kafka怎樣提交偏移量？【kafka消費者詳解】

kafka不會像其他JMS隊列那樣需要得到消費者的確認，消費者可以使用kafka來追蹤消息在分區(qū)的位置(偏移量)。

消費者會往一個叫做_consumer_offset的特殊主題發(fā)送消息，消息里包含了每個分區(qū)的偏移量。如果消費者發(fā)生崩潰或有新的消費者加入群組，就會觸發(fā)再均衡。

正常的情況

如果消費者2掛掉以后，會發(fā)生再均衡，消費者2負責的分區(qū)會被其他消費者進行消費，再均衡后不可避免會出現(xiàn)一些問題。

問題一：

如果提交偏移量小于客戶端處理的最后一個消息的偏移量，那么處于兩個偏移量之間的消息就會被重復(fù)處理。

問題二：

如果提交的偏移量大于客戶端的最后一個消息的偏移量，那么處于兩個偏移量之間的消息將會丟失。如果想要解決這些問題，還要知道目前kafka提交偏移量的方式：

提交偏移量的方式有兩種，分別是自動提交偏移量和手動提交。

自動提交偏移量

當enable.auto.commit被設(shè)置為true，提交方式就是讓消費者自動提交偏移量，每隔5秒消費者會自動把從poll()方法接收的最大偏移量提交上去

手動提交 ，當enable.auto.commit被設(shè)置為false可以有以下三種提交方式

提交當前偏移量(同步提交)

異步提交

同步和異步組合提交

（1）提交當前偏移量(同步提交)

把enable.auto.commit設(shè)置為false,讓應(yīng)用程序決定何時提交偏移量。使用commitSync()提交偏移量，commitSync()將會提交poll返回的最新的偏移量，所以在處理完所有記錄后要確保調(diào)用了commitSync()方法。否則還是會有消息丟失的風險。

只要沒有發(fā)生不可恢復(fù)的錯誤，commitSync()方法會一直嘗試直至提交成功，如果提交失敗也可以記錄到錯誤日志里。

while (true){
    ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(1000));
    for (ConsumerRecord<String, String> record : records) {
        System.out.println(record.value());
        System.out.println(record.key());
        try {
            consumer.commitSync();//同步提交當前最新的偏移量
        }catch (CommitFailedException e){
            System.out.println("記錄提交失敗的異常："+e);
        }

    }
}

（2）異步提交

手動提交有一個缺點，那就是當發(fā)起提交調(diào)用時應(yīng)用會阻塞。當然我們可以減少手動提交的頻率，但這個會增加消息重復(fù)的概率(和自動提交一樣)。另外一個解決辦法是，使用異步提交的API。

while (true){
    ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(1000));
    for (ConsumerRecord<String, String> record : records) {
        System.out.println(record.value());
        System.out.println(record.key());
    }
    consumer.commitAsync(new OffsetCommitCallback() {
        @Override
        public void onComplete(Map<TopicPartition, OffsetAndMetadata> map, Exception e) {
            if(e!=null){
                System.out.println("記錄錯誤的提交偏移量："+ map+",異常信息"+e);
            }
        }
    });
}

（3）同步和異步組合提交

異步提交也有個缺點，那就是如果服務(wù)器返回提交失敗，異步提交不會進行重試。相比較起來，同步提交會進行重試直到成功或者最后拋出異常給應(yīng)用。異步提交沒有實現(xiàn)重試是因為，如果同時存在多個異步提交，進行重試可能會導(dǎo)致位移覆蓋。

舉個例子，假如我們發(fā)起了一個異步提交commitA，此時的提交位移為2000，隨后又發(fā)起了一個異步提交commitB且位移為3000;commitA提交失敗但commitB提交成功，此時commitA進行重試并成功的話，會將實際上將已經(jīng)提交的位移從3000回滾到2000，導(dǎo)致消息重復(fù)消費。

try {
    while (true){
        ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(1000));
        for (ConsumerRecord<String, String> record : records) {
            System.out.println(record.value());
            System.out.println(record.key());
        }
        consumer.commitAsync();
    }
}catch (Exception e){+
    e.printStackTrace();
    System.out.println("記錄錯誤信息："+e);
}finally {
    try {
        consumer.commitSync();
    }finally {
        consumer.close();
    }
}