName
topics
需要监听的Topic,可监听多个 将topics 配置为:@KafkaListener(topics = “#{’${topics}’.split(’,’)}”)
topicPartitions

可配置更加详细的监听信息,必须监听某个Topic中的指定分区,或者从offset为200的偏移量开始监听

topicPartitions = {@TopicPartition(topic = "${spring.kafka.consumer.notice.topic}", partitionOffsets = @PartitionOffset(partition = "1"//指定监听的分区, initialOffset = "0"//初始偏移量))},
topicPattern

topicPattern 已经可以做到定期检查topic列表,然后将新加入的topic分配至某个消费者。

topicPattern = "test_topic2.*"

clientIdPrefix消费者Id前缀
containerGroup
 
errorHandler
监听异常处理器,配置BeanName
idIsGroup
id是否为GroupId
beanRef
真实监听容器的BeanName,需要在 BeanName前加 "__"
concurrency
线程数量,消费者个数(注意,消费者数要小于等于你开的所有topic的分区数总和)
autoStartup
是否自动启动   true to auto start, false to not auto start.

 

 

关闭自动消费

Spring-Boot-kafka的配置中有一个参数,提供了自动消费的功能。使用自动消费我们在收到消息的时候会自动向kafka确认消费。但是在一些特殊场景中我们可能需要使用一些其他的消费模式。

enable-auto-commit: true

kafka的消费模式

需要自己配置AckMode时候的配置

  1. spring:
  2. application:
  3. name: base.kafka
  4. kafka:
  5. bootstrap-servers: kafka服务地址1:端口,kafka服务地址2:端口,kafka服务地址3:端口
  6. producer:
  7. # 写入失败时,重试次数。当leader节点失效,一个repli节点会替代成为leader节点,此时可能出现写入失败,
  8. # 当retris为0时,produce不会重复。retirs重发,此时repli节点完全成为leader节点,不会产生消息丢失。
  9. retries: 0
  10. #procedure要求leader在考虑完成请求之前收到的确认数,用于控制发送记录在服务端的持久化,其值可以为如下:
  11. #acks = 0 如果设置为零,则生产者将不会等待来自服务器的任何确认,该记录将立即添加到套接字缓冲区并视为已发送。在这种情况下,无法保证服务器已收到记录,并且重试配置将不会生效(因为客户端通常不会知道任何故障),为每条记录返回的偏移量始终设置为-1
  12. #acks = 1 这意味着leader会将记录写入其本地日志,但无需等待所有副本服务器的完全确认即可做出回应,在这种情况下,如果leader在确认记录后立即失败,但在将数据复制到所有的副本服务器之前,则记录将会丢失。
  13. #acks = all 这意味着leader将等待完整的同步副本集以确认记录,这保证了只要至少一个同步副本服务器仍然存活,记录就不会丢失,这是最强有力的保证,这相当于acks = -1的设置。
  14. #可以设置的值为:all, -1, 0, 1
  15. acks: 1
  16. consumer:
  17. group-id: testGroup
  18. # smallest和largest才有效,如果smallest重新0开始读取,如果是largest从logfile的offset读取。一般情况下我们都是设置smallest
  19. auto-offset-reset: earliest
  20. # 设置自动提交offset
  21. enable-auto-commit: false
  22. max-poll-records: 2
  23. server:
  24. port: 8060

kafka支持的消费模式,设置在AbstractMessageListenerContainer.AckMode的枚举中,下面就介绍下各个模式的区别

  • AckMode模式作用
    MANUAL当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后, 手动调用Acknowledgment.acknowledge()后提交
    MANUAL_IMMEDIATE手动调用Acknowledgment.acknowledge()后立即提交
    RECORD当每一条记录被消费者监听器(ListenerConsumer)处理之后提交
    BATCH当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后提交
    TIME当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后,距离上次提交时间大于TIME时提交
    COUNT当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后,被处理record数量大于等于COUNT时提交
    COUNT_TIMETIME或COUNT 有一个条件满足时提交

