Kafka 生产者无法发送带有 NOT_LEADER_FOR_PARTITION 异常的消息

Question

我们正在使用 spring-cloud-stream-binder-kafka (3.0.3.RELEASE) 向我们的 Kafka 集群 (2.4.1) 发送消息。不时有一个生产者线程收到 NOT_LEADER_FOR_PARTITION 异常，甚至超过重试次数（当前设置为 12，由依赖 spring-retry 激活）。我们限制了重试，因为我们发送了大约 1k msg/s（每个生产者实例）并且担心缓冲区的大小。 这样我们就经常丢失消息，这对下游消费者不利，因为我们不能简单地复制传入的流量。

错误信息是

[Producer clientId=producer-5] Received invalid metadata error in produce request on partition topic-21 due to org.apache.kafka.common.errors.NotLeaderForPartitionException: This server is not the leader for that topic-partition.. Going to request metadata update now
[Producer clientId=producer-5] Got error produce response with correlation id 974706 on topic-partition topic-21, retrying (8 attempts left). Error: NOT_LEADER_FOR_PARTITION
[Producer clientId=producer-5] Got error produce response with correlation id 974707 on topic-partition topic-21, retrying (1 attempts left). Error: NOT_LEADER_FOR_PARTITION

有什么方法可以避免这种情况吗？ 我们应该回到默认的 MAX_INT 重试吗？ 为什么即使它以 NOT_LEADER_FOR_PARTITION 响应，它仍会继续发送给同一个代理？

欢迎任何提示。

编辑：我们刚刚注意到代理指标 kafka_network_requestmetrics_responsequeuetimems 大约在那个时候上升，但我们看到的最大值约为 2.5 秒

Answer 1

Produce 和 Fetch 请求都发送到分区的领导副本。 NotLeaderForPartitionException 当请求被发送到当前不是分区的leader副本的分区时抛出异常。

客户端将每个分区的leader信息作为缓存进行维护。缓存管理的完整流程如下图所示。

客户端需要通过在生产者配置中设置metadata.max.age.ms来刷新此信息。此标签的默认值为 300000 毫秒

您可以浏览以下 Apache Kafka 文档。

https://kafka.apache.org/documentation/

请查看 Sender.java 代码。

https://github.com/a0x8o/kafka/blob/master/clients/src/main/java/org/apache/kafka/clients/producer/internals/Sender.java

您会在发件人代码中找到这两条错误消息。 metadata.max.age.ms 的默认值为 3 秒。我认为你应该减少这个值，然后观察行为。