Fetch Offset Range in Kafka with Kafka Client API

有的時候需要檢出Kafka中某個topic的所有partition的offset range. 比如Spark Streaming在指定fromOffset時杠人,如果不校驗邊界耿焊,可能會出錯。Kafka提供了命令來check泻云。這里提供一個基于Java API的方式

代碼如下

KafkaConsumer<String, byte[]> consumer = new KafkaConsumer<>(config);
consumer.subscribe(topics);
ConsumerRecords<String, byte[]> records = consumer.poll(1000);

return records.partitions().parallelStream().map(topicPartition -> {
        consumer.seekToBeginning(Collections.singletonList(topicPartition));
        long offset = consumer.position(topicPartition);
        return new TopicPartitionInfo(topicPartition.topic(), topicPartition.partition(), offset);
}).collect(Collectors.toList());

完整代碼:See Here

依賴

<!-- https://mvnrepository.com/artifact/org.apache.kafka/kafka-clients -->
<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-clients</artifactId>
    <version>1.0.0</version>
</dependency>

2018.01.09更新

上述代碼中固额,如果poll(1000)獲得的records并沒有包含所有的partition的record磕谅,records.partitions()所獲取的并非為全部的該topic的partition私爷。

records.partitions()只會返回這段records中所含有的partition雾棺。

因此膊夹,你可能需要

Map<TopicPartition, Long> fromOffsets = new HashMap<>();
//do fill your fromOffsets with your own local offset-store here
KafkaConsumer<String, byte[]> consumer = new KafkaConsumer<>(kafkaParams);
consumer.subscribe(topics);
consumer.poll(100);

for (TopicPartition topicPartition : fromOffsets.keySet()) {
    consumer.seekToBeginning(Collections.singletonList(topicPartition));
    long offset = consumer.position(topicPartition);
    long consumedOffset = fromOffsets.getOrDefault(topicPartition, 0L);
    if (offset > consumedOffset) {
        log.warn("At partition {}, our system has consumed to {} but we can start only from {} because of retention expiration.", topicPartition.partition(), consumedOffset, offset);
        log.warn("At partition {}, start offset has been adjusted to {}", topicPartition.partition(), offset);
        fromOffsets.put(topicPartition, offset);
    }
}
consumer.unsubscribe();
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市捌浩,隨后出現(xiàn)的幾起案子放刨,更是在濱河造成了極大的恐慌,老刑警劉巖尸饺,帶你破解...
    沈念sama閱讀 211,265評論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件进统,死亡現(xiàn)場離奇詭異,居然都是意外死亡浪听,警方通過查閱死者的電腦和手機螟碎,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,078評論 2 385
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來迹栓,“玉大人掉分,你說我怎么就攤上這事】艘粒” “怎么了酥郭?”我有些...
    開封第一講書人閱讀 156,852評論 0 347
  • 文/不壞的土叔 我叫張陵,是天一觀的道長愿吹。 經(jīng)常有香客問我不从,道長,這世上最難降的妖魔是什么犁跪? 我笑而不...
    開封第一講書人閱讀 56,408評論 1 283
  • 正文 為了忘掉前任椿息,我火速辦了婚禮,結(jié)果婚禮上坷衍,老公的妹妹穿的比我還像新娘撵颊。我一直安慰自己,他們只是感情好惫叛,可當(dāng)我...
    茶點故事閱讀 65,445評論 5 384
  • 文/花漫 我一把揭開白布倡勇。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪妻熊。 梳的紋絲不亂的頭發(fā)上夸浅,一...
    開封第一講書人閱讀 49,772評論 1 290
  • 那天,我揣著相機與錄音扔役,去河邊找鬼帆喇。 笑死,一個胖子當(dāng)著我的面吹牛亿胸,可吹牛的內(nèi)容都是我干的坯钦。 我是一名探鬼主播,決...
    沈念sama閱讀 38,921評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼侈玄,長吁一口氣:“原來是場噩夢啊……” “哼婉刀!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起序仙,我...
    開封第一講書人閱讀 37,688評論 0 266
  • 序言:老撾萬榮一對情侶失蹤突颊,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后潘悼,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體律秃,經(jīng)...
    沈念sama閱讀 44,130評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,467評論 2 325
  • 正文 我和宋清朗相戀三年治唤,在試婚紗的時候發(fā)現(xiàn)自己被綠了棒动。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,617評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡宾添,死狀恐怖船惨,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情辞槐,我是刑警寧澤掷漱,帶...
    沈念sama閱讀 34,276評論 4 329
  • 正文 年R本政府宣布,位于F島的核電站榄檬,受9級特大地震影響卜范,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜鹿榜,卻給世界環(huán)境...
    茶點故事閱讀 39,882評論 3 312
  • 文/蒙蒙 一海雪、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧舱殿,春花似錦奥裸、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,740評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春侠鳄,著一層夾襖步出監(jiān)牢的瞬間埠啃,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,967評論 1 265
  • 我被黑心中介騙來泰國打工伟恶, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留碴开,地道東北人。 一個月前我還...
    沈念sama閱讀 46,315評論 2 360
  • 正文 我出身青樓博秫,卻偏偏與公主長得像潦牛,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子挡育,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,486評論 2 348

推薦閱讀更多精彩內(nèi)容

  • 姓名:周小蓬 16019110037 轉(zhuǎn)載自:http://blog.csdn.net/YChenFeng/art...
    aeytifiw閱讀 34,713評論 13 425
  • 本文轉(zhuǎn)載自http://dataunion.org/?p=9307 背景介紹Kafka簡介Kafka是一種分布式的...
    Bottle丶Fish閱讀 5,461評論 0 34
  • Spring Cloud為開發(fā)人員提供了快速構(gòu)建分布式系統(tǒng)中一些常見模式的工具(例如配置管理巴碗,服務(wù)發(fā)現(xiàn),斷路器静盅,智...
    卡卡羅2017閱讀 134,629評論 18 139
  • 背景介紹 Kafka簡介 Kafka是一種分布式的良价,基于發(fā)布/訂閱的消息系統(tǒng)寝殴。主要設(shè)計目標如下: 以時間復(fù)雜度為O...
    高廣超閱讀 12,826評論 8 167
  • Kafka入門經(jīng)典教程-Kafka-about云開發(fā) http://www.aboutyun.com/threa...
    葡萄喃喃囈語閱讀 10,812評論 4 54