前言
上一篇<JStorm介绍>从架构设计、计算模型上对jstorm做了系统化表述，读后会对应用场景、功能实现上有清晰明确的认识，建议没有看过的朋友看一看。这篇文章主要聊聊集成kafka的实现细节、开发时要注意的一些坑及优化方面的一些思考
实时流式计算框架一般从消息队列实时拉取数据，而kafka是很多公司首选的分布式消息发布订阅系统，jstorm也提供了消费kafka的spout，便于构建基于kafka的实时应用程序。关于kafka的更多介绍可参见<Kafka Producer可靠性浅析>
0x01 partition分配
kafka的一个topic会有一到多个partition，而spout task也可能有多个，所以在创建KafkaSpout task时，就给每个task分配好了待消费的partition列表，分配算法如下：
也就是说每个task在运行期间消费的partition是固定的，这样如果topology提交后，topic又新增了分区，会导致消费不到新增的partition
0x02 业务逻辑
KafkaSpout用SimpleConsumer低级API消费Kafka，手动管理offset是低级api要做的主要任务，当然KafkaSpout也不例外，KafkaSpout也是用zookeeper持久化offset。如果每次ack时都同步offset，消息量大的情况下，和zk交互就变得异常频繁，这对zk稳定性势必造成很大压力，也会降低topology吞吐率，所以KafkaSpout用定时机制同步offset，kafka.offset.update.interval.ms设置同步间隔，默认2s。
jstorm计算框架的ack机制保证了消息可靠性(消息不丢失)：ack确认消息处理完毕，spout不用重复发送该消息；fail表示下游消息处理失败，spout要再次发送该消息以保证每条消息都会被成功处理。
结合jstorm框架和KafkaConsumer，内部主要涉及到ack/fail/emit、从kafka poll消息和commit postition这几个操作，其中poll消息、emit和commit position是在KafkaSpout.nextTuple方法内顺序执行的。涉及到的主要数据结构：
LinkedList emittingMessages ：存储consumer从topic拉取的消息
SortedSet pendingOffsets：以有序方式存放从topic拉取到的消息offset
SortedSet failedOffsets：fail事件的消息offset
long emittingOffset：当前从topic拉取的消息offset
long lastCommittedOffset：最后一次持久化存储的offset
其时序图如下：
0x03 nextTuple、ack解析
如前所述，nextTuple方法会从kafka里拉取消息并把消息的offset add到pendingOffsets，而ack时从pendingOffsets里remove元素，ack和nextTuple可能并发执行，这样在并发场景下，因SortedSet是非线程安全的，就会出现异常：
解决这个bug的方案：
1、声明pendingOffsets为线程安全的SortedSet对象，比如ConcurrentSkipListSet
2、在对pendingOffsets的add、remove操作上加同步机制锁
0x04 commit offset解析
KafkaSpout是定时的(不是单独线程而是在nextTuple方法内)commit offset：从pendingOffsets有序列表里返回第一个(最小的offset)元素，然后判断和上次提交的offset(lastCommittedOffset)是否相同，如果不相同就把该offset存到ZK，否则不予处理。
如果下游处理失败，即fail而没有ack，就会产生一个问题，每次从pendingOffsets返回第一个元素时，都是这条fail消息的offset，导致offset不会commit，但实际上KafkaSpout还在继续消费kafka。而且KafkaSpout的fail函数只是把失败消息的offset从failedOffsets列表里remove掉，没有做进一步处理，这是一个隐形的bug。理论上对失败的消息是要重新发送的，才能保证最终处理结果是exactly once，如果emit失败的消息，要注意流式的顺序性。
0x05 Partition Not Leader Exception
Spout先找到每个partition的leader，然后根据leader broker信息创建simpleConsumer，以后就重用这个consumer对象消费消息。这有个隐藏的坑，在创建consumer对象后，如果partition的leader发生重新选举，再用这个consumer消费消息时，就会报异常：[This server is not the leader for that topic-partition.]
解决方案：捕获异常，然后强制重新获取leader、创建SimpleKafka
本文首发于公众号：data之道
