KafkaSpout: PartitionManager的行为分析

KafkaSpout的核心逻辑都是由PartitionManager来实现的。

但是这个类实现时候需要考虑的东西有些多，0.92至0.93，至当前(2015.3.14)的master一直在变化。在这里，先分析一下最近的发布版0.93里的逻辑。也提出一些问题，希望以后Apache Storm会把这个类实现地更完美一些。

---

PartitionManager的主要功能

PartitionManager用来管理单个Partition。提供持久化读取进度、读取消息功能，并提供Storm的spout需要实现的nextTuple, fail, ack等功能。

---

实现PartitionManager需要考虑的问题

有一些问题是设计PartitionManager时必须考虑的，先把他们提一下，然后看下0.93版PartitionManager的实现。

关于批量读取消息以及缓存消息

由于Kafka的实现细节（为了高吞吐而设计的log格式，通讯协议），Kafka的SimpleConsumer每次读取消息是会去读取一批，而不能指定响应想要包含的具体的offset，并且由于消息按批压缩，使得每次读取的响应包含的offset可能比想要的最小的offset还要小(但不会更大)。所以，对于PartitoinManager来说，在内部构造一个缓存，保存每次读取得到的一批message是一种自然而且高效的方式。

允许有超过一个message处于pendding（已发送但没有ack）状态？

如果在发射一个message的tuple之后，就开始等待。那么ack、fail、commit的逻辑就会很简单。但这样消息的处理效率会被极大的降低，且不说还可能使得下游bolt的一些task没事可做。所以一定得允许多个message正在被blot处理，也就是需要有pendding messages的集合。

有了pendding的messages集合，ack, fail, commit的逻辑就变得比较复杂，且需要做出一些折衷。

1. 当有message对应的tuple失败时，如何在处理其它正常的消息时，特殊处理失败的这些message?
2. 如果有message产生的tuple在多次重复后仍然失败，应该怎么做？丢弃它吗？
3. 在Zookeeper中应该记录什么信息？
4. 如果下游的bolt处理的进度太慢怎么办？如何衡量处理速度是否达到需求？

---

PartitionManager的具体实现 

在Zookeeper中记录信息的意义：

下面是PartitionManager的commit方法的主要部分：

Map<Object, Object> data = (Map<Object, Object>) ImmutableMap.builder()
                    .put("topology", ImmutableMap.of("id", _topologyInstanceId,
                            "name", _stormConf.get(Config.TOPOLOGY_NAME)))
                    .put("offset", lastCompletedOffset)
                    .put("partition", _partition.partition)
                    .put("broker", ImmutableMap.of("host", _partition.host.host,
                            "port", _partition.host.port))
                    .put("topic", _spoutConfig.topic).build();
 _state.writeJSON(committedPath(), data);

_committedTo = lastCompletedOffset;

• topology.id 记录了这个topology实例的id。当PartitionManager的构造函数被调用时，它会从Zookeeper里获取topology.id，以判断当前的task是否跟记录zookeeper里信息的是一个topology实例，如果不是，说明这是一个新提交的topology，这时，会判断是否设置了forceFromStart，如果是同一个topology实例，就不理会forceFromStart
• topology.name topology的名字，这个目前没用到。
• offset 在这个offset之前(不包括它）的所有消息都已经处理完成。
• partition  partition id
• broker 此partition的leader
• topic partition所属的topic。注意，在PartitionManager初始化时，它并没有判断这个spout task的topic跟记录里的一致。所以，如果两个topology, 有同样的SpoutConfig.id，但是不同的topic，会引发混乱。

另外，这个JSON数据写的路径committedPath也是很重要的。PartitionManager初始化时，会从这个committedPath路径读取信息。

    private String committedPath() {
        return _spoutConfig.zkRoot + "/" + _spoutConfig.id + "/" + _partition.getId();
    }

所以，如果spoutConfig.id配置得不当，KafkaSpout就无法获取正确的进度记录。

另外，在所有记录里，最重要的就是offset这个记录。它的意义，使得PartitionManager不得不做出很多权衡。

PartitionManager用到的集合和记录

    Long _emittedToOffset;
    SortedSet<Long> _pending = new TreeSet<Long>();
    SortedSet<Long> failed = new TreeSet<Long>();
    Long _committedTo;
    LinkedList<MessageAndRealOffset> _waitingToEmit = new LinkedList<MessageAndRealOffset>();
    long numberFailed, numberAcked;

• _pending 所有己读取，但还没有被ack的消息，都在这里。
• failed 所有己经认定为failed的tuple来自的message的offset都在这里
• _waitingToEmit 所有己经被读取，但是还没经过“解析，emit tuple"步骤的消息都在这。
• _emittedToOffset offset小于它的消息都已经被读取了
• _comittedTo  所有offset小于它的消息都已被ack，或者由于某些原因不再需要被处理。

当PartitionManager的next方法被调用以emit新tuple时，它只会从_waitingToEmit取消息。那么failed里的消息如何被再重试呢？原因在于_waitingToEmit为空时，next方法会调用fill方法，而fill方法会考虑到failed集合内的元素，不过是一种比较粗放的做法。

 fill方法

fill方法的主要逻辑依次分为三个部分：

1. 判断该从哪个offset开始，从Kafka抓取消息
2. 抓取消息，处理offset out of range 异常
3. 把抓取到的消息放到_waitingToEmit集合中，同时与failed集合与pendding集合交互。

第一部分：

        final boolean had_failed = !failed.isEmpty();
        // Are there failed tuples? If so, fetch those first.
        if (had_failed) {
            offset = failed.first();
        } else {
            offset = _emittedToOffset;
        }

这段代码里，offset即是将要从Kafka里抓取消息的offset。当failed集合不为空时，就用failed集合的最小的offset做为下次要抓取的offset。

如果没有failed消息，fill方法就会从之前读取过的最大的offset继续抓取。在知道了从何处抓取之后，开始真正的抓取过程:

　　　　　try {
            msgs = KafkaUtils.fetchMessages(_spoutConfig, _consumer, _partition, offset);
        } catch (UpdateOffsetException e) { //如果是offset "out of range", 并且设置了useStartOffsetTimeIfOffsetOutOfRange
            _emittedToOffset = KafkaUtils.getOffset(_consumer, _spoutConfig.topic, _partition.partition, _spoutConfig);
            LOG.warn("Using new offset: {}", _emittedToOffset);
            // fetch failed, so don't update the metrics
            return;
        }

出现了UpdateOffsetException代表出现了这种情况：想要抓取的offset不在Kafka能提供的offset所在的范围之内，并且已经在config里设置了useStartOffsetTimeIfOffsetOutOfRange为true。想要抓取的offset不在Kafka提供的范围可能有几种原因：这部分消息被Kafka的log retention功能给删除了；leader变更，使得部分消息丢失(如果没有设置ack为-1的话)；以及其它异常。这时候，fill方法会调用KafkaUtils的getOffset方法，不过这个方法有些不符合useStartOffsetTimeIfOffsetOutOfRange的意思，即它并不是一定会从startOffsetTime配置中配置的offsetTime开始读。

    public static long getOffset(SimpleConsumer consumer, String topic, int partition, KafkaConfig config) {
        long startOffsetTime = kafka.api.OffsetRequest.LatestTime();
        if ( config.forceFromStart ) {
            startOffsetTime = config.startOffsetTime;
        }
        return getOffset(consumer, topic, partition, startOffsetTime);
    }

可以看出，如果没有设置forceFromStart，那么这个方法返回的offset将会是当前最大的offset，而忽略KafkaConfig中startOffsetTime的配置，使得PartitionManager直接跳到最新的消息开始处理。这样乍一看莫名其妙，但是试想，如果startOffsetTime对应的offset也out of range呢，这样KafkaSpout就陷入了死循环。而LatestOffsetTime()是始终存在的。但是，这样做而没有单独的配置，也没有日志记录说明这种权衡，会给用户带来麻烦。

在获取fetch到消息以后，获取的消息集可能会包含了各种例外情况，需要细致处理：

            for (MessageAndOffset msg : msgs) {
                final Long cur_offset = msg.offset();
                if (cur_offset < offset) {
                    // Skip any old offsets.
                    continue;
                }
                if (!had_failed || failed.contains(cur_offset)) {
                    numMessages += 1;
                    _pending.add(cur_offset);//_pending表示已经读取而未被ack的消息
                    _waitingToEmit.add(new MessageAndRealOffset(msg.message(), cur_offset));
                    _emittedToOffset = Math.max(msg.nextOffset(), _emittedToOffset);
                    if (had_failed) {//说明此消息在failed集合里。从failed集合里remove掉它，因为它被重新加入了_waitingToEmit集合，将要被重新处理。
                        failed.remove(cur_offset);//
                    }
                }

• 首先，需要考虑到FetchRequest指定的是返回集中最小的offset A，但是，实际上Kafka只保证返回的消息集中包括了offset为A的消息，这个消息集中也可能包括了offset比A更小的消息(由于压缩)。所以，fill方法首先要skip掉这些offset更小的消息
• 如果failed集合为空，fill方法就把得到的消息集中所有offset大于A的消息加入_waitingToEmit集合，同时加入_pending集合。然后把_emittedToOffset设为当前读取过的最大的offset。
• 如果had_failed并且读取到的消息在failed集合中，它在把这条消息加入_waitingToEmit集合与_pending集合后，还要把它从failed集合中去掉，否则这条消息就会永远在failed集合里。只有在fill方法中，failed集合中的元素才可能被移除，加入到_waitingToEmit集合，使它有机会被重新emit。这使得如果failed集合不为空时，此次抓取的消息里，只有failed的消息会被重发。

通过对fill方法的分析可以看到，如果一个消息始终fail，除非在PartitionManager的其它方法中把它移除，否则它会使PartitionManager的处理进度停止。下面将要看到，在fail和ack方法中，这样一直fail的消息还是有机会被丢弃的，但这取决于你的配置，而这些配置是很微妙的。

ack方法

ack方法的主要功能是把消息从_pending集合中去掉，表示这个消息处理完成。从_pending集合去除，PartitionManager才能获取正确的处理进度的信息，以更新Zookeeper里的记录。但是，它还有别的作用。

    public void ack(Long offset) {
        if (!_pending.isEmpty() && _pending.first() < offset - _spoutConfig.maxOffsetBehind) {
            // Too many things pending! 已读取但未确认的消息太多了，就把此次确认的offset - maxOffsetBehind之前的清除了
            _pending.headSet(offset - _spoutConfig.maxOffsetBehind).clear();
        }
        _pending.remove(offset);//从_pending集合中移除它，表示这个消息已被处理
        numberAcked++;
    }

当一个offset被ack时，ack方法会把所有小于offset - _spoutConfig.maxOffsetBehind的消息从_pending中移除。也就是说，即使这些被移除的消息失败了，也认为他们处理成功，使得在Zookeeper中记录的进度忽略这些被移除的消息。所以，假如task重启，那么这些失败但被移除出_pending集合的消息就不会被再处理。那么，这些失败了的消息，当Storm的acker发现它们处理失败，会发生什么呢？这由fail方法决定。

fail方法

 public void fail(Long offset) {
        if (offset < _emittedToOffset - _spoutConfig.maxOffsetBehind) {
            LOG.info(
                    "Skipping failed tuple at offset=" + offset +
                            " because it's more than maxOffsetBehind=" + _spoutConfig.maxOffsetBehind +
                            " behind _emittedToOffset=" + _emittedToOffset
            );
        } else {
            LOG.debug("failing at offset=" + offset + " with _pending.size()=" + _pending.size() + " pending and _emittedToOffset=" + _emittedToOffset);
            failed.add(offset);
            numberFailed++;
            if (numberAcked == 0 && numberFailed > _spoutConfig.maxOffsetBehind) {
                throw new RuntimeException("Too many tuple failures");
            }
        }
    }

