Flink读取Kafka报Error sending fetch request

本文涉及的产品
实时计算 Flink 版,5000CU*H 3个月
日志服务 SLS,月写入数据量 50GB 1个月
简介: 实时计算Flink读取消息队列Kafka,flink日志中出现Error sending fetch request (sessionId=1510763375, epoch=12890978) to node 103: {}.org.apache.flink.kafka.shaded.org.apache.kafka.common.errors.DisconnectException: null

1.概述

近日flinksql作业出现不稳定,查看kafka侧以及flink日志,找到了出现波动时间段附近的日志中有这个信息:

org.apache.flink.kafka.shaded.org.apache.kafka.clients.FetchSessionHandler [] - [ConsumerclientId=consumer-kafka_alarm_10013-2, groupId=kafka_alarm_10013] Errorsendingfetchrequest (sessionId=836884100, epoch=4625) tonode103: {}. org.apache.flink.kafka.shaded.org.apache.kafka.common.errors.DisconnectException: null

初一看应该链接问题,检查kafka集群发现生产流量正常,消费流量出现降,这应该就是flink消费端链接kafka出现了问题。

2.解决

在stackoverflow上发现了同样错误的问题

setting logging.level.org.apache.kafka.*=DEBUG logs to DEBUG shows:

DEBUGorg.apache.kafka.clients.NetworkClient-Disconnectingfromnode1duetorequesttimeout.
DEBUGorg.apache.kafka.clients.consumer.internals.ConsumerNetworkClient-CancelledrequestwithheaderRequestHeader(apiKey=FETCH, apiVersion=11, clientId=consumer-1, correlationId=183) duetonode1beingdisconnectedDEBUGorg.apache.kafka.clients.NetworkClient-GiveupsendingmetadatarequestsincenonodeisavailableINFOorg.apache.kafka.clients.FetchSessionHandler-Errorsendingfetchrequest (sessionId=INVALID, epoch=INITIAL) tonode1: {}.
org.apache.kafka.common.errors.DisconnectException: nullDEBUGorg.apache.kafka.clients.NetworkClient-Giveupsendingmetadatarequestsincenonodeisavailable

通过分析debug日志给出了如下答复:增加request.timeout.ms参数(default 30000) 

props.put(ConsumerConfig.REQUEST_TIMEOUT_MS_CONFIG, "60000");

增加这个参数应该可以解决链接问题,但为何产生这个异常呢。

3.源码分析

根据问题日志找到该类org.apache.kafka.clients.FetchSessionHandler

image.png

在这个类里搜索出错信息,发现了这个方法handleError

/*** Handle an error sending the prepared request.*处理发送已准备的请求的错误* When a network error occurs, we close any existing fetch session on our next request,* and try to create a new session.*当发生网络故障时,在下一个请求中关闭任何已存在的fetch会话,并尝试创建一个新会话* @param t     The exception.*/publicvoidhandleError(Throwablet) {
log.info("Error sending fetch request {} to node {}: {}.", nextMetadata, node, t.toString());
nextMetadata=nextMetadata.nextCloseExisting();
    }

