Kafka是通過心跳機制來控制消費超時，心跳機制對于消費者客戶端來說是無感的，它是一個異步線程，當我們啟動一個消費者實例時，心跳線程就開始工作了。心跳超時會導致消息重復消費。

1、Kafka消費

首先，我們來看看消費。Kafka提供了非常簡單的消費API，使用者只需初始化Kafka的Broker Server地址，然后實例化KafkaConsumer類即可拿到Topic中的數據。一個簡單的Kafka消費實例代碼如下所示：

public class JConsumerSubscribe extends Thread {
   public static void main(String[] args) {        JConsumerSubscribe jconsumer = new JConsumerSubscribe();        jconsumer.start();    }    /** 初始化Kafka集群信息. */    private Properties configure() {        Properties props = new Properties();        props.put("bootstrap.servers", "dn1:9092,dn2:9092,dn3:9092");// 指定Kafka集群地址
       props.put("group.id", "ke");// 指定消費者組
       props.put("enable.auto.commit", "true");// 開啟自動提交
       props.put("auto.commit.interval.ms", "1000");// 自動提交的時間間隔
       // 反序列化消息主鍵        props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
       // 反序列化消費記錄        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
       return props;
   }    /** 實現一個單線程消費者. */    @Override    public void run() {        // 創建一個消費者實例對象        KafkaConsumer consumer = new KafkaConsumer(configure());        // 訂閱消費主題集合        consumer.subscribe(Arrays.asList("test_kafka_topic"));
       // 實時消費標識        boolean flag = true;
       while (flag) {
           // 獲取主題消息數據            ConsumerRecords records = consumer.poll(Duration.ofMillis(100));
           for (ConsumerRecord record : records)
               // 循環打印消息記錄                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
       }        // 出現異常關閉消費者對象        consumer.close();
   }}

上述代碼我們就可以非常便捷的拿到Topic中的數據。但是，當我們調用poll方法拉取數據的時候，Kafka Broker Server做了那些事情。接下來，我們可以去看看源代碼的實現細節。核心代碼如下： org.apache.kafka.clients.consumer.KafkaConsumer

private ConsumerRecords poll(final long timeoutMs, final boolean includeMetadataInTimeout) {
       acquireAndEnsureOpen();        try {
           if (timeoutMs "Timeout must not be negative");
           if (this.subscriptions.hasNoSubscriptionOrUserAssignment()) {
               throw new IllegalStateException("Consumer is not subscribed to any topics or assigned any partitions");
           }            // poll for new data until the timeout expires
           long elapsedTime = 0L;
           do {
               client.maybeTriggerWakeup();                final long metadataEnd;                if (includeMetadataInTimeout) {
                   final long metadataStart = time.milliseconds();                    if (!updateAssignmentMetadataIfNeeded(remainingTimeAtLeastZero(timeoutMs, elapsedTime))) {
                       return ConsumerRecords.empty();
                   }                    metadataEnd = time.milliseconds();                    elapsedTime += metadataEnd - metadataStart;                } else {
                   while (!updateAssignmentMetadataIfNeeded(Long.MAX_VALUE)) {
                       log.warn("Still waiting for metadata");
                   }                    metadataEnd = time.milliseconds();                }                final Map>> records = pollForFetches(remainingTimeAtLeastZero(timeoutMs, elapsedTime));                if (!records.isEmpty()) {
                   // before returning the fetched records, we can send off the next round of fetches
                   // and avoid block waiting for their responses to enable pipelining while the user
                   // is handling the fetched records.
                   //
                   // NOTE: since the consumed position has already been updated, we must not allow
                   // wakeups or any other errors to be triggered prior to returning the fetched records.
                   if (fetcher.sendFetches() > 0 || client.hasPendingRequests()) {
                       client.pollNoWakeup();                    }                    return this.interceptors.onConsume(new ConsumerRecords(records));
               }                final long fetchEnd = time.milliseconds();                elapsedTime += fetchEnd - metadataEnd;            } while (elapsedTime return ConsumerRecords.empty();
       } finally {
           release();        }    }

上述代碼中有個方法pollForFetches，它的實現邏輯如下：

private Map>> pollForFetches(final long timeoutMs) {
       final long startMs = time.milliseconds();
       long pollTimeout = Math.min(coordinator.timeToNextPoll(startMs), timeoutMs);
       // if data is available already, return it immediately
       final Map>> records = fetcher.fetchedRecords();
       if (!records.isEmpty()) {
           return records;
       }
       // send any new fetches (won't resend pending fetches)
       fetcher.sendFetches();
       // We do not want to be stuck blocking in poll if we are missing some positions
       // since the offset lookup may be backing off after a failure
       // NOTE: the use of cachedSubscriptionHashAllFetchPositions means we MUST call
       // updateAssignmentMetadataIfNeeded before this method.
       if (!cachedSubscriptionHashAllFetchPositions && pollTimeout > retryBackoffMs) {
           pollTimeout = retryBackoffMs;
       }
       client.poll(pollTimeout, startMs, () -> {
           // since a fetch might be completed by the background thread, we need this poll condition
           // to ensure that we do not block unnecessarily in poll()
           return !fetcher.hasCompletedFetches();
       });
       // after the long poll, we should check whether the group needs to rebalance
       // prior to returning data so that the group can stabilize faster
       if (coordinator.rejoinNeededOrPending()) {
           return Collections.emptyMap();
       }
       return fetcher.fetchedRecords();
   }

上述代碼中加粗的位置，我們可以看出每次消費者客戶端拉取數據時，通過poll方法，先調用fetcher中的fetchedRecords函數，如果獲取不到數據，就會發起一個新的sendFetches請求。而在消費數據的時候，每個批次從Kafka Broker Server中拉取數據是有最大數據量限制，默認是500條，由屬性(max.poll.records)控制，可以在客戶端中設置該屬性值來調整我們消費時每次拉取數據的量。

**提示：**這里需要注意的是，max.poll.records返回的是一個poll請求的數據總和，與多少個分區無關。因此，每次消費從所有分區中拉取Topic的數據的總條數不會超過max.poll.records所設置的值。

而在Fetcher的類中，在sendFetches方法中有限制拉取數據容量的限制，由屬性(max.partition.fetch.bytes)，默認1MB。可能會有這樣一個場景，當滿足max.partition.fetch.bytes限制條件，如果需要Fetch出10000條記錄，每次默認500條，那么我們需要執行20次才能將這一次通過網絡發起的請求全部Fetch完畢。

這里，可能有同學有疑問，我們不能將默認的max.poll.records屬性值調到10000嗎?可以調，但是還有個屬性需要一起配合才可以，這個就是每次poll的超時時間(Duration.ofMillis(100))，這里需要根據你的實際每條數據的容量大小來確定設置超時時間，如果你將最大值調到10000，當你每條記錄的容量很大時，超時時間還是100ms，那么可能拉取的數據少于10000條。

而這里，還有另外一個需要注意的事情，就是會話超時的問題。session.timeout.ms默認是10s，group.min.session.timeout.ms默認是6s，group.max.session.timeout.ms默認是30min。當你在處理消費的業務邏輯的時候，如果在10s內沒有處理完，那么消費者客戶端就會與Kafka Broker Server斷開，消費掉的數據，產生的offset就沒法提交給Kafka，因為Kafka Broker Server此時認為該消費者程序已經斷開，而即使你設置了自動提交屬性，或者設置auto.offset.reset屬性，你消費的時候還是會出現重復消費的情況，這就是因為session.timeout.ms超時的原因導致的。

2、心跳機制

上面在末尾的時候，說到會話超時的情況導致消息重復消費，為什么會有超時?有同學會有這樣的疑問，我的消費者線程明明是啟動的，也沒有退出，為啥消費不到Kafka的消息呢?消費者組也查不到我的ConsumerGroupID呢?這就有可能是超時導致的，而Kafka是通過心跳機制來控制超時，心跳機制對于消費者客戶端來說是無感的，它是一個異步線程，當我們啟動一個消費者實例時，心跳線程就開始工作了。

在org.apache.kafka.clients.consumer.internals.AbstractCoordinator中會啟動一個HeartbeatThread線程來定時發送心跳和檢測消費者的狀態。每個消費者都有個org.apache.kafka.clients.consumer.internals.ConsumerCoordinator，而每個ConsumerCoordinator都會啟動一個HeartbeatThread線程來維護心跳，心跳信息存放在org.apache.kafka.clients.consumer.internals.Heartbeat中，聲明的Schema如下所示：

private final int sessionTimeoutMs;
   private final int heartbeatIntervalMs;
   private final int maxPollIntervalMs;
   private final long retryBackoffMs;
   private volatile long lastHeartbeatSend;  
   private long lastHeartbeatReceive;
   private long lastSessionReset;
   private long lastPoll;
   private boolean heartbeatFailed;

