Kafka数据堆积分析处理

Posted 爱锅巴

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Kafka数据堆积分析处理相关的知识,希望对你有一定的参考价值。

遇到的问题

项目运行初期,kafka收集数据量不大,数据实时性要求不高,慢慢消费也会消费完,随着使用者和使用量的增加,数据增长过快,默认的配置无法在kafka配置默认的时间消费完数据,从而使得数据回滚,造成数据堆积导致重复消费。
其实主要原因是我消费者接受的方法执行时间过长,无法优化,每进来一条数据需要执行大概4~5秒。

解决办法

根据自己环境添加如下配置max.poll.records,此处配置的含义是,30个数据做一次poll提交,不配置的话默认是500个。
还有个很关键的参数max.poll.interval.ms默认值是300000,也就是5分钟,用途是一次提交需要在5分钟内完成,因为原先max.poll.records在默认情况下500个做一次提交,但是我方法一次需要执行5秒左右,根本来不及,所以数据回滚堆积了。
现在配置成30x5秒=2.5分钟,在5分钟内提交,至此问题即可解决。因为使用的spring-kafka版本较低,无法配置max.poll.interval.ms参数,在不升级版本的情况下就无法做修改了,如果版本支持,直接把这个参数配置调大也是可以的,默认500一次提交,500x5秒≈42分钟,单线程下原则上把max.poll.interval.ms设置大于42分钟即可。

#项目配置文件的本地配置,根据自己项目实际情况配置
kafka:
  consumer:
    max:
      poll:
        records: 30

环境说明

用的是spring-kafka的@KafkaListener注解接收数据,自定义配置如下

kafka:
  consumer:
    zookeeper:
      connect: 116.1.2.3:2181
    servers: 116.1.2.3:9092
    enable:
      auto:
        commit: false
    session:
      timeout: 10000
    auto:
      commit:
        interval: 100
      offset:
        reset: latest
    topic: test
    group:
      id: test
    concurrency: 5
  producer:
    servers: 116.1.2.3:9092
    retries: 0
    batch:
      size: 4096
    linger: 1
    buffer:
      memory: 40960

Kafka消费者配置类,读取配置文件中配置信息对消费者进行配置

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.annotation.EnableKafka;
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.ConcurrentMessageListenerContainer;

import java.util.HashMap;
import java.util.Map;

@Configuration
@EnableKafka
public class KafkaConsumerConfig 

    @Value("$kafka.consumer.servers")
    private String servers;
    @Value("$kafka.consumer.enable.auto.commit")
    private boolean enableAutoCommit;
    @Value("$kafka.consumer.session.timeout")
    private String sessionTimeout;
    @Value("$kafka.consumer.auto.commit.interval")
    private String autoCommitInterval;
    @Value("$kafka.consumer.group.id")
    private String groupId;
    @Value("$kafka.consumer.auto.offset.reset")
    private String autoOffsetReset;
    @Value("$kafka.consumer.concurrency")
    private int concurrency;
    @Value("$kafka.consumer.max.poll.records")
    private int records;
    @Bean
    public KafkaListenerContainerFactory<ConcurrentMessageListenerContainer<String, String>> kafkaListenerContainerFactory() 
        ConcurrentKafkaListenerContainerFactory<String, String> factory = new ConcurrentKafkaListenerContainerFactory<>();
        factory.setConsumerFactory(consumerFactory());
        factory.setConcurrency(concurrency);
        factory.getContainerProperties().setPollTimeout(1500);
        return factory;
    

    public ConsumerFactory<String, String> consumerFactory() 
        return new DefaultKafkaConsumerFactory<>(consumerConfigs());
    


    public Map<String, Object> consumerConfigs() 
        Map<String, Object> propsMap = new HashMap<>();
        propsMap.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, servers);
        propsMap.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, enableAutoCommit);
        propsMap.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, autoCommitInterval);
        propsMap.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG, sessionTimeout);
        propsMap.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
        propsMap.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
        propsMap.put(ConsumerConfig.GROUP_ID_CONFIG, groupId);
        propsMap.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, autoOffsetReset);
        propsMap.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, records);
        return propsMap;
    

