@xtccc 2016-01-10T00:46:28.000000Z 字数 17831 阅读 9649

Consumer API

此处输入图片的描述

Kafka

参考：

1. 关于 High Level Consumer

使用High Level Consumer API，我们可以将精力集中在取到数据上，而不用关心取回数据的offset。High Level Consumer在从某个给定partition中取回一条消息时，会将该消息的offet存储在ZooKeeper中，对该offset的存储是基于该consumer的Consumer Group Name。

当一个consumer以某个Consumer Group Name启动时（并指定一个topic），Kafka会将该consumer线程加入到可以消费该topic的线程队列中，并且会触发“re-balance”。在“re-balance”的过程中，Kafka会对partitions与threads的对应关系进行调整，也许会将一个partition对应到一个新的thread。

2. 设计High Level Consumer

在创建一个High Level Consumer时，它应该是一个多线程的模型，且多线程模型须围绕目标Topic的partitions数量来规划。对于给定的Topic而言：

如果 # threads > # partitions，则一些threads将永远都收不到任何消息
如果 # threads < # partitions，则一些threads会从多个partitions那里收到消息
如果某个thread对应了多个partitions，则它收到消息的顺序是无法保证的：同一个partition内的消息是有序的，但是不同partitions之间的消息是无序的
增加processes/threads会引起re-balance，这将导致partition与thread对应关系的改变

3. High Level Consumer API 使用实例

/**
 * Created by tao on 6/24/15.
 * 这是一个简单的High Level Consumer Client
 */
public class ConsumerA implements  Runnable {
  public String title;
  public KafkaStream<byte[], byte[]> stream;
  public ConsumerA(String title, KafkaStream<byte[], byte[]> stream) {
    this.title  = title;
    this.stream = stream;
  }
  @Override
  public void run() {
    System.out.println("开始运行 " + title);
    ConsumerIterator<byte[], byte[]> it = stream.iterator();
    /**
     * 不停地从stream读取新到来的消息，在等待新的消息时，hasNext()会阻塞
     * 如果调用 `ConsumerConnector#shutdown`，那么`hasNext`会返回false
     * */
    while (it.hasNext()) {
      MessageAndMetadata<byte[], byte[]> data = it.next();
      String  topic      = data.topic();
      int     partition  = data.partition();
      long    offset     = data.offset();
      int     key        = bytes2Int(data.key());     /** key和value都是bytes */
      String  msg        = new String(data.message()); /** 需要转换 */
      System.out.println(String.format(
          "Consumer: [%s],  Topic: [%s],  PartitionId: [%d],  
                Offset: [%d],  Key: [%d], msg: [%s]" ,
          title, topic, partition, offset, key, msg));
    }
    System.err.println(String.format("Consumer: [%s] exiting ...", title));
  }
  /** 从bytes 转换到int */
  public int bytes2Int(byte[] bytes) {
    if (null == bytes || 4 != bytes.length)
      throw new IllegalArgumentException("invalid byte array");
    return java.nio.ByteBuffer.wrap(bytes).getInt();
  }
}

