你的位置:首页 > 数据库

[数据库]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。