kafka再均衡监听器测试
Posted PacosonSWJTU
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再均衡监听器测试相关的知识,希望对你有一定的参考价值。
【README】
- 本文使用的kafka是最新的 kafka3.0.0;本文kafka集群有3个节点分别是 centos201, centos202, centos203 ; brokerid 分别为 1,2,3;
- 本文主要用于测试 再均衡监听器;当有新消费者加入时,会发生分区再均衡;再均衡前就会调用再均衡监听器的 onPartitionsRevoked()方法;
- 本文的测试主题 hello12,有3个分区,每个分区2个副本;
【1】再均衡监听器
1)应用场景
在消费者退出或进行分区再均衡前,会做一些清理工作,如提交偏移量,或关闭数据库连接;这些工作可以通过监听器来实现;
2)再均衡监听器 ConsumerRebalanceListener
实现 该监听器即可,有3个方法
- onPartitionsRevoked:在分区均衡开始【前】和消费者停止读取消息【后】被调用;
- onPartitionsAssigned:分区再均衡【后】和消费者开始读取消息【前】被调用 ;
- onPartitionsLost:分区宕机时调用(本文不涉及);
/**
* @Description 消费者分区再均衡监听器实现类
* @author xiao tang
* @version 1.0.0
* @createTime 2021年12月11日
*/
public class ConsumerBalanceListenerImpl implements ConsumerRebalanceListener
/** 消费者 */
private Consumer consumer;
/** 主题分区偏移量数组 */
private MyTopicPartitionOffset[] topicPartitionOffsetArr;
/**
* @description 构造器
* @param consumer 消费者
* @param curOffsets 当前偏移量
* @author xiao tang
* @date 2021/12/11
*/
public ConsumerBalanceListenerImpl(Consumer consumer, MyTopicPartitionOffset[] topicPartitionOffsetArr)
this.consumer = consumer;
this.topicPartitionOffsetArr = topicPartitionOffsetArr;
/**
* @description 在分区均衡开始【前】和消费者停止读取消息【后】被调用
* @param partitions 分区列表(分区号从0开始计数)
* @author xiao tang
* @date 2021/12/12
*/
@Override
public void onPartitionsRevoked(Collection<TopicPartition> partitions)
System.out.println("=== 分区再均衡触发onPartitionsRevoked()方法");
// 提交偏移量回调(或记录错误日志)
OffsetCommitCallback offsetCommitCallback = new OffsetCommitCallbackImpl();
// 打印日志
Arrays.stream(topicPartitionOffsetArr).filter(x->x.partition()>-1).forEach(x->
System.out.printf("提交偏移量信息,partition【%d】offset【%s】\\n", x.partition(), x.offset())
);
// 把数组转为主题分区与偏移量映射,并提交最后一次处理的偏移量 (可以异步,也可以同步)
// 同步提交一直重试或报超时异常
// 异步提交传入提交回调,失败自行处理
consumer.commitAsync(MyConsumerUtils.getTopicPartitionOffsetMetadataMap(topicPartitionOffsetArr), offsetCommitCallback);
// 停止程序的原因在于做实验,下次从本次提交的偏移量开始消费
throw new RuntimeException("发生分区再均衡,程序结束");
/**
* @description 分区再均衡【后】和消费者开始读取消息【前】被调用
* @param partitions 主题分区列表
* @author xiao tang
* @date 2021/12/12
*/
@Override
public void onPartitionsAssigned(Collection<TopicPartition> partitions)
// do sth
@Override
public void onPartitionsLost(Collection<TopicPartition> partitions)
ConsumerRebalanceListener.super.onPartitionsLost(partitions);
为了测试,分区再均衡监听器中,onPartitionsRevoked() 方法提交最后已消费消息的偏移量后,就抛出运行时异常结束运行,让其他消费者消费以便查看监听器是否成功提交偏移量;
3)消费者工具
/**
* @Description 消费者工具
* @author xiao tang
* @version 1.0.0
* @createTime 2021年12月12日
*/
public enum MyConsumerUtils
/** 单例 */
INSTANCE;
/**
* @description 获取主题分区与偏移量映射
* @param topicPartitionOffsetArr 主题分区与偏移量数组
* @return 主题分区与偏移量映射
* @author xiao tang
* @date 2021/12/12
*/
public static Map<TopicPartition, OffsetAndMetadata> getTopicPartitionOffsetMetadataMap(
MyTopicPartitionOffset[] topicPartitionOffsetArr)
// 主题分区与偏移量映射
Map<TopicPartition, OffsetAndMetadata> topicPartitionOffsetMetadataMap = new HashMap<>(topicPartitionOffsetArr.length);
// 分区号大于-1,才是消费者接收的分区
Arrays.stream(topicPartitionOffsetArr).filter(x->x.partition()>-1).forEach(x ->
topicPartitionOffsetMetadataMap.put(
