一行代码引发 12G 内存 5 分钟爆仓！SeaTunnel Kafka 连接器"内存溢出"元凶抓到了

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：

1. 在 8 核 12G 内存的 SeaTunnel Engine 集群上运行 Kafka 到 HDFS 的流式作业

2. 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

3. 停止作业后内存不释放，恢复作业后内存继续增长直至 OOM

4. 最终导致 worker 节点重启

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：

1. 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。

2. 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：

1. 引入有界队列：将 LinkedBlockingQueue 替换为固定大小的 ArrayBlockingQueue

2. 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

3. 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：

1. 升级版本：使用包含此修复的 SeaTunnel 版本

2. 合理配置：根据业务需求和数据特征设置适当的 queue.size 值

3. 监控内存：即使使用有界队列，仍需监控系统内存使用情况

4. 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。