MANUAL 和 MANUAL_IMMEDIATE

MANUAL

当每一条记录被消费者监听器(ListenerConsumer)处理之后提交

  • 监听器工厂的配置
  1. /**
  2. * MANUAL 当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后, 手动调用Acknowledgment.acknowledge()后提交
  3. * @param consumerFactory
  4. * @return
  5. */
  6. @Bean("manualListenerContainerFactory")
  7. public KafkaListenerContainerFactory<ConcurrentMessageListenerContainer<String, String>> manualListenerContainerFactory(
  8. ConsumerFactory<String, String> consumerFactory) {
  9. ConcurrentKafkaListenerContainerFactory<String, String> factory = new ConcurrentKafkaListenerContainerFactory<>();
  10. factory.setConsumerFactory(consumerFactory);
  11. factory.getContainerProperties().setPollTimeout(1500);
  12. factory.setBatchListener(true);
  13. //配置手动提交offset
  14. factory.getContainerProperties().setAckMode(AbstractMessageListenerContainer.AckMode.MANUAL);
  15. return factory;
  16. }
  • 指定监听器使用的配置
  1. /**
  2. * MANUAL 当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后, 手动调用Acknowledgment.acknowledge()后提交
  3. * @param message
  4. * @param ack
  5. */
  6. @KafkaListener(containerFactory = "manualListenerContainerFactory" , topics = "kafka-manual")
  7. public void onMessageManual(List<Object> message, Acknowledgment ack){
  8. log.info("manualListenerContainerFactory 处理数据量:{}",message.size());
  9. message.forEach(item -> log.info("manualListenerContainerFactory 处理数据内容:{}",item));
  10. ack.acknowledge();//直接提交offset
  11. }

MANUAL_IMMEDIATE

当每一条记录被消费者监听器(ListenerConsumer)处理之后提交

  • 监听器工厂的配置
  1. /**
  2. * MANUAL_IMMEDIATE 手动调用Acknowledgment.acknowledge()后立即提交
  3. * @param consumerFactory
  4. * @return
  5. */
  6. @Bean("manualImmediateListenerContainerFactory")
  7. public KafkaListenerContainerFactory<ConcurrentMessageListenerContainer<String, String>> manualImmediateListenerContainerFactory(
  8. ConsumerFactory<String, String> consumerFactory) {
  9. ConcurrentKafkaListenerContainerFactory<String, String> factory = new ConcurrentKafkaListenerContainerFactory<>();
  10. factory.setConsumerFactory(consumerFactory);
  11. factory.getContainerProperties().setPollTimeout(1500);
  12. factory.setBatchListener(true);
  13. //配置手动提交offset
  14. factory.getContainerProperties().setAckMode(AbstractMessageListenerContainer.AckMode.MANUAL_IMMEDIATE);
  15. return factory;
  16. }
  • 指定监听器使用的配置
  1. /**
  2. * MANUAL_IMMEDIATE 手动调用Acknowledgment.acknowledge()后立即提交
  3. * @param message
  4. */
  5. @KafkaListener(containerFactory = "manualImmediateListenerContainerFactory" , topics = "kafka-manualImmediate")
  6. public void onMessageManualImmediate(List<Object> message, Acknowledgment ack){
  7. log.info("manualImmediateListenerContainerFactory 处理数据量:{}",message.size());
  8. message.forEach(item -> log.info("manualImmediateListenerContainerFactory 处理数据内容:{}",item));
  9. ack.acknowledge();//直接提交offset
  10. }

MANUAL和MANUAL_IMMEDIATE两者的相同和区别

  1. 相同之处

这两种模式都是需要进行手动确认ack.acknowledge();才能完成消息的消费,否则在重启消费端实例的时候数据会再次被消费端接收到。

  1. 两者的区别
  • MANUAL: 在处理完最后一次轮询的所有结果后,将队列排队,并在一次操作中提交偏移量。可以认为是在批处理结束时提交偏移量
  • MANUAL_IMMEDIATE:只要在侦听器线程上执行确认,就立即提交偏移。会在批量执行的时候逐一提交它们。

关于两者的解释可以看看这个提问 what-is-the-difference-between-manual-and-manual-immediate-in-spring-kafka-ackmo

RECORD

  • 监听器工厂的配置
  1. /**
  2. * RECORD 当每一条记录被消费者监听器(ListenerConsumer)处理之后提交
  3. * @param consumerFactory
  4. * @return
  5. */
  6. @Bean("recordListenerContainerFactory")
  7. public KafkaListenerContainerFactory<ConcurrentMessageListenerContainer<String, String>> recordListenerContainerFactory(
  8. ConsumerFactory<String, String> consumerFactory) {
  9. ConcurrentKafkaListenerContainerFactory<String, String> factory = new ConcurrentKafkaListenerContainerFactory<>();
  10. factory.setConsumerFactory(consumerFactory);
  11. factory.getContainerProperties().setPollTimeout(1500);
  12. //配置手动提交offset
  13. factory.getContainerProperties().setAckMode(AbstractMessageListenerContainer.AckMode.RECORD);
  14. return factory;
  15. }
  • 指定监听器使用的配置
  1. /**
  2. * RECORD 当每一条记录被消费者监听器(ListenerConsumer)处理之后提交
  3. * @param message
  4. */
  5. @KafkaListener(containerFactory = "recordListenerContainerFactory" , topics = "kafka-record")
  6. public void onMessageRecord(List<Object> message){
  7. log.info("recordListenerContainerFactory 处理数据量:{}",message.size());
  8. message.forEach(item -> log.info("recordListenerContainerFactory 处理数据内容:{}",item));
  9. }
  • 关于AckMode.RECORD 模式

