Блог

Я пишу сообщения в kafka из CSV-файлов. Мой производитель говорит, что все данные, созданные для темы Kafka.

Наряду с этим, я использую apache nifi в качестве потребителя для темы kafka (процессор ConsumeKafka_2_0).

Если бы я создавал данные для kafka в одном потоке — все в порядке, но если бы я попытался использовать multiple producer с несколькими файлами параллельно, я потерял бы много строк.

Суть моего производителя следующая:

 def produce(for_produce_file):
    log.info('Producing started')
    avro_schema = avro.schema.Parse(open(config.AVRO_SCHEME_FILE).read())
    names_from_schema = [field.name for field in avro_schema.fields]

    producer = Producer({'bootstrap.servers': config.KAFKA_BROKERS,
                     'security.protocol': config.SECURITY_PROTOCOL,
                     'ssl.ca.location': config.SSL_CAFILE,
                     'sasl.mechanism': config.SASL_MECHANISM,
                     'sasl.username': config.SASL_PLAIN_USERNAME,
                     'sasl.password': config.SASL_PLAIN_PASSWORD,
                     'queue.buffering.max.messages': 1000000,
                     'queue.buffering.max.ms': 5000})
    try:
        file = open(for_produce_file, 'r', encoding='utf-8')
    except FileNotFoundError:
        log.error(f'File {for_produce_file} not found')
    else:

        produced_str_count = 0
        csv_reader = csv.DictReader(file, delimiter="|", fieldnames=names_from_schema)
        log.info(f'File {for_produce_file} opened')

        for row in csv_reader:
            record = dict(zip(names_from_schema, row.values()))
            while True:
                try:
                    producer.produce(config.TOPIC_NAME, json.dumps(record).encode('utf8'))
                    producer.poll(0)
                    produced_str_count  = 1
                    break
                except BufferError as e:
                    log.info(e)
                    producer.poll(5)
                except KafkaException as e:
                    log.error('Kafka error: {}, message was {} bytes'.format(e, sys.getsizeof(json.dumps(record))))
                    log.error(row)
                    break
        producer.flush()
        log.info(f'Producing ended. Produced {produced_str_count} rows')
  

Скриншот из Свойств процессора Nifi:

Kafka содержит 3 узла, коэффициент репликации темы — 3

Может быть, проблема в том, что производитель записывает быстрее, чем читает потребитель, и данные удаляются при переполнении определенного блока?

Пожалуйста, дай мне совет.