设计Kafka的High Level Consumer

原文：https://cwiki.apache.org/confluence/display/KAFKA/Consumer+Group+Example

为什么使用High Level Consumer

1. 在某些应用场景，我们希望通过多线程读取消息，而我们并不关心从Kafka消费消息的顺序，我们仅仅关心数据能被消费就行。High Level 就是用于抽象这类消费动作的。

2. 消息消费已Consumer Group为单位，每个Consumer Group中可以有多个consumer，每个consumer是一个线程，topic的每个partition同时只能被某一个consumer读 取，Consumer Group对应的每个partition都有一个最新的offset的值，存储在zookeeper上的。所以不会出现重复消费的情况。
3. 因为consumer的offerset并不是实时的传送到zookeeper（通过配置来制定更新周期），所以Consumer如果突然Crash，有可能会读取重复的信息

设计High Level Consumer

High Level Consumer 可以并且应该被使用在多线程的环境，线程模型中线程的数量(也代表group中consumer的数量)和topic的partition数量有关，下面列举一些规则：

1. 当提供的线程数量多于partition的数量，则部分线程将不会接收到消息；
2. 当提供的线程数量少于partition的数量，则部分线程将从多个partition接收消息；
3. 当某个线程从多个partition接收消息时，不保证接收消息的顺序；可能出现从partition3接收5条消息，从partition4接收6条消息，接着又从partition3接收10条消息；
4. 当添加更多线程时，会引起kafka做re-balance, 可能改变partition和线程的对应关系。
5. 因为突然停止Consumer以及Broker会导致消息重复读的情况，为了避免这种情况在shutdown之前通过Thread.sleep(10000)让Consumer有时间将offset同步到zookeeper

例子

Maven依赖

[html]  view plain  copy

1. <!--Kafka 消息依赖-->  
2.   <dependency>  
3.       <groupId>org.apache.kafka</groupId>  
4.       <artifactId>kafka_2.10</artifactId>  
5.       <version>0.8.2.0</version>  
6.   </dependency>  
7.   <dependency>  
8.       <groupId>org.apache.kafka</groupId>  
9.       <artifactId>kafka-clients</artifactId>  
10.       <version>0.8.2.0</version>  
11.   </dependency>  

Consumer 线程

[java]  view plain  copy

1. import kafka.consumer.ConsumerIterator;  
2. import kafka.consumer.KafkaStream;  
3. import kafka.message.MessageAndMetadata;  
4.   
5. public class ConsumerThread implements Runnable {  
6.  private KafkaStream kafkaStream;  
7.  //线程编号  
8.  private int threadNumber;  
9.  public ConsumerThread(KafkaStream kafkaStream, int threadNumber) {  
10.   this.threadNumber = threadNumber;  
11.   this.kafkaStream = kafkaStream;  
12.  }  
13.  public void run() {  
14.   ConsumerIterator<byte[], byte[]> it = kafkaStream.iterator();  
15.   StringBuffer sb = new StringBuffer();  
16. //该循环会持续从Kafka读取数据，直到手工的将进程进行中断  
17.   while (it.hasNext()) {  
18.    MessageAndMetadata metaData = it.next();  
19.    sb.append("Thread: " + threadNumber + " ");  
20.    sb.append("Part: " + metaData.partition() + " ");  
21.    sb.append("Key: " + metaData.key() + " ");  
22.    sb.append("Message: " + metaData.message() + " ");  
23.    sb.append("\n");  
24.    System.out.println(sb.toString());  
25.   }  
26.   System.out.println("Shutting down Thread: " + threadNumber);  
27.  }  
28. }  

其余程序

[java]  view plain  copy

1. import kafka.consumer.ConsumerConfig;  
2. import kafka.consumer.KafkaStream;  
3. import kafka.javaapi.consumer.ConsumerConnector;  
4.    
5. import java.util.HashMap;  
6. import java.util.List;  
7. import java.util.Map;  
8. import java.util.Properties;  
9. import java.util.concurrent.ExecutorService;  
10. import java.util.concurrent.Executors;  
11.    
12. public class ConsumerGroupExample {  
13.     private final ConsumerConnector consumer;  
14.     private final String topic;  
15.     private  ExecutorService executor;  
16.    
17.     public ConsumerGroupExample(String a_zookeeper, String a_groupId, String a_topic) {  
18.         consumer = kafka.consumer.Consumer.createJavaConsumerConnector(  
19.                 createConsumerConfig(a_zookeeper, a_groupId));  
20.         this.topic = a_topic;  
21.     }  
22.    
23.     public void shutdown() {  
24.         if (consumer != null) consumer.shutdown();  
25.         if (executor != null) executor.shutdown();  
26.     }  
27.    
28.     public void run(int a_numThreads) {  
29.         Map<String, Integer> topicCountMap = new HashMap<String, Integer>();  
30.         topicCountMap.put(topic, new Integer(a_numThreads));  
31.         //返回的Map包含所有的Topic以及对应的KafkaStream  
32.         Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer.createMessageStreams(topicCountMap);  
33.         List<KafkaStream<byte[], byte[]>> streams = consumerMap.get(topic);  
34.    
35.         //创建Java线程池  
36.         executor = Executors.newFixedThreadPool(a_numThreads);  
37.    
38.         // 创建 consume 线程消费messages  
39.         int threadNumber = 0;  
40.         for (final KafkaStream stream : streams) {  
41.             executor.submit(new ConsumerTest(stream, threadNumber));  
42.             threadNumber++;  
43.         }  
44.     }  
45.    
46.     private static ConsumerConfig createConsumerConfig(String a_zookeeper, String a_groupId) {  
47.         Properties props = new Properties();  
48.         //指定连接的Zookeeper集群，通过该集群来存储连接到某个Partition的Consumer的Offerset  
49.         props.put("zookeeper.connect", a_zookeeper);  
50.        //consumer group 的ID  
51.         props.put("group.id", a_groupId);  
52.         //Kafka等待Zookeeper的响应时间（毫秒）  
53.         props.put("zookeeper.session.timeout.ms", "400");  
54.        //ZooKeeper 的‘follower’可以落后Master多少毫秒  
55.         props.put("zookeeper.sync.time.ms", "200");  
56.       //consumer更新offerset到Zookeeper的时间  
57.         props.put("auto.commit.interval.ms", "1000");  
58.    
59.         return new ConsumerConfig(props);  
60.     }  
61.    
62.     public static void main(String[] args) {  
63.         String zooKeeper = args[0];  
64.         String groupId = args[1];  
65.         String topic = args[2];  
66.         int threads = Integer.parseInt(args[3]);  
67.    
68.         ConsumerGroupExample example = new ConsumerGroupExample(zooKeeper, groupId, topic);  
69.         example.run(threads);  
70.          //因为consumer的offerset并不是实时的传送到zookeeper（通过配置来制定更新周期），所以shutdown Consumer的线程，有可能会读取重复的信息  
71.         //增加sleep时间，让consumer把offset同步到zookeeper  
72.         try {  
73.             Thread.sleep(10000);  
74.         } catch (InterruptedException ie) {  
75.    
76.         }  
77.         example.shutdown();  
78.     }  
79. }