// main方法
Properties props = new Properties();
props.put("group.id", "gid-1");
props.put("zookeeper.connect", "ecs2:2181,ecs3:2181,ecs4:2181/kafka");
props.put("auto.offset.reset", "largest");
props.put("auto.commit.interval.ms", "1000");
props.put("partition.assignment.strategy", "roundrobin");
ConsumerConfig config = new ConsumerConfig(props);
String topic = "topic-C";
/** 创建 `kafka.javaapi.consumer.ConsumerConnector` */
ConsumerConnector consumerConn =
    kafka.consumer.Consumer.createJavaConsumerConnector(config);
/** 设置 map of (topic -> #streams ) */
Map<String, Integer> topicCountMap = new HashMap<>();
topicCountMap.put(topic, 3);
/** 创建 map of (topic -> list of streams) */
Map<String, List<KafkaStream<byte[], byte[]>>> topicStreamsMap =
    consumerConn.createMessageStreams(topicCountMap);
/** 取出 `topic-B` 对应的 streams */
List<KafkaStream<byte[], byte[]>> streams = topicStreamsMap.get(topic);
/** 创建一个容量为3的线程池 */
ExecutorService executor = Executors.newFixedThreadPool(3);
/** 创建3个consumer threads */
for (int i = 0; i < streams.size(); i++)
  executor.execute(new ConsumerA("消费者" + (i + 1), streams.get(i)));
/** 给3个consumer threads 60秒的时间读取消息，然后令它们停止读取消息
 *  要先断开ConsumerConnector，然后再销毁consumer client threads
 *
 *  如果不调用`consumerConn.shutdown()`，那么这3个消费者线程永远不会结束，
 *  因为只要ConsumerConnector还在的话，consumer会一直等待新消息，不会自己退出
 *  如果ConsumerConnector关闭了，那么consumer中的`hasNext`就会返回false
 *  */
Thread.sleep(60*1000);
consumerConn.shutdown();
/** 给3个consumer threads 5秒的时间，让它们将最后读取的消息的offset保存进ZK
 * */
Thread.sleep(5*1000);
executor.shutdown();

如果启动一个Producer，让它向“topic-C”发送16条消息，每条消息的key是整数，value是key的字符串形式，那么上面的Consumer代码的运行结果为：
QQ20160107-5@2x.png-289.4kB

在Consumer收到的消息中，key和value都是byte array，因此需要对这些字节重新解码。

我们也可以在创建message streams时为key和value提供decoder，这样让consumer直接得到解码后的数据。

/** 在这里可以为key和value直接提供各自的 decoder,
     * 这样consumer thread 收到的解码后的数据
     * */
Map<String, List<KafkaStream<Integer, String>>> topicStreamsMap =
  consumerConn.createMessageStreams(topicCountMap, new IntDecoder(), new StringDecoder());
// 下面是两个解码器
public static class IntDecoder implements Decoder<Integer> {
    @Override
    public Integer fromBytes(byte[] bytes) {
        if (null == bytes || bytes.length != 4)
            throw new IllegalArgumentException("Invalid bytes");
        return java.nio.ByteBuffer.wrap(bytes).getInt();
    }
}
public static class StringDecoder implements Decoder<String> {
    @Override
    public String fromBytes(byte[] bytes) {
        if (null == bytes )
            throw new IllegalArgumentException("Null bytes");
        return new String(bytes);
    }
}

3.1 High Level Consumer配置

group.id

这是被创建Consumer实例的 group id，所有该配置相同的consumers都属于同一个consumer group

zookeeper.connect

这是Kafka集群所使用的ZooKeeper的服务URL。如果Kafka集群有“zookeeper.chroot”配置，那么本配置也要加上。本配置形如 node1:port,...,nodeN:port/{zookeeper.chroot}

auto.offset.reset

如果ZK中不存在关于该Topic的初始offset，或者初始offset不在有效范围内，则被参数决定怎样重置offset。本配置的值可以为“smallest”或者“largest”

auto.commit.interval.ms

Consumer将被消费的消息的offset写入ZK中保存，但不是每消费一条消息就保存一次，而是每间隔一段时间才向ZK中写一次。本配置就是这个时间间隔。

partition.assignment.strategy

partitions与consumer threads对应的策略，默认值为“range”，也可以选择“roundrobin”

还有其他的很多配置，请见 Consumer Configs。

3.2 获取给定Topic的KafkaStream

每个KafkaStream代表一个消息流，里面的消息来自一个或者多个partitions（但是1个partition的消息只会流向1个KafkaStream），每1个KafkaStream应该由1个线程处理。

对于每一个KafkaStream，它将一直等待接收新的消息，每收到一条消息，it.hasNext()将会返回true。

3.3 正确地结束Consumer

Kafka并不是每读取一条消息就将该消息的offset写入到ZK中，而是每隔一段时间（由“auto.commit.interval.ms”控制）才将最后读取的消息的offset写入到ZK中。因此，如果简单地让Consumer直接退出，那么已被读取的消息的offset可能不会被更新到ZK中，这会造成下一次启动Consumer时读取到已被读过的消息。

