Consumer 最佳实践有哪几种办法？

Consumer Group，与控制台或者 Demo 中见到的 CID、Group ID 表达同一个意思。如果涉及到具体的参数或者代码，均来源于 Kafka Java 客户端，其它语言客户端原理类似，但具体参数代码可能有差异。
Kafka消费的一般流程是：

1. Poll数据
2. 执行消费逻辑
3. 再次poll数据

负载消费


每个 Consumer Group 可以包含多个消费实例，也即可以启动多个 Kafka Consumer，并把参数 group.id 设置成相同的值。属于同一个 Consumer Group 的消费实例会负载消费订阅的 topic:
[backcolor=transparent]举例：Consumer Group A 订阅了 Topic A，并开启三个消费实例 C1、C2、C3，则发送到 Topic A 的每条消息最终只会传给C1、C2、C3的某一个。Kafka 默认会均匀地把消息传给各个消息实例，以做到消费负载均衡。
Kafka 负载消费的内部原理是，把订阅的 topic 的分区，平均分配给各个消费实例。因此，消费实例的个数不要大于分区的数量。云上分区的数量至少是 16 个，已经足够满足大部分用户的需求，且云上服务会根据容量调整分区数。

多个订阅


一个 Consumer Group 可以订阅多个 topic。一个 topic 也可以被多个 Consumer Group 订阅，且各个 Consumer Group 独立消费 topic 的所有内容
[backcolor=transparent]举例：Consumer Group A 订阅了 Topic A，Consumer Group B 也订阅了 Topic A，则发送到 Topic A 的每条消息，不仅会传一份给 Consumer Group A的消费实例，也会传一份给 Consumer Group B 的消费实例，且这两个过程相互独立，相互没有任何影响。

消费位点


每个Topic会有多个分区，每个分区会统计当前消息的总条数，这个称为最大位点MaxOffset。KafkaConsumer会按顺序依次消费分区内的每条消息，记录已经消费了的消息条数，称为ConsumerOffset。
剩余的未消费的条数（也称为消息堆积量） = MaxOffset - ConsumerOffset

位点提交


Kafka消费者有两个相关参数：

• enable.auto.commit：默认值为 true。
• auto.commit.interval.ms： 默认值为1000，也即 1s。

这两个参数组合的结果就是，每次poll时，再拉取数据前会预先做下面这件事：
检查上次提交位点的时间，如果距离当前时间已经超过 auto.commit.interval.ms，则启动位点提交动作。
因此，如果 enable.auto.commit 设置为 true，需要在每次poll时，确保前一次poll出来的数据已经消费完毕，否则可能导致位点跳跃。
如果想自己控制位点提交，则把 enable.auto.commit 设为 false，并调用commit(offsets)函数自行控制位点提交。

消息重复以及消费幂等


Kafka消费的语义是 [backcolor=transparent]At Lease Once， 也就是至少投递一次，保证消息不丢，但是不会保证消息不重复。在出现网络问题、客户端重启时均有可能出现少量重复消息，此时应用消费端，如果对消息重复比较敏感(比如说订单交易类)，则应该做到消息幂等。以数据库类应用为例，常用做法是：

• 发送消息时，传入key作为唯一流水号ID
• 消费消息时，判断key是否已经消费过，如果已经消费过了，则忽略，如果没消费过，则消费一次

当然，如果应用本身对少量消息重复不敏感，则不需要做此类幂等检查。

消费失败


Kafka是按分区一条一条消息顺序向前消费推进的。如果消费端拿到某条消息后，消费逻辑失败，比如应用服务器出现了脏数据，导致某条消息处理失败，等待人工干预，该怎么办呢？如果失败后，一直尝试再次执行消费逻辑，则有可能造成消费线程阻塞在当前消息，无法向前推进，造成消息堆积。Kafka 自身没有处理失败消息的设计，实践中通常会打印失败的消息、或者存储到某个服务（比如创建一个 topic 专门用来放失败的消息），然后定时check一下失败消息的情况，分析失败原因，根据情况处理。

消费阻塞以及堆积


消费端最常见的问题就是消费堆积，最常造成堆积的原因是：

• 消费速度跟不上生产速度，此时应该提高消费速度，详情见本文下一节
• 消费端产生了阻塞

消费端拿到消息后，执行消费逻辑，通常会执行一些远程调用，如果这个时候同步等待结果，则有可能造成一直等待，消费进程无法向前推进。
消费端应该竭力避免堵塞消费线程，如果存在等待调用结果的情况，设置等待的超时时间，超过时间后，作消费失败处理。

消费速度


提高消费速度有两个办法：

• 增加Consumer实例个数
• 增加消费线程

增加Consumer实例，可以在进程内直接增加（需要保证每个实例一个线程，否则没有太大意义），也可以部署多个消费实例进程；需要注意的是，实例个数超过分区数量后就不再能提高速度，将会有消费实例不工作；
增加Consumer实例本质上也是增加线程的方式来提升速度，因此更加重要的性能提升方式是增加消费线程，最基本的方式如下：

1. 定义一个线程池
2. poll数据
3. 把数据提交到线程池进行并发处理
4. 等并发结果返回成功再次poll数据执行

消息过滤


Kafka 自身没有消息过滤的语义。实践中可以采取以下两个办法：

• 如果过滤的种类不多，可以采取多个Topic的方式达到过滤的目的
• 如果过滤的种类多，则最好在客户端业务层面自行过滤

实践中根据业务具体情况进行选择，可以综合运用上面两种办法。
[backcolor=transparent]注意：云上 Kafka 会收取 topic 资源占用费，每天2块钱。

消息广播


Kafka自身没有消息广播的语义。可以通过创建不同的 Consumer Group来模拟实现。

订阅关系


同一个 Consumer Group 内，各个消费实例订阅的 topic 最好保持一致，避免给排查问题带来干扰。