我们在一个组中有 10 个消费者在监听一个主题。经常发生的事情是看到消费者经常被重新平衡(这完全停止了消费者过程一段时间(。
# ./kafka-consumer-groups.sh --describe --bootstrap-server localhost:9092 --describe --group ParserKafkaPipeline | grep -e ParserBody | sort
ParserBodyToParse 0 99 99 0 consumer-1-f29b7eb7-b871-477c-af52-446fbf4b0496 /10.12.18.58 consumer-1
ParserBodyToParse 1 97 97 0 consumer-10-6639ee02-8e68-40e6-aca1-eabd89bf828e /10.12.18.58 consumer-10
ParserBodyToParse 2 97 97 0 consumer-11-c712db8b-0396-4388-9e3a-e8e342355547 /10.12.18.58 consumer-11
ParserBodyToParse 3 97 98 1 consumer-12-0cc6fe12-d640-4344-91c0-f15e63c20cca /10.12.18.58 consumer-12
ParserBodyToParse 4 97 98 1 consumer-13-b904a958-141d-412e-83ea-950cd51e25e0 /10.12.18.58 consumer-13
ParserBodyToParse 5 97 98 1 consumer-14-7c70ba88-8b8c-4fad-b15b-cf7692a4b9ce /10.12.18.58 consumer-14
ParserBodyToParse 6 98 98 0 consumer-15-f0983c3d-8704-4127-808d-ec8b6b847008 /10.12.18.58 consumer-15
ParserBodyToParse 7 97 97 0 consumer-18-de5d20dd-217c-4db2-9b39-e2fdbca386e9 /10.12.18.58 consumer-18
ParserBodyToParse 8 98 98 0 consumer-5-bdeaf30a-d2bf-4aec-86ea-9c35a7acfe21 /10.12.18.58 consumer-5
ParserBodyToParse 9 98 98 0 consumer-9-4de1bf17-9474-4bd4-ae61-4ab254f52863 /10.12.18.58 consumer-9
# ./kafka-consumer-groups.sh --describe --bootstrap-server localhost:9092 --describe --group ParserKafkaPipeline | grep -e ParserBody | sort
Warning: Consumer group 'ParserKafkaPipeline' is rebalancing.
ParserBodyToParse 0 99 99 0 - - -
ParserBodyToParse 1 99 99 0 - - -
ParserBodyToParse 2 99 99 0 - - -
ParserBodyToParse 3 99 100 1 - - -
ParserBodyToParse 4 99 100 1 - - -
ParserBodyToParse 5 99 100 1 - - -
ParserBodyToParse 6 100 100 0 - - -
ParserBodyToParse 7 99 99 0 - - -
ParserBodyToParse 8 100 100 0 - - -
ParserBodyToParse 9 100 100 0 - - -
请注意上面第二个调用中的警告。
使用这些消息可能需要很长时间,但不应超过两分钟。我检查了consumer.poll
的限制是 5 分钟,这应该不是问题。是否有一些日志来检查到底发生了什么?
更新:
我们使用Kafka 2.2.1和Java consumer。我们没有更改默认值 max.session
和 max.heartbeat
。消费者基本上正在等待来自其他服务的 IO,因此它没有使用任何 CPU——这就是为什么我希望心跳应该正常工作。
我们的消费者准则如下:
inline fun <reified T : Any> consume(
topic: KafkaTopic,
groupId: String,
batchSize: Int = 50,
crossinline consume: (key: String?, value: T) -> (Unit)
) = thread {
val consumerProperties = Properties()
consumerProperties.putAll(properties)
consumerProperties.put(ConsumerConfig.GROUP_ID_CONFIG, groupId)
consumerProperties.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, batchSize)
val consumer = KafkaConsumer<String?, ByteArray>(consumerProperties)
consumer.subscribe(listOf(topic.toString()))
while (true) try {
val records = consumer.poll(Duration.ofMinutes(pollDurationMinutes))
log.debug("Topic $topic consumed by group $groupId: ${records.count()} records.")
records.forEach { record -> consumeRecord(record, topic, consume) }
} catch (e: Exception) {
log.fatal("Couldn't consume records: ${e.message}.", e)
// sleep to prevent logging hell when connection failure
Thread.sleep(1000)
}
}
频繁的重新平衡通常是因为使用者处理批处理的时间太长。发生这种情况是因为消费者长时间处理批处理(并且未发送检测信号(,因此代理认为消费者丢失了,他们开始重新平衡。
我建议通过减少max.partition.fetch.bytes
的值来创建较小的批次,或者通过增加heartbeat.interval.ms
的值来延长/增加心跳间隔。
我认为Giorgos答案的第一部分是正确的,直到".....长时间处理批处理",但配置建议是针对其他问题的。
重新平衡有两个原因,轮询之间太长或检测信号之间太长。日志应该告诉您哪个导致了重新平衡,但通常是前者。
如果问题是心跳,那么建议的配置更改可能会有所帮助,和/或session.timeout.ms
。检测信号在单独的线程中运行,并允许组快速确定使用者应用程序是否已死亡。
长,并且您无法加快处理速度,则需要增加调用轮询之间允许的间隔,或减少每次轮询处理的记录数。相关属性为max.poll.interval
(默认 5 分钟(或max.poll.records
(默认 500(
对于任何遇到这种情况的人来说,即使他们觉得处理记录不是瓶颈:
我们最近在 Kafka Connect 运行时中遇到了一个令人讨厌的错误,它将保留心跳线程并启动更多具有相同线程名称的 Kafka Connect 任务(本质上,不会杀死较旧的任务线程和心跳线程(
在 2.3.1 版和 JIRA 中提到的其他版本中遇到了以下错误。
https://issues.apache.org/jira/browse/KAFKA-9841
https://issues.apache.org/jira/browse/KAFKA-10574
https://issues.apache.org/jira/browse/KAFKA-9184
在 Confluent Platform 版本 5.3.1 中也发生了,所以如果可能的话,请将您的 kafka connect 运行时和 connect-api 升级到最新版本。