造成Consumer读取到已被读过的消息，还有两种可能的原因：

丢失了一个broker

某个partition的leader发生变化

因此，需要一种优雅的方法结束Consumer。

我们采用的方法是：首先调用ConsumerConnector.shutdown()，这样，所有的KafkaStreams都不能继续消费数据；然后等待几秒钟，待Kafka将这些streams消费的最后一条消息的offset写入到ZK中之后，再调用ExecutorService.shutdown()命令线程池销毁所有已经运行完毕的线程。

3.4 处理Consumer Thread中的异常

当Consumer thread中发生异常时，我们需要捕获该异常并进行处理。怎样捕获该异常取决与Consumer Thread是怎样被提交的。

4. 相关异常

4.1 ConsumerRebalanceFailedException

在启动一个Consumer时，报错：

kafka.common.ConsumerRebalanceFailedException: gid-1_ecs1.njzd.com-1452137308525-b23962d3 can't rebalance after 4 retries

这个原因往往是因为：在启动Consumer（不妨成为c1）时，Kafka试图进行“re-balance”，实际上已经有另外一个Consumer（不妨称其为c2）在运行了，，而且c1与c2有相同的consumer group name。

触发“re-balance”的一个原因为：···

这时可以查看ZK中的数据：

只要将c2关掉，即可正常运行c1.
关掉c2之后，可以看到ZK中的数据如下：

5. 关于Simple Consumer API

使用High Level Consumer API，我们可以不关心offset等细节，直接从topic中读取数据。但在有些场景中，我们要更精确地控制读取数据的细节：

对同一条消息读取多次

只读取部分partitions中的消息

确保对每条消息处理1次且仅1次

使用Simple Consumer API要比High Level Consumer API更加复杂，这表现在：

用户需要自己保存offset

用户必须知道给定(topic, partition)的leader是哪一个broker

用户需要自己处理leader broker的切换

6. 使用Simple Consumer API

使用Simple Consumer API的步骤如下：

向一个active broker发起查询，找出哪一个broker是目标(topic, partition)的leader和replica brokers

确定从哪个offset开始读取消息

取回数据

检测leader的变动，并做出相应的调整

6.1 为(topic, partition)找到leader broker与replica brokers

public class SimpleConsumerUtil {
  /**
   * 为给定的(topic, partition)找到它的leader broker
   * seedBrokers并不一定要是全部的brokers，只要包含一个live broker，
   * 通过这个live broker去查询Leader broker的元数据即可
   * */
  public PartitionMetadata
  findLeader(List<String> seedBrokers, int port, String topic, int partition) {
    PartitionMetadata retMeta = null;
    /** 循环地查询 */
    loop:
    for (String broker : seedBrokers) { /** 按照每一个 broker 循环*/
      SimpleConsumer consumer = null;
      try {
        /** 连接到不同的broker时，需要对该broker创建新的`SimpleConsumer`实例 */
        consumer = new SimpleConsumer(broker, port, 100*1000, 64*1024,
            "leaderLookupClient");
        List<String> topics = Collections.singletonList(topic);
        TopicMetadataRequest req = new TopicMetadataRequest(topics);
        /** Fetch metadata for a sequence of topics, which
         *  returns metadata for each  topic in the request */
        TopicMetadataResponse resp = consumer.send(req);
        /** 在某个broker上按照每一个topic循环，并检查一个topic中的每一个partition */
        for (TopicMetadata topicMeta : resp.topicsMetadata()) {
          for (PartitionMetadata parMeta : topicMeta.partitionsMetadata()) {
            if (parMeta.partitionId() == partition) {
              retMeta = parMeta; /** 根据 partition id 进行匹配，找到了就退出 */
              break loop;
            }
          }
        }
      } catch (Exception ex) {
        System.err.println("Error: 在向Broker “" + broker +
            "” 询问 (Topic=“" + topic + "”, Partition=“" + partition
            + "”) 的Leader Broker 时发生异常，原因为: \n" + ex.toString());
      } finally {
        if (null != consumer)
          consumer.close(); /** 关闭连接到该broker的`SimpleConsumer`*/
      }
    } // end => for (String broker : seedBrokers)
    return retMeta;
  }
}