顺手贴出生产者的配置类

import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.common.serialization.StringSerializer;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.kafka.annotation.EnableKafka;
import org.springframework.kafka.core.DefaultKafkaProducerFactory;
import org.springframework.kafka.core.KafkaTemplate;
import org.springframework.kafka.core.ProducerFactory;

import java.util.HashMap;
import java.util.Map;

@Configuration
@EnableKafka
public class KafkaProducerConfig 
    @Value("$kafka.producer.servers")
    private String servers;
    @Value("$kafka.producer.retries")
    private int retries;
    @Value("$kafka.producer.batch.size")
    private int batchSize;
    @Value("$kafka.producer.linger")
    private int linger;
    @Value("$kafka.producer.buffer.memory")
    private int bufferMemory;


    public Map<String, Object>  producerConfigs() 
        Map<String, Object> props = new HashMap<>();
        props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, servers);
        props.put(ProducerConfig.RETRIES_CONFIG, retries);
        props.put(ProducerConfig.BATCH_SIZE_CONFIG, batchSize);
        props.put(ProducerConfig.LINGER_MS_CONFIG, linger);
        props.put(ProducerConfig.BUFFER_MEMORY_CONFIG, bufferMemory);
        props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class);
        props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class);
        return props;
    

    public ProducerFactory<String, String> producerFactory() 
        return new DefaultKafkaProducerFactory<>(producerConfigs());
    

    @Bean
    public KafkaTemplate<String, String> kafkaTemplate() 
        return new KafkaTemplate<String, String>(producerFactory());
    

再顺手贴出测试类

import lombok.extern.slf4j.Slf4j;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.kafka.annotation.KafkaListener;
import org.springframework.kafka.core.KafkaTemplate;
import org.springframework.kafka.support.SendResult;
import org.springframework.stereotype.Service;
import org.springframework.util.concurrent.ListenableFuture;

@Slf4j
@Service
public class TestService 

    @Autowired
    private KafkaTemplate<String, String> kafkaTemplate;

    /**
     * 消费消息
     */
    @KafkaListener(topics = "test")
    public void addOrUpdateToTpkByKafka(ConsumerRecord<String, String> record) 
        //模拟实际业务消费单条消息需要五秒左右,此处线程等待五秒
		try 
            Thread.sleep(5000);
         catch (InterruptedException e) 
            e.printStackTrace();
        
        String key = record.key();
        String value = record.value();
        log.info("接收的数据是:", value);
    

    /**
     * 生产消息
     */
    public void sendKafkaMessage() 
        for (int i = 0; i < 50; i++)
            ListenableFuture<SendResult<String, String>> future = kafkaTemplate.send("test", "keyValue", "data" + i);

            try 
                SendResult<String, String> sendResult = future.get();
                future.addCallback(
                        SuccessCallback ->
                                log.info("kafka Producer发送消息成功!topic=" + sendResult.getRecordMetadata().topic()
                                        + ",partition=" + sendResult.getRecordMetadata().partition()
                                        + ",offset=" + sendResult.getRecordMetadata().offset()),
                        FailureCallback ->
                                log.error("kafka Producer发送消息失败!sendResult=" + com.alibaba.fastjson.JSONObject.toJSONString(sendResult.getProducerRecord())));
             catch (Exception e) 
                e.printStackTrace();
            
        
    

Kafka配置参数解释(摘自网络)

#################consumer的配置参数(开始)#################
#如果'enable.auto.commit'true,则消费者偏移自动提交给Kafka的频率(以毫秒为单位),默认值为5000。
spring.kafka.consumer.auto-commit-interval;
 
#当Kafka中没有初始偏移量或者服务器上不再存在当前偏移量时该怎么办,默认值为latest,表示自动将偏移重置为最新的偏移量
#可选的值为latest, earliest, none
spring.kafka.consumer.auto-offset-reset=latest;
 
#以逗号分隔的主机:端口对列表,用于建立与Kafka群集的初始连接。
spring.kafka.consumer.bootstrap-servers;
 
#ID在发出请求时传递给服务器;用于服务器端日志记录。
spring.kafka.consumer.client-id;
 
#如果为true,则消费者的偏移量将在后台定期提交,默认值为true
spring.kafka.consumer.enable-auto-commit=true;
 
