Kafka中数据的流向

Kafka中数据的流向

​​1: 多个消费者消费同一个Topic数据相同的数据​​

​​2: 多个消费者消费同一个Topic数据不同数据​​

​​3: 各个消费者按组协调消费​​

1: 多个消费者消费同一个Topic数据相同的数据

（1）使用一个全新的"group.id"（就是之前没有被任何消费者使用过）;（2）使用assign来订阅；# 例如 groupId @KafkaListener(topics = "test-syn",groupId = "test-2")public void send(ConsumerRecord record) { Optional kafkaMessage = Optional.ofNullable(record.value()); if (kafkaMessage.isPresent()) { Object messge = kafkaMessage.get(); log.info("【KafkaListener监听到消息】" + messge); }}

注意：如果把 "enable.auto.commit" 设为 "false"，使用 consumer.commitAsync(currentOffsets, null) 手动提交 offset ，是不能从头开始消费的

auto.offset.reset值含义解释:

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

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

none

topic各分区都存在已提交的offset时，从offset后开始消费；只要有一个分区不存在已提交的offset，则抛出异常

也就是说无论哪种设置，只要 kafka 中相同 group、partition 中已经有提交的 offset，则都无法从开始消费。

参考论坛：服务器重启了，那么该group是否会重新消费服务器里面所有的消息

KafkaConsumer.subscribe() : 为consumer自动分配partition，

有内部算法保证topic-partition以最优的方式均匀分配给同group下的不同consumer。如果有多个partition且只有一个消费者，则按顺序消费所有分区。不会重复消费。

KafkaConsumer.assign() : 为consumer手动、显示的指定需要消费的topic-partitions，

不受group.id限制，不提交offset，相当与指定的group无效（this method does not use the consumer's group management）。可以重复消费。

或者，这样做：

目前就 high level API 而言，offset 是存于 Zookeeper 中的，无法存于 HDFS，而 low level API 的 offset 是由自己去维护的，可以将之存于 HDFS 中。

2: 多个消费者消费同一个Topic数据不同数据

# groupId 将多个消费者分配到同一个组下面@KafkaListener(topics = "test-syn",groupId = "test-1")public void send(ConsumerRecord record) { Optional kafkaMessage = Optional.ofNullable(record.value()); if (kafkaMessage.isPresent()) { Object messge = kafkaMessage.get(); log.info("【KafkaListener监听到消息】" + messge); }}@KafkaListener(topics = "test-syn",groupId = "test-1")public void send(ConsumerRecord record) { Optional kafkaMessage = Optional.ofNullable(record.value()); if (kafkaMessage.isPresent()) { Object messge = kafkaMessage.get(); log.info("【KafkaListener监听到消息】" + messge); }}

3: 各个消费者按组协调消费

@KafkaListener(topics = "test-syn",groupId = "test-1")public void send(ConsumerRecord record) { Optional kafkaMessage = Optional.ofNullable(record.value()); if (kafkaMessage.isPresent()) { Object messge = kafkaMessage.get(); log.info("【KafkaListener监听到消息】1" + messge); }}@KafkaListener(topics = "test-syn",groupId = "test-2")public void send2(ConsumerRecord record) { Optional kafkaMessage = Optional.ofNullable(record.value()); if (kafkaMessage.isPresent()) { Object messge = kafkaMessage.get(); log.info("【KafkaListener监听到消息】2" + messge); }}@KafkaListener(topics = "test-syn",groupId = "test-3")public void send(ConsumerRecord record) { Optional kafkaMessage = Optional.ofNullable(record.value()); if (kafkaMessage.isPresent()) { Object messge = kafkaMessage.get(); log.info("【KafkaListener监听到消息】1" + messge); }}@KafkaListener(topics = "test-syn",groupId = "test-2")public void send2(ConsumerRecord record) { Optional kafkaMessage = Optional.ofNullable(record.value()); if (kafkaMessage.isPresent()) { Object messge = kafkaMessage.get(); log.info("【KafkaListener监听到消息】2" + messge); }}# 上面1 2 3 收到相同的消费message2 2 收到不同的message

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。