kafka Auto offset commit faild reblance

今天在使用python消费kafka时遇到了一些问题， 特记录一下。

场景一、

特殊情况： 单独写程序只用来生产消费数据

开始时间： 10：42

Topic: t_facedec

Partition: 1

程序启动： 168 启动consumer, 158启动consumer, windows机器producer推数据

运行时长： 15分钟

结果：

1、168的consume暂停，158的consumer一直消费

2、10：46分producer停止后重启推数， 158停止消费又开始消费

3、10：49分停止168、158的consumer并按顺序重启， 168消费一些数据之后158开始一直消费

4、后启动的consumer在消费数据

场景二、

特殊场景： 上线程序， 包含人脸识别处理

开始时间： 11：00

Topic: t_facedec

Partition: 1

1、11:46 启动168的conumer消费， 6分钟后日志如下， 未见异常信息

场景二、

特殊场景： 上线程序， 包含人脸识别处理

开始时间： 11：00

Topic: t_facedec

Partition: 1

1、11:46 启动168的conumer消费， 6分钟后日志如下， 未见异常信息

2、 11:53启动158的consumer， 日志如下， 未见异常， 158的consumer加入了组kongzhagen

3、168的consumer发出警告， 心跳失败，因组正在重新平衡

4、windows端启动producer， 168的consumer开始消费数据， 158的consumer没有消费数据

结论： 先启动的consumer会消费数据， 168的consumer关闭后， 158的consumer开始消费

5、半小时后

分解错误图：

9分钟后空连接时间到'connections_max_idle_ms': 540000,

'max_poll_records': 500, 'heartbeat_interval_ms': 3000, 'session_timeout_ms': 30000,

后续：

14：32开始继续生产数据， 数据开始被消费

14：48分再次出现平衡超时

15：02分再次出现平衡超时

原因分析：

1、引起timeout的原因是consumer每3秒触发一次心跳， 由于某种原因在30秒内协调者没有收到此consumer的心跳信息， 认为此consumer已经死掉，topic内的分区在group的成员间重新分配(reblance)

2、默认consumer的每次最大poll数据量为500， 如果处理这500条记录的时候超过了最大时间间隔max_poll_interval_ms， consumer也会退出group， 导致reblance的产生

3、如果consumer没有产生消费行为的时间超过最大值connections_max_idle_ms：540000 (9 min)时， 也会导致consumer退出该组。

解决方法：

1、增加心跳会话超时间隔

session_timeout_ms = 300000（从30改为300秒）

2、减少每次获取任务的数量

max_poll_records = 5（从500改为5）

3、增加空闲连接时间

connections_max_idle_ms=5400000（从9min改为90min）