关注我们
转载 | 滑思眉Philip
问题背景
在Apache SeaTunnel 2.3.9版本的Kafka连接器实现中，存在一个潜在的内存溢出风险。当用户配置流式作业从Kafka读取数据时，即使设置了读取速率限制(read_limit.rows_per_second)
，系统仍可能出现内存持续增长直至OOM(Out Of Memory)的情况。
问题现象
用户在实际部署中观察到以下现象：
在8核12G内存的SeaTunnel Engine集群上运行Kafka到HDFS的流式作业 虽然配置了read_limit.rows_per_second=1的速率限制，但内存使用量在5分钟内从200MB飙升至5GB 停止作业后内存不释放，恢复作业后内存继续增长直至OOM 最终导致worker节点重启
根本原因分析
根本原因分析
通过代码审查发现，问题根源在于KafkaSource类的createReader方法中，elementsQueue被初始化为无界队列：
elementsQueue = new LinkedBlockingQueue<>();
这种实现方式存在两个关键问题：
队列无界：LinkedBlockingQueue未指定容量，理论上可以无限增长，当生产者速度远大于消费者速度时，会导致内存持续增长。
速率限制失效：虽然用户配置了read_limit.rows_per_second=1，但该限制并未真正作用于Kafka数据读取环节，导致数据持续堆积在内存队列中。
解决方案
社区通过PR#9041修复了此问题，主要改进包括：
引入有界队列：将LinkedBlockingQueue替换为固定大小的ArrayBlockingQueue
可配置队列大小：新增queue.size配置参数，允许用户根据实际情况调整
默认安全值：设置DEFAULT_QUEUE_SIZE=1000作为默认队列容量
核心实现代码变更如下：
public class KafkaSource {private static final String QUEUE_SIZE_KEY = "queue.size";private static final int DEFAULT_QUEUE_SIZE = 1000;public SourceReader<SeaTunnelRow, KafkaSourceSplit> createReader(SourceReader.Context readerContext) {int queueSize = kafkaSourceConfig.getInt(QUEUE_SIZE_KEY, DEFAULT_QUEUE_SIZE);BlockingQueue<RecordsWithSplitIds<ConsumerRecord<byte[], byte[]>>> elementsQueue =new ArrayBlockingQueue<>(queueSize);// ...}}
最佳实践建议
对于使用SeaTunnel Kafka连接器的用户，建议：
升级版本：使用包含此修复的SeaTunnel版本
合理配置：根据业务需求和数据特征设置适当的queue.size值
监控内存：即使使用有界队列，仍需监控系统内存使用情况
理解速率限制：read_limit.rows_per_second参数作用于下游处理环节，而非Kafka消费环节
总结
此问题的修复不仅解决了内存溢出风险，还提高了系统的稳定性和可配置性。通过引入有界队列和可配置参数，用户可以更好地控制系统资源使用，避免因数据积压导致的OOM问题。这也体现了开源社区通过用户反馈持续改进产品质量的良性循环。
Apache SeaTunnel
Apache SeaTunnel是一个云原生的多模态、高性能海量数据集成工具。北京时间 2023 年 6 月1 日，全球最大的开源软件基金会ApacheSoftware Foundation正式宣布Apache SeaTunnel毕业成为Apache顶级项目。目前，SeaTunnel在GitHub上Star数量已达8k+，社区达到6000+人规模。SeaTunnel支持在云数据库、本地数据源、SaaS、大模型等170多种数据源之间进行数据实时和批量同步，支持CDC、DDL变更、整库同步等功能，更是可以和大模型打通，让大模型链接企业内部的数据。
同步Demo
新手入门
最佳实践
测试报告
源码解析
