kafak-python函数使用详解
- Consumer是非线程安全的
- Kafka只保证消息不漏,即at lease once,而不保证消息不重。关键点:假如consumer挂了重启,那它将从committed offset位置(告诉server的消费的位置点)开始重新消费,而不是consume offset位置(真正的消费位置点)。这也就意味着有可能重复消费(自己消费到了某个位置,而后在告诉服务器这个位置时,发送失败)
- kafka可以重置commit吗?给服务器指定任意值为最后消费位置,下次消费从这个指定的位置开始消费。可以,使用commit函数,下文有讲。但是需要注意:修改偏移量不会改变当前会话,在新连接里生效
- subscribe表示订阅topic,从kafka记录的offset开始消费。assign表示从指定的offset开始消费。subscribe只指定topic和group,具体消费那个分区,由group coordinator决定,会受rebalance影响;assign必须指定要消费的分区信息,格式是TopicPartitions,不会受rebalance影响。 这两种方法只能使用一个。
- kafka自动会从上次没有消费的地方开始消费
- 使用kafak自带的脚本查看偏移量:./kafka-consumer-groups.sh --bootstrap-server localhost:9092 --describe --group test --offsets
- 使用了subscribe,就不能使用assign
-
提交:更新分区的当前位置称为提交,当前版本(0.10.1.1)用topic ___consumer_offsets 保存提交的偏移量
- 偏移量:消费者在Kafka追踪到消息在分区里的位置
- 消费者在崩溃或者有新的消费者加入群组,就会触发再均衡。这时需要读取最后一次偏移量,然后从偏移量指定的地方继续处理。提交的偏移量小于真实的偏移量,消息会被重复处理。大于真实的偏移量,消息会丢失。
from kafka.structs import TopicPartition,OffsetAndMetadata configs = { 'bootstrap_servers': '10.57.19.60', 'enable_auto_commit': False, 'group_id': 'test', 'api_version': (0, 8, 2), 'ssl_check_hostname': False, 'consumer_timeout_ms': 3000, # 若不指定 consumer_timeout_ms,默认一直循环等待接收,若指定,则超时返回,不再等待 # 'ssl_certfile': ssl_certfile, # 'security_protocol': 'SSL', # 'ssl_cafile': ssl_cafile } topics=('test', ) # 注意指定分区将会失去故障转移/负载均衡的支持,当然也没有了自动分配分区的功能(因为已经人为指定了嘛) topic_partition = TopicPartition(topic='test',partition=0) # consumer = KafkaConsumer(**configs) # 参数必须是列表,表示订阅的topic/partition列表 consumer.assign([topic_partition]) # 获取分给当前用户的topic/partition信息 consumer.assignment() # 提交偏移量:可以告知服务器当前偏移量,也可以设置偏移量 consumer.commit({TopicPartition(topic='test', partition=0): OffsetAndMetadata(offset=280, metadata='')}) # 异步提交 consumer.commit_async() # 获取服务器的最后确认的偏移量,即最新数据开始读取的地方 consumer.committed(TopicPartition(topic='test', partition=0)) # 获取服务器当前最新的偏移量,读到这个偏移量后,所有数据都读取完了 consumer.highwater(TopicPartition(topic='test', partition=0)) # 获取消费的性能 consumer.metrics() # 获取某个topic的partition信息 consumer.partitions_for_topic(topic) # 获取下一条数据开始读取的偏移量,即从这个便宜量开始继续读取数据 consumer.position(TopicPartition(topic='test', partition=0)) # 从指定偏移量位置开始读取数据 consumer.seek(TopicPartition(topic='test', partition=0), 283) # 从头开始读取数据 consumer.seek_to_beginning() # 从最后开始读取数据 consumer.seek_to_end() # 订阅topic,可以订阅多个,可以使用正则表达式匹配多个 consumer.subscribe() # 获取订阅的信息,无法获取使用assign分配的topic/partition信息 consumer.subscription() # 获取当前用户授权的topic信息 consumer.topics() # 取消消息的订阅 consumer.unsubscribe()
# 一起消费多条消息,最多等待时间timeout_ms,最多消费max_records
consumer.poll(self, timeout_ms=0, max_records=None) # 获取指定分区第一个偏移量 consumer.beginning_offsets([topic_partition]) # 获取指定分区最后一个偏移量,最新的偏移量 consumer.end_offsets([topic_partition]) # 关闭连接 consumer.close() # #consumer.seek(topic_partition,284) for message in consumer: print(message)
重复消费是如何产生的?
消费者设置为自动提交偏移量时,需要同时设置自动提交偏移量的时间间隔。如果消费完若干消息后,还没有到自动提交偏移量的时间时,应用挂了,则系统记录的偏移量还是之前的值,那么刚才消费的若干消息,会在应用重连之后重新消费
如何保证不会重复消费?
消费段记录下发送给服务器的偏移量,获取最新数据时再判断这个偏移量是否正确
生产的消息队列长度,会堆积吗?
会
消费的信息队列长度,会堆积吗?
会
生产者速度大于消费者速度怎么处理?
kafka 认证与授权机制
Kafka 目前支持SSL、SASL/Kerberos、SASL/PLAIN三种认证机制。目前支持以下安全措施:
- clients 与 brokers 认证
- brokers 与 zookeeper认证
- 数据传输加密 between brokers and clients, between brokers, or between brokers and tools using SSL
- 授权clients read/write
kafka偏移量的相关配置
enable.auto.commit
true(默认):自动提交偏移量,可以通过配置 auto.commit.interval.ms属性来控制提交偏移量的频率。(基于时间间隔)
false:手动控制偏移量。可以在程序逻辑必要的时候提交偏移量,而不是基于时间隔。此时可以进行同步,异步,同步异步组合(参考相应api)。
auto.offset.reset
无法读取偏移量时候读取消息的设置
latest(默认):从最新记录读取数据。
earliest:从起始位置读取数据
参考:
1、https://zhuanlan.zhihu.com/p/33238750
2、https://help.aliyun.com/document_detail/68331.html
3、https://blog.csdn.net/xiaoguozi0218/article/details/80513849
4、https://zhuanlan.zhihu.com/p/38330574
5、https://blog.csdn.net/ZhongGuoZhiChuang/article/details/79550570
6、https://help.aliyun.com/document_detail/67233.html