解决KafkaConsumer多线程接入不安全问题(spark streaming 消费kafka)

本文主要是介绍解决KafkaConsumer多线程接入不安全问题(spark streaming 消费kafka),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

使用场景:

设置并行度参数spark.streaming.concurrentJobs >1 时候,使用spark streaming消费kafka

异常信息:

There may be two or more tasks in one executor will use the same kafka consumer at the same time, then it will throw an exception: "KafkaConsumer is not safe for multi-threaded access"

JIRA-SPARK中已经提出的问题

https://issues.apache.org/jira/browse/SPARK-22606?jql=text ~ "spark.streaming.concurrentJobs"

解决办法:

第一种方案

PR地址:https://github.com/apache/spark/pull/19819

spark streaming消费kafka时候,默认开启了对kafkaconsumer进行缓存,通过存放到HashMap中实现,因此就需要有相应的key,才能找到具体到kafkaconsumer。

//原生的代码中是没有threadId变量的,通过加入线程id ,使得不同的线程不能同时使用同一个kafkaconsumerprivate case class CacheKey(groupId: String, topic: String, partition: Int, threadId: Long)private var cache: ju.LinkedHashMap[CacheKey, CachedKafkaConsumer[_, _]] = nullCachedKafkaConsumer.get[K, V](groupId, part.topic, part.partition, threadId, kafkaParams)

这个办法其实就是为缓存在map中的CachedKafkaConsumer对应的key增加了一个参数是线程id,使得不让多个线程使用同一个consumer,但是这种情况每一个task都需要去创建一个consumer,是消耗资源的。
PR中这样一句评论:
It will create a new consumer for each thread. This could be quite resource consuming when several topics shared with thread pools.

第二种方案

对spark-streaming-kafka中的CacheKafkaConsumer进行了重构,首先介绍几个类

//接口
KafkaDataConsumer//KafkaDataConsumer的实现类private case class CachedKafkaDataConsumer[K, V](internalConsumer: InternalKafkaConsumer[K, V])extends KafkaDataConsumer[K, V] {assert(internalConsumer.inUse)override def release(): Unit = KafkaDataConsumer.release(internalConsumer)}private case class NonCachedKafkaDataConsumer[K, V](internalConsumer: InternalKafkaConsumer[K, V])extends KafkaDataConsumer[K, V] {override def release(): Unit = internalConsumer.close()}//那么InternalKafkaConsumer是什么?其实对KafkaConsumer进行了封装而已,持有KafkaConsumer对象
private[kafka010] class InternalKafkaConsumer[K, V](val topicPartition: TopicPartition,val kafkaParams: ju.Map[String, Object])private[kafka010] case class CacheKey(groupId: String, topicPartition: TopicPartition)private[kafka010] var cache: ju.Map[CacheKey, InternalKafkaConsumer[_, _]] = null

那么为了防止一个executor中多个task同时使用同一个KafkaConsumer,如何解决呢?通过看如何获取的consumer即可看到解决方案!

def acquire[K, V](topicPartition: TopicPartition,kafkaParams: ju.Map[String, Object],context: TaskContext,useCache: Boolean): KafkaDataConsumer[K, V] = synchronized {val groupId = kafkaParams.get(ConsumerConfig.GROUP_ID_CONFIG).asInstanceOf[String]//根据groupId以及topicPartition创建相应的keyval key = new CacheKey(groupId, topicPartition)//根据key获得缓存的InternalKafkaConsumer对象,其实可以理解为KafkaConsumer对象,就是多了一层封装val existingInternalConsumer = cache.get(key)lazy val newInternalConsumer = new InternalKafkaConsumer[K, V](topicPartition, kafkaParams)//如果TaskContext不为null,同时task尝试次数大于等于1 if (context != null && context.attemptNumber >= 1) {logDebug(s"Reattempt detected, invalidating cached consumer $existingInternalConsumer")//如果缓存中存在该key的InternalKafkaConsumer对象if (existingInternalConsumer != null) {// 如果缓存中存在并且是使用状态,设置markedForClose=true,意思是说下一次release时候会将其关闭//如果缓存了并且非使用状态,那么直接关闭,并从缓存移除 if (existingInternalConsumer.inUse) {existingInternalConsumer.markedForClose = true} else {existingInternalConsumer.close()cache.remove(key)}}logDebug("Reattempt detected, new non-cached consumer will be allocated " +s"$newInternalConsumer")//这个最外层if分支创建新的consumer , 最后返回  NonCachedKafkaDataConsumerNonCachedKafkaDataConsumer(newInternalConsumer)} else if (!useCache) {//如果task重试次数小于1    或者 taskcontext不存在,并且没有使用缓存,直接创建NonCachedKafkaDataConsumer对象logDebug("Cache usage turned off, new non-cached consumer will be allocated " +s"$newInternalConsumer")NonCachedKafkaDataConsumer(newInternalConsumer)} else if (existingInternalConsumer == null) {//使用缓存了,但是缓存中不存在,直接创建CachedKafkaDataConsumerlogDebug("No cached consumer, new cached consumer will be allocated " +s"$newInternalConsumer")cache.put(key, newInternalConsumer)CachedKafkaDataConsumer(newInternalConsumer)} else if (existingInternalConsumer.inUse) {// 缓存中存在并且当前是在使用,那么创建一个新的InternalConsmer然后封装到NonCachedKafkaDataConsumer中返回logDebug("Used cached consumer found, new non-cached consumer will be allocated " +s"$newInternalConsumer")NonCachedKafkaDataConsumer(newInternalConsumer)} else {//缓存中存在并且没有被使用,直接设置为使用状态,然后封装到CachedKafkaDataConsumer中返回logDebug(s"Not used cached consumer found, re-using it $existingInternalConsumer")existingInternalConsumer.inUse = true// Any given TopicPartition should have a consistent key and value typeCachedKafkaDataConsumer(existingInternalConsumer.asInstanceOf[InternalKafkaConsumer[K, V]])}}

