kafak-python函数使用详解

• Consumer是非线程安全的
• Kafka只保证消息不漏，即at lease once，而不保证消息不重。关键点：假如consumer挂了重启，那它将从committed offset位置(告诉server的消费的位置点)开始重新消费，而不是consume offset位置(真正的消费位置点)。这也就意味着有可能重复消费(自己消费到了某个位置，而后在告诉服务器这个位置时，发送失败)
• kafka可以重置commit吗？给服务器指定任意值为最后消费位置，下次消费从这个指定的位置开始消费。可以，使用commit函数，下文有讲。但是需要注意：修改偏移量不会改变当前会话，在新连接里生效
• subscribe表示订阅topic，从kafka记录的offset开始消费。assign表示从指定的offset开始消费。subscribe只指定topic和group，具体消费那个分区，由group coordinator决定，会受rebalance影响；assign必须指定要消费的分区信息，格式是TopicPartitions，不会受rebalance影响。 这两种方法只能使用一个。
• kafka自动会从上次没有消费的地方开始消费
• 使用kafak自带的脚本查看偏移量：./kafka-consumer-groups.sh --bootstrap-server localhost:9092 --describe --group test --offsets
• 使用了subscribe，就不能使用assign

• 提交：更新分区的当前位置称为提交，当前版本(0.10.1.1)用topic ___consumer_offsets 保存提交的偏移量

• 偏移量：消费者在Kafka追踪到消息在分区里的位置
• 消费者在崩溃或者有新的消费者加入群组，就会触发再均衡。这时需要读取最后一次偏移量，然后从偏移量指定的地方继续处理。提交的偏移量小于真实的偏移量，消息会被重复处理。大于真实的偏移量，消息会丢失。

from kafka.structs import TopicPartition,OffsetAndMetadata
configs = {
            'bootstrap_servers': '10.57.19.60',
            'enable_auto_commit': False,
            'group_id': 'test',
            'api_version': (, , ),
            'ssl_check_hostname': False,
            'consumer_timeout_ms': ,  # 若不指定 consumer_timeout_ms，默认一直循环等待接收，若指定，则超时返回，不再等待
            # 'ssl_certfile': ssl_certfile,
            # 'security_protocol': 'SSL',
            # 'ssl_cafile': ssl_cafile
        }
topics=('test', )
# 注意指定分区将会失去故障转移/负载均衡的支持，当然也没有了自动分配分区的功能(因为已经人为指定了嘛）
topic_partition = TopicPartition(topic='test',partition=)
#
consumer = KafkaConsumer(**configs)
# 参数必须是列表，表示订阅的topic/partition列表
consumer.assign([topic_partition])
# 获取分给当前用户的topic/partition信息
consumer.assignment()
# 提交偏移量：可以告知服务器当前偏移量，也可以设置偏移量
consumer.commit({TopicPartition(topic='test', partition=): OffsetAndMetadata(offset=, metadata='')}）
# 异步提交
consumer.commit_async(）
# 获取服务器的最后确认的偏移量，即最新数据开始读取的地方
consumer.committed(TopicPartition(topic='test', partition=))
# 获取服务器当前最新的偏移量，读到这个偏移量后，所有数据都读取完了
consumer.highwater(TopicPartition(topic='test', partition=)）
# 获取消费的性能
consumer.metrics(）
# 获取某个topic的partition信息
consumer.partitions_for_topic(topic)
# 获取下一条数据开始读取的偏移量，即从这个便宜量开始继续读取数据
consumer.position(TopicPartition(topic='test', partition=)）
# 从指定偏移量位置开始读取数据
consumer.seek(TopicPartition(topic='test', partition=), )
# 从头开始读取数据
consumer.seek_to_beginning()
# 从最后开始读取数据
consumer.seek_to_end()
# 订阅topic，可以订阅多个，可以使用正则表达式匹配多个
consumer.subscribe()
# 获取订阅的信息，无法获取使用assign分配的topic/partition信息
consumer.subscription()
# 获取当前用户授权的topic信息
consumer.topics()
# 取消消息的订阅
consumer.unsubscribe()
# 一起消费多条消息，最多等待时间timeout_ms，最多消费max_records
consumer.poll(self, timeout_ms=0, max_records=None)

# 获取指定分区第一个偏移量
consumer.beginning_offsets([topic_partition])
# 获取指定分区最后一个偏移量，最新的偏移量
consumer.end_offsets([topic_partition])
# 关闭连接
consumer.close()
#
#consumer.seek(topic_partition,)
for message in consumer:
    print(message)

重复消费是如何产生的？

消费者设置为自动提交偏移量时，需要同时设置自动提交偏移量的时间间隔。如果消费完若干消息后，还没有到自动提交偏移量的时间时，应用挂了，则系统记录的偏移量还是之前的值，那么刚才消费的若干消息，会在应用重连之后重新消费

如何保证不会重复消费？

消费段记录下发送给服务器的偏移量，获取最新数据时再判断这个偏移量是否正确

生产的消息队列长度，会堆积吗？

会

消费的信息队列长度，会堆积吗？

会

生产者速度大于消费者速度怎么处理？

kafka 认证与授权机制

Kafka 目前支持SSL、SASL/Kerberos、SASL/PLAIN三种认证机制。目前支持以下安全措施：

• clients 与 brokers 认证
• brokers 与 zookeeper认证
• 数据传输加密  between  brokers and clients, between brokers, or between brokers and tools using SSL
• 授权clients read/write

kafka偏移量的相关配置

enable.auto.commit

true（默认）：自动提交偏移量，可以通过配置 auto.commit.interval.ms属性来控制提交偏移量的频率。（基于时间间隔）

false：手动控制偏移量。可以在程序逻辑必要的时候提交偏移量，而不是基于时间隔。此时可以进行同步，异步，同步异步组合（参考相应api）。

auto.offset.reset

无法读取偏移量时候读取消息的设置

latest（默认）：从最新记录读取数据。

earliest：从起始位置读取数据

参考：

1、https://zhuanlan.zhihu.com/p/33238750

2、https://help.aliyun.com/document_detail/68331.html

3、https://blog.csdn.net/xiaoguozi0218/article/details/80513849

4、https://zhuanlan.zhihu.com/p/38330574

5、https://blog.csdn.net/ZhongGuoZhiChuang/article/details/79550570

6、https://help.aliyun.com/document_detail/67233.html