Question

我正在尝试使用kafka-python构建应用程序，其中消费者从一系列主题中读取数据。消费者永远不要两次阅读同一条消息，也永远不会错过任何一条消息，这一点非常重要。

除了我关闭使用者（例如失败）并尝试从偏移量开始读取之外，其他所有内容似乎都可以正常工作。我只能阅读主题中的所有消息（这会造成重复阅读），或者仅听新消息（并错过细分期间发出的消息）。暂停消费者时，我不会遇到此问题。

我创建了一个隔离的模拟以尝试解决该问题。

这里是通用生产者：

from time import sleep
from json import dumps
from kafka import KafkaProducer

producer = KafkaProducer(bootstrap_servers=['localhost:9092'])

x=0 # set manually to avoid duplicates 

for e in range(1000):
    if e <= x:
        pass
    else:
        data = dumps(
            {
            'number' : e
        }
        ).encode('utf-8')

        producer.send('numtest', value=data)
        print(e, ' send.')

        sleep(5)

和消费者。如果auto_offset_reset设置为'earliest'，则将再次读取所有消息。如果auto_offset_reset设置为'latest'，则在停机期间将不会读取任何消息。

from kafka import KafkaConsumer
from pymongo import MongoClient
from json import loads

## Retrieve data from kafka (WHAT ABOUT MISSED MESSAGES?)
consumer = KafkaConsumer('numtest', bootstrap_servers=['localhost:9092'],
                         auto_offset_reset='earliest', enable_auto_commit=True,
                         auto_commit_interval_ms=1000)


## Connect to database
client = MongoClient('localhost:27017')
collection = client.counttest.counttest

# Send data
for message in consumer:
    message = loads(message.value.decode('utf-8'))
    collection.insert_one(message)
    print('{} added to {}'.format(message, collection))

我觉得自动提交无法正常工作。

我知道这个问题与this one类似，但是我想要一个具体的解决方案。

感谢您的帮助。

Answer 1

之所以会出现这种情况，是因为您的消费者没有使用消费者组。在消费者组中，消费者将定期向Kafka承诺（保存）其立场。这样，如果重新启动，它将从上次提交的位置开始拾取。

要使您的消费者使用消费者组，在构造它时需要设置group_id。请参见docs中的group_id说明：

要加入动态分区的使用者组的名称分配（如果启用），并用于获取和提交抵消。如果为无，则自动分区分配（通过组协调器）和偏移量提交被禁用。默认值：无

例如：

consumer = KafkaConsumer('numtest', bootstrap_servers=['localhost:9092'],
                         auto_offset_reset='earliest', enable_auto_commit=True,
                         auto_commit_interval_ms=1000, group_id='my-group')

Answer 2

是否可以使用来自其他服务器的使用者。我已经在下面尝试了相同的代码，并且没有从kafka中获取任何数据。

consumer = KafkaConsumer('tet', bootstrap_servers=['192.168.1.20:9092'],
                     auto_offset_reset='earliest', enable_auto_commit=True,
                     auto_commit_interval_ms=1000, group_id=None)

注意：- 当我输入错误的IP或端口号时，会引发异常。

kafka-python用户开始从偏移量自动读取

2 个答案: