监控消费进度 : 看滞后程度：消费者 Lag , Consumer Lag

滞后程度 : 消费者落后于生产者的程度

• 如 : Kafka 生产者向某主题成功生产 100 万条消息，消费者消费 80 万条消息
• 那消费者就滞后 20 w条，即 Lag = 20 w

Kafka 监控 Lag 是在分区上的层级 :

• 主题的 Lag = 手动汇总主题下所有分区的 Lag

Lag : 反映消费者的运行情况

• 正常工作的消费者，它的 Lag 很小，表明能及时消费消息，滞后程度很小
• 当消费者 Lag 值很大，表明它无法跟上生产者的速度，最终 Lag 会越来越大，导致拖慢下游消息的处理速度

当消费者的速度无法匹及生产者的速度 ：

• 可能出现消费数据不在页缓存中，就无法享受 Zero Copy
• 消费者就要从磁盘上读取数据，会拉大了与生产者的差距，出现马太效应
• 那些 Lag 大的消费者会越来越慢，Lag 会越来越大

生产环境中要时刻关注消费者的消费进度 ：

• 出现 Lag 逐步增加的趋势，要定位问题，及时处理，避免造成业务损失

消费进度的监控方法 ：

• 命令行工具 kafka-consumer-groups
• Java Consumer API 编程
• JMX 监控指标

Kafka 自带命令

Kafka 自带的命令行工具 : bin/kafka-consumer-groups.sh

• kafka-consumer-groups : 监控消费者消费进度的工具

该脚本在 Kafka bin 目录下，查看某个给定消费者的 Lag 值：

bin/kafka-consumer-groups.sh \
--bootstrap-server <Kafka broker 连接信息> \
--describe --group <group 名称>

Kafka 连接信息 = < 主机名：端口 >对

• group 名 : 消费者设置的 group.id 值

例子：

• 主题、分区
• LOG-END-OFFSET : 每个分区当前最新生产的消息的位移值
• CURRENT-OFFSET : 该消费者组当前最新消费消息的位移值
• LAG 值（前两者的差值）、消费者实例 ID
• 消费者连接 Broker 的主机名 , 消费者的 CLIENT-ID 信息

Java Consumer API

Java Consumer API :

• 查询当前分区最新消息位移
• 查询消费者组最新消费消息位移

用 Consumer API 监控消费者组的 Lag 值：

• 只适用于 Kafka 2.0.0 及以上的版本

public static Map<TopicPartition, Long> lagOf(String groupID, String bootstrapServers) throws TimeoutException {
    Properties props = new Properties();
    props.put(CommonClientConfigs.BOOTSTRAP_SERVERS_CONFIG, bootstrapServers);
    
    try (AdminClient client = AdminClient.create(props)) {
        // 获取给定消费者组的最新消费消息的位移
        ListConsumerGroupOffsetsResult result = client.listConsumerGroupOffsets(groupID);
        try {
            Map<TopicPartition, OffsetAndMetadata> consumedOffsets = result.partitionsToOffsetAndMetadata().get(10, TimeUnit.SECONDS);
            props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, false); // 禁止自动提交位移
            props.put(ConsumerConfig.GROUP_ID_CONFIG, groupID);
            props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
            props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class.getName());
            
            try (final KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props)) {
                // 获取订阅分区的最新消息位移
                Map<TopicPartition, Long> endOffsets = consumer.endOffsets(consumedOffsets.keySet());
                return endOffsets.entrySet().stream().collect(Collectors.toMap(entry -> entry.getKey(), 
                                                                               // 执行减法操作，获取 Lag 值并封装进一个 Map 对象
                                                                               entry -> entry.getValue() - consumedOffsets.get(entry.getKey()).offset()));
            }
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
            // 处理中断异常
            // ...
            return Collections.emptyMap();
        } catch (ExecutionException e) {
            // 处理 ExecutionException
            // ...
            return Collections.emptyMap();
        } catch (TimeoutException e) {
        	throw new TimeoutException("Timed out when getting lag for consumer group " + groupID);
        }
    }
}

JMX 监控指标

Kafka 消费者的 JMX 指标 : kafka.consumer:type=consumer-fetch-manager-metrics,client-id="{client-id}"

• records-lag-max : 窗口内曾经达到的最大的 Lag 值
• records-lead-min : 最小的 Lead 值

Lead : 消费者最新消费消息的位移与分区当前第一条消息位移的差值

• Lag 越大，Lead 越小
• Lead 快接近于 0 时，消费者就可能丢消息

kafka.consumer:type=consumer-fetch-manager-metrics,partition="{partition}",topic="{topic}",client-id="{client-id}"

• records-lag-avg : 平均的 Lag 值
• records-lead-avg : 平均的 Lead 值