Kafka消费者流程源码解析

本文章简单流程追踪一下Kafka从服务端拉取数据到客户端的流程。
看完本文，你将会大致了解消费者数据消费的过程。

Properties properties = new Properties();
properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "xxx:9092");
properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
properties.put(ConsumerConfig.GROUP_ID_CONFIG, "test");
properties.put(ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG, "org.apache.kafka.clients.consumer.StickyAssignor");
KafkaConsumer kafkaConsumer = new KafkaConsumer<>(properties);
// 订阅主题
kafkaConsumer.subscribe(Lists.newArrayList("test"));
while (true) {
		// 拉取数据
    ConsumerRecords consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));
    for (ConsumerRecord records : consumerRecords) {
        System.out.println(records);
    }
}

以上是一个简单的消费者demo,在开始源码之前务必 需要了解一下消费者消费初始化流程。

大致流程：
1.每个consumer都发送JoinGroup请求。
2.coordinator选出一个consumer作为leader。
3.把要消费的topic信息发送给leader消费者。
4.leader会制定一个消费方案，并把消费方案发给coordinator。
5.coordinator把消费方案下发给每个consumer。
6.每个consumer都会和coordinator保持心跳,默认3秒，一旦超时45秒，该消费者就会被移除，触发在平衡。

下面开始我们将重点分析数据拉取流程。

KafkaConsumer的实例化：

    private KafkaConsumer(ConsumerConfig config, Deserializer keyDeserializer, Deserializer valueDeserializer) {
        try {
            // 创建客户端对象
            // reconnect.backoff.ms 连接重试时间 50ms
            // reconnect.backoff.max.ms 最大连接重试时间 1s
            // send.buffer.bytes 发送缓存 128kb
            // receive.buffer.bytes 64kb
            NetworkClient netClient = new NetworkClient(
                    new Selector(config.getLong(ConsumerConfig.CONNECTIONS_MAX_IDLE_MS_CONFIG), metrics, time, metricGrpPrefix, channelBuilder, logContext),
                    this.metadata,
                    config.getLong(ConsumerConfig.RECONNECT_BACKOFF_MS_CONFIG),
                    config.getLong(ConsumerConfig.RECONNECT_BACKOFF_MAX_MS_CONFIG),
                    config.getInt(ConsumerConfig.SEND_BUFFER_CONFIG),
                    heartbeatIntervalMs);
            // 消费者分区分配策略 
            this.assignors = config.getConfiguredInstances(
                    ConsumerConfig.PARTITION_ASSIGNMENT_STRATEGY_CONFIG,
                    PartitionAssignor.class);
            // 协助消费者初始化
            // auto.commit.interval.ms 自动提交offset 5s
            this.coordinator = groupId == null ? null :
                new ConsumerCoordinator(logContext,
                        this.client,
                        groupId,
                        maxPollIntervalMs,
                        sessionTimeoutMs,
                        config.getBoolean(ConsumerConfig.LEAVE_GROUP_ON_CLOSE_CONFIG));
            // 消费者抓取器
            // fetch.min.bytes 最小一次抓取的字节数
            // fetch.max.bytes 最大抓取的字节数
            // fetch.max.wait.ms 抓取的等待时间
            // max.poll.records 一次性返回的最大条数
            this.fetcher = new Fetcher<>(
                    logContext,
                    this.client,
                    config.getInt(ConsumerConfig.FETCH_MIN_BYTES_CONFIG),
                    config.getInt(ConsumerConfig.FETCH_MAX_BYTES_CONFIG),
                    config.getInt(ConsumerConfig.FETCH_MAX_WAIT_MS_CONFIG),
                    config.getInt(ConsumerConfig.MAX_PARTITION_FETCH_BYTES_CONFIG),
                    apiVersions);
            log.debug("Kafka consumer initialized");
        } 
    }

实例化过程中初始化了几个比较重要的组件。

public void subscribe(Collection topics, ConsumerRebalanceListener listener) {
    try {
            log.info("Subscribed to topic(s): {}", Utils.join(topics, ", "));
            // 订阅主题 (判断你是否需要更新订阅的主题)   注册了一个监听器，，有其他消费者挂了，需要重新分配
            if (this.subscriptions.subscribe(new HashSet<>(topics), listener))
                // 在平衡了，更新订阅信息
                metadata.requestUpdateForNewTopics();
    } finally {
        release();
    }
}

subscribe()方法：

public synchronized boolean subscribe(Set topics, ConsumerRebalanceListener listener) {
    // 注册负载均衡监听器
    registerRebalanceListener(listener);
    // 自动订阅模式
    setSubscriptionType(SubscriptionType.AUTO_TOPICS);
    // 是否需要更改订阅的主题
    return changeSubscription(topics);
}

private ConsumerRecords poll(final Timer timer, final boolean includemetadataInTimeout) {
    try {
        do {
            if (includemetadataInTimeout) {
                // 1.消费者 或者 消费者组的初始化
                // try to update assignment metadata BUT do not need to block on the timer for join group
                updateAssignmentmetadataIfNeeded(timer, false);
            }
            // 2.抓取数据
            final Map>> records = pollForFetches(timer);
            if (!records.isEmpty()) {
                // 3.拦截器处理数据
                return this.interceptors.onConsume(new ConsumerRecords<>(records));
            }
        } while (timer.notExpired());
        return ConsumerRecords.empty();
    } finally {
    }
}

拉取数据，然后在经过拦截器处理数据，最后返回。

pollForFetches(timer):

// 开始拉取数据
fetcher.sendFetches();
public synchronized int sendFetches() {
        Map fetchRequestMap = prepareFetchRequests();
        for (Map.Entry entry : fetchRequestMap.entrySet()) {
            final Node fetchTarget = entry.getKey();
            final FetchSessionHandler.FetchRequestData data = entry.getValue();
            // maxWaitMs 最大等待时间，默认500ms
            // minBytes 最少抓取一个字节
            // maxBytes 最大抓取多少数据  默认50m
            final FetchRequest.Builder request = FetchRequest.Builder
                    .forConsumer(this.maxWaitMs, this.minBytes, data.toSend())
                    .isolationLevel(isolationLevel)
                    .setMaxBytes(this.maxBytes)
                    .metadata(data.metadata())
                    .toForget(data.toForget())
                    .rackId(clientRackId);
             // 发送拉取数据的请求
            RequestFuture future = client.send(fetchTarget, request);
            future.addListener(new RequestFutureListener() {
                // 拉取成功的回调
                @Override
                public void onSuccess(ClientResponse resp) {
	                // 把数据添加到队列里面
	                completedFetches.add(new CompletedFetch(partition, partitionData,
	                         metricAggregator, batches, fetchOffset, responseVersion));
                }
            });
     }
}                    

发送拉取数据的请求，拉取到的数据放到队列里面。

完结。