#如果没有足够的数据立即满足“fetch.min.bytes”给出的要求,服务器在回答获取请求之前将阻塞的最长时间(以毫秒为单位)
#默认值为500
spring.kafka.consumer.fetch-max-wait;
 
#服务器应以字节为单位返回获取请求的最小数据量,默认值为1,对应的kafka的参数为fetch.min.bytes。
spring.kafka.consumer.fetch-min-size;
 
#用于标识此使用者所属的使用者组的唯一字符串。
spring.kafka.consumer.group-id;
 
#心跳与消费者协调员之间的预期时间(以毫秒为单位),默认值为3000
spring.kafka.consumer.heartbeat-interval;
 
#密钥的反序列化器类,实现类实现了接口org.apache.kafka.common.serialization.Deserializer
spring.kafka.consumer.key-deserializer=org.apache.kafka.common.serialization.StringDeserializer
 
#值的反序列化器类,实现类实现了接口org.apache.kafka.common.serialization.Deserializer
spring.kafka.consumer.value-deserializer=org.apache.kafka.common.serialization.StringDeserializer
 
#一次调用poll()操作时返回的最大记录数,默认值为500
spring.kafka.consumer.max-poll-records;
#################consumer的配置参数(结束)#################

#################producer的配置参数(开始)#################
#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:
#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。
#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。
#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。
#可以设置的值为:all, -1, 0, 1
spring.kafka.producer.acks=1
 
#每当多个记录被发送到同一分区时,生产者将尝试将记录一起批量处理为更少的请求, 
#这有助于提升客户端和服务器上的性能,此配置控制默认批量大小(以字节为单位),默认值为16384
spring.kafka.producer.batch-size=16384
 
#以逗号分隔的主机:端口对列表,用于建立与Kafka群集的初始连接
spring.kafka.producer.bootstrap-servers
 
#生产者可用于缓冲等待发送到服务器的记录的内存总字节数,默认值为33554432
spring.kafka.producer.buffer-memory=33554432
 
#ID在发出请求时传递给服务器,用于服务器端日志记录
spring.kafka.producer.client-id
 
#生产者生成的所有数据的压缩类型,此配置接受标准压缩编解码器('gzip''snappy''lz4'),
#它还接受'uncompressed'以及'producer',分别表示没有压缩以及保留生产者设置的原始压缩编解码器,
#默认值为producer
spring.kafka.producer.compression-type=producer
 
#key的Serializer类,实现类实现了接口org.apache.kafka.common.serialization.Serializer
spring.kafka.producer.key-serializer=org.apache.kafka.common.serialization.StringSerializer
 
#值的Serializer类,实现类实现了接口org.apache.kafka.common.serialization.Serializer
spring.kafka.producer.value-serializer=org.apache.kafka.common.serialization.StringSerializer
 
#如果该值大于零时,表示启用重试失败的发送次数
spring.kafka.producer.retries
#################producer的配置参数(结束)#################
#################listener的配置参数(结束)#################
#侦听器的AckMode,参见https://docs.spring.io/spring-kafka/reference/htmlsingle/#committing-offsets
#当enable.auto.commit的值设置为false时,该值会生效;为true时不会生效
spring.kafka.listener.ack-mode;
 
#在侦听器容器中运行的线程数
spring.kafka.listener.concurrency;
 
#轮询消费者时使用的超时(以毫秒为单位)
spring.kafka.listener.poll-timeout;
 
#当ackMode为“COUNT”或“COUNT_TIME”时,偏移提交之间的记录数
spring.kafka.listener.ack-count;
 
#当ackMode为“TIME”或“COUNT_TIME”时,偏移提交之间的时间(以毫秒为单位)
spring.kafka.listener.ack-time;
#################listener的配置参数(结束)#################

以上是关于Kafka数据堆积分析处理的主要内容,如果未能解决你的问题,请参考以下文章

flink源码分析之kafka consumer的执行流程

flink处理数据从kafka到另外一个kafka

2018.5.12 storm数据源kafka堆积

Spark 实战系列sparkstreaming 任务出现堆积如何优化?(流量突然大增资源不够怎么办?)

Spark 实战系列sparkstreaming 任务出现堆积如何优化?(流量突然大增资源不够怎么办?)

kafka