Kafka實際使用過程中遇到的一些問題及解決方法

Kafka實際使用過程中遇到的一些問題及解決方法:

1.關(guān)于Kafka的分區(qū):

開始使用Kafka的時候,沒有分區(qū)的概念祟印,以為類似于傳統(tǒng)的MQ中間件一樣,就直接從程序中獲取Kafka中的數(shù)據(jù)袒炉。
后來程序搭建了多套旁理,發(fā)現(xiàn)永遠只有一個消費者(消費者應(yīng)用部署在多個tomcat上)會從Kafka中獲取數(shù)據(jù)進行處理樊零,后來才知道有分區(qū)這么一個概念我磁。

具體不說了,網(wǎng)上有很多資料驻襟,總的概括:Kafka的分區(qū)夺艰,相當(dāng)于把一個Topic再細分成了多個通道,一個消費者應(yīng)用可以從一個分區(qū)或多個分區(qū)中獲取數(shù)據(jù)沉衣。
有4個分區(qū)郁副,1個消費者:這一個消費者需要負責(zé)消費四個分區(qū)的數(shù)據(jù)。
有4個分區(qū)豌习,2個消費者:每個消費者負責(zé)兩個分區(qū)
有4個分區(qū)存谎,3個消費者:消費者1負責(zé)1個分區(qū),消費者2負責(zé)1個分區(qū)肥隆,消費者3負責(zé)兩個分區(qū)
有4個分區(qū)既荚,4個消費者:一人一個
有4個分區(qū),5個及以上消費者:4個消費者一人一個栋艳,剩下的消費者空閑不工作恰聘。

部署的時候盡量做到一個消費者對應(yīng)一個分區(qū)。

2.分區(qū)數(shù)據(jù)量不均衡:

Topic上設(shè)置了四個分區(qū)吸占,壓測過程中晴叨,發(fā)現(xiàn)每個分區(qū)的數(shù)據(jù)量差別挺大的,極端的時候矾屯,只有一個分區(qū)有數(shù)據(jù)兼蕊,其余三個分區(qū)空閑。
解決方法件蚕,在用生產(chǎn)者生產(chǎn)數(shù)據(jù)的時候孙技,send方法需要指定key。Kafka會根據(jù)key的值骤坐,通過一定的算法绪杏,如hash,將數(shù)據(jù)平均的發(fā)送到不同的分區(qū)上纽绍。

3.spring-integration-kafka:

在使用spring-integration-kafka做消費者的時候蕾久,發(fā)現(xiàn)CPU和內(nèi)存占用量占用非常的大,后來又發(fā)現(xiàn)不管生產(chǎn)者發(fā)送了多少數(shù)據(jù)拌夏,Kafka的Topic中一直沒有數(shù)據(jù)僧著,這時候才知道spring-integration-kafka會將Topic中的數(shù)據(jù)全拉到本地履因,緩存起來,等待后續(xù)的處理盹愚。
解決方法:
<int:channel id="inputFromKafka">
<int:queue capacity="25"/> --這里加個配置栅迄,相當(dāng)于緩存多少數(shù)據(jù)到本地
</int:channel>

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皆怕,隨后出現(xiàn)的幾起案子毅舆,更是在濱河造成了極大的恐慌,老刑警劉巖愈腾,帶你破解...
    沈念sama閱讀 217,406評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件憋活,死亡現(xiàn)場離奇詭異,居然都是意外死亡虱黄,警方通過查閱死者的電腦和手機悦即,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,732評論 3 393
  • 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橱乱,“玉大人辜梳,你說我怎么就攤上這事∮镜” “怎么了作瞄?”我有些...
    開封第一講書人閱讀 163,711評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長析二。 經(jīng)常有香客問我粉洼,道長,這世上最難降的妖魔是什么叶摄? 我笑而不...
    開封第一講書人閱讀 58,380評論 1 293
  • 正文 為了忘掉前任属韧,我火速辦了婚禮,結(jié)果婚禮上蛤吓,老公的妹妹穿的比我還像新娘宵喂。我一直安慰自己,他們只是感情好会傲,可當(dāng)我...
    茶點故事閱讀 67,432評論 6 392
  • 文/花漫 我一把揭開白布锅棕。 她就那樣靜靜地躺著,像睡著了一般淌山。 火紅的嫁衣襯著肌膚如雪裸燎。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,301評論 1 301
  • 那天泼疑,我揣著相機與錄音德绿,去河邊找鬼。 笑死,一個胖子當(dāng)著我的面吹牛移稳,可吹牛的內(nèi)容都是我干的蕴纳。 我是一名探鬼主播,決...
    沈念sama閱讀 40,145評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼个粱,長吁一口氣:“原來是場噩夢啊……” “哼古毛!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起都许,我...
    開封第一講書人閱讀 39,008評論 0 276
  • 序言:老撾萬榮一對情侶失蹤稻薇,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后梭稚,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體颖低,經(jīng)...
    沈念sama閱讀 45,443評論 1 314
  • 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 37,649評論 3 334
  • 正文 我和宋清朗相戀三年弧烤,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 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蹬敲。...
    茶點故事閱讀 39,795評論 1 347
  • 序言:一個原本活蹦亂跳的男人離奇死亡暇昂,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出伴嗡,到底是詐尸還是另有隱情急波,我是刑警寧澤,帶...
    沈念sama閱讀 35,501評論 5 345
  • 正文 年R本政府宣布瘪校,位于F島的核電站澄暮,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏阱扬。R本人自食惡果不足惜泣懊,卻給世界環(huán)境...
    茶點故事閱讀 41,119評論 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望麻惶。 院中可真熱鬧馍刮,春花似錦、人聲如沸窃蹋。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,731評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽警没。三九已至匈辱,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間杀迹,已是汗流浹背亡脸。 一陣腳步聲響...
    開封第一講書人閱讀 32,865評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人梗掰。 一個月前我還...
    沈念sama閱讀 47,899評論 2 370
  • 正文 我出身青樓杨耙,卻偏偏與公主長得像橙依,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,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,724評論 2 354

推薦閱讀更多精彩內(nèi)容

  • 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(例如配置管理赘理,服務(wù)發(fā)現(xiàn),斷路器乘盖,智...
    卡卡羅2017閱讀 134,654評論 18 139
  • 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 10,827評論 4 54
  • kafka的定義:是一個分布式消息系統(tǒng)呐赡,由LinkedIn使用Scala編寫,用作LinkedIn的活動流(Act...
    時待吾閱讀 5,317評論 1 15
  • Kafka官網(wǎng):http://kafka.apache.org/入門1.1 介紹Kafka? 是一個分布式流處理系...
    it_zzy閱讀 3,894評論 3 53
  • 一焚虱、基本概念 介紹 Kafka是一個分布式的购裙、可分區(qū)的、可復(fù)制的消息系統(tǒng)鹃栽。它提供了普通消息系統(tǒng)的功能躏率,但具有自己獨...
    ITsupuerlady閱讀 1,631評論 0 9