Kafka offset存储方式与获取消费实现

本帖最后由 levycui 于 2017-2-28 10:22 编辑
问题导读：
1、Kafka将消费的offset存储在Kafka的Topic中有何优势？
2、offset存储在Kafka的Topic中实现原理是什么？
3、如何实现获取这部分消费的 offset？

1.概述
目前，Kafka 官网最新版[0.10.1.1]，已默认将消费的 offset 迁入到了 Kafka 一个名为 __consumer_offsets 的Topic中。其实，早在 0.8.2.2 版本，已支持存入消费的 offset 到Topic中，只是那时候默认是将消费的 offset 存放在 Zookeeper 集群中。那现在，官方默认将消费的offset存储在 Kafka 的Topic中，同时，也保留了存储在 Zookeeper 的接口，通过 offsets.storage 属性来进行设置。

2.内容
其实，官方这样推荐，也是有其道理的。之前版本，Kafka其实存在一个比较大的隐患，就是利用 Zookeeper 来存储记录每个消费者/组的消费进度。虽然，在使用过程当中，JVM帮助我们完成了一些优化，但是消费者需要频繁的去与 Zookeeper 进行交互，而利用ZKClient的API操作Zookeeper频繁的Write其本身就是一个比较低效的Action，对于后期水平扩展也是一个比较头疼的问题。如果期间 Zookeeper 集群发生变化，那 Kafka 集群的吞吐量也跟着受影响。

在此之后，官方其实很早就提出了迁移到 Kafka 的概念，只是，之前是一直默认存储在 Zookeeper集群中，需要手动的设置，如果，对 Kafka 的使用不是很熟悉的话，一般我们就接受了默认的存储（即：存在 ZK 中）。在新版 Kafka 以及之后的版本，Kafka 消费的offset都会默认存放在 Kafka 集群中的一个叫 __consumer_offsets 的topic中。

当然，其实她实现的原理也让我们很熟悉，利用 Kafka 自身的 Topic，以消费的Group，Topic，以及Partition做为组合 Key。所有的消费offset都提交写入到上述的Topic中。因为这部分消息是非常重要，以至于是不能容忍丢数据的，所以消息的 acking 级别设置为了 -1，生产者等到所有的 ISR 都收到消息后才会得到 ack（数据安全性极好，当然，其速度会有所影响）。所以 Kafka 又在内存中维护了一个关于 Group，Topic 和 Partition 的三元组来维护最新的 offset 信息，消费者获取最新的offset的时候会直接从内存中获取。

3.实现
那我们如何实现获取这部分消费的 offset，我们可以在内存中定义一个Map集合，来维护消费中所捕捉到 offset，如下所示：
[mw_shl_code=java,true]protected static Map<GroupTopicPartition, OffsetAndMetadata> offsetMap = new ConcurrentHashMap<>();[/mw_shl_code]

然后，我们通过一个监听线程来更新内存中的Map，代码如下所示：
[mw_shl_code=java,true]private static synchronized void startOffsetListener(ConsumerConnector consumerConnector) {
      Map<String, Integer> topicCountMap = new HashMap<String, Integer>();
      topicCountMap.put(consumerOffsetTopic, new Integer(1));
      KafkaStream<byte[], byte[]> offsetMsgStream = consumerConnector.createMessageStreams(topicCountMap).get(consumerOffsetTopic).get(0);

      ConsumerIterator<byte[], byte[]> it = offsetMsgStream.iterator();
      while (true) {
         MessageAndMetadata<byte[], byte[]> offsetMsg = it.next();
         if (ByteBuffer.wrap(offsetMsg.key()).getShort() < 2) {
            try {
                  GroupTopicPartition commitKey = readMessageKey(ByteBuffer.wrap(offsetMsg.key()));
                  if (offsetMsg.message() == null) {
                     continue;
                  }
                  OffsetAndMetadata commitValue = readMessageValue(ByteBuffer.wrap(offsetMsg.message()));
                  offsetMap.put(commitKey, commitValue);
            } catch (Exception e) {
                  e.printStackTrace();
            }
         }
      }
}[/mw_shl_code]

在拿到这部分更新后的offset数据，我们可以通过 RPC 将这部分数据共享出去，让客户端获取这部分数据并可视化。RPC 接口如下所示：
[mw_shl_code=java,true]
namespace java org.smartloli.kafka.eagle.ipc

service KafkaOffsetServer{
string query(1:string group,2:string topic,3:i32 partition),
string getOffset(),
string sql(1:string sql),
string getConsumer(),
string getActiverConsumer()
}
[/mw_shl_code]

这里，如果我们不想写接口来操作 offset，可以通过 SQL 来操作消费的 offset 数组，使用方式如下所示：

引入依赖JAR
[mw_shl_code=java,true]<dependency>
<groupId>org.smartloli</groupId>
<artifactId>jsql-client</artifactId>
<version>1.0.0</version>
</dependency>[/mw_shl_code]

使用接口
[mw_shl_code=java,true]JSqlUtils.query(tabSchema, tableName, dataSets, sql);[/mw_shl_code]

tabSchema：表结构；tableName：表名；dataSets：数据集；sql：操作的SQL语句。

4.预览
消费者预览如下图所示：

正在消费的关系图如下所示：

消费详细 offset 如下所示：

消费和生产的速率图，如下所示：

5.总结
这里，说明一下，当 offset 存入到 Kafka 的topic中后，消费线程ID信息并没有记录，不过，我们通过阅读Kafka消费线程ID的组成规则后，可以手动生成，其消费线程ID由：Group+ConsumerLocalAddress+Timespan+UUID(8bit)+PartitionId，由于消费者在其他节点，我们暂时无法确定ConsumerLocalAddress。最后，欢迎大家使用 Kafka 集群监控 ——[Kafka Eagle ]，[ 操作手册 ]。

6.结束语
这篇博客就和大家分享到这里，如果大家在研究学习的过程当中有什么问题，可以加群进行讨论或发送邮件给我，我会尽我所能为您解答，与君共勉！

来源：cnblogs
作者：哥不是小萝莉