卡夫卡不断重新平衡消费者

Question

我们有 10 个消费者在一个小组中聆听一个主题。 经常发生的事情是看到消费者经常被重新平衡（这会在一段时间内完全停止消费者进程）。

# ./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               -               -               -

请注意上面第二次调用中的警告。

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。 是否有一些日志可以检查到底发生了什么？

更新：

我们使用 Kafka 2.2.1 和 Java 消费者。 我们没有更改max.session和max.heartbeat的默认值。 消费者基本上是在等待来自其他服务的 IO，所以它没有使用任何 CPU——这就是为什么我希望心跳应该正常工作的原因。

我们的消费者代码如下：

    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)
        }
    }

Answer 1

频繁的重新平衡通常是因为消费者处理批次花费的时间太长。 发生这种情况是因为消费者长时间处理批处理（并且没有发送心跳），因此经纪人认为消费者丢失了，他们开始重新平衡。

我要么建议通过减少max.partition.fetch.bytes的值来创建更小的批次，要么通过增加 heartbeat.interval.ms 的值来扩展/增加heartbeat.interval.ms间隔。

Answer 2

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”，但配置建议是针对不同的问题。

重新平衡有两个原因，轮询之间的时间过长或心跳之间的时间过长。 日志应该告诉你是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 。 心跳在单独的线程中运行，并允许组快速确定消费者应用程序是否已死亡。

如果轮询之间的问题太长并且您无法加快处理速度，那么您需要增加调用轮询之间的允许间隔，或者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）

Answer 3

对于任何遇到这种情况的人，即使他们认为处理记录不是瓶颈：

我们最近在 Kafka Connect Runtime 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，不会杀死旧的任务线程和心跳线程）

在 2.3.1 版本和 JIRA 中提到的少数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

Confluent 平台版本 5.3.1 也发生过，因此请尽可能将您的 kafka 连接运行时和连接 API 升级到最新版本。

Answer 4

最后我们放弃了 Kafka，现在使用 Google Cloud Pub/Sub。 没有任何问题。