Kafka笔记—可靠性、幂等性和事务

点击上方蓝色字体，选择“设为星标”

大数据技术与架构

点击右侧关注，大数据开发领域最强公众号！

暴走大数据

点击右侧关注，暴走大数据！

可靠性

如何保证消息不丢失

Kafka只对“已提交”的消息（committed message）做有限度的持久化保证。

已提交的消息
当Kafka的若干个Broker成功地接收到一条消息并写入到日志文件后，它们会告诉生产者程序这条消息已成功提交。

有限度的持久化保证
假如一条消息保存在N个Kafka Broker上，那么至少这N个Broker至少有一个存活，才能保证消息不丢失。

丢失数据案例

生产者程序丢失数据

由于Kafka Producer是异步发送的，调用完producer.send(msg)并不能认为消息已经发送成功。

所以，在Producer永远要使用带有回调通知的发送API，使用producer.send(msg,callback)。一旦出现消息提交失败的情况，可以由针对性地进行处理。

消费者端丢失数据

消费者是先更新offset，再消费消息。如果这个时候消费者突然宕机了，那么这条消息就会丢失。

所以我们要先消费消息，再更新offset位置。但是这样会导致消息重复消费。

还有一种情况就是consumer获取到消息后开启了多个线程异步处理消息，而consumer自动地向前更新offset。假如其中某个线程运行失败了，那么消息就丢失了。

遇到这样的情况，consumer不要开启自动提交位移，而是要应用程序手动提交位移。

最佳实现

1. 使用producer.send(msg,callback)。

2. 设置acks = all。acks是Producer的参数，代表了所有副本Broker都要接收到消息，该消息才算是“已提交”。

3. 设置retries为一个较大的值。是Producer的参数，对应Producer自动重试。如果出现网络抖动，那么可以自动重试消息发送，避免消息丢失。

4. unclean.leader.election.enable = false。控制有哪些Broker有资格竞选分区的Leader。表示不允许落后太多的Broker竞选Leader。

5. 设置replication.factor>=3。Broker参数，冗余Broker。

6. 设置min.insync.replicas>1。Broker参数。控制消息至少要被写入到多少个副本才算是“已提交”。

7. 确保replication.factor>min.insync.replicas。如果两个相等，那么只要有一个副本挂机，整个分区就无法正常工作了。推荐设置成replication.factor=min.insync.replicas+1.

8. 确保消息消费完成在提交。Consumer端参数enbale.auto.commit，设置成false，手动提交位移。

解释第二条和第六条：
如果ISR中只有1个副本了，acks=all也就相当于acks=1了，引入min.insync.replicas的目的就是为了做一个下限的限制：不能只满足于ISR全部写入，还要保证ISR中的写入个数不少于min.insync.replicas。

幂等性

在0.11.0.0版本引入了创建幂等性Producer的功能。仅需要设置props.put(“enable.idempotence”，true)，或props.put(ProducerConfig.ENABLE_IDEMPOTENCE_CONFIG,true)。

enable.idempotence设置成true后，Producer自动升级成幂等性Producer。Kafka会自动去重。Broker会多保存一些字段。当Producer发送了相同字段值的消息后，Broker能够自动知晓这些消息已经重复了。

作用范围：

1. 只能保证单分区上的幂等性，即一个幂等性Producer能够保证某个主题的一个分区上不出现重复消息。

2. 只能实现单回话上的幂等性，这里的会话指的是Producer进程的一次运行。当重启了Producer进程之后，幂等性不保证。

事务

Kafka在0.11版本开始提供对事务的支持，提供是read committed隔离级别的事务。保证多条消息原子性地写入到目标分区，同时也能保证Consumer只能看到事务成功提交的消息。

事务性Producer

保证多条消息原子性地写入到多个分区中。这批消息要么全部成功，要不全部失败。事务性Producer也不惧进程重启。

Producer端的设置：

1. 开启enable.idempotence = true

2. 设置Producer端参数 transactional.id

除此之外，还要加上调用事务API，如initTransaction、beginTransaction、commitTransaction和abortTransaction，分别应对事务的初始化、事务开始、事务提交以及事务终止。
如下：

Copy
producer.initTransactions();
try {
            producer.beginTransaction();
            producer.send(record1);
            producer.send(record2);
            producer.commitTransaction();
} catch (KafkaException e) {
            producer.abortTransaction();
}

这段代码能保证record1和record2被当做一个事务同一提交到Kafka，要么全部成功，要么全部写入失败。

Consumer端的设置：
设置isolation.level参数，目前有两个取值：

1. read_uncommitted:默认值表明Consumer端无论事务型Producer提交事务还是终止事务，其写入的消息都可以读取。

2. read_committed:表明Consumer只会读取事务型Producer成功提交事务写入的消息。注意，非事务型Producer写入的所有消息都能看到。