读Kafka Consumer源码

最近一直在关注阿里的一个开源项目：OpenMessaging

OpenMessaging, which includes the establishment of industry guidelines and messaging, streaming specifications to provide a common framework for finance, e-commerce, IoT and big-data area. The design principles are the cloud-oriented, simplicity, flexibility, and language independent in distributed heterogeneous environments. Conformance to these specifications will make it possible to develop a heterogeneous messaging applications across all major platforms and operating systems.

这是OpenMessaging-Java项目GitHub上的一段介绍，大致是说OpenMessaging项目致力于建立MQ领域的标准。

看了OpenMessaging-Java项目的源码，定义了：

• Message接口
• Producer接口
• Consumer接口
• 消费方式：Pull、Push
• 各种异常

确实是在朝着建立一套MQ的接口标准。

这引发了我的一个思考：MQ目前确实没有一套标准的接口，如果我们尝试从更高的层次看自己的项目，即我们希望它成为行业标准，那么现在项目中接口的定义合适吗？是否够通用、简洁、易用、合理？

带着这样的疑问，最近把Kafka Consumer部分的源码读了一遍，因为：

1. Kafka应该是业界最著名的一个开源MQ了（RocketMQ最初也是参考了Kafka去实现的）
2. 希望通过读Kafka源码能找到一些定义MQ接口的想法

但是在读完Kafka Consumer部分的源码后稍稍有一些失望，因为它并没有给我代码我想要的，反而在读完后觉得接口设计和源码实现上相对于Kafka的盛名有一些名不副实的感觉。

接口定义

Kafka在消费部分只提供了一个接口，即Consumer接口。

Consumer接口如下：

• Set<TopicPartition> assignment();
• Set<String> subscription();
• void subscribe(Collection<String> topics);
• void subscribe(Collection<String> topics, ConsumerRebalanceListener callback);
• void assign(Collection<TopicPartition> partitions);
• void subscribe(Pattern pattern, ConsumerRebalanceListener callback);
• void subscribe(Pattern pattern);
• void unsubscribe();
• ConsumerRecords poll(long timeout);
• void commitSync();
• void commitSync(Map<TopicPartition, OffsetAndMetadata> offsets);
• void commitAsync();
• void commitAsync(OffsetCommitCallback callback);
• void commitAsync(Map<TopicPartition, OffsetAndMetadata> offsets, OffsetCommitCallback callback);
• void seek(TopicPartition partition, long offset);
• void seekToBeginning(Collection<TopicPartition> partitions);
• void seekToEnd(Collection<TopicPartition> partitions);
• long position(TopicPartition partition);
• OffsetAndMetadata committed(TopicPartition partition);
• Map<MetricName, ? extends Metric> metrics();
• List<PartitionInfo> partitionsFor(String topic);
• Map<String, List > listTopics();
• Set<TopicPartition> paused();
• void pause(Collection<TopicPartition> partitions);
• void resume(Collection<TopicPartition> partitions);
• Map<TopicPartition, OffsetAndTimestamp> offsetsForTimes(Map<TopicPartition, Long> timestampsToSearch);
• Map<TopicPartition, Long> beginningOffsets(Collection partitions);
• Map<TopicPartition, Long> endOffsets(Collection partitions);
• ...

(读源码时光看完这部分接口我就已经晕了)

上面的方法大致可以分为四类：

1. 订阅相关：subscribe、unsubscribe
2. 消费相关：assign、poll、commit
3. 元数据相关：搜索、设置、获取offset信息；partition信息
4. 生命周期相关：pause、resume、close等

看完这个接口的第一个感觉就是灵活有余易用不足。

Kafka几乎暴露了所有的操作API，这样的好处是足够灵活，但是带来的问题就是易用性下降，哪怕用户只是希望简单的获取消息并处理也需要关心offset的提交和管理以及commit等等。

另外功能上也并没有提供用户更多的选择，比如只提供了poll模式去获取消息，而没有提供类似push的模式。

线程模型部分

看完接口之后，第二步看了Kafka Consumer部分的线程模型，即尝试将Consumer部分的线程模型梳理清楚：Consumer部分有哪些线程，线程间的交互等。

Consumer部分包含以下几个模块：

1. Consuming
   • Consumer、ConsumerConfig、ConsumerProtocol
   • Fetcher
2. 分布式协调
   • AbstractCoordinator、ConsumerCoordinator
3. 分区分配和负载均衡
   • Assignor
   • ReblanceListener
4. 网络组件
   • NetClient
   • Future
   • FutureListener
5. 异常
   • NoAvailableBrokersException、CommitFailedExceptin、...
6. 元数据和数据
   • ConsumerRecord、ConsumerRecords
   • TopicPartition
7. 统计及其他