将InternalConsumer的markedForClose字段设置为true,意味着这个对象的kafkaconsumer对象要关闭

//KafkaRDD中增加了一个task完成监听器,如果任务完成调用closeIfNeeded方法
context.addTaskCompletionListener[Unit](_ => closeIfNeeded())def closeIfNeeded(): Unit = {if (consumer != null) {consumer.release()}}//上面的consumer是KafkaDataConsumer的子类的对象,其两个子类如下://   1:    internalConsumer会缓存private case class CachedKafkaDataConsumer[K, V](internalConsumer: InternalKafkaConsumer[K, V])extends KafkaDataConsumer[K, V] {assert(internalConsumer.inUse)//直接调用父类的release方法override def release(): Unit = KafkaDataConsumer.release(internalConsumer)}//看其父类的release方法private def release(internalConsumer: InternalKafkaConsumer[_, _]): Unit = synchronized {//获取internalConsumer的groupid topicpartition然后组成key,根据key去缓存查找相应的internalConsumer对象val key = new CacheKey(internalConsumer.groupId, internalConsumer.topicPartition)val cachedInternalConsumer = cache.get(key)//如果要释放的internalConsumer是缓存中存放的if (internalConsumer.eq(cachedInternalConsumer)) {// 标记为ture那么调用其close方法,然后从缓存移除if (internalConsumer.markedForClose) {internalConsumer.close()cache.remove(key)} else {//如果没有标记为true,意味着继续在缓存,不会移除,只是将其使用状态改为falseinternalConsumer.inUse = false}} else {// 这个对象没有被缓存过,或者 不等于缓存中的,直接关闭internalConsumer.close()logInfo(s"Released a supposedly cached consumer that was not found in the cache " +s"$internalConsumer")}}
}// 2 : internalConsumer不会缓存private case class NonCachedKafkaDataConsumer[K, V](internalConsumer: InternalKafkaConsumer[K, V])extends KafkaDataConsumer[K, V] {//直接调用其持有对象internalConsumer的close方法override def release(): Unit = internalConsumer.close()}//internalConsumer的close方法其实就是调用KafkaConsumer的close方法
def close(): Unit = consumer.close()//此处consumer是什么?
private val consumer = createConsumerprivate def createConsumer: KafkaConsumer[K, V] = {val updatedKafkaParams = KafkaConfigUpdater("executor", kafkaParams.asScala.toMap).setAuthenticationConfigIfNeeded().build()val c = new KafkaConsumer[K, V](updatedKafkaParams)val topics = ju.Arrays.asList(topicPartition)c.assign(topics)c}

通过这个方案,当我们没有使用缓存时候直接创建NonCachedKafkaDataConsumer对象,NonCachedKafkaDataConsumer对象封装了InternalConsumer, InternalConsumer对象中持有KafkaConsumer对象,InternalConsumer不会被缓存放到Map中。

当使用缓存时候,首先从根据groupid topicpartiiton组成的key,得到缓存的InternalConsumer对象,不存在就是null。

如果缓存不存在那么直接创建CachedKafkaDataConsumer对象,然后将这个对象引用的InternalConsumer对象缓存到Map中;