下面我们测试这个方法是否能够找出(Topic = “topic-C”, Partition=0)的partition metadata。

/**
 * 测试`SimpleConsumerUtil#findLeader`方法的使用
 * 找到(Topic=“topic-C”, Partition=0)当前的leader partition
 * */
public static void TestFindLeader() {
  SimpleConsumerUtil consumer = new SimpleConsumerUtil();
  List<String> seedBrokers = new ArrayList<>();
  seedBrokers.add("ecs1.njzd.com");
  seedBrokers.add("ecs3.njzd.com");
  PartitionMetadata parMeta = consumer.findLeader(seedBrokers, 9092, "topic-C", 0);
  System.out.println("Partition metadata for (Topic=“topic-C”, Partition=“0”) is : \n"
      + parMeta + "\n");
}

运行结果为：
QQ20160108-2@2x.png-74.8kB

我们可以查询(Topic=“topic-C”, Partition=“0”)的真实metadata是什么样的，看看上面的代码查询出来的结果对不对。
QQ20160108-1@2x.png-97.1kB

6.2 确定从哪个offset开始读取消息

使用Simple Consuer API，读取消息时要根据(Topic, Partition, Offset)这个坐标来获取消息，因此，我们需要确定给定(Topic, Partition)的offset，才能进行消息的读取。

在查询时，只能向目标(topic, partition)的leader partition（leader broker）进行查询，不能向replica partitions（follower brokers）进行查询。

public class SimpleConsumerUtil {
  /**
   * 确定从(topic, partition)的什么地方开始读取消息，即确定offset
   * Kafka提供了2个常量：
   *    `kafka.api.OffsetRequest.EarliestTime()`找到log data的开始时间
   *    `kafka.api.OffsetRequest.LatestTime()`是最新的时间
   *
   * 最旧的offset并不一定是0，因为随着时间的推移，部分数据将被从log中移除
   *
   *
   * 这里传入的参数`consumer`的host必须是(topic, partition)的leader，
   * 否则会报错，错误代码为6
   *
   * 各种失败代码的含义可以查询这里：kafka.common.ErrorMapping
   * */
  public long
  getLastOffset(String leaderHost, int port, String clientId,
                String topic, int partition, long time) {
    /** 用leader host  创建一个SimpleConsumer */
    SimpleConsumer consumer =
        new SimpleConsumer(leaderHost, port, 100*1000, 64*1024, clientId);
    TopicAndPartition topicAndPartition = new TopicAndPartition(topic, partition);
    Map<TopicAndPartition, PartitionOffsetRequestInfo> reqInfo = new HashMap<>();
    reqInfo.put(topicAndPartition, new PartitionOffsetRequestInfo(time, 1));
    OffsetRequest req =
        new OffsetRequest(reqInfo, kafka.api.OffsetRequest.CurrentVersion(), clientId);
    OffsetResponse resp = consumer.getOffsetsBefore(req);
    consumer.close();
    /** 处理失败 */
    if (resp.hasError()) {
      short errorCode = resp.errorCode(topic, partition);
      System.err.println("为 (Topic=“" + topic + "”, Partition=“" + partition +
        "”, Time=“" + time + "”) 查询 offset 失败，失败代码为：" + errorCode +
          ",  失败原因为: " + ErrorMapping.exceptionFor(errorCode));
      return -1;
    }
    /** 为什么这里返回的是数组？数组中会有几个数据？
     *  经过实际的测试，里面只有1个数据 */
    long[] offsets = resp.offsets(topic, partition);
    return offsets[0];
  }
}

下面测试：查询(Topic=“topic-C”, Partition=“1”)的最老offset、最新offset和当前offset：

/***
 * 测试`ConsumerB#getLastOffset`方法的使用
 * 找出(Topic=“topic-C”, Partition=1)的最老、最新、当前的offset
 * */
public static void TestGetLastOffset() {
  List<String> brokers = new ArrayList<>();
  brokers.add("ecs1");
  brokers.add("ecs4");
  int port = 9092;
  String topic  = "topic-C";
  int partition = 1;
  /**
   * 首先查询出(Topic=“topic-C”, Partition=“1”)的leader broker's hostname
   * */
  SimpleConsumerUtil util = new SimpleConsumerUtil();
  PartitionMetadata parMeta = util.findLeader(brokers, port, topic, partition);
  String leaderHost = parMeta.leader().host();
  /** 最老的offset（依然在log中的msg）*/
  long earliestOffset = util.getLastOffset(leaderHost, port, "Client - 查询offset",
      topic, partition, OffsetRequest.EarliestTime());
  /** 最新的offset */
  long latestOffset = util.getLastOffset(leaderHost, port, "Client - 查询offset",
      topic, partition, OffsetRequest.LatestTime());
  /** 当前的offset */
  long currentOffset = util.getLastOffset(leaderHost, port, "Client - 查询offset",
      topic, partition, System.currentTimeMillis());
  System.out.println("(Topic=“" + topic + "”, Partition=“" + partition +
      "”) 的leader host是" + leaderHost);
  System.out.println("(Topic=“" + topic + "”, Partition=“" + partition +
      "”) 中的offsets: " +
      "\n\tEarliest Offset: " + earliestOffset +
      "\n\tLatest   Offset: " + latestOffset +
      "\n\tCurrent  Offset: " + currentOffset);
}

运行的结果为：
QQ20160108-3@2x.png-60.5kB

6.3 寻找新的leader broker

如果某个(topic, partition)的leader broker崩溃了，那么ZooKeeper会检测到这种情况的发生，并重新为它分配一个new leader。

我们在使用Simple Consumer API时，需要能够处理这种问题的发生，并查询出新的leader broker。

public class SimpleConsumerUtil {
  /**
   * 当原来的leader崩溃后，找出新的leader
   * */
  public Broker
  findNewLeader(String oldLeader, List<String> replicaBrokers, int port,
                String topic, int partition) {
    /**
     * 最多尝试5次，如果还找不到则查询new leader失败
     * */
    for (int loop = 0; loop < 5; loop++) {
      boolean willSleep = false;
      PartitionMetadata parMeta = findLeader(replicaBrokers, port, topic, partition);
      if (null == parMeta || null == parMeta.leader())
        willSleep = true;
      /**
       * 如果leader broker 崩溃，ZooKeeper会探测到这个情况的发生，并重新分配一个new leader broker
       *  这个过程需要很短的时间
       *  如果在第一次循环中，发现 new leader broker 等于 old leader broker，
       *  则睡眠1秒钟给ZK进行调整，并重新尝试查询new leader
       *  **/
      else if (oldLeader.equalsIgnoreCase(parMeta.leader().host()) && 0 == loop) {
        willSleep = true;
      } else {
        return parMeta.leader();
      }
      /**
       * 睡眠1秒钟，给Kafka和ZooKeeper进行调整(failover)等
       * */
      if (willSleep)
        try {
          Thread.sleep(1000);
        } catch (InterruptedException e) {
          e.printStackTrace();
        }
    }
    // 查询失败
    return null;
  }
}

