Зафиксировать смещения для Кафки на Spark Executors - PullRequest
Новая
       75

Зафиксировать смещения для Кафки на Spark Executors

0 голосов
/ 27 сентября 2019

Я получаю события от Кафки, обогащаю / фильтрую / трансформирую их в Spark и затем сохраняю их в ES.Я возвращаю смещения в Kafka

У меня есть два вопроса / проблемы:

(1) Моя текущая работа в Spark ОЧЕНЬ медленная

I50 разделов по теме и 20 исполнителей.Каждый исполнитель имеет 2 ядра и 4 г памяти каждый.У моего драйвера 8г памяти.Я потребляю 1000 событий / раздел / секунду, и мой пакетный интервал составляет 10 секунд.Это означает, что я потребляю 500000 событий за 10 секунд

Мой кластер ES выглядит следующим образом:

20 осколков / индекс

3 основных экземпляра c5.xlarge.elasticsearch

12 экземпляров m4.xlarge.elasticsearch

диск / узел = 1024 ГБ, поэтому всего 12 ТБ

И у меня огромные задержки при планировании и обработке

(2) Как я могу зафиксировать смещения на исполнителях?

В настоящее время я обогащаю / преобразовываю / фильтрую свои события на исполнителях, а затем отправляю все в ES, используя BulkRequest .Это синхронный процесс.Если я получаю положительный отзыв, я отправляю список смещений водителю.Если нет, я отправляю обратно пустой список.На драйвере я фиксирую смещения в Кафке.Я считаю, что должен быть способ, при котором я могу фиксировать смещения на исполнителях, но я не знаю, как передать kafka Stream исполнителям: 

((CanCommitOffsets) kafkaStream.inputDStream()).commitAsync(offsetRanges, this::onComplete);

Это код для передачи смещений в Kafka, который требуетKafka Stream

Вот мой общий код: 

 kafkaStream.foreachRDD( // kafka topic
                rdd -> { // runs on driver
                    rdd.cache();
                    String batchIdentifier =
                            Long.toHexString(Double.doubleToLongBits(Math.random()));

                    LOGGER.info("@@ [" + batchIdentifier + "] Starting batch ...");

                    Instant batchStart = Instant.now();

                    List<OffsetRange> offsetsToCommit =
                            rdd.mapPartitionsWithIndex( // kafka partition
                                    (index, eventsIterator) -> { // runs on worker

                                        OffsetRange[] offsetRanges = ((HasOffsetRanges) rdd.rdd()).offsetRanges();

                                        LOGGER.info(
                                                "@@ Consuming " + offsetRanges[index].count() + " events" + " partition: " + index
                                        );

                                        if (!eventsIterator.hasNext()) {
                                            return Collections.emptyIterator();
                                        }

                                        // get single ES documents
                                        List<SingleEventBaseDocument> eventList = getSingleEventBaseDocuments(eventsIterator);

                                        // build request wrappers
                                        List<InsertRequestWrapper> requestWrapperList = getRequestsToInsert(eventList, offsetRanges[index]);

                                        LOGGER.info(
                                                "@@ Processed " + offsetRanges[index].count() + " events" + " partition: " + index + " list size: " + eventList.size()
                                        );

                                        BulkResponse bulkItemResponses = elasticSearchRepository.addElasticSearchDocumentsSync(requestWrapperList);

                                        if (!bulkItemResponses.hasFailures()) {
                                            return Arrays.asList(offsetRanges).iterator();
                                        }

                                        elasticSearchRepository.close();
                                        return Collections.emptyIterator();
                                    },
                                    true
                            ).collect();

                    LOGGER.info(
                            "@@ [" + batchIdentifier + "] Collected all offsets in " + (Instant.now().toEpochMilli() - batchStart.toEpochMilli()) + "ms"
                    );

                    OffsetRange[] offsets = new OffsetRange[offsetsToCommit.size()];

                    for (int i = 0; i < offsets.length ; i++) {
                        offsets[i] = offsetsToCommit.get(i);
                    }

                    try {
                        offsetManagementMapper.commit(offsets);
                    } catch (Exception e) {
                        // ignore
                    }

                    LOGGER.info(
                            "@@ [" + batchIdentifier + "] Finished batch of " + offsetsToCommit.size() + " messages " +
                                    "in " + (Instant.now().toEpochMilli() - batchStart.toEpochMilli()) + "ms"
                    );
                    rdd.unpersist();
                });

1 Ответ

0 голосов
/ 28 сентября 2019

Вы можете переместить логику смещения над циклом rdd ... Я использую шаблон ниже для лучшей обработки смещения и производительности 

JavaInputDStream<ConsumerRecord<String, String>> kafkaStream = KafkaUtils.createDirectStream(jssc,
                LocationStrategies.PreferConsistent(),
                ConsumerStrategies.<String, String>Subscribe(topics, kafkaParams));



        kafkaStream.foreachRDD( kafkaStreamRDD -> {
            //fetch kafka offsets for manually commiting it later
            OffsetRange[] offsetRanges = ((HasOffsetRanges) kafkaStreamRDD.rdd()).offsetRanges();

            //filter unwanted data
            kafkaStreamRDD.filter(
                    new Function<ConsumerRecord<String, String>, Boolean>() {
                @Override
                public Boolean call(ConsumerRecord<String, String> kafkaRecord) throws Exception {
                    if(kafkaRecord!=null) {
                        if(!StringUtils.isAnyBlank(kafkaRecord.key() , kafkaRecord.value())) {
                            return Boolean.TRUE;
                        }
                    }
                    return Boolean.FALSE;
                }
            }).foreachPartition( kafkaRecords -> {

                // init connections here

                while(kafkaRecords.hasNext()) {
                    ConsumerRecord<String, String> kafkaConsumerRecord = kafkaRecords.next();
                    // work here
                }

            });
            //commit offsets
            ((CanCommitOffsets) kafkaStream.inputDStream()).commitAsync(offsetRanges);
        });
...