new TopicPartition(x.topic(), x.partition()), new OffsetAndMetadata(x.offset(), "no metadata"));
);
return topicPartitionOffsetMetadataMap;
【2】生产者
/**
* @Description 生产者
* @author xiao tang
* @version 1.0.0
* @createTime 2021年12月03日
*/
public class MyProducer
/** 主题 */
public final static String TOPIC_NAME = "hello12";
public static void main(String[] args)
/* 1.创建kafka生产者的配置信息 */
Properties props = new Properties();
/*2.指定连接的kafka集群, broker-list */
props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.163.201:9092,192.168.163.202:9092,192.168.163.203:9092");
/*3.ack应答级别*/
props.put(ProducerConfig.ACKS_CONFIG, "all");
/*4.重试次数*/
props.put(ProducerConfig.RETRIES_CONFIG, 0);
/*5.批次大小,一次发送多少数据,当数据大于16k,生产者会发送数据到 kafka集群 */
props.put(ProducerConfig.BATCH_SIZE_CONFIG, 16 * KfkNumConst._1K);
/*6.等待时间, 等待时间超过1毫秒,即便数据没有大于16k, 也会写数据到kafka集群 */
props.put(ProducerConfig.LINGER_MS_CONFIG, 1);
// 超时时间
props.put(ProducerConfig.REQUEST_TIMEOUT_MS_CONFIG, 3000);
props.put(ProducerConfig.MAX_BLOCK_MS_CONFIG, 3000);
/*7. RecordAccumulator 缓冲区大小*/
props.put(ProducerConfig.BUFFER_MEMORY_CONFIG, 32 * KfkNumConst._1M);
/*8. key, value 的序列化类 */
props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
/** 设置压缩算法 */
props.put(ProducerConfig.COMPRESSION_TYPE_CONFIG, "snappy");
/** 设置拦截器 */
// props.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG, Arrays.asList(TimeInterceptor.class.getName()));
/** 设置阻塞超时时间 */
props.put(ProducerConfig.MAX_BLOCK_MS_CONFIG, 3600 * 1000);
/* 9.创建生产者对象 */
KafkaProducer<String, String> producer = new KafkaProducer<>(props);
/* 10.发送数据 */
int order = 1;
for (int i = 0; i < 10000; i++)
for (int j = 0; j < 3; j++)
Future<RecordMetadata> future = producer.send(new ProducerRecord<String, String>(TOPIC_NAME, j, "", String.format("[%s] ", order++) + " > " + DataFactory.INSTANCE.genChar(5)));
try
System.out.println("[生产者] 分区【" + future.get().partition() + "】-offset【" + future.get().offset() + "】");
catch (Exception e)
/* 11.关闭资源 */
producer.close();
System.out.println("kafka生产者写入数据完成");
【3】消费者
【3.1】带有均衡监听器的消费者1
/**
* @Description 带有均衡监听器的消费者
* @author xiao tang
* @version 1.0.0
* @createTime 2021年12月11日
*/
public class MyConsumerWithRebalanceListener
public static void main(String[] args)
// 创建消费者配置信息
Properties props = new Properties();
// 属性配置
props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.163.201:9092,192.168.163.202:9092,192.168.163.203:9092");
props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
props.put(ConsumerConfig.GROUP_ID_CONFIG, MyProducer.TOPIC_NAME + "G1");
// 关闭自动提交
props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);
// 设置消费消息的位置,消费最新消息
props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "latest");
// 设置分区策略 (默认值-RangeAssignor)
props.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG, RangeAssignor.class.getName());
props.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG, RoundRobinAssignor.class.getName());
// 创建消费者
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
int partitionSize = consumer.partitionsFor(MyProducer.TOPIC_NAME).size();
// 创建分区偏移量数组并初始化 (仅考虑一个topic的情况)
MyTopicPartitionOffset[] topicPartitionOffsetArr = new MyTopicPartitionOffset[partitionSize];