心跳線程中的run方法實現代碼如下：

public void run() {
           try {
               log.debug("Heartbeat thread started");
               while (true) {
                   synchronized (AbstractCoordinator.this) {
                       if (closed)
                           return;
                       if (!enabled) {
                           AbstractCoordinator.this.wait();
                           continue;
                       }                        if (state != MemberState.STABLE) {
                           // the group is not stable (perhaps because we left the group or because the coordinator
                           // kicked us out), so disable heartbeats and wait for the main thread to rejoin.
                           disable();
                           continue;
                       }
                       client.pollNoWakeup();
                       long now = time.milliseconds();
                       if (coordinatorUnknown()) {
                           if (findCoordinatorFuture != null || lookupCoordinator().failed())
                               // the immediate future check ensures that we backoff properly in the case that no
                               // brokers are available to connect to.
                               AbstractCoordinator.this.wait(retryBackoffMs);
                       } else if (heartbeat.sessionTimeoutExpired(now)) {
                           // the session timeout has expired without seeing a successful heartbeat, so we should
                           // probably make sure the coordinator is still healthy.
                           markCoordinatorUnknown();
                       } else if (heartbeat.pollTimeoutExpired(now)) {
                           // the poll timeout has expired, which means that the foreground thread has stalled
                           // in between calls to poll(), so we explicitly leave the group.
                           maybeLeaveGroup();
                       } else if (!heartbeat.shouldHeartbeat(now)) {
                           // poll again after waiting for the retry backoff in case the heartbeat failed or the
                           // coordinator disconnected
                           AbstractCoordinator.this.wait(retryBackoffMs);
                       } else {
                           heartbeat.sentHeartbeat(now);
                           sendHeartbeatRequest().addListener(new RequestFutureListener() {
                               @Override
                               public void onSuccess(Void value) {
                                   synchronized (AbstractCoordinator.this) {
                                       heartbeat.receiveHeartbeat(time.milliseconds());
                                   }
                               }
                               @Override
                               public void onFailure(RuntimeException e) {
                                   synchronized (AbstractCoordinator.this) {
                                       if (e instanceof RebalanceInProgressException) {
                                           // it is valid to continue heartbeating while the group is rebalancing. This
                                           // ensures that the coordinator keeps the member in the group for as long
                                           // as the duration of the rebalance timeout. If we stop sending heartbeats,
                                           // however, then the session timeout may expire before we can rejoin.
                                           heartbeat.receiveHeartbeat(time.milliseconds());
                                       } else {
                                           heartbeat.failHeartbeat();
                                           // wake up the thread if it's sleeping to reschedule the heartbeat
                                           AbstractCoordinator.this.notify();
                                       }
                                   }
                               }
                           });
                       }
                   }
               }
           } catch (AuthenticationException e) {
               log.error("An authentication error occurred in the heartbeat thread", e);
               this.failed.set(e);
           } catch (GroupAuthorizationException e) {
               log.error("A group authorization error occurred in the heartbeat thread", e);
               this.failed.set(e);
           } catch (InterruptedException | InterruptException e) {
               Thread.interrupted();
               log.error("Unexpected interrupt received in heartbeat thread", e);
               this.failed.set(new RuntimeException(e));
           } catch (Throwable e) {
               log.error("Heartbeat thread failed due to unexpected error", e);
               if (e instanceof RuntimeException)
                   this.failed.set((RuntimeException) e);
               else
                   this.failed.set(new RuntimeException(e));
           } finally {
               log.debug("Heartbeat thread has closed");
           }
       }

在心跳線程中這里面包含兩個最重要的超時函數，它們是sessionTimeoutExpired和pollTimeoutExpired。

public boolean sessionTimeoutExpired(long now) {
       return now - Math.max(lastSessionReset, lastHeartbeatReceive) > sessionTimeoutMs;
}public boolean pollTimeoutExpired(long now) {
       return now - lastPoll > maxPollIntervalMs;
}

2.1、sessionTimeoutExpired

如果是sessionTimeout超時，則會被標記為當前協調器處理斷開，此時，會將消費者移除，重新分配分區和消費者的對應關系。在Kafka Broker Server中，Consumer Group定義了5中(如果算上Unknown，應該是6種狀態)狀態，org.apache.kafka.common.ConsumerGroupState，如下圖所示：

2.2、pollTimeoutExpired

如果觸發了poll超時，此時消費者客戶端會退出ConsumerGroup，當再次poll的時候，會重新加入到ConsumerGroup，觸發RebalanceGroup。而KafkaConsumer Client是不會幫我們重復poll的，需要我們自己在實現的消費邏輯中不停的調用poll方法。

3.分區與3消費線程

關于消費分區與消費線程的對應關系，理論上消費線程數應該小于等于分區數。之前是有這樣一種觀點，一個消費線程對應一個分區，當消費線程等于分區數是最大化線程的利用率。直接使用KafkaConsumer Client實例，這樣使用確實沒有什么問題。但是，如果我們有富裕的CPU，其實還可以使用大于分區數的線程，來提升消費能力，這就需要我們對KafkaConsumer Client實例進行改造，實現消費策略預計算，利用額外的CPU開啟更多的線程，來實現消費任務分片。