Kafka-消费者-KafkaConsumer分析-ConsumerCoordinator

本文主要是介绍Kafka-消费者-KafkaConsumer分析-ConsumerCoordinator，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在前面介绍了Kafka中Rebalance操作的相关方案和原理。

在KafkaConsumer中通过ConsumerCoordinator组件实现与服务端的GroupCoordinator的交互，ConsumerCoordinator继承了AbstractCoordinator抽象类。

下面我们先来介绍AbstractCoordinator的核心字段，如图所示。

- heartbeat:心跳任务的辅助类，其中记录了两次发送心跳消息的间隔(interval字段)、最近发送心跳的时间(lastHeartbeatSend字段)、最后收到心跳响应的时间(lastHeartbeatReceive字段)、过期时间(timeout字段)、心跳任务重置时间(lastSessionReset字段),同时还提供了计算下次发送心跳的时间(timeToNextHeartbeat()方法)、检测是否过期的方法(sessionTimeoutExpired()方法)。

• heartbeatTask:HeartbeatTask是一个定时任务，负责定时发送心跳请求和心跳响应的处理，会被添加到前面介绍的ConsumerNetworkClient.delayedTasks定时任务队列中。
• groupld:当前消费者所属的Consumer Group的Id。
• client:ConsumerNetworkClient对象，负责网络通信和执行定时任务。
• needsJoinPrepare:标记是否需要执行发送JoinGroupRequest请求前的准备操作。
• rejoinNeeded:此字段是否重新发送JoinGroupRequest请求的条件之一。

下面先简单了解修改其值的地方和含义，如图所示。

上图①处是收到正常的JoinGroupResponse响应，将rejoinNeeded设置为false,防止重复发送JoinGroupRequest请求。

②、③、④三处分别是收到异常的SyncGroupResponse或HeartbeatResponse或消费者离开Consumer Group时执行的操作，它们都会将rejoinNeeded设置为true,表示可以重新发送JoinGroupRequest。

• coordinator:Node类型，记录服务端GroupCoordinator所在的Node节点。
• memberld:服务端GroupCoordinator返回的分配给消费者的唯一Id。
• generation:服务端GroupCoordinator返回的年代信息，用来区分两次Rebalance操作。由于网络延迟等问题，在执行Rebalance操作时可能收到上次Rebalance过程的请求，避免这种干扰，每次Rebalance操作都会递增generation的值。

下面是ConsumerCoordinator的核心字段。

• assignors:PartitionAssignor列表。在消费者发送的JoinGroupRequest请求中包含了消费者自身支持的PartitionAssignor信息，GroupCoordinator从所有消费者都支持的分配策略中选择一个，通知Leader使用此分配策略进行分区分配。此字段的值通过partition.assignment.strategy参数配置，可以配置多个。

• metadata:记录了Kafka集群的元数据。

• subscriptions:SubscriptionState对象，参考SubscriptionState小节。

• autoCommitEnabled:是否开启了自动提交offset。

• autoCommitTask:自动提交offset的定时任务。

• interceptors:ConsumerInterceptor集合。

• excludeInternalTopics:标识是否排除内部Topic。

• metadataSnapshot:用来存储Metadata的快照信息，主要用来检测Topic是否发生了分区数量的变化。在ConsumerCoordinator的构造方法中，会为Metadata添加一个监听器，当Metadata更新时会做下面几件事。

  • 如果是AUTO_PATTERN模式，则使用用户自定义的正则表达式过滤Topic,得到需要订阅的Topic集合后，设置到SubscriptionState的subscription集合和groupSubscription集合中。

  • 如果是AUTO_PATTERN或AUTO_TOPICS模式，为当前Metadata做一个快照，这个快照底层是使用HashMap记录每个Topic中Partition的个数。将新旧快照进行比较，发生变化的话，则表示消费者订阅的Topic发生分区数量变化，则将SubscriptionState的needsPartitionAssignment字段置为true,需要重新进行分区分配。

  • 使用metadataSnapshot字段记录变化后的新快照。

• assignmentSnapshot:也是用来存储Metadata的快照信息，不过是用来检测Partition分配的过程中有没有发生分区数量变化。具体是在Leader消费者开始分区分配操作前，使用此字段记录Metadata快照；收到SyncGroupResponse后，会比较此字段记录的快照与当前Metadata是否发生变化。如果发生变化，则要重新进行分区分配。

这篇关于Kafka-消费者-KafkaConsumer分析-ConsumerCoordinator的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---