Python kafka：有没有办法在发布新消息之前阻止消费者关注 kafka 主题？

Question

我有一个消费者订阅了一个测试主题，其中生产者线程定期发布。我希望能够阻塞消费者线程，直到出现新消息 - 然后处理该消息并再次开始等待。我最接近的是：

consumer = KafkaConsumer(topic_name, auto_offset_reset='latest',
                         bootstrap_servers=[localhost_],
                         api_version=(0, 10), consumer_timeout_ms=1000)
while True:
    print(consumer.poll(timeout_ms=5000))

有没有更惯用的方法（或者这种方法有什么我看不到的严重问题）？

卡夫卡新手，因此非常欢迎对此设计的一般建议。完整（运行）示例：

import time
from threading import Thread

import kafka
from kafka import KafkaProducer, KafkaConsumer

print('python-kafka:', kafka.__version__)

def publish_message(producer_instance, topic_name, key, value):
    try:
        key_bytes = bytes(str(key), encoding='utf-8')
        value_bytes = bytes(str(value), encoding='utf-8')
        producer_instance.send(topic_name, key=key_bytes, value=value_bytes)
        producer_instance.flush()
    except Exception as ex:
        print('Exception in publishing message\n', ex)

localhost_ = 'localhost:9092'

def kafka_producer():
    _producer = None
    try:
        _producer = KafkaProducer(bootstrap_servers=[localhost_],
                                  api_version=(0, 10))
    except Exception as ex:
        print('Exception while connecting Kafka')
        print(str(ex))
    j = 0
    while True:
        publish_message(_producer, topic_name, value=j, key=j)
        j += 1
        time.sleep(5)

if __name__ == '__main__':
    print('Running Producer..')
    topic_name = 'test'
    prod_thread = Thread(target=kafka_producer)
    prod_thread.start()
    consumer = KafkaConsumer(topic_name, auto_offset_reset='latest',
                             bootstrap_servers=[localhost_],
                             api_version=(0, 10), consumer_timeout_ms=1000)
    # consumer.subscribe([topic_name])
    while True:
        print(consumer.poll(timeout_ms=5000))

python-kafka: 1.3.5

Answer 1

《卡夫卡：权威指南》中也建议采用无限循环轮询。以下是第 4 章《Kafka 消费者：使用相同想法从 Kafka 读取数据》的 Java 摘录：

try {
    while (true) {
        ConsumerRecords<String, String> records = consumer.poll(100);
        ...
    }
}

这很好地解释了如何建议在 Python 中使用这些库。

kafka-python（请参阅两个 Kafka 客户端的故事中的完整示例）

from kafka import KafkaConsumer
...
kafka_consumer = Consumer(
...
)
consumer.subscribe([topic])

running = True
while running:
    message = kafka_consumer.poll()
...

confluence-kafka-python（请参阅《Python 程序员 Apache Kafka 简介》中的完整示例）

from confluent_kafka import Consumer, KafkaError
...
c = Consumer(settings)

c.subscribe(['mytopic'])

try:
    while True:
        msg = c.poll(0.1)
...

另一个可能出现的紧密相关的问题是如何处理消息。

这部分代码可能依赖于外部依赖项（数据库、远程服务、网络文件系统等），这可能会导致处理尝试失败。

因此，实现重试逻辑可能是一个好主意，您可以在博客文章Retrying Consumer Architecture in the Apache Kafka中找到有关该逻辑的详细描述。