原創文章，轉載請務必將下面這段話置於文章開頭處。（已授權InfoQ中文站發布）
本文轉發自Jason's Blog，原文鏈接 http://www.jasongj.com/2015/08/09/KafkaColumn4
摘要
本文主要介紹了Kafka High Level Consumer，Consumer Group，Consumer Rebalance，Low Level Consumer實現的語義，以及適用場景。以及未來版本中對High Level Consumer的重新設計--使用Consumer Coordinator解決Split Brain和Herd等問題。
High Level Consumer
很多時候，客戶程序只是希望從Kafka讀取數據，不太關心消息offset的處理。同時也希望提供一些語義，例如同一條消息只被某一個Consumer消費（單播）或被所有Consumer消費（廣播）。因此，Kafka Hight Level Consumer提供了一個從Kafka消費數據的高層抽象，從而屏蔽掉其中的細節並提供豐富的語義。
Consumer Group
High Level Consumer將從某個Partition讀取的最后一條消息的offset存於Zookeeper中(Kafka從0.8.2版本開始同時支持將offset存於Zookeeper中與將offset存於專用的Kafka Topic中)。這個offset基於客戶程序提供給Kafka的名字來保存，這個名字被稱為Consumer Group。Consumer Group是整個Kafka集群全局的，而非某個Topic的。每一個High Level Consumer實例都屬於一個Consumer Group，若不指定則屬於默認的Group。
Zookeeper中Consumer相關節點如下圖所示
很多傳統的Message Queue都會在消息被消費完后將消息刪除，一方面避免重復消費，另一方面可以保證Queue的長度比較短，提高效率。而如上文所述，Kafka並不刪除已消費的消息，為了實現傳統Message Queue消息只被消費一次的語義，Kafka保證每條消息在同一個Consumer Group里只會被某一個Consumer消費。與傳統Message Queue不同的是，Kafka還允許不同Consumer Group同時消費同一條消息，這一特性可以為消息的多元化處理提供支持。
實際上，Kafka的設計理念之一就是同時提供離線處理和實時處理。根據這一特性，可以使用Storm這種實時流處理系統對消息進行實時在線處理，同時使用Hadoop這種批處理系統進行離線處理，還可以同時將數據實時備份到另一個數據中心，只需要保證這三個操作所使用的Consumer在不同的Consumer Group即可。下圖展示了Kafka在LinkedIn的一種簡化部署模型。
為了更清晰展示Kafka Consumer Group的特性，筆者進行了一項測試。創建一個Topic (名為topic1)，再創建一個屬於group1的Consumer實例，並創建三個屬於group2的Consumer實例，然后通過Producer向topic1發送Key分別為1，2，3的消息。結果發現屬於group1的Consumer收到了所有的這三條消息，同時group2中的3個Consumer分別收到了Key為1，2，3的消息，如下圖所示。
注：上圖中每個黑色區域代表一個Consumer實例，每個實例只創建一個MessageStream。實際上，本實驗將Consumer應用程序打成jar包，並在4個不同的命令行終端中傳入不同的參數運行。
High Level Consumer Rebalance
（本節所講述Rebalance相關內容均基於Kafka High Level Consumer）
Kafka保證同一Consumer Group中只有一個Consumer會消費某條消息，實際上，Kafka保證的是穩定狀態下每一個Consumer實例只會消費某一個或多個特定Partition的數據，而某個Partition的數據只會被某一個特定的Consumer實例所消費。也就是說Kafka對消息的分配是以Partition為單位分配的，而非以每一條消息作為分配單元。這樣設計的劣勢是無法保證同一個Consumer Group里的Consumer均勻消費數據，優勢是每個Consumer不用都跟大量的Broker通信，減少通信開銷，同時也降低了分配難度，實現也更簡單。另外，因為同一個Partition里的數據是有序的，這種設計可以保證每個Partition里的數據可以被有序消費。
如果某Consumer Group中Consumer（每個Consumer只創建1個MessageStream）數量少於Partition數量，則至少有一個Consumer會消費多個Partition的數據，如果Consumer的數量與Partition數量相同，則正好一個Consumer消費一個Partition的數據。而如果Consumer的數量多於Partition的數量時，會有部分Consumer無法消費該Topic下任何一條消息。