测试这个方法的使用：

  /**
   * 测试`ConsumerB#findNewLeader`方法的使用
   *
   * 测试方法：先找出一个leader broker，然后将该broker关掉，
   *          再使用`ConsumerB#findNewLeader`方法找出新的leader，
   *          检查能否正确地找出新leader
   *
   * */
  public static void TestFindNewLeader() {
    /**
     * 首先找到(Topic=“topic-C”, Partition=2)的leader broker与replica brokers
     * */
    SimpleConsumerUtil consumer = new SimpleConsumerUtil();
    List<String> seedBrokers = new ArrayList<>();
    seedBrokers.add("ecs1.njzd.com");
    seedBrokers.add("ecs3.njzd.com");
    int port = 9092;
    String topic = "topic-C";
    int partition = 2;
    PartitionMetadata parMeta = consumer.findLeader(seedBrokers, port, topic, partition);
    String leaderHost   = parMeta.leader().host();
    List<Broker> replicas =  parMeta.replicas();
    List<String> replicaHosts = new ArrayList<String>();
    for (Broker broker : replicas)
    replicaHosts.add(broker.host());
    // 打印出当前的leader broker
    System.out.println("leader broker is " + leaderHost +
      "\nreplica brokers are : ");
    for (Broker replica : replicas)
      System.out.println(replica.host() + "  ");
    // 开始120秒倒计时，请杀掉当前的leader broker
    System.out.println("\n将在60秒后查找新的leader broker，在此期间请杀掉当前leader broker\n");
    for (int i = 1; i <= 60; i++) {
      System.out.print("\r");
      for (int j = 1; j <= i; j++)
        System.out.print("=");
      System.out.print("> " + i);
      try {
        Thread.sleep(1000);
      } catch (InterruptedException e) {
        e.printStackTrace();
      }
    }
    System.out.println("\n我已醒来，正在查找新的leader broker");
    /**
     * 下面开始调用 `findNewLeader` 找出新的leader broker
     * */
    Broker newLeader =
        consumer.findNewLeader(leaderHost, replicaHosts, port, topic, partition);
    System.out.println("新的leader broker 为 " + newLeader.host());
  }

运行结果：
QQ20160108-4@2x.png-116.6kB

6.4 读取数据

6.4.1 读取方法

读取数据时，要指定(topic, partition, offset, size)这4个参数。

public class SimpleConsumerUtil {
  /**
   * 从Kafka中读取消息
   * 这个函数中，我们假定读取的消息的key是Int, value是String
   * 每收到一条消息，会将它的内容在控制台上显示出来
   * */
  public void
  readData(List<String> seedBrokers, int port, String clientId,
           String topic, int partition, long reqOffset, int fetchSize) {
    System.out.println("[Info]: 开始读取数据\n");
    /** 首先查询(topic, partition)的leader broker */
    PartitionMetadata parMeta = findLeader(seedBrokers, port, topic, partition);
    String leaderHost = parMeta.leader().host();
    List<Broker> replicaBrokers = parMeta.replicas();
    /** 为这个leader partition 创建一个SimpleConsumer */
    SimpleConsumer consumer =
        new SimpleConsumer(leaderHost, port, 100*1000, 64*1024, clientId);
    /**
     * 处理错误响应，最多重试5次
     * **/
    FetchResponse resp;
    int numErrors = 0;
    while (true)  {
      /** 创建FetchRequest，并利用SimpleConsumer获取FetchResponse */
      resp = consumer.fetch(
          new FetchRequestBuilder()
                .clientId(clientId)
                .addFetch(topic, partition, reqOffset, fetchSize)
                .build());
      if (resp.hasError()) {
        numErrors++;
        short errorCode = resp.errorCode(topic, partition);
        String errorMsg = ErrorMapping.exceptionFor(errorCode).toString();
        System.err.println("[Error]: 请求获取消息时出现错误: " +
            "\n\t目标lead broker为 " + consumer.host() +
            ", 错误代码为 " + errorCode +
            ", 错误原因为 " + errorMsg);
        if (5 == numErrors) {
          System.err.println("错误次数达到5，不再重试，退出！");
          consumer.close();
          return;
        }
        /** 这种错误不需要重新寻找leader partition */
        if (errorCode == ErrorMapping.OffsetOutOfRangeCode()) {
          reqOffset = getLastOffset(leaderHost, port, clientId,
              topic, partition, kafka.api.OffsetRequest.LatestTime());
          System.err.println(
              "[Error]: request offset 超出合法范围，自动调整为" + reqOffset);
          continue; //  用新的offset重试
        }
        /** 用新的leader broker来创建SimpleConsumer  */
        else {
          List<String> replicaHosts = new ArrayList<String>();
          for (Broker broker : replicaBrokers)
            replicaHosts.add(broker.host());
          leaderHost = findNewLeader(leaderHost, replicaHosts,
              port, topic, partition).host();
          /**
           * 用新的leader来创建一个SimpleConsumer
           * */
          consumer.close();
          consumer =
              new SimpleConsumer(leaderHost, port, 100*1000, 64*1024, clientId);
        }
      } else {
        break; /** 没有发生错误则直接跳出循环 */
      }
    } // End  => while (true)
    consumer.close();
    /**
     * 开始真正地读取消息
     */
    long numRead = 0;
    for (MessageAndOffset data : resp.messageSet(topic, partition)) {
      /** 要确保：实际读出的offset 不小于 要求读取的offset。
       *  因为如果Kafka对消息进行压缩，那么fetch request将会返回whole compressed block，
       *  即使我们要求的offset不是该 whole compressed block的起始offset。
       *  这可能会造成读取到之前已经读取过的消息。
       *  */
      long currentOffset = data.offset();
      if (currentOffset < reqOffset) {
        System.err.println("[Error]: Current offset = " + currentOffset +
          ",  Requested offset = " + reqOffset + ", Skip. ");
        continue;
      }
      /** `nextOffset` 向最后被读取的消息发起询问：“下一个offset的值是什么？” */
      long nextOffset = data.nextOffset();
      /** Message结构中包含: bytes, key, codec, payloadOffset, payloadSize */
      Message msg = data.message();
      ByteBuffer keyBuf = msg.key();
      byte[] key = new byte[keyBuf.limit()];
      keyBuf.get(key);
      ByteBuffer payload = msg.payload();
      byte[] value = new byte[payload.limit()];
      payload.get(value);
      System.out.printf("消息$%-2d , offset=%-2d , nextOffset=%-2d" +
          " , key=%-2d , value=%s \n",
          numRead+1, currentOffset, nextOffset, bytes2Int(key), bytes2Str(value));
      numRead++;
    }
    System.out.println("[INFO]: 读取完毕，共读取了 " + numRead + " 条消息");
  }
}

