• Kafka的消息消费是以消费的group为单位;
• 同属一个group中的多个consumer分别消费topic的不同partition;
• 同组内consumer的变化, partition变化, coordinator的变化都会引发balance;
• 消费的offset的提交
• Kafka wiki: Kafka Detailed Consumer Coordinator Design 和 Kafka Client-side Assignment Proposal

GroupMetadata类

• 所在文件: core/src/main/scala/kafka/coordinator/MemberMetadata.scala
• 作用: 用来表示一个消费group的相关信息
• 当前group的状态: private var state: GroupState = Stable
  1. Stable: consumer group的balance已完成, 处于稳定状态;
  2. PreparingRebalance: 收到JoinRequest, consumer group需要重新作balance时的状态;
  3. AwaitingSync: 收到了所有需要的JoonRequest, 等待作为当前group的leader的consumer客户端提交balance的结果到coordinator;
  4. Dead: 当前的消费group不再有任何consumer成员时的状态;
• 当前group的成员相关信息:
  1. 成员信息: private val members = new mutable.HashMap[String, MemberMetadata],
     每个成员都有一个memberId, 对应着MemberMetadata;
  2. var leaderId: String: 对于group的balance, 简单来讲实际上是Coordinator收集了所有的consumer的信息后, 将其发送给group中的一个consumer, 这个consumer负责按一定的balance策略,将partition分配到不同的consumer, 这个分配结果会Sync回Coordinator, 然后再同步到各个consumer, 这个负责具体分配的consumer就是当前的Leader; 这个Leader的决定很简单, 谁第一个加入这个group的,谁就是leader;
  3. var protocol: String: 当前group组所采用的balance策略, 选取的规则是被当前所有member都支持的策略中最多的那一个;
  4. var generationId: 当前balance的一个标识id, 可以简单理解成是第几次作balance, 每次状态转换到AwaitingSync时, 其值就增加1;

GroupMetadataManager类

• 所在文件: core/src/main/scala/kafka/coordinator/GroupMetadataManager.scala
• 作用: 是比较核心的一个类, 负责所有group的管理, offset消息的读写和清理等, 下面我们一一道来
• 当前所有消费group的管理:
  1. private val groupsCache = new Pool[String, GroupMetadata]: 缓存了所有GroupMetadata的信息;
  2. 针对groupsCache的管理接口:

def getGroup(groupId: String): GroupMetadata
def addGroup(group: GroupMetadata): GroupMetadata
def removeGroup(group: GroupMetadata)

• __consumer_offsets topic的读写
  1. 我们已经知道现在的kafka已经支持将offset信息保存到broker上, 实际上是保存到一个内部的topic上:__consumer_offsets, 写入其中的msg都包含有key
  2. __consumer_offsets这个topic里实际上保存两种类型消息:
     2.1 一部分是offset信息(kafka.coordinator.OffsetsMessageFormatter类型)的：
     [groupId,topic,partition]::[OffsetMetadata[offset,metadata],CommitTime ExprirationTime], 它的key是 [groupId,topic,partition]
     2.2 另一部分是group信息(kafka.coordinator.GroupMetadataMessageFormatter类型):
     groupId::[groupId,Some(consumer),groupState,Map(memberId -> [memberId,clientId,clientHost,sessionTimeoutMs], ...->[]...)], 这部分实际上就是把当前Stable状态的GroupMetadata存到了__consumer_offsets里, , 它的key是 groupId
  3. offset和group信息的写入: 实际上是普通的消息写入没有本质上的区别, 可参考Kafka是如何处理客户端发送的数据的？, 这里的方法是def store(delayedAppend: DelayedStore), 实现就是调用replicaManager.appendMessages来写入消息到log文件
• __consumer_offsets topic消息的加载
  1. __consumer_offsets作为一个topic, 也是有多个partiton的, 每个partiton也是有多个复本的, partition也会经历leader的选举,也会有故障转移操作;
  2. 当__consumer_offsets在某台broker上的partition成为leader partition时, 需要先从本地的log文件后加载offset,group相关信息到内存, 加载完成后才能对外提供读写和balance的操作;
  3. 具体实现: def loadGroupsForPartition(offsetsPartition: Int, onGroupLoaded: GroupMetadata => Unit)
• offset的相关操作
  1. 使用者消费msg提交的offset, 不仅会写入到log文件后, 为了快速响应还会缓存在内存中, 对应private val offsetsCache = new Pool[GroupTopicPartition, OffsetAndMetadata];
  2. 直接从内存中获取某一group对应某一topic的parition的offset信息:
     def getOffsets(group: String, topicPartitions: Seq[TopicAndPartition]): Map[TopicAndPartition, OffsetMetadataAndError]
  3. 刷新offset: offsetsCache只保存最后一次提交的offset信息
     private def putOffset(key: GroupTopicPartition, offsetAndMetadata: OffsetAndMetadata)
• 删除过期的offset消息
  1. GroupMetadataManager在启动时会同时启动一个名为delete-expired-consumer-offsets定时任务来定时删除过期的offset信息;
  2. 从内存缓存中清除: offsetsCache.remove(groupTopicAndPartition)
  3. 从已经落地的log文件中清除: 实现就是向log里写一条payload为null的”墓碑”message作为标记, __consumer_offsets的清除策略默认是compact, 后面我们会单独开一章来讲日志的清除;

GroupCoordinator类

• 所在文件: core/src/main/scala/kafka/coordinator/GroupCoordinator.scala
• 核心类, 处理所有和消息消费相关的request:

       case RequestKeys.OffsetCommitKey => handleOffsetCommitRequest(request)
       case RequestKeys.OffsetFetchKey => handleOffsetFetchRequest(request)
       case RequestKeys.GroupCoordinatorKey => handleGroupCoordinatorRequest(request)
       case RequestKeys.JoinGroupKey => handleJoinGroupRequest(request)
       case RequestKeys.HeartbeatKey => handleHeartbeatRequest(request)
       case RequestKeys.LeaveGroupKey => handleLeaveGroupRequest(request)
       case RequestKeys.SyncGroupKey => handleSyncGroupRequest(request)
       case RequestKeys.DescribeGroupsKey => handleDescribeGroupRequest(request)
       case RequestKeys.ListGroupsKey => handleListGroupsRequest(request)

• 使用简单状态机来协调consumer group的balance;
• 下面我们假设在一个group:g1中启动两个consumer: c1和c2来消费同一个topic, 来看看状态机的转换
  1. 第一种情况: c1和c2分别启动:

 

c2.jpg

2. 第二种情况: c1和c2已经在group中, 然后c1正常的退出离开

 

c1.jpg

3. 第二种情况: c1和c2已经在group中, 然后c1非正常退出,比如说进程被kill掉
   流程跟上面的2基本上一致, 只不过(1)这步的触发条件不是LeaveGroupRequest, 而是来自c1的heartbeat的onExpireHeartbeat;
4. 第四种情况: c1和c2已经在group中, 然后这个topic的partition增加, 这个时候服务端是无法主动触发的,客户端会定时去服务端同步metadata信息, 从新的metadata信息中客户端会获知partition有了变化, 此时c1和c2会重新发送JoinRequest来触发新的balance;
5. 还有其它的两种情况, 这里就不一一说明了,总之就是利用这个状态机的转换来作相应的处理.