Question

Kafka制作人正在发送.gz文件，但无法在消费者端解压缩和读取文件。获取错误＆＃34; IOError：不是gzip压缩文件＆＃34;

制片人 - bin / kafka-console-producer.sh --broker-list localhost：9092 --topic Airport＆lt; 〜/下载/ stocks.json.gz

消费者 -

import sys 
import gzip
import StringIO
from kafka import KafkaConsumer

consumer = KafkaConsumer(KAFKA_TOPIC, bootstrap_servers=KAFKA_BROKERS)

try:
    for message in consumer:
        f = StringIO.StringIO(message.value)
        gzip_f = gzip.GzipFile(fileobj=f)
        unzipped_content = gzip_f.read()
        content = unzipped_content.decode('utf8')
        print (content)
except KeyboardInterrupt:
    sys.exit()

消费者的错误 -

Traceback (most recent call last):
  File "consumer.py", line 18, in <module>
    unzipped_content = gzip_f.read()
  File "/usr/lib64/python2.6/gzip.py", line 212, in read
    self._read(readsize)
  File "/usr/lib64/python2.6/gzip.py", line 255, in _read
    self._read_gzip_header()
  File "/usr/lib64/python2.6/gzip.py", line 156, in _read_gzip_header
    raise IOError, 'Not a gzipped file'
IOError: Not a gzipped file

Answer 1

Kafka并非用于发送大量有效载荷/消息。您应该将其视为分布式消息总线，它为您提供分布式系统的所有权限。

由于以下原因，Kafka限制了可以发送的邮件的大小

巨大的消息会增加经纪人的记忆压力。
大型邮件会降低代理的速度并处理它们非常昂贵。

解决方案：

您可以很好地使用基于参考的消息传递，您可以将巨大消息的位置发送给消费者，而不是按原样发送大量数据。这将允许您使用外部数据存储区的功能，并减轻Kafka Brokers的压力。
您还可以对数据进行分块并将其内联发送并在接收器处重新组装。

播放批量大小：

batch.size以总字节数而不是消息数来衡量批量大小。它控制在向Kafka代理发送消息之前要收集的数据字节数。在不超出可用内存的情况下将其设置得尽可能高。默认值为 16384 。

如果增加缓冲区的大小，它可能永远不会满。 Producer最终根据其他触发器发送信息，例如逗留时间（以毫秒为单位）。虽然您可以通过将缓冲区批处理大小设置得过高来减少内存使用量，但这不会影响延迟。

如果您的制作人一直在发送，您可能会获得最佳的吞吐量。如果生产者经常闲置，您可能没有编写足够的数据来保证当前的资源分配。

由于您的数据为gzip，因此您可以使用Reference Based Messaging。

而不是使用无法覆盖所有文件大小的提取大小和消息最大字节大小，而是将文件存储在分布式文件系统（如NFS / HDFS / S3）上，并将引用发送给使用者。消费者可以选择位置并解压缩数据。

Kafka消费者解压缩gz文件流并阅读

1 个答案: