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:
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
更新positions
从fetcher中获取消息,如果已经拿到消息则返回结果,调用结束
对分区执行poll请求
阻塞等待至少一个fetch操作完成
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
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:
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
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
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。