使用RECORD模式的时候,当监听器处理完消息后会自动处理,使用此模式不需要手动消费

TIME

  • 监听器工厂的配置
  1. /**
  2. * TIME 当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后,距离上次提交时间大于TIME时提交
  3. * @param consumerFactory
  4. * @return
  5. */
  6. @Bean("timeListenerContainerFactory")
  7. public KafkaListenerContainerFactory<ConcurrentMessageListenerContainer<String, String>> timeListenerContainerFactory(
  8. ConsumerFactory<String, String> consumerFactory) {
  9. ConcurrentKafkaListenerContainerFactory<String, String> factory = new ConcurrentKafkaListenerContainerFactory<>();
  10. factory.setConsumerFactory(consumerFactory);
  11. factory.getContainerProperties().setPollTimeout(2000);
  12. //配置手动提交offset
  13. factory.getContainerProperties().setAckMode(AbstractMessageListenerContainer.AckMode.TIME);
  14. return factory;
  15. }
  • 指定监听器使用的配置
  1. /**
  2. * TIME 当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后,距离上次提交时间大于TIME时提交
  3. * @param message
  4. */
  5. @KafkaListener(containerFactory = "timeListenerContainerFactory" , topics = "kafka-time")
  6. public void onMessageTime(List<Object> message){
  7. log.info("timeListenerContainerFactory 处理数据量:{}",message.size());
  8. message.forEach(item -> log.info("timeListenerContainerFactory 处理数据内容:{}",item));
  9. }
  • 关于AckMode.TIME 模式

此模式会在监听器监听到消息后的PollTimeout的时间段内提交消费请求。上面配置中将PollTimeout设置的超时时间为2秒。使用请求http://localhost:8060//ack/sendStr/kafka-time/3发送三条消息,在消费实例接收到消息后在PollTimeout到达之前关闭消费端实例,再次启动消费实例会发现之前消费的消息会被再次读取到。而接收到消息PollTimeout之后关闭消费实例,则会发现消息已经被成功消费。

COUNT

  • 监听器工厂的配置
  1. /**
  2. * COUNT 当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后,被处理record数量大于等于COUNT时提交
  3. * @param consumerFactory
  4. * @return
  5. */
  6. @Bean("countListenerContainerFactory")
  7. public KafkaListenerContainerFactory<ConcurrentMessageListenerContainer<String, String>> countListenerContainerFactory(
  8. ConsumerFactory<String, String> consumerFactory) {
  9. ConcurrentKafkaListenerContainerFactory<String, String> factory = new ConcurrentKafkaListenerContainerFactory<>();
  10. factory.setConsumerFactory(consumerFactory);
  11. factory.getContainerProperties().setPollTimeout(1500);
  12. factory.getContainerProperties().setAckCount(5);
  13. //配置手动提交offset
  14. factory.getContainerProperties().setAckMode(AbstractMessageListenerContainer.AckMode.COUNT);
  15. return factory;
  16. }
  • 指定监听器使用的配置
  1. /**
  2. * COUNT 当每一批poll()的数据被消费者监听器(ListenerConsumer)处理之后,被处理record数量大于等于COUNT时提交
  3. * @param message
  4. */
  5. @KafkaListener(containerFactory = "countListenerContainerFactory" , topics = "kafka-count")
  6. public void onMessageCount(List<Object> message){
  7. log.info("countListenerContainerFactory 处理数据量:{}",message.size());
  8. message.forEach(item -> log.info("countListenerContainerFactory 处理数据内容:{}",item));
  9. }
  • 关于AckMode.COUNT 模式

此模式会在监听器监听到消息等于AckCount的数量提交消费请求。上面配置中将`AckCount``设置为5条消息。使用请求http://localhost:8060//ack/sendStr/kafka-count/9向队列发送9条数据,然后关闭消费端实例,然后再次启动时发现最后4条消息再次被读取到。此时前5条数据被消费,最后四条消息需要凑齐5条数据后才能消费。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/914592
推荐阅读
相关标签
  

闽ICP备14008679号