Kafka的訊息會丟失和重複嗎？——如何實現Kafka精確傳遞一次語義

我們都知道Kafka的吞吐量很大，但是Kafka究竟會不會丟失訊息呢？又會不會重複消費訊息呢？

圖無人機實時監控

有很多公司因為業務要求必須保證訊息不丟失、不重複的到達，比如無人機實時監控系統，當無人機闖入機場區域，我們必須立刻報警，不允許訊息丟失。而無人機離開禁飛區域後我們需要將及時報警解除。如果訊息重複了呢，我們是否需要複雜的邏輯來自己處理訊息重複的情況呢，這種情況恐怕相當複雜而難以處理。但是如果我們能保證訊息exactly once，那麼一切都容易得多。

下面我們來簡單瞭解一下訊息傳遞語義，以及kafka的訊息傳遞機制。

首先我們要了解的是message delivery semantic 也就是訊息傳遞語義。

這是一個通用的概念，也就是訊息傳遞過程中訊息傳遞的保證性。

分為三種：

最多一次（at most once）: 訊息可能丟失也可能被處理，但最多隻會被處理一次。

可能丟失不會重複

至少一次（at least once）: 訊息不會丟失，但可能被處理多次。

可能重複不會丟失

精確傳遞一次（exactly once）: 訊息被處理且只會被處理一次。

不丟失不重複就一次

而kafka其實有兩次訊息傳遞，一次生產者傳送訊息給kafka，一次消費者去kafka消費訊息。

兩次傳遞都會影響最終結果，

兩次都是精確一次，最終結果才是精確一次。

兩次中有一次會丟失訊息，或者有一次會重複，那麼最終的結果就是可能丟失或者重複的。

一、Produce端訊息傳遞

這是producer端的程式碼：

Properties properties = new Properties();
        properties.put("bootstrap.servers", "kafka01:9092,kafka02:9092");
        properties.put("acks", "all");
        properties.put("retries", 0);
        properties.put("batch.size", 16384);
        properties.put("linger.ms", 1);
        properties.put("buffer.memory", 33554432);
        properties.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        properties.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(properties);
        for (int i = 1; i <= 600; i++) {
            kafkaProducer.send(new ProducerRecord<String, String>("z_test_20190430", "testkafka0613"+i));
            System.out.println("testkafka"+i);
        }
        kafkaProducer.close();

其中指定了一個引數acks 可以有三個值選擇：

0： producer完全不管broker的處理結果回撥也就沒有用了並不能保證訊息成功傳送但是這種吞吐量最高

all或者-1： leader broker會等訊息寫入並且ISR都寫入後才會響應，這種只要ISR有副本存活就肯定不會丟失，但吞吐量最低。

1：預設的值 leader broker自己寫入後就響應，不會等待ISR其他的副本寫入，只要leader broker存活就不會丟失，即保證了不丟失，也保證了吞吐量。

所以設定為0時，實現了at most once，而且從這邊看只要保證叢集穩定的情況下，不設定為0，訊息不會丟失。

但是還有一種情況就是訊息成功寫入，而這個時候由於網路問題producer沒有收到寫入成功的響應，producer就會開啟重試的操作，直到網路恢復，訊息就傳送了多次。這就是at least once了。

kafka producer 的引數acks 的預設值為1，所以預設的producer級別是at least once。並不能exactly once。

圖kafka-apis

二、Consumer端訊息傳遞

consumer是靠offset保證訊息傳遞的。

consumer消費的程式碼如下：

Properties props = new Properties();
        props.put("bootstrap.servers", "kafka01:9092，kafka02:9092");
        props.put("group.id", "test");
        props.put("enable.auto.commit", "true");
        props.put("auto.commit.interval.ms", "1000");
        props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        
        props.put("auto.offset.reset","earliest");
        
        KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
        consumer.subscribe(Arrays.asList("foo", "bar"));
      try{  
        while (true) {
            ConsumerRecords<String, String> records = consumer.poll(1000);
            for (ConsumerRecord<String, String> record : records) {
                System.out.printf("offset = %d, key = %s, value = %s%n", record.offset(), record.key(), record.value());
            }
         }
        }finally{
          consumer.close();
        }

其中有一個引數是 enable.auto.commit

若設定為true consumer在消費之前提交位移就實現了at most once

若是消費後提交就實現了 at least once 預設的配置就是這個。

kafka consumer的引數enable.auto.commit的預設值為true ，所以預設的consumer級別是at least once。也並不能exactly once。

圖 consumer-groups

三、精確一次

通過了解producer端與consumer端的設定，我們發現kafka在兩端的預設配置都是at least once，肯能重複，通過配置的話呢也不能做到exactly once，好像kafka的訊息一定會丟失或者重複的，是不是沒有辦法做到exactly once了呢？

確實在kafka 0.11.0.0版本之前producer端確實是不可能的，但是在kafka 0.11.0.0版本之後，kafka正式推出了idempotent producer。

也就是冪等的producer還有對事務的支援。

冪等的producer

kafka 0.11.0.0版本引入了idempotent producer機制，在這個機制中同一訊息可能被producer傳送多次，但是在broker端只會寫入一次，他為每一條訊息編號去重，而且對kafka開銷影響不大。

如何設定開啟呢？需要設定producer端的新引數 enable.idempotent 為true。

而多分割槽的情況，我們需要保證原子性的寫入多個分割槽，即寫入到多個分割槽的訊息要麼全部成功，要麼全部回滾。

這時候就需要使用事務，在producer端設定 transcational.id為一個指定字串。

這樣冪等producer只能保證單分割槽上無重複訊息；事務可以保證多分割槽寫入訊息的完整性。

圖事務

這樣producer端實現了exactly once，那麼consumer端呢？

consumer端由於可能無法消費事務中所有訊息，並且訊息可能被刪除，所以事務並不能解決consumer端exactly once的問題，我們可能還是需要自己處理這方面的邏輯。比如自己管理offset的提交，不要自動提交，也是可以實現exactly once的。

還有一個選擇就是使用kafka自己的流處理引擎，也就是Kafka Streams，

設定processing.guarantee=exactly_once，就可以輕鬆實現exactly once了。

什麼是Kafka？
Kafka監控工具彙總
Kafka快速入門
Kafka核心之Consumer
Kafka核心之Producer

更多實時計算,Flink,Kafka等相關技術博文，歡迎關注實時流式計算