IntStream.range(0, partitionSize).forEach(x -> topicPartitionOffsetArr[x] = new MyTopicPartitionOffset());
// 订阅主题, 【传入分区再均衡监听器】
consumer.subscribe(Arrays.asList(MyProducer.TOPIC_NAME), new ConsumerBalanceListenerImpl(consumer, topicPartitionOffsetArr));
// 循环拉取
try
while (!Thread.interrupted())
System.out.println(DateUtils.getNowTimestamp() + " > 带均衡监听器消费者等待消费消息");
TimeUtils.sleep(1000);
// 消费消息
ConsumerRecords<String, String> consumerRds = consumer.poll(100);
System.out.println("poll begin ");
for (ConsumerRecord<String, String> rd : consumerRds)
System.out.println("消费者-WithRebalanceListener-分区【" + rd.partition() + "】offset【" + rd.offset() + "】" + "值=" + rd.value());
// 提交的偏移量,是 当前消息偏移量加1
topicPartitionOffsetArr[rd.partition()].setAll(rd.topic(), rd.partition(), rd.offset() + 1);
System.out.println("poll end ");
// 【异步提交每个分区的偏移量】
consumer.commitAsync(MyConsumerUtils.getTopicPartitionOffsetMetadataMap(topicPartitionOffsetArr), new OffsetCommitCallbackImpl());
finally
try
// 【同步提交】 因为错误时,同步提交会一直重试,直到提交成功或发生无法恢复的错误
consumer.commitSync(MyConsumerUtils.getTopicPartitionOffsetMetadataMap(topicPartitionOffsetArr));
finally
// 记得关闭消费者
consumer.close();
【3.2】 不带均衡监听器的消费者2 (测试用)
即一个普通消费者;
/**
* @Description 不带均衡监听器的消费者
* @author xiao tang
* @version 1.0.0
* @createTime 2021年12月11日
*/
public class MyConsumerNoRebalanceListener
public static void main(String[] args)
// 创建消费者配置信息
Properties props = new Properties();
// 属性配置
props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.163.201:9092,192.168.163.202:9092,192.168.163.203:9092");
props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
props.put(ConsumerConfig.GROUP_ID_CONFIG, MyProducer.TOPIC_NAME + "G1");
// 关闭自动提交
props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false);
// 设置消费消息的位置,消费最新消息
props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");
// 设置分区策略 (默认值-RangeAssignor)
props.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG, RangeAssignor.class.getName());
props.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG, RoundRobinAssignor.class.getName());
// 创建消费者
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
// 订阅主题, 【没有分区再均衡监听器】
consumer.subscribe(Arrays.asList(MyProducer.TOPIC_NAME));
// 循环拉取
try
while(!Thread.interrupted())
System.out.println(DateUtils.getNowTimestamp() + " > 没有均衡监听器的消费者等待消费消息");
TimeUtils.sleep(1000);
// 消费消息
ConsumerRecords<String, String> consumerRds = consumer.poll(100);
for(ConsumerRecord<String, String> rd : consumerRds)
System.out.println("消费者-NoRebalanceListener-分区【" + rd.partition() + "】offset【" + rd.offset() + "】" + "值=" + rd.value());
// 【异步提交】
consumer.commitAsync(new OffsetCommitCallbackImpl());
if (!consumerRds.isEmpty()) break;
finally
try
// 【同步提交】 因为错误时,同步提交会一直重试,直到提交成功或发生无法恢复的错误
consumer.commitSync();
finally
// 记得关闭消费者
consumer.close();
System.out.println("消费者关闭");
我们可以发现,一旦消费者2消费了消息(消息不为空),就停止消费;
以便我们查看消费者2接收消息的偏移量是不是 消费者1的监听器在发生分区再均衡前提交的偏移量+1;
【4】测试
【4.1】测试步骤
step1) 运行生产者,发送消息到kafka;
step2) 运行 带有均衡监听器的消费者1 MyConsumerWithRebalanceListener, 消费消息;
在消费者订阅主题时,传入再均衡监听器;
// 订阅主题, 【传入分区再均衡监听器】
consumer.subscribe(Arrays.asList(MyProducer.TOPIC_NAME)
