kafka auto.offset.reset latest earliest 详解
auto.offset.reset关乎kafka数据的读取，是一个非常重要的设置。常用的二个值是latest和earliest，默认是latest。
一，latest和earliest区别
1，earliest 当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，从头开始消费
2，latest 当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，消费新产生的该分区下的数据
提交过offset，latest和earliest没有区别，但是在没有提交offset情况下，用latest直接会导致无法读取旧数据。
二，创建topic
- # bin/kafka-topics.sh --create --zookeeper bigserver1:2181,bigserver2:2181,testing:2181 --replication-factor 2 --partitions 3 --topic tank
- Created topic "tank".
- # bin/kafka-topics.sh --describe --zookeeper bigserver1:2181,bigserver2:2181,testing:2181 --topic tank
- Topic:tank PartitionCount:3 ReplicationFactor:2 Configs:
- Topic: tank Partition: 0 Leader: 0 Replicas: 0,2 Isr: 0,2
- Topic: tank Partition: 1 Leader: 1 Replicas: 1,0 Isr: 1,0
- Topic: tank Partition: 2 Leader: 2 Replicas: 2,1 Isr: 2,1
三，生产数据和接收生产数据
- [root@bigserver1 kafka]# bin/kafka-console-producer.sh --broker-list bigserver1:9092,bigserver2:9092,testing:9092 --topic tank
- >1
- >2
- >3
- >4
- >5
- >6
- 。。。。。。。。。省略。。。。。。。。。
- [root@bigserver1 kafka]# bin/kafka-console-consumer.sh --bootstrap-server bigserver1:9092,bigserver2:9092,testing:9092 --topic tank --from-beginning
- 1
- 2
- 3
- 4
- 5
- 6
- 。。。。。。。。省略。。。。。。。。
四，测试代码
- object tank {
- def main(args: Array[String]): Unit = {
- val pros: Properties = new Properties
- pros.put("bootstrap.servers", "bigserver1:9092,bigserver2:9092,testing:9092")
- /*分组由消费者决定,完全自定义,没有要求*/
- pros.put("group.id", "tank")
- //设置为true 表示offset自动托管到kafka内部的一个特定名称为__consumer_offsets的topic
- pros.put("enable.auto.commit", "false")
- pros.put("auto.commit.interval.ms", "1000")
- pros.put("max.poll.records", "5")
- pros.put("session.timeout.ms", "30000")
- //只有当offset不存在的时候，才用latest或者earliest
- pros.put("auto.offset.reset", "latest")
- pros.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")
- pros.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")
- val consumer: KafkaConsumer[String, String] = new KafkaConsumer[String, String](pros)
- /*这里填写主题名称*/
- consumer.subscribe(util.Arrays.asList("tank"))
- val system = akka.actor.ActorSystem("system")
- system.scheduler.schedule(0 seconds, 30 seconds)(tankTest.saveData(args,consumer))
- }
- object tankTest {
- def saveData(args: Array[String],consumer: KafkaConsumer[String,String]): Unit = {
- val records: ConsumerRecords[String, String] = consumer.poll(Duration.ofSeconds(3))
- if (!records.isEmpty) {
- for (record <- records) {
- if (record.value != null && !record.value.equals("")) {
- myLog.syncLog(record.value + "\t准备开启消费者出列数据", "kafka", "get")
- }
- }
- consumer.commitSync()
- }
- }
- }
- }
五，测试1，过程如下
1，查看offset
- # bin/kafka-consumer-groups.sh --bootstrap-server bigserver1:9092,bigserver2:9092,testing:9092 --group tank --describe
- Error: Consumer group 'tank' does not exist.
在没有提交offset的情况，会报这个错误
2，latest模式运行，拉取不到数据
2019-04-28 16:22:55 INFO Fetcher:583 - [Consumer clientId=consumer-1, groupId=tank] Resetting offset for partition tank-1 to offset 11.
2019-04-28 16:22:55 INFO Fetcher:583 - [Consumer clientId=consumer-1, groupId=tank] Resetting offset for partition tank-0 to offset 11.
2019-04-28 16:22:55 INFO Fetcher:583 - [Consumer clientId=consumer-1, groupId=tank] Resetting offset for partition tank-2 to offset 11.
3，再用kafka-console-producer.sh生产数据，latest是可以拉到的，并且是拉取最新的数据（程序运行以后的数据），以前提交的数据是拉取不到的。
4，查看offset不报错了
- # bin/kafka-consumer-groups.sh --bootstrap-server bigserver1:9092,bigserver2:9092,testing:9092 --group tank --describe
- Consumer group 'tank' has no active members.
- TOPIC PARTITION CURRENT-OFFSET LOG-END-OFFSET LAG CONSUMER-ID HOST CLIENT-ID
- tank 1 12 14 2 - - -
- tank 0 12 14 2 - - -
- tank 2 13 15 2 - - -
5，将auto.offset.reset设置成earliest，第一次生产的数据也取不到
在这里要注意：如果kafka只接收数据，从来没来消费过，程序一开始不要用latest，不然以前的数据就接收不到了。应当先earliest，然后二都都可以。
六，测试2
1，重新创建topic，重复上面的第二，第三步
2，代码端先earliest，最早提交的数据是可以获取到的，再生产数据也是可以获取到的。
3，将auto.offset.reset设置成latest，再生产数据也是可以获取到的。
七，结论
虽然auto.offset.reset默认是latest，但是建议使用earliest。
参考链接：http://blog.51yip.com/hadoop/2130.html
