Consumer 的消费位移 : 记录 Consumer 下一条消息的消费位移

• 如 : Consumer 已消费 5 条消息 (位移: 0 - 4) , 此时 Consumer 位移 = 5 : 指向下一条消息的位移

提交位移 (Committing Offsets) : Consumer 向 Kafka 汇报位移数据

• Consumer 能同时消费多个分区的数据，Consumer 要维护每个分区提交各自的位移数据
• 当 Consumer 重启后，能从之前位移继续消费，避免重新消费整个消息

Consumer API 的提交位移的方法 :

• 从用户分 : 自动提交 , 手动提交
• 从 Consumer 分 : 同步提交 , 异步提交
• 自动提交 : Consumer 在后台提交位移，用户无需操作
• 手动提交 : 用户提交位移，Consumer 不管

提交位移	自动提交	配置	enable.auto.commit = true
	手动提交	同步提交	KafkaConsumer.commitSync
		异步提交	KafkaConsumer.commitAsync
		细化位移提交	commitSync(Map<TopicPartition, OffsetAndMetadata>)
			commitAsync(Map<TopicPartition, OffsetAndMetadata>)

自动提交

Consumer 参数 :

• enable.auto.commit = true : 自动提交位移
• auto.commit.interval.ms (默认值是 5 秒) : Kafka 每 5 秒自动提交一次位移

自动提交位移 ：

• 可能出现重复消费
• 例子：Consumer 每 5 秒自动提交一次位移。提交位移 3 秒后出现 Rebalance。在 Rebalance 后，所有 Consumer 从上一次提交的位移处继续消费，但该位移已经是 3 秒前的位移数据，在 Rebalance 发生前 3 秒消费的所有数据都会重新消费

设置自动提交位移 :

Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("group.id", "test");
props.put("enable.auto.commit", "true");
props.put("auto.commit.interval.ms", "2000");
props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
consumer.subscribe(Arrays.asList("foo", "bar"));while (true) {ConsumerRecords<String, String> records = consumer.poll(100);for (ConsumerRecord<String, String> record : records) {System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());}
}

手动提交

enable.auto.commit = false : 手动提交位移

手动提交位移 :

• 好处 : 更灵活，能把控位移提交的时机和频率
• 缺点 : 用 commitSync() 时，Consumer 处于阻塞状态，直到 Broker 返回提交结果，影响整个应用程序的 TPS

commitSync() :

while (true) {// 返回最新位移。一直等位移提交后才返回 (同步操作)ConsumerRecords<String, String> records =consumer.poll(Duration.ofSeconds(1));process(records); // 处理消息try {consumer.commitSync();} catch (CommitFailedException e) {handle(e); // 处理提交失败异常}
}

commitAsync() :

• 异步操作，会立即返回，不会阻塞，不影响 Consumer 的 TPS
• 用回调函数 (callback) 实现提交后的逻辑，如 : 记录日志或处理异常
• 无法自动失败重试

while (true) {ConsumerRecords<String, String> records = consumer.poll(Duration.ofSeconds(1));process(records); // 处理消息consumer.commitAsync((offsets, exception) -> {if (exception != null)handle(exception);});
}

异步无阻塞式 :

• 用 commitSync 自动重试避免瞬时错误，如 : 网络的瞬时抖动，Broker 端 GC
• 异步处理，不影响 TPS

// 实现异步无阻塞式的位移管理，保证 Consumer 位移的正确性
try {while (true) {ConsumerRecords<String, String> records = consumer.poll(Duration.ofSeconds(1));process(records); // 处理消息commitAysnc(); // 使用异步提交规避阻塞}
} catch (Exception e) {handle(e); // 处理异常
} finally {try {consumer.commitSync(); // 最后一次提交使用同步阻塞式提交} finally {consumer.close();}
}

更精细的位移管理 :

• commitSync(Map<TopicPartition, OffsetAndMetadata>)
• commitAsync(Map<TopicPartition, OffsetAndMetadata>)
• 参数 : Map 对象 : 键 = TopicPartition (消费的分区)，值 = OffsetAndMetadata 对象 (位移数据)

// 创建 Map 对象，保存 Consumer 消费要提交的分区位移
private Map<TopicPartition, OffsetAndMetadata> offsets = new HashMap<>();
int count = 0;
//...
while (true) {ConsumerRecords<String, String> records = consumer.poll(Duration.ofSeconds(1));for (ConsumerRecord<String, String> record: records) {process(record);  // 处理消息// 构造要提交的位移值offsets.put(new TopicPartition(record.topic(), record.partition()),new OffsetAndMetadata(record.offset() + 1);// 每 100 条消息提交一次位移if（count % 100 == 0）{consumer.commitAsync(offsets, null); // 回调处理逻辑是 null}count++;}
}