当一个消息对应的tuple被fail时，fail方法会首先判断这个消息是否落后太多。如果它的offset小于（当前读取的最大offset - maxOffsetBehind)， 那么就不把它加到failed集合里，使得它很可能不会被重新处理。如果不落后太多，就把它加到failed集合里，使得它可以被重新处理。如果没有消息ack，并且总的failed次数大于maxOffsetBehind，就抛出异常，代表PartitionManager工作出错，而这种情况只有在处理第一批消息并且这批消息的个数大于maxOffsetBehind时才可能发生。这样，有可能在某些情况下，使得PartitionManager卡住，但不会有异常。而且用numberFailed与spoutConfig.maxOffsetBehind比较，有些令人莫名其秒。

commit方法

commit方法被调用时，会调用lastCompletedOffset方法获取当前PartitionManager处理的进度，并且将这个进度持久化。这个“进度”，是说在此之前的所有消息都已被ack，或“不需要ack”, 总之，是说这些消息已处理完毕。

    public long lastCompletedOffset() {
        if (_pending.isEmpty()) {
            return _emittedToOffset;
        } else {
            return _pending.first();
        }
    }

在此，体现了_pending的作用。_pend中最小的元素，代表之前的元素都已处理完成。如果_pending为空，说明所有已被读取的元素都已处理完毕。

陷阱

failed方法，使得PartitonManager的有些行为非常隐晦。结合ack、fill和commit方法，可能会出现以下特殊情况，这些情况和KafkaConfig.maxOffBehind配置，及KafkaConfig.useStartOffsetTimeIfOffsetOutOfRange配置、KafkaConfig.fetchSizeBytes配置相关。

1. maxOffsetBehind设置得较小，而fetchSizeBytes相对较大，使得maxOffsetBehind小于一次fetch得到的消息总数。设这批fetch得到的消息的offset范围为[a, b]，那么所有小于(b - maxOffsetBehind)的offset的消息，即使处理失败，也不会被重试。设这样失败，但不会被重试的消息中的某个的offset为X, 那么如果某个大于( X + maxOffsetBehind)的消息被ack时，offset为X的这个消息会被从_pending集合中移除。但是如果所有大于（X + maxOffsetBehind)的消息都被fail了，而在（_emmittedToOffset与_emittedToOffset - maxOffsetBehind之间) 有消息failed了，那么failed集合中不会包括X，但会包括比X的offset大的元素，X不会被重试，但X会一直停留在_pending集合，造成commit无法更新实际进度，并且带来内存泄漏。
2. 如果maxOffsetBehind比较大，就可能有failed的消息永远不会被忽略，而会一直重试，直到它成功。所以必须保证每个tuple最后都被ack。而fill方法使得在这个failed的消息中的所有tuple都被ack之前，PartitionManager无法处理后续的消息。这样后续的blot必须保证每个tuple都被ack(或者自己加入逻辑判断是否发生了这种有消息一直被重发的情况)，否则这个partition就会卡在fail的这个消息上。
3. 如果把useStartOffsetTimeIfOffsetOutOfRange设为true，同时forceFromStart设为false, 而startOffsetTime不为LatestTime，那么PartitonManager想要获取的消息out of range时，它会直接跳到LatestTime开始处理消息，而不会从startOffsetTime开始。这可能发生在Kafka进行了log retention之后。
4. 如果一条消息被拆成多个tuple发送，那么只要其中有一个tuple处理失败，这条消息产生的所有tuple就可能被重新发送。

总之，当前PartitionManager的实现还有很多需要改进之处，而且有些情况容易给用户带来困扰。