消费者组中的 Apache Beam KafkaIO 消费者阅读相同的消息

Question

我在数据流中使用 KafkaIO 来读取来自一个主题的消息。我使用以下代码。

KafkaIO.<String, String>read()
                .withReadCommitted()
                .withBootstrapServers(endPoint)
                .withConsumerConfigUpdates(new ImmutableMap.Builder<String, Object>()
                .put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, true)
                .put(ConsumerConfig.GROUP_ID_CONFIG, groupName)
                .put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, 8000).put(ConsumerConfig.REQUEST_TIMEOUT_MS_CONFIG, 2000)
                .build())
//                .commitOffsetsInFinalize()
                .withTopics(Collections.singletonList(topicNames))
                .withKeyDeserializer(StringDeserializer.class)
                .withValueDeserializer(StringDeserializer.class)
                .withoutMetadata();

我运行我本地的数据流程序直接使用运行ner。一切运行都很好。我运行同一程序的另一个并行实例，即另一个消费者。现在我在管道处理中看到重复的消息。

虽然我提供了消费者组 ID，但启动另一个具有相同消费者组 ID（同一程序的不同实例）的消费者不应该处理由另一个消费者处理的相同元素吗？

使用数据流运行ner 的结果如何？

Answer 1

我认为您设置的选项不能保证跨管道的消息不重复传递。

ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG：这是一个 flag for the Kafka consumer 不适用于 Beam 管道本身。似乎这是尽力而为且周期性的，因此您可能仍会在多个管道中看到重复项。
withReadCommitted()：这只是意味着 Beam 不会读取未提交的消息。同样，它不会阻止跨多个管道的重复。

请参阅 here 了解 Beam 源使用的协议，以确定 Kafka 源的起点。

为了保证不重复交付，您可能必须阅读不同的主题或不同的订阅。

消费者组中的 Apache Beam KafkaIO 消费者阅读相同的消息

Apache Beam KafkaIO consumers in consumer group reading same message

google-cloud-dataflow

apache-beam-io

apache-beam

apache-beam-kafkaio