说明当网络故障时,就会调用改方法,我们来看是谁调用了该方法

image.png

找到该类org.apache.kafka.clients.consumer.internals.Fetcher

/*** Set-up a fetch request for any node that we have assigned partitions for which doesn't already have* an in-flight fetch or pending fetch data.*为我们已为其分配分区且尚未有正在进行中的提取或待处理的提取数据的任何节点设置提取请求* @return number of fetches sent*/publicsynchronizedintsendFetches() {
Map<Node, FetchSessionHandler.FetchRequestData>fetchRequestMap=prepareFetchRequests();
for (Map.Entry<Node, FetchSessionHandler.FetchRequestData>entry : fetchRequestMap.entrySet()) {
finalNodefetchTarget=entry.getKey();
finalFetchSessionHandler.FetchRequestDatadata=entry.get创建Value();
// todo:创建获取数据的请求finalFetchRequest.Builderrequest=FetchRequest.Builder                    .forConsumer(this.maxWaitMs, this.minBytes, data.toSend())
                    .isolationLevel(isolationLevel)
                    .setMaxBytes(this.maxBytes)
                    .metadata(data.metadata())
                    .toForget(data.toForget());
if (log.isDebugEnabled()) {
log.debug("Sending {} {} to broker {}", isolationLevel, data.toString(), fetchTarget);
            }
// todo:发送所有requestclient.send(fetchTarget, request)
// todo:发送完成后调用这个回调函数                    .addListener(newRequestFutureListener<ClientResponse>() {
@OverridepublicvoidonSuccess(ClientResponseresp) {
synchronized (Fetcher.this) {
@SuppressWarnings("unchecked")
FetchResponse<Records>response= (FetchResponse<Records>) resp.responseBody();
FetchSessionHandlerhandler=sessionHandler(fetchTarget.id());
if (handler==null) {
log.error("Unable to find FetchSessionHandler for node {}. Ignoring fetch response.",
fetchTarget.id());
return;
                                }
if (!handler.handleResponse(response)) {
return;
                                }
Set<TopicPartition>partitions=newHashSet<>(response.responseData().keySet());
FetchResponseMetricAggregatormetricAggregator=newFetchResponseMetricAggregator(sensors, partitions);
for (Map.Entry<TopicPartition, FetchResponse.PartitionData<Records>>entry : response.responseData().entrySet()) {
TopicPartitionpartition=entry.getKey();
longfetchOffset=data.sessionPartitions().get(partition).fetchOffset;
FetchResponse.PartitionData<Records>fetchData=entry.getValue();
log.debug("Fetch {} at offset {} for partition {} returned fetch data {}",
isolationLevel, fetchOffset, partition, fetchData);
completedFetches.add(newCompletedFetch(partition, fetchOffset, fetchData, metricAggregator,
resp.requestHeader().apiVersion()));
                                }
sensors.fetchLatency.record(resp.requestLatencyMs());
                            }
                        }
// todo:调用异常时走这个函数,这个函数就调用了handleError方法@OverridepublicvoidonFailure(RuntimeExceptione) {
synchronized (Fetcher.this) {
FetchSessionHandlerhandler=sessionHandler(fetchTarget.id());
if (handler!=null) {
handler.handleError(e);
                                }
                            }
                        }
                    });
        }

从源码中发现,在创建完FetchRequest之后,如果出现异常就会回调onFailure,这个函数就调用了handleError方法。

所以这个异常就是在获取请求时发生了网络抖动,造成日志中的错误。


如有分析错误,欢迎指正

拜了个拜

目录
相关文章
|
27天前
|
消息中间件 前端开发 Kafka
【Azure 事件中心】使用Apache Flink 连接 Event Hubs 出错 Kafka error: No resolvable bootstrap urls
【Azure 事件中心】使用Apache Flink 连接 Event Hubs 出错 Kafka error: No resolvable bootstrap urls
|
26天前
|
消息中间件 监控 Java
联通实时计算平台问题之监控Kafka集群的断传和积压情况要如何操作
联通实时计算平台问题之监控Kafka集群的断传和积压情况要如何操作
|
23天前
|
消息中间件 存储 关系型数据库
实时计算 Flink版产品使用问题之如何使用Kafka Connector将数据写入到Kafka
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
23天前
|
消息中间件 监控 Kafka
实时计算 Flink版产品使用问题之处理Kafka数据顺序时,怎么确保事件的顺序性
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
27天前
|
消息中间件 Java Kafka
【Azure 事件中心】开启 Apache Flink 制造者 Producer 示例代码中的日志输出 (连接 Azure Event Hub Kafka 终结点)
【Azure 事件中心】开启 Apache Flink 制造者 Producer 示例代码中的日志输出 (连接 Azure Event Hub Kafka 终结点)
|
2月前
|
存储 监控 大数据
阿里云实时计算Flink在多行业的应用和实践
本文整理自 Flink Forward Asia 2023 中闭门会的分享。主要分享实时计算在各行业的应用实践,对回归实时计算的重点场景进行介绍以及企业如何使用实时计算技术,并且提供一些在技术架构上的参考建议。
706 7
阿里云实时计算Flink在多行业的应用和实践
|
1月前
|
SQL 消息中间件 Kafka
实时计算 Flink版产品使用问题之如何在EMR-Flink的Flink SOL中针对source表单独设置并行度
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
26天前
|
消息中间件 监控 Kafka
联通实时计算平台问题之Flink状态后端数据量较大时,问题排查要如何进行
联通实时计算平台问题之Flink状态后端数据量较大时,问题排查要如何进行
|
1月前
|
消息中间件 监控 Kafka
实时计算 Flink版产品使用问题之怎么调整Flink Web U显示的日志行数
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
2月前
|
SQL 关系型数据库 MySQL
实时计算 Flink版操作报错合集之从mysql读数据写到hive报错,是什么原因
在使用实时计算Flink版过程中,可能会遇到各种错误,了解这些错误的原因及解决方法对于高效排错至关重要。针对具体问题,查看Flink的日志是关键,它们通常会提供更详细的错误信息和堆栈跟踪,有助于定位问题。此外,Flink社区文档和官方论坛也是寻求帮助的好去处。以下是一些常见的操作报错及其可能的原因与解决策略。