Kafka Offset Storage

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帮助我们完成了自一些优化，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：

protected static Map offsetMap = new ConcurrentHashMap<>();

　　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：

private static synchronized void startOffsetListener(ConsumerConnector consumerConnector) {
        Map topicCountMap = new HashMap();
        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();
                }
            }
        }
    }

　　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：

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()
}

　　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

<dependency>
    <groupId>org.smartloligroupId>
    <artifactId>jsql-clientartifactId>
    <version>1.0.0version>
dependency>

• 使用接口

JSqlUtils.query(tabSchema, tableName, dataSets, sql);

　　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！

联系方式： 
邮箱：[email protected] 
Twitter： https://twitter.com/smartloli 
QQ群（Hadoop - 交流社区1）： 424769183 
温馨提示：请大家加群的时候写上加群理由（姓名＋公司/学校），方便管理员审核，谢谢！ 

热爱生活，享受编程，与君共勉！

作者：哥不是小萝莉 ［关于我］［犒赏］

出处：http://www.cnblogs.com/smartloli/

转载请注明出处，谢谢合作！