Kakfa揭秘 Day6

Consumer源码解密

今天主要分析下Consumer是怎么来工作的，今天主要是例子出发，对整个过程进行刨析。

简单例子

Example中Consumer.java是一个简单的例子：

首先，是有一些重要的参数：

• MAX_POLL_RECORDS_CONFIG 表示一次获取的最多记录数。
• ENABLE_AUTO_COMMIT_CONFIG 定时提交功能，开启后，Kafka会定期向zk中更新我们consumer获取的最后一个batch的first mesasage offset。
• AUTO_COMMIT_INTERVAL ConsumerConfig consumer向zk更新offset的时间间隔
• FETCH_MIN_BYTES_CONFIG 指定了消息最小的字节，kafka判断如果消息小于这个大小时，就不抓了，默认是1个字节。

这个例子的主体是doWork方法，会不停的被调用，其中主要是调用了poll方法。

这里面有两个关键步骤：

1. 发起fetch操作，将数据拉去到本地。
2. 将本地获得的record返回给客户端。

从具体的fetch逻辑来看，是循环获取每个partition的数据，并且将其存到record中。

从这个简单的例子，我们可以看到consumer在获取brokers数据的时候，是个两阶段处理，采用多线程，在线程里会循环各partition获取数据，全部循环完成后，再统一将数据返回客户端。

KafkaInputStream

在SparkStreaming中使用到的KafkaInputStream需要不断持续的获取数据，是一个比较复杂的例子。和上面的简单例子不同的是，数据是不断流进来。

让我们从KafkaInputDStream开始，其中最关键的是调用了consumerConnector的createMessageStreams方法。

这个方法是在类ZookeeperConsumerConnector中实现。

consumer通过zookeeper与kafka集群进行交互，在构造实例时调用connectZk构建了zk的client，直接连接并注册给zookeeper。

往下，会调用consume方法，其中有两个关键，一是为每个topic构建了一个blockingQueue，第二步是对fetcher进行启动。

对于第二步fetcher的启动，我们可以一直跟踪到updateFetcher这个方法，这个里面调用了ConsumerFetcherManager的startConnections方法。

再往下，可以看到，程序中为每个partition启动了一个fetcherThread。

而在每个fetcherThread中，会具体获取数据，并将其压入在consume方法中生成的blockingQueue中。

总得来说，思路和简单例子类似，都是分为两阶段进行，不过由于持续服务的特性，引入了多线程和BlockingQueue的处理。

小结

总结来说，kafka有很多的broker，每个broker里面都有很多topic，topic有很多partition，如果我们现在读取topic的多个parititon，放在多个broker上。然后，我们怎么去获取数据。

1. 数据在哪里，被zk管理，所以连上zk的话，会请求topic和partition，zk会根据leader和followers的信息，把数据所在的broker具体topic的partition给你，每个partition都会产生一个线程来抓取。
2. 抓取线程线程启动之后内部不断的循环，获取数据后会放入一个堵塞队列。抓到一条数据就给阻塞队列。
3. consumer本身用一个线程从堵塞队列拿数据，完成消费，可以看到整个过程都是并行的。

欲知后事如何，且听下回分解!

DT大数据每天晚上20：00YY频道现场授课频道68917580