如果缓存已经存在了并且InternalConsumer当前是使用状态,那么直接创建NonCachedKafkaDataConsumer对象,这个对象持有的InternalConsumer对象是新建的,并不是缓存中的,虽然参数(topicpartition对象和kafkaParams)与缓存中的InternalConsumer是一样的;

如果缓存存在InternalConsumer并且不是使用状态,直接把缓存中的InternalConsumer设置为使用状态,然后封装到CachedKafkaDataConsumer中。

如果任务有重试,之前缓存的InternalConsumer如果是非使用状态,直接关闭并且缓存中移除;如果缓存的InternalConsumer是使用状态,将其标记为下一次release时候移除的状态,最后任务重试也需要相应的consumer,因此会返回一个NonCachedKafkaDataConsumer对象,并且里面的InternalConsumer对象是新建的,并没有使用缓存中的

这篇关于解决KafkaConsumer多线程接入不安全问题(spark streaming 消费kafka)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1064761

相关文章

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖(即BeanA依赖BeanB,而BeanB又依赖BeanA),会导致Spring的... 目录1. 什么是循环依赖?2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1:使用 @La

Spring事务中@Transactional注解不生效的原因分析与解决

《Spring事务中@Transactional注解不生效的原因分析与解决》在Spring框架中,@Transactional注解是管理数据库事务的核心方式,本文将深入分析事务自调用的底层原理,解释为... 目录1. 引言2. 事务自调用问题重现2.1 示例代码2.2 问题现象3. 为什么事务自调用会失效3

mysql出现ERROR 2003 (HY000): Can‘t connect to MySQL server on ‘localhost‘ (10061)的解决方法

《mysql出现ERROR2003(HY000):Can‘tconnecttoMySQLserveron‘localhost‘(10061)的解决方法》本文主要介绍了mysql出现... 目录前言:第一步:第二步:第三步:总结:前言:当你想通过命令窗口想打开mysql时候发现提http://www.cpp

SpringBoot启动报错的11个高频问题排查与解决终极指南

《SpringBoot启动报错的11个高频问题排查与解决终极指南》这篇文章主要为大家详细介绍了SpringBoot启动报错的11个高频问题的排查与解决,文中的示例代码讲解详细,感兴趣的小伙伴可以了解一... 目录1. 依赖冲突:NoSuchMethodError 的终极解法2. Bean注入失败:No qu

springboot报错Invalid bound statement (not found)的解决

《springboot报错Invalidboundstatement(notfound)的解决》本文主要介绍了springboot报错Invalidboundstatement(not... 目录一. 问题描述二.解决问题三. 添加配置项 四.其他的解决方案4.1 Mapper 接口与 XML 文件不匹配

MySQL新增字段后Java实体未更新的潜在问题与解决方案

《MySQL新增字段后Java实体未更新的潜在问题与解决方案》在Java+MySQL的开发中,我们通常使用ORM框架来映射数据库表与Java对象,但有时候,数据库表结构变更(如新增字段)后,开发人员可... 目录引言1. 问题背景:数据库与 Java 实体不同步1.1 常见场景1.2 示例代码2. 不同操作

Python中ModuleNotFoundError: No module named ‘timm’的错误解决

《Python中ModuleNotFoundError:Nomodulenamed‘timm’的错误解决》本文主要介绍了Python中ModuleNotFoundError:Nomodulen... 目录一、引言二、错误原因分析三、解决办法1.安装timm模块2. 检查python环境3. 解决安装路径问题

如何解决mysql出现Incorrect string value for column ‘表项‘ at row 1错误问题

《如何解决mysql出现Incorrectstringvalueforcolumn‘表项‘atrow1错误问题》:本文主要介绍如何解决mysql出现Incorrectstringv... 目录mysql出现Incorrect string value for column ‘表项‘ at row 1错误报错

如何解决Spring MVC中响应乱码问题

《如何解决SpringMVC中响应乱码问题》:本文主要介绍如何解决SpringMVC中响应乱码问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Spring MVC最新响应中乱码解决方式以前的解决办法这是比较通用的一种方法总结Spring MVC最新响应中乱码解

Java报NoClassDefFoundError异常的原因及解决

《Java报NoClassDefFoundError异常的原因及解决》在Java开发过程中,java.lang.NoClassDefFoundError是一个令人头疼的运行时错误,本文将深入探讨这一问... 目录一、问题分析二、报错原因三、解决思路四、常见场景及原因五、深入解决思路六、预http://www