, new ConsumerBalanceListenerImpl(consumer, topicPartitionOffsetArr));
step3)运行 不带均衡监听器的消费者2 MyConsumerNoRebalanceListener,消费消息;
一旦消费者2加入消费者组,就会发生分区再均衡,消费者1的某些分区所有权会转给消费者2,触发消费者1 的 监听器 ConsumerBalanceListenerImpl 的 onPartitionsRevoked() 方法;
- 然后 onPartitionsRevoked()方法提交 消费者1处理的消息的偏移量后,就原地抛出异常停止运行;
【4.2】测试结果分析
1)消费者1(带分区再均衡监听器)的监听器最后提交的偏移量日志如下:
2021-12-12 10:23:30 > 带均衡监听器消费者等待消费消息
=== 分区再均衡触发onPartitionsRevoked()方法
提交偏移量信息,partition【0】offset【1296】
提交偏移量信息,partition【1】offset【1269】
提交偏移量信息,partition【2】offset【1269】
2)消费者2接收到的起始消息的偏移量日志如下(全部):
2021-12-12 10:23:27 > 没有均衡监听器的消费者等待消费消息
2021-12-12 10:23:32 > 没有均衡监听器的消费者等待消费消息
消费者-NoRebalanceListener-分区【0】offset【1296】值=[589] > ABCDE
消费者-NoRebalanceListener-分区【0】offset【1297】值=[592] > ABCDE
消费者-NoRebalanceListener-分区【0】offset【1298】值=[595] > ABCDE
消费者-NoRebalanceListener-分区【0】offset【1299】值=[598] > ABCDE
消费者-NoRebalanceListener-分区【0】offset【1300】值=[601] > ABCDE
消费者-NoRebalanceListener-分区【0】offset【1301】值=[604] > ABCDE
消费者-NoRebalanceListener-分区【0】offset【1302】值=[607] > ABCDE
消费者-NoRebalanceListener-分区【0】offset【1303】值=[610] > ABCDE
消费者-NoRebalanceListener-分区【0】offset【1304】值=[613] > ABCDE
消费者-NoRebalanceListener-分区【2】offset【1269】值=[510] > ABCDE
消费者-NoRebalanceListener-分区【2】offset【1270】值=[513] > ABCDE
消费者-NoRebalanceListener-分区【2】offset【1271】值=[516] > ABCDE
消费者-NoRebalanceListener-分区【2】offset【1272】值=[519] > ABCDE
消费者-NoRebalanceListener-分区【2】offset【1273】值=[522] > ABCDE
消费者-NoRebalanceListener-分区【2】offset【1274】值=[525] > ABCDE
消费者-NoRebalanceListener-分区【2】offset【1275】值=[528] > ABCDE
消费者-NoRebalanceListener-分区【2】offset【1276】值=[531] > ABCDE
消费者-NoRebalanceListener-分区【2】offset【1277】值=[534] > ABCDE
消费者-NoRebalanceListener-分区【1】offset【1269】值=[509] > ABCDE
消费者-NoRebalanceListener-分区【1】offset【1270】值=[512] > ABCDE
消费者-NoRebalanceListener-分区【1】offset【1271】值=[515] > ABCDE
消费者-NoRebalanceListener-分区【1】offset【1272】值=[518] > ABCDE
消费者-NoRebalanceListener-分区【1】offset【1273】值=[521] > ABCDE
消费者-NoRebalanceListener-分区【1】offset【1274】值=[524] > ABCDE
消费者-NoRebalanceListener-分区【1】offset【1275】值=[527] > ABCDE
消费者-NoRebalanceListener-分区【1】offset【1276】值=[530] > ABCDE
消费者-NoRebalanceListener-分区【1】offset【1277】值=[533] > ABCDE
消费者关闭
即 监听器提交的偏移量为:
partition【0】offset【1296】
partition【1】offset【1269】
partition【2】offset【1269】
而普通消费者接收消息的起始偏移量为
消费者-NoRebalanceListener-分区【0】offset【1296】值=[589] > ABCDE
消费者-NoRebalanceListener-分区【2】offset【1269】值=[510] > ABCDE
消费者-NoRebalanceListener-分区【1】offset【1269】值=[509] > ABCDE
所以,偏移量是可以对上的;即再均衡监听器在发生分区再均衡前提交的消息偏移量后, 其他消费者可以接收该偏移量指定的消息;
所以,本次再均衡监听器测试是成功的;
【注意】
注意1)监听器提交的偏移量是接收消息的当前偏移量+1;(注意要加1,非常重要),即加1后的偏移量作为其他消费者轮序消费的起始位置;
- 代码:偏移量+1参见 MyConsumerWithRebalanceListener 的 接收消息的循环中的代码,如下:
// 提交的偏移量,是 当前消息偏移量加1
topicPartitionOffsetArr[rd.partition()].setAll(
rd.topic(), rd.partition(), rd.offset() + 1);
注意2)本文代码参考了 《kafka权威指南》 page63,但书中代码有问题;
- 在每次for循环中创建 TopicPartition对象和 OffsetAndMetadata对象,我觉得这是没有必要的,因为只有每个分区的最后一次消息的 topic,partition,offset,是有用的,但它每次循环都创建了对象,而且把 currentOffsets 放在了while循环外面,这样肯定会造成 oom;(本文仅记录了 topic,partition,offset,而没有创建对象,这是本文的优化点)
- 当然了,原作者写的是参考代码,可以理解;但业务生产代码绝对不能这样写;
【References】
- kakfa权威指南;
以上是关于kafka再均衡监听器测试的主要内容,如果未能解决你的问题,请参考以下文章