kafkaspot在ack机制下如何保证内存不溢

新浪微博：intsmaze刘洋洋哥。

 

storm框架中的kafkaspout类实现的是BaseRichSpout，它里面已经重写了fail和ack方法，所以我们的bolt必须实现ack机制，就可以保证消息的重新发送；如果不实现ack机制，那么kafkaspout就无法得到消息的处理响应，就会在超时以后再次发送消息，导致消息的重复发送。

 

但是回想一下我们自己写一个spout类实现BaseRichSpout并让他具备消息重发，那么我们是会在我们的spout类里面定义一个map集合，并以msgId作为key。

public class MySpout extends BaseRichSpout {
    private static final long serialVersionUID = 5028304756439810609L;
    // key:messageId,Data
    private HashMap<String, String> waitAck = new HashMap<String, String>();
    private SpoutOutputCollector collector;
    public void declareOutputFields(OutputFieldsDeclarer declarer) {
        declarer.declare(new Fields("sentence"));
    }
    public void open(Map conf, TopologyContext context, SpoutOutputCollector collector) {
        this.collector = collector;
    }
    public void nextTuple() {
        String sentence = "the cow jumped over the moon";
        String messageId = UUID.randomUUID().toString().replaceAll("-", "");
        waitAck.put(messageId, sentence);
        //指定messageId，开启ackfail机制
        collector.emit(new Values(sentence), messageId);
    }
    @Override
    public void ack(Object msgId) {
        System.out.println("消息处理成功:" + msgId);
        System.out.println("删除缓存中的数据...");
        waitAck.remove(msgId);
    }
    @Override
    public void fail(Object msgId) {
        System.out.println("消息处理失败:" + msgId);
        System.out.println("重新发送失败的信息...");
        //重发如果不开启ackfail机制，那么spout的map对象中的该数据不会被删除的,而且下游
        collector.emit(new Values(waitAck.get(msgId)),msgId);
    }
}

 

那么kafkaspout会不会也是这样还保存这已发送未收到bolt响应的消息呢？如果这样，如果消息处理不断失败，不断重发，消息不断积累在kafkaspout节点上，kafkaspout端会不就会出现内存溢出？

 

其实并没有，回想kafka的原理，Kafka会为每一个consumergroup保留一些metadata信息–当前消费的消息的position，也即offset。这个offset由consumer控制。正常情况下consumer会在消费完一条消息后线性增加这个offset。当然，consumer也可将offset设成一个较小的值，重新消费一些消息。也就是说，kafkaspot在消费kafka的数据是，通过offset读取到消息并发送给bolt后，kafkaspot只是保存者当前的offset值。

当失败或成功根据msgId查询offset值，然后再去kafka消费该数据来确保消息的重新发送。

 

那么虽然offset数据小，但是当offset的数据量上去了还是会内存溢出的？

其实并没有，kafkaspout发现缓存的数据超过限制了，会把某端的数据清理掉的。

 

 

kafkaspot中发送数据的代码

collector.emit(tup, new KafkaMessageId(_partition, toEmit.offset));

可以看到msgID里面包装了offset参数。

它不缓存已经发送出去的数据信息。

 

当他接收到来至bolt的响应后，会从接收到的msgId中得到offset。以下是从源码中折取的关键代码：

public void ack(Object msgId) {
     KafkaMessageId id = (KafkaMessageId) msgId;
     PartitionManager m = _coordinator.getManager(id.partition);
     if (m != null) {
          m.ack(id.offset);
     }
 }
 m.ack(id.offset);
 public void ack(Long offset) {
     _pending.remove(offset);//处理成功移除offset
     numberAcked++;
 }

 public void fail(Object msgId) {
     KafkaMessageId id = (KafkaMessageId) msgId;
     PartitionManager m = _coordinator.getManager(id.partition);
     if (m != null) {
         m.fail(id.offset);
      }
  }
  m.fail(id.offset);
  public void fail(Long offset) {
 　　　　failed.add(offset);//处理失败添加offset
        numberFailed++;
   }

    SortedSet<Long> _pending = new TreeSet<Long>();
    SortedSet<Long> failed = new TreeSet<Long>();

关于kafkaspot的源码解析大家可以看这边博客：http://www.cnblogs.com/cruze/p/4241181.html

源码解析中涉及了很多kafka的概念，所以仅仅理解kafka的概念想完全理解kafkaspot源码是很难的，如果不理解kafka概念，那么就只需要在理解storm的ack机制上明白kafkaspot做了上面的两件事就可以了。