那在上一篇文章中我们了解了 ​​消费者偏移量__consumer_offsets_​​,知道了 消费者在消费了消息之后会把消费的offset 更新到以 名称为​​__consumer_offsets_​​的内置Topic中; 每个消费组都有维护一个当前消费组的offset; 那么就会有以下疑问

到底消费组什么时候把offset更新到broker中的分区中呢？ 每次消费一条消息就提交到 broker中去更新？那这样是不是会有一些效率的一些问题？

既然有了疑问 ,那么我们本篇文章就来好好分析一下这个问题!

通过查询 ​​kafka消费者配置​​中找到有以下几个配置

Name

描述

default

enable.auto.commit

如果为true，消费者的offset将在后台周期性的提交

true

auto.commit.interval.ms

如果enable.auto.commit设置为true，则消费者偏移量自动提交给Kafka的频率（以毫秒为单位）

5000

自动提交

消费者端开启了自动提交之后,每隔​​auto.commit.interval.ms​​自动提交一次;

public static void consumer(){
        Properties props = new Properties();
        props.put("bootstrap.servers", "xxx1:9092,xxx2:9092,xxx3:9092");
        props.put("group.id", "szz-local-consumer");
        props.put("enable.auto.commit", "true");
        props.put("auto.commit.interval.ms", "5000");
        props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
        consumer.subscribe(Arrays.asList("szz1-test-topic"));
        while (true) {
            Duration duration = Duration.ofSeconds(5);
            ConsumerRecords<String, String> records = consumer.poll(duration);
            for (ConsumerRecord<String, String> record : records){
                System.out.printf("------offset-- = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
            }
        }
    }

假如Consumer在获取了消息消费成功但是在提交之前服务挂掉了

如果发生这种情况会有什么影响？ 答: 重复消费

消费者消费之后 offset并没有及时更新过去,那么在下次启动或者同组内其他消费者去消费的时候 取到的数据就是之前的数据;

那么就会出现 重复消费的情况;

所以​​auto.commit.interval.ms​​到底设置成多少就很有考究了

手动提交

虽然自动提交 offset 十分简介便利，但由于其是基于时间提交的，开发人员难以把握 offset 提交的时机。因此 Kafka 还提供了手动提交 offset 的 API。

手动提交 offset 的方法有两种:分别是 ​​commitSync(同步提交)​​​和 ​​commitAsync(异步 提交)​​​。两者的相同点是，都会将本次​​poll 的一批数据最高的偏移量提交​​​;不同点是， ​​commitSync​​​ 阻塞当前线程，一直到提交成功，并且会自动失败重试(由不可控因素导致， 也会出现提交失败);而​​commitAsync​​则没有失败重试机制，故有可能提交失败。

同步提交 offset

public static void consumerCommitSync(){
        Properties props = new Properties();
        props.put("bootstrap.servers", "xxx:9092,xxx:9092,xxx:9092");
        props.put("group.id", "szz-local-consumer");
        props.put("enable.auto.commit", "false");
        props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
        consumer.subscribe(Arrays.asList("szz1-test-topic"));
        while (true) {
            Duration duration = Duration.ofSeconds(2);
            ConsumerRecords<String, String> records = consumer.poll(duration);
            for (ConsumerRecord<String, String> record : records){
                System.out.printf("------offset-- = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
            }
            //同步提交，当前线程会阻塞直到 offset 提交成功
            consumer.commitSync();
        }
    }

异步提交

虽然同步提交 offset 更可靠一些，但是由于其会阻塞当前线程，直到提交成功。因此吞

吐量会收到很大的影响。因此更多的情况下，会选用异步提交 offset 的方式。

public static void consumerCommitAsync(){
        Properties props = new Properties();
        props.put("bootstrap.servers", "xxx:9092,xxx:9092,xxx:9092");
        props.put("group.id", "szz-local-consumer");
        props.put("enable.auto.commit", "false");
        props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
        consumer.subscribe(Arrays.asList("szz1-test-topic"));
        while (true) {
            Duration duration = Duration.ofSeconds(2);
            ConsumerRecords<String, String> records = consumer.poll(duration);
            for (ConsumerRecord<String, String> record : records){
                System.out.printf("------offset-- = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
            }

            //异步提交
            consumer.commitAsync(new OffsetCommitCallback() {
                @Override
                public void onComplete(Map<TopicPartition, OffsetAndMetadata> offsets, Exception exception) {

                    if (exception != null) {
                        System.err.println("异常.....");
                    } }
            });


        }
    }

数据漏消费和重复消费分析

无论是同步提交还是异步提交 offset，都有可能会造成数据的漏消费或者重复消费。先

提交 offset 后消费，有可能造成数据的漏消费;而先消费后提交 offset，有可能会造成数据 的重复消费



日常运维、问题排查=> 滴滴开源LogiKM一站式Kafka监控与管控平台


【kafka原理】消费者提交已消费的偏移量_kafka