Kafka 消費(fèi)者為什么會(huì)慢

Kafka 本身具備高吞吐和高可擴(kuò)展性，但消費(fèi)者消費(fèi)慢卻是高并發(fā)中，最常見的問題。

比如：處理邏輯復(fù)雜、耗時(shí)， 消費(fèi)者在接收到消息后，需要執(zhí)行一定的業(yè)務(wù)邏輯。

最新文章

例如：數(shù)據(jù)轉(zhuǎn)換、業(yè)務(wù)規(guī)則校驗(yàn)、數(shù)據(jù)持久化…等，如果這些處理邏輯過于復(fù)雜或者包含耗時(shí)的操作。

例如：復(fù)雜的計(jì)算、等待外部服務(wù)響應(yīng)…等等，就會(huì)直接影響消費(fèi)速度。

除此之外，消費(fèi)者應(yīng)用程序運(yùn)行的機(jī)器資源不足。

比如： CPU 負(fù)載過高導(dǎo)致處理能力不足，內(nèi)存不足導(dǎo)致頻繁的垃圾回收，網(wǎng)絡(luò)帶寬限制…等等，都會(huì)限制消費(fèi)速度。

優(yōu)化消費(fèi)者應(yīng)用程序

可以利用 Java 的 JProfiler、VisualVM…等工具，分析消費(fèi)者應(yīng)用程序的性能瓶頸。

找出 CPU 密集型、I/O 密集型的代碼段，進(jìn)行優(yōu)化處理。

最新文章

仔細(xì)檢查消費(fèi)邏輯代碼，識(shí)別可以優(yōu)化的地方。

例如：簡(jiǎn)化復(fù)雜的邏輯、避免在主消費(fèi)線程中進(jìn)行長時(shí)間的阻塞操作等。

還可以，將耗時(shí)操作放入后臺(tái)線程、或線程池。

比如： 將一些不影響消息消費(fèi)順序的耗時(shí)操作，可以將其提交到后臺(tái)線程池異步執(zhí)行，避免阻塞主消費(fèi)線程。

提升消費(fèi)并發(fā)能力

在同一個(gè)消費(fèi)者組內(nèi)，增加更多的消費(fèi)者實(shí)例。

最新文章

# docker-compose 中部署 3 個(gè)消費(fèi)者容器
 consumer1:
   image: order-consumer
   environment:
     GROUP_ID: order-consumer-group
  
 consumer2:
   image: order-consumer
   environment:
     GROUP_ID: order-consumer-group
  
 consumer3:
   image: order-consumer
   environment:
     GROUP_ID: order-consumer-group

Kafka 會(huì)自動(dòng)將主題的分區(qū)分配給不同的消費(fèi)者實(shí)例，從而實(shí)現(xiàn)并行消費(fèi)。

除此之外，在單個(gè)消費(fèi)者應(yīng)用程序內(nèi)部，可以使用多線程、或多進(jìn)程的方式來并行處理拉取到的消息。

例如，一個(gè)消費(fèi)者實(shí)例可以啟動(dòng)多個(gè)線程，每個(gè)線程負(fù)責(zé)處理一部分消息。

優(yōu)化 Kafka 消費(fèi)參數(shù)

增大單次拉取批次，可以讓消費(fèi)者一次處理更多消息。

最新文章

比如：提升 max.poll.records，從默認(rèn)的 500 提高到 2000 或 5000。

以及，提升 fetch.max.bytes，增大拉取消息體積，減少拉取次數(shù)。

通過以上這些策略和方法的綜合應(yīng)用，可以有效地解決 Kafka 消費(fèi)者消費(fèi)慢的問題。