如下例所示，如果topic1有0，1，2共三個Partition，當group1只有一個Consumer(名為consumer1)時，該 Consumer可消費這3個Partition的所有數據。
增加一個Consumer(consumer2)后，其中一個Consumer（consumer1）可消費2個Partition的數據（Partition 0和Partition 1），另外一個Consumer(consumer2)可消費另外一個Partition（Partition 2）的數據。
再增加一個Consumer(consumer3)后，每個Consumer可消費一個Partition的數據。consumer1消費partition0，consumer2消費partition1，consumer3消費partition2。
再增加一個Consumer（consumer4）后，其中3個Consumer可分別消費一個Partition的數據，另外一個Consumer（consumer4）不能消費topic1的任何數據。
此時關閉consumer1，其余3個Consumer可分別消費一個Partition的數據。
接着關閉consumer2，consumer3可消費2個Partition，consumer4可消費1個Partition。
再關閉consumer3，僅存的consumer4可同時消費topic1的3個Partition。
Consumer Rebalance的算法如下：
- 將目標Topic下的所有Partirtion排序，存於\(P_T\)
- 對某Consumer Group下所有Consumer排序，存\(於C_G\)，第\(i\)個Consumer記為\(C_i\)
- \(N=size(P_T)/size(C_G)\)，向上取整
- 解除\(C_i\)對原來分配的Partition的消費權（i從0開始）
- 將第\(i\*N\)到\(（i+1）*N-1\)個Partition分配給\(C_i\)
目前，最新版（0.8.2.1）Kafka的Consumer Rebalance的控制策略是由每一個Consumer通過在Zookeeper上注冊Watch完成的。每個Consumer被創建時會觸發Consumer Group的Rebalance，具體啟動流程如下：
- High Level Consumer啟動時將其ID注冊到其Consumer Group下，在Zookeeper上的路徑為
/consumers/[consumer group]/ids/[consumer id] - 在
/consumers/[consumer group]/ids上注冊Watch - 在
/brokers/ids上注冊Watch - 如果Consumer通過Topic Filter創建消息流，則它會同時在
/brokers/topics上也創建Watch - 強制自己在其Consumer Group內啟動Rebalance流程
在這種策略下，每一個Consumer或者Broker的增加或者減少都會觸發Consumer Rebalance。因為每個Consumer只負責調整自己所消費的Partition，為了保證整個Consumer Group的一致性，當一個Consumer觸發了Rebalance時，該Consumer Group內的其它所有其它Consumer也應該同時觸發Rebalance。
該方式有如下缺陷：
- Herd effect
任何Broker或者Consumer的增減都會觸發所有的Consumer的Rebalance - Split Brain
每個Consumer分別單獨通過Zookeeper判斷哪些Broker和Consumer 宕機了，那么不同Consumer在同一時刻從Zookeeper“看”到的View就可能不一樣，這是由Zookeeper的特性決定的，這就會造成不正確的Reblance嘗試。 - 調整結果不可控
所有的Consumer都並不知道其它Consumer的Rebalance是否成功，這可能會導致Kafka工作在一個不正確的狀態。
根據Kafka社區wiki，Kafka作者正在考慮在還未發布的0.9.x版本中使用中心協調器(Coordinator)。大體思想是為所有Consumer Group的子集選舉出一個Broker作為Coordinator，由它Watch Zookeeper，從而判斷是否有Partition或者Consumer的增減，然后生成Rebalance命令，並檢查是否這些Rebalance在所有相關的Consumer中被執行成功，如果不成功則重試，若成功則認為此次Rebalance成功（這個過程跟Replication Controller非常類似）。具體方案將在后文中詳細闡述。
Low Level Consumer
使用Low Level Consumer (Simple Consumer)的主要原因是，用戶希望比Consumer Group更好的控制數據的消費。比如：
- 同一條消息讀多次
- 只讀取某個Topic的部分Partition