通过分布式系统组件及分区分配策略，每个Consumer可以拿到自己消费的分区。之后通过Fetcher来执行获取消息的操作，而底层通过网络组件NetworkClient和Broker完成交互。

通过阅读源码和注释发现，Kafka Consumer并没有去管理线程，而是所有的操作都在用户线程中完成。

所以线程模型就非常简单，Consumer非线程安全，同时只能有一个线程执行操作，且所有的操作都在用户的线程中执行。

Consumer通过一个AtomicLong的CAS操作来保证只能有一个线程操作（多线程的情况下会报出异常）

部分代码实现解读

ConsumerRecords poll(long timeout)

poll应该是Consumer的核心接口了，因为到这里才真正执行了和获取消息相关的逻辑。

首先是校验逻辑，在poll之前如果没有进行topic的订阅或分区的分配，poll操作将抛出异常。

接着是poll的核心逻辑：

• 在一个循环体中执行获取数据的逻辑，跳出循环的条件是超时或者获取到数据

从代码中可以看出pollOnce应该是真正的执行一次获取消息的操作。而代码中注释的部分是poll的核心：

• fetcher#sendFetches方法给有需要的Server节点发送获取消息的请求
  • 这么做的目的是在用户下一次进行poll操作之前先将获取消息的请求发送出去
  • 这样网络操作和就可以和用户处理消息的逻辑并行，降低延迟
• client#hasPendingRequests判断是否还有未从客户端发送出去的请求
• client#pollNoWakeup执行网络真正的网络IO操作

从这段注释和代码中可以看出，poll时如果拿到数据了，会将剩余的请求发送出去来实现pipelining的目的。

所以对应的pollOnce内的逻辑必然有从缓存中（即上一次poll请求中获取的数据）获取数据的操作。

pollOnce对目标分区执行一路poll请求，大致流程如下：

1. coordinator#poll确保Consumer在Coordinator的管理之中
   • ensure coordinator
   • ensure active group(将Consumer加入到group中)
   • 发送heartbeat
2. 更新positions
3. 从fetcher中获取消息，如果已经拿到消息则返回结果，调用结束
4. 对分区执行poll请求
5. 阻塞等待至少一个fetch操作完成
6. 判断是否操作期间元数据进行了变更，如果变更了，丢弃获取的数据
7. 返回获取结果

读上面的代码，第一个感觉就是可读性比较差，比较难懂。

比如pollOnce中，fetcher#sendFetches从字面上看会理解成发送fetch请求：

• 如果是同步的，那么应该获取它的结果
• 如果是异步的，应该通过Future获取最终的结果

而实际上fetcher#sendFetches只是去构建了请求，并且将请求保存在NetworkClient中（NetworkClient会有数据结构保存每个Node对应的请求：类似这样的数据结构Map<Node,Queue<Request>>）。

在client#poll中才将通过fetcher构造的请求真正的写出去，并且阻塞的等待fetch的结果，从实现上感觉将代码变的复杂了。

NetworkClient提供了异步的网络操作，且是非线程安全的。

NetworkClient只有poll会真正的去执行IO操作，而其中的send只是将send数据保存在channel上，直到执行poll时将它写到网络中。

总结

在读完Kafka Consumer部分的源码后，稍稍有些失望：

1. 只提供了poll模式，没有提供给用户更多的选择，比如push模式
   • openmessaging在这块分别提供了PullConsumer和PushConsumer接口
   • 而我们自己的项目则是提供了ListenConsumer、StreamConsumer等（Listen模式用户只提供回调接口，我们管理线程，而Stream模式将消费线程交给用户自己管理），继续还会提供基础的PullConsumer等
2. Consumer接口的灵活性由于，易用性不足
   • 暴露了太多的接口，对于一个指向简单获取消息处理的使用方来说心智负担太重
3. 代码的实现上复杂化了，比如提供了Fetcher和NetworkClient的实现非常复杂

总体上Consumer的代码有一些乱，比如下面是Kafka源码中Consumer部分的包组织和我自己读源码使对它的整理：

右边是Kafka源码Consumer部分的包结构，所有的类分了两块，内部的在internals中。右边是自己读源码时根据各个模块对Consumer的类进行划分。

私以为将各个类按照不同的模块分开会更加清晰，读起来也会更加舒服。