apache-kafka - 当停止一个消费者并立即启动它时，消费者组需要大约 10 秒的时间来重新平衡

Question

<强>1。问题描述

如果停止一个消费者并立即启动这个消费者，消费者组需要大约 10 秒的时间来重新平衡。

但是如果停止一个consumer等待10s左右，然后再启动那个consumer，就不会出现这个问题。

<强>2。环境

kakfa-version:0.11.0.1

<强>3。演示

1. Producer1Demo.java(Producer-A发送消息到topic:topic1)
2. Producer2Demo.java(Producer-B发送消息到topic:topic2)
3. Consumer1Demo.java(Consumer-A 从topic:topic1 获取消息)
4. Consumer2Demo.java(Consumer-B 从topic:topic2 获取消息)

Consumer-A和Consumer-B在同组group1，生产者代码如下

 public static void main(String[] args) throws Exception{
        Properties props = new Properties();
        props.put("bootstrap.servers", "ip:9092");
        props.put("acks", "all");
        props.put("retries", 0);
        props.put("batch.size", 16384);
        props.put("linger.ms", 1);
        props.put("buffer.memory", 33554432);
        props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        Producer<String, String> producer = new KafkaProducer<>(props);
        boolean flag = true;
        int i = 0;
        while(flag){
            if(i>=1000){
                flag = false;
            }
            producer.send(new ProducerRecord("topic1", "topic<1>-"+ i));
            i++;
            Thread.sleep(1000);
        }
        producer.close();
    }

消费者代码如下

 public static void main(String []args){
        Properties props = new Properties();
        props.put("bootstrap.servers", "ip:9092");
        props.put("group.id", "group1");
        props.put("enable.auto.commit", "true");
        props.put("auto.commit.interval.ms", "1000");
        props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
        consumer.subscribe(Arrays.asList("topic1"));
        boolean flag = true;
        while (flag) {
            ConsumerRecords<String, String> records = consumer.poll(100);
            for (ConsumerRecord<String, String> record : records)
                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
        }
        consumer.close();
    }

4.如何重现这个问题

1. 首先启动上面四个java的main方法，然后，Consumer-A和Consumer-B可以从他们对应的主题中获取消息不断地
2. 然后，我停止 Consumer1Demo.java 的进程并启动Consumer1Demo.java的main方法立即执行，Consumer-B会bock for大约 10 秒后重新加入组 group1，下面是 Consumer-A 的日志日志:


Discovered coordinator 10.105.168.92:9092 (id: 2147483646 rack: null) for group group1.
Revoking previously assigned partitions [] for group group1
(Re-)joining group group1
<will sleep about 10s>
Successfully joined group group1 with generation 52
Setting newly assigned partitions [topic1-0, topic1-1, topic1-6, topic1-7, topic1-2, topic1-3, topic1-4, topic1-5] for group group1


消费者-B的日志
Revoking previously assigned partitions [topic2-0, topic2-1, topic2-2, topic2-7, topic2-3, topic2-4, topic2-5, topic2-6] for group group1
(Re-)joining group group1
<will sleep about 10s>
Successfully joined group group1 with generation 52
Setting newly assigned partitions [topic2-0, topic2-1, topic2-2, topic2-7, topic2-3, topic2-4, topic2-5, topic2-6] for group group1
offset = 215, key = null, value = testMessageTopic<2>-318


通过log我们可以看到，Consumer-A和Consumer-B加入group也需要10秒左右的时间，看来他们都需要得到generation same value:52，这一步好像耗费了10 秒。

5.如何避免这个问题。

1. 首先，停止 Consumer-A 进程，等待大约 15 秒，然后，启动Consumer1Demo.java main启动Consumer-A，这个问题就解决了。
2. 然后我们来分析日志。

<5.2.1>在做step1之前，Consumer-A和Consumer-B的generation value也是63<5.2.2>停止Consumer-A进程后，Consumer-B会立即重新加入群组并获得生成值:64

<5.2.3>等待约15秒后，再次启动Consumer1Demo.java main。 Consumer-A会立即重新加入群组并获得生成值:65

<5.2.4>那么，Consumer-A再次加入导致生成值发生变化时，Consumer-B也会重新加入生成值为65的group。

5.根本原因

1. 当一个消费者宕机时，消费者群体会重新平衡并获得新的消费者生成值(oldValue + 1)
2. 当一个consumer启动时，consumber group也会做rebalance并得到新生代值(value)(oldValue + 1)

在这种情况下，似乎step5.1和step5.2同时发生，所以可能存在资源竞争，因此协调器可能需要10秒才能解决问题。

6.我的问题

不知道我分析的对不对，还有别的原因吗？

Answer 1

因为两个consumer1和consumer2在同一个consumer group中，当重启或停止其中一个consumer时，consumer group会做do rebalance操作，耗时10s左右。

换了不同的消费组后，问题解决了。