- 管理事務，從而確保每條消息被處理一次，且僅被處理一次
與Consumer Group相比，Low Level Consumer要求用戶做大量的額外工作。
- 必須在應用程序中跟蹤offset，從而確定下一條應該消費哪條消息
- 應用程序需要通過程序獲知每個Partition的Leader是誰
- 必須處理Leader的變化
使用Low Level Consumer的一般流程如下
- 查找到一個“活着”的Broker，並且找出每個Partition的Leader
- 找出每個Partition的Follower
- 定義好請求，該請求應該能描述應用程序需要哪些數據
- Fetch數據
- 識別Leader的變化，並對之作出必要的響應
Consumer重新設計
根據社區社區wiki，Kafka在0.9.*版本中，重新設計Consumer可能是最重要的Feature之一。本節會根據社區wiki介紹Kafka 0.9.*中對Consumer可能的設計方向及思路。
設計方向
簡化消費者客戶端
部分用戶希望開發和使用non-java的客戶端。現階段使用non-java發SimpleConsumer比較方便，但想開發High Level Consumer並不容易。因為High Level Consumer需要實現一些復雜但必不可少的失敗探測和Rebalance。如果能將消費者客戶端更精簡，使依賴最小化，將會極大的方便non-java用戶實現自己的Consumer。
中心Coordinator
如上文所述，當前版本的High Level Consumer存在Herd Effect和Split Brain的問題。如果將失敗探測和Rebalance的邏輯放到一個高可用的中心Coordinator，那么這兩個問題即可解決。同時還可大大減少Zookeeper的負載，有利於Kafka Broker的Scale Out。
允許手工管理offset
一些系統希望以特定的時間間隔在自定義的數據庫中管理Offset。這就要求Consumer能獲取到每條消息的metadata，例如Topic，Partition，Offset，同時還需要在Consumer啟動時得到每個Partition的Offset。實現這些，需要提供新的Consumer API。同時有個問題不得不考慮，即是否允許Consumer手工管理部分Topic的Offset，而讓Kafka自動通過Zookeeper管理其它Topic的Offset。一個可能的選項是讓每個Consumer只能選取1種Offset管理機制，這可極大的簡化Consumer API的設計和實現。
Rebalance后觸發用戶指定的回調
一些應用可能會在內存中為每個Partition維護一些狀態，Rebalance時，它們可能需要將該狀態持久化。因此該需求希望支持用戶實現並指定一些可插拔的並在Rebalance時觸發的回調。如果用戶使用手動的Offset管理，那該需求可方便得由用戶實現，而如果用戶希望使用Kafka提供的自動Offset管理，則需要Kafka提供該回調機制。
非阻塞式Consumer API
該需求源於那些實現高層流處理操作，如filter by， group by， join等，的系統。現階段的阻塞式Consumer幾乎不可能實現Join操作。
如何通過中心Coordinator實現Rebalance
成功Rebalance的結果是，被訂閱的所有Topic的每一個Partition將會被Consumer Group內的一個（有且僅有一個）Consumer擁有。每一個Broker將被選舉為某些Consumer Group的Coordinator。某個Cosnumer Group的Coordinator負責在該Consumer Group的成員變化或者所訂閱的Topic的Partititon變化時協調Rebalance操作。
Consumer
1) Consumer啟動時，先向Broker列表中的任意一個Broker發送ConsumerMetadataRequest，並通過ConsumerMetadataResponse獲取它所在Group的Coordinator信息。ConsumerMetadataRequest和ConsumerMetadataResponse的結構如下
ConsumerMetadataRequest
{
GroupId => String
}
ConsumerMetadataResponse
{
ErrorCode => int16
Coordinator => Broker
}
2）Consumer連接到Coordinator並發送HeartbeatRequest，如果返回的HeartbeatResponse沒有任何錯誤碼，Consumer繼續fetch數據。若其中包含IllegalGeneration錯誤碼，即說明Coordinator已經發起了Rebalance操作，此時Consumer停止fetch數據，commit offset，並發送JoinGroupRequest給它的Coordinator，並在JoinGroupResponse中獲得它應該擁有的所有Partition列表和它所屬的Group的新的Generation ID。此時Rebalance完成，Consumer開始fetch數據。相應Request和Response結構如下
