Spring Kafka 3.3.x版本中监听器活跃度指标导致内存泄漏问题分析
2025-07-02 18:08:09作者:房伟宁
问题背景
在Spring Kafka 3.3.0和3.3.1版本中,当应用程序启用了Kafka监听器的观测功能后,会出现一个严重的内存泄漏问题。这个问题表现为spring.kafka.listener.active
指标持续增长,导致大量DefaultLongTaskTimer
实例无法被垃圾回收,最终耗尽系统内存资源。
问题现象
受影响的应用程序会表现出以下典型症状:
- JVM堆内存持续增长,呈现明显的内存泄漏趋势
- 随着Prometheus等监控系统定期抓取指标,CPU使用率也会显著上升
- 最终可能导致监控端点响应超时或连接中断
- 当禁用
spring.cloud.stream.kafka.binder.enableObservation
配置时,系统资源消耗会恢复正常
根本原因分析
问题的根源在于Spring Kafka的观测(Observation)机制实现中存在一个逻辑缺陷。具体来说:
- 在
KafkaMessageListenerContainer
中,观测任务的停止逻辑依赖于监听器类型判断 - 对于非
RecordMessagingMessageListenerAdapter
类型的监听器,容器会直接调用observation.stop()
- 但对于
RecordMessagingMessageListenerAdapter
类型,预期是其父类的invoke()
方法会在最后调用currentObservation.stop()
- 然而在使用Spring Cloud Stream Kafka Binder时,实际使用的是
IntegrationRecordMessageListener
(继承自RecordMessagingMessageListenerAdapter
),它没有调用预期的父类invoke()
方法 - 这导致观测任务永远不会被停止,相关的
DefaultLongTaskTimer
实例持续累积
技术细节
从实现层面来看,问题出在两个关键组件的交互上:
-
观测机制的生命周期管理:Spring Kafka引入了Micrometer的观测功能来监控监听器的活跃状态。每个消息处理都会创建一个新的观测任务,这些任务本应在处理完成后被清理。
-
监听器适配器的继承体系:Spring Cloud Stream通过
KafkaMessageDrivenChannelAdapter
创建了自己的监听器实现,这个实现虽然继承自RecordMessagingMessageListenerAdapter
,但重写了关键方法,绕过了父类中负责清理观测任务的逻辑。
解决方案
针对这个问题,Spring Kafka团队已经提交了修复方案。修复的核心思路是:
- 确保无论使用哪种类型的监听器适配器,观测任务都能被正确清理
- 在容器层面统一处理观测任务的生命周期,而不是依赖监听器实现
- 特别处理Spring Cloud Stream集成场景下的特殊情况
影响范围
该问题影响:
- 使用Spring Kafka 3.3.0和3.3.1版本的应用
- 启用了观测功能的应用(默认开启)
- 特别是与Spring Cloud Stream集成的应用
临时解决方案
在官方修复版本发布前,可以采取以下临时措施:
- 降级到Spring Kafka 3.2.2版本
- 暂时禁用观测功能:设置
spring.cloud.stream.kafka.binder.enableObservation=false
最佳实践建议
- 在升级Spring Kafka版本时,应充分测试监控指标相关的功能
- 对于高吞吐量的Kafka消费者,要特别注意内存和CPU的使用情况
- 定期检查Micrometer指标收集的性能影响
- 考虑对观测功能进行适当的采样率配置,避免产生过多临时对象
总结
这个内存泄漏问题展示了在框架集成时可能出现的微妙交互问题。Spring生态系统中各组件虽然设计精良,但在特定组合和版本下仍可能出现意料之外的行为。作为开发者,我们需要:
- 理解框架底层的工作原理
- 关注官方的问题修复和版本更新
- 建立完善的监控机制,及时发现类似问题
- 在问题出现时能够提供详细的复现步骤和环境信息,帮助快速定位问题
通过这个案例,我们也看到Spring团队对社区反馈的快速响应,这对于维护健康的开源生态系统至关重要。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++096AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 Jetson TX2开发板官方资源完全指南:从入门到精通 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
197
2.17 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
59
94

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
974
574

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
549
81

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133