kafka-console-consumer.sh使用2次grep管道无法提取消息的解决

问题

在使用kafka自带脚本消费时，想用grep关键词过滤出来想要的信息

./kafka-console-consumer.sh \
--bootstrap-server node1:9092,node2:9092,node3:9092 \
--topic test \
--from-beginning \
--consumer-property group.id=gaofeng_test\
 | grep  "b786aba6f3a6" | grep 388aabd

但是发现grep命令在这里有问题，无法取到想要消息

已经消费到latest了，都没有提取到想要的msg

这里确认了producer端已经发送成功了，回调函数里都没有任何异常

怀疑

怀疑是否kafka存在丢数据的情况

排查问题后发现kafka集群一切正常，性能也很强劲

并且在存储消息的日志文件中也已经查询到了我想要的消息了，为什么就是消费不出来呢

分析

将kafka的这个主题 --from-beginning 消费到文件topic.log中去

对topic.log这个静态文件进行grep “b786aba6f3a6” | grep 388aabd抽取，发现取到了自己想要的这条消息

kafka消费时结果是动态的，grep这里用法不对，只有对静态的文件可以抽取到数据

--line-buffered
         Force output to be line buffered.  By default, output is line buffered when standard output is
         a terminal and block buffered otherwise

上面的意思是

• 强制输出结果使用行缓冲
• 默认情况下，如果标准输入时终端，则使用line bufferred
• 否则，使用块缓冲，（默认的大小为4096 bytes，因系统和配置而异）

所以，这也就解释了为什么双重grep过滤没有内容，因为没有达到块缓冲限制。

验证

生产消息

a,b,c

消费时两次grep则无消息

消费时一次grep则都出来

结论

• 刚刚/kafka-console-consumer.sh第一次grep过滤出来的的消息小于4k了，所以传给第二次grep是不可以直接输出出来的，因为在缓冲区
• 如果第一次grep出来的数据大于4k，传给第二个grep时则不会缓冲着，第二个grep收到就立刻传入到terminal输出了
• 反之第一次grep过滤出来的的消息大于还是小于4k，一旦后面没有管道符号，直接输出给terminal的话，则遵循line bufferred规则立马输出

解决

使用如下命令即可

./kafka-console-consumer.sh \
--bootstrap-server node1:9092,node2:9092,node3:9092 \
--topic test \
--from-beginning \
--consumer-property group.id=gaofeng_test\
 | grep --line-buffered "b786aba6f3a6" | grep 388aabd

【注意】

这里用了grep 的 --line-buffered参数

具体用法

查阅https://www.jb51.net/article/277299.htm

最后

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。