HeartbeatRequest
{
GroupId => String
GroupGenerationId => int32
ConsumerId => String
}
HeartbeatResponse
{
ErrorCode => int16
}
JoinGroupRequest
{
GroupId => String
SessionTimeout => int32
Topics => [String]
ConsumerId => String
PartitionAssignmentStrategy => String
}
JoinGroupResponse
{
ErrorCode => int16
GroupGenerationId => int32
ConsumerId => String
PartitionsToOwn => [TopicName [Partition]]
}
TopicName => String
Partition => int32
Consumer狀態機
Down：Consumer停止工作
Start up & discover coordinator：Consumer檢測其所在Group的Coordinator。一旦它檢測到Coordinator，即向其發送JoinGroupRequest。
Part of a group：該狀態下，Consumer已經是該Group的成員，並周期性發送HeartbeatRequest。如HeartbeatResponse包含IllegalGeneration錯誤碼，則轉換到Stopped Consumption狀態。若連接丟失，HeartbeatResponse包含NotCoordinatorForGroup錯誤碼，則轉換到Rediscover coordinator狀態。
Rediscover coordinator：該狀態下，Consumer不停止消費而是嘗試通過發送ConsumerMetadataRequest來探測新的Coordinator，並且等待直到獲得無錯誤碼的響應。
Stopped consumption：該狀態下，Consumer停止消費並提交offset，直到它再次加入Group。
故障檢測機制
Consumer成功加入Group后，Consumer和相應的Coordinator同時開始故障探測程序。Consumer向Coordinator發起周期性的Heartbeat（HeartbeatRequest）並等待響應，該周期為 session.timeout.ms/heartbeat.frequency。若Consumer在session.timeout.ms內未收到HeartbeatResponse，或者發現相應的Socket channel斷開，它即認為Coordinator已宕機並啟動Coordinator探測程序。若Coordinator在session.timeout.ms內沒有收到一次HeartbeatRequest，則它將該Consumer標記為宕機狀態並為其所在Group觸發一次Rebalance操作。
Coordinator Failover過程中，Consumer可能會在新的Coordinator完成Failover過程之前或之后發現新的Coordinator並向其發送HeatbeatRequest。對於后者，新的Cooodinator可能拒絕該請求，致使該Consumer重新探測Coordinator並發起新的連接請求。如果該Consumer向新的Coordinator發送連接請求太晚，新的Coordinator可能已經在此之前將其標記為宕機狀態而將之視為新加入的Consumer並觸發一次Rebalance操作。
Coordinator
1）穩定狀態下，Coordinator通過上述故障探測機制跟蹤其所管理的每個Group下的每個Consumer的健康狀態。
2）剛啟動時或選舉完成后，Coordinator從Zookeeper讀取它所管理的Group列表及這些Group的成員列表。如果沒有獲取到Group成員信息，它不會做任何事情直到某個Group中有成員注冊進來。
3）在Coordinator完成加載其管理的Group列表及其相應的成員信息之前，它將為HeartbeatRequest，OffsetCommitRequest和JoinGroupRequests返回CoordinatorStartupNotComplete錯誤碼。此時，Consumer會重新發送請求。
4）Coordinator會跟蹤被其所管理的任何Consumer Group注冊的Topic的Partition的變化，並為該變化觸發Rebalance操作。創建新的Topic也可能觸發Rebalance，因為Consumer可以在Topic被創建之前就已經訂閱它了。
Coordinator發起Rebalance操作流程如下所示。
Coordinator狀態機
Down：Coordinator不再擔任之前負責的Consumer Group的Coordinator