6.4.2 测试读取方法

调用上面的方法进行测试：

/**
 * 测试方法 : readData
 *
 * */
public static void TestReadData(String topic, int partition, 
        long reqOffset, int fetchSize) {
  List<String> brokers = new ArrayList<>();
  brokers.add("ecs1");
  brokers.add("ecs4");
  int port = 9092;
  SimpleConsumerUtil util = new SimpleConsumerUtil();
  util.readData(brokers, port, "ClientReadData",
      topic, partition, reqOffset, fetchSize);
}

在测试前，我们创建了“topic-D”，它有3个partition。随后，我们向“topic-D”写入了17条消息，每条消息的key是int，value是String，每条消息的key，value，partitionId如下（可以看出，key所在的partition = key%numPartitions）：

partition 0中消息的key为
```
{0, 3, 6, 9, 12, 15} 共6条消息
```
partition 1中消息的key为
```
{1, 4, 7, 10, 13, 16} 共6条消息
```
partition 2中消息的key为
```
{2, 5, 8, 11, 14} 共5条消息
```

下面从几个方面来对“topic-D”测试读取过程。

6.4.2.1 测试：读取各个partition中的全部消息

指定reqOffset=0, fetchSize=10000，变幻partition：

partition=0
partition=1
partition=2

总结：

对一个consumer而言，它要处理一个topic中每个partition的offset

在一个partition中，1条消息占用的offset是1，不论消息的字节数有多少，每读取一条消息，offset就应该往后加1，即offset指的是一条消息在partitin中的偏移量，与这条消息的大小无关

6.4.2.2 测试：读取时指定各种fetchSize

指定 partition=0, reqOffset=0, 变幻fetchSize

fetchSize=36
fetchSize=37
fetchSize=73
fetchSize=74

这说明在我们的这个例子中，一条消息的((0, "msg-0")或者(3, "msg-3"))所占的大小为37个字节。

如果要读取key为{0, 3, 6, 9}的这4条消息，fetchSize应该为37 * 4 = 148。下面验证：

fetchSize=147
fetchSize=148

如果要再读取下一条消息(12, "msg-12")，则fetchSize应该为 148 + 37 + 1 = 186，因为key为12的消息，它的value比前面几条消息的value多了一个字节。下面验证。

fetchSize=185
fetchSize=186