Catch up：該狀態下，Coordinator競選成功，但還未能做好服務相應請求的准備。
Ready：該狀態下，新競選出來的Coordinator已經完成從Zookeeper中加載它所負責管理的所有Group的metadata，並可開始接收相應的請求。
Prepare for rebalance：該狀態下，Coordinator在所有HeartbeatResponse中返回IllegalGeneration錯誤碼，並等待所有Consumer向其發送JoinGroupRequest后轉到Rebalancing狀態。
Rebalancing：該狀態下，Coordinator已經收到了JoinGroupRequest請求，並增加其Group Generation ID，分配Consumer ID，分配Partition。Rebalance成功后，它會等待接收包含新的Consumer Generation ID的HeartbeatRequest，並轉至Ready狀態。
Coordinator Failover
如前文所述，Rebalance操作需要經歷如下幾個階段
1）Topic/Partition的改變或者新Consumer的加入或者已有Consumer停止，觸發Coordinator注冊在Zookeeper上的watch，Coordinator收到通知准備發起Rebalance操作。
2）Coordinator通過在HeartbeatResponse中返回IllegalGeneration錯誤碼發起Rebalance操作。
3）Consumer發送JoinGroupRequest
4）Coordinator在Zookeeper中增加Group的Generation ID並將新的Partition分配情況寫入Zookeeper
5）Coordinator發送JoinGroupResponse
在這個過程中的每個階段，Coordinator都可能出現故障。下面給出Rebalance不同階段中Coordinator的Failover處理方式。
1）如果Coordinator的故障發生在第一階段，即它收到Notification並未來得及作出響應，則新的Coordinator將從Zookeeper讀取Group的metadata，包含這些Group訂閱的Topic列表和之前的Partition分配。如果某個Group所訂閱的Topic數或者某個Topic的Partition數與之前的Partition分配不一致，亦或者某個Group連接到新的Coordinator的Consumer數與之前Partition分配中的不一致，新的Coordinator會發起Rebalance操作。
2）如果失敗發生在階段2，它可能對部分而非全部Consumer發出帶錯誤碼的HeartbeatResponse。與第上面第一種情況一樣，新的Coordinator會檢測到Rebalance的必要性並發起一次Rebalance操作。如果Rebalance是由Consumer的失敗所觸發並且Cosnumer在Coordinator的Failover完成前恢復，新的Coordinator不會為此發起新的Rebalance操作。
3）如果Failure發生在階段3，新的Coordinator可能只收到部分而非全部Consumer的JoinGroupRequest。Failover完成后，它可能收到部分Consumer的HeartRequest及另外部分Consumer的JoinGroupRequest。與第1種情況類似，它將發起新一輪的Rebalance操作。
4）如果Failure發生在階段4，即它將新的Group Generation ID和Group成員信息寫入Zookeeper后。新的Generation ID和Group成員信息以一個原子操作一次性寫入Zookeeper。Failover完成后，Consumer會發送HeartbeatRequest給新的Coordinator，並包含舊的Generation ID。此時新的Coordinator通過在HeartbeatResponse中返回IllegalGeneration錯誤碼發起新的一輪Rebalance。這也解釋了為什么每次HeartbeatRequest中都需要包含Generation ID和Consumer ID。
5）如果Failure發生在階段5，舊的Coordinator可能只向Group中的部分Consumer發送了JoinGroupResponse。收到JoinGroupResponse的Consumer在下次向已經失效的Coordinator發送HeartbeatRequest或者提交Offset時會檢測到它已經失敗。此時，它將檢測新的Coordinator並向其發送帶有新的Generation ID 的HeartbeatRequest。而未收到JoinGroupResponse的Consumer將檢測新的Coordinator並向其發送JoinGroupRequest，這將促使新的Coordinator發起新一輪的Rebalance。