【kafka原理】Kafka生产者 (分区策略和ACK应答机制)

喜欢ヅ旅行 2022-11-20 09:49 261阅读 0赞

## 分区策略 ##

### 分区原因 ###

1.  `方便再集群中扩展`,每个Partition可以通过调整以适应它所在的机器,而一个topic又可以有多个Partition组成,因此整个集群就可以适应任意大小的数据了;
2.  `可以提高并发`,因为可以以partition为单位读写

### 分区原则 ###

我们需要将producer发送的数据封装成一个ProducerRecord对象  
![在这里插入图片描述][2020102814431274.png_pic_center]

1.  指明 partition 的情况下，直接将指明的值直接作为 partiton 值;
2.  没有指明 partition 值但有 key 的情况下，将 key 的 hash 值与 topic 的 partition 数进行取余得到 partition 值;
3.  既没有 partition 值又没有 key 值的情况下，第一次调用时随机生成一个整数(后 面每次调用在这个整数上自增)，将这个值与 topic 可用的 partition 总数取余得到 partition 值，也就是常说的 round-robin 算法。

## 数据可靠性保证 ##

`为保证 producer 发送的数据，能可靠的发送到指定的 topic，topic 的每个 partition 收到 producer 发送的数据后，都需要向 producer 发送 ack(acknowledgement 确认收到)，如果 producer 收到 ack，就会进行下一轮的发送，否则重新发送数据。`

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY_size_16_color_FFFFFF_t_70_pic_center]

### 副本数据同步策略 ###

<table> 
 <thead> 
  <tr> 
   <th>方案</th> 
   <th>优点</th> 
   <th>缺点</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>半数以上完成同步，就发 送 ack</td> 
   <td>延迟低</td> 
   <td>选举新的 leader 时，容忍 n 台 节点的故障，需要 2n+1 个副 本</td> 
  </tr> 
  <tr> 
   <td>全部完成同步，才发送</td> 
   <td></td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>ack</td> 
   <td>选举新的 leader 时，容忍 n 台 节点的故障，需要 n+1 个副 本</td> 
   <td>延迟高</td> 
  </tr> 
 </tbody> 
</table>

Kafka 选择了第二种方案，原因如下:

1.  同样为了容忍 n 台节点的故障，第一种方案需要 2n+1 个副本，而第二种方案只需要 n+1 个副本，而 Kafka 的每个分区都有大量的数据，第一种方案会造成大量数据的冗余。
2.  虽然第二种方案的网络延迟会比较高，但网络延迟对 Kafka 的影响较小。

### Ack应答机制 ###

对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失， 所以没必要等 ISR 中的 follower 全部接收成功。  
所以 Kafka 为用户提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡， 选择以下的配置。

**acks 参数配置:**  
\---- **acks:**  
`0:` producer 不等待 broker 的 ack，这一操作提供了一个最低的延迟，broker 一接收到还 没有写入磁盘就已经返回，当 broker 故障时有可能 **`丢失数据`** ;  
`1:` producer 等待 broker 的 ack，partition 的 leader 落盘成功后返回 ack，如果在 follower 同步成功之前 leader 故障，那么将会 **`丢失数据`** ;

**`acks = 1 丢失案例`**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY_size_16_color_FFFFFF_t_70_pic_center 1]  
`-1(all)`:producer 等待 broker 的 ack，partition 的 leader 和 follower 全部落盘成功后才 返回 ack。但是如果在 follower 同步完成后，broker 发送 ack 之前，leader 发生故障，那么会 造成 **`数据重复`**。

**`acks=-1 数据重复案例`**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY_size_16_color_FFFFFF_t_70_pic_center 2]

### 故障处理细节 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY_size_16_color_FFFFFF_t_70_pic_center 3]

**LEO:指的是每个副本最大的 offset;**  
**HW:指的是消费者能见到的最大的 offset，ISR 队列中最小的 LEO。**

#### follower故障 ####

follower 发生故障后会被临时踢出 ISR，待该 follower 恢复后，follower 会读取本地磁盘 记录的上次的 HW，并将 log 文件高于 HW 的部分截取掉，从 HW 开始向 leader 进行同步。 等该 `follower 的 LEO 大于等于该 Partition 的 HW`，即 follower 追上 leader 之后，就可以重 新加入 ISR 了。

#### leader故障 ####

leader 发生故障之后，会从 ISR 中选出一个新的 leader，之后，为保证多个副本之间的数据一致性，其余的 follower 会先将各自的 log 文件`高于 HW 的部分截掉`，然后从新的 leader 同步数据。

**`注意:这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。`**

### Exactly Once 语义 ###

将服务器的 ACK 级别设置为-1，可以`保证 Producer 到 Server 之间不会丢失数据`，即`At Least Once`语义。  
相对的，将服务器 ACK 级别设置为 0，可以保证`生产者每条消息只会被 发送一次`，即 `At Most Once` 语义。

`At Least Once` 可以保证`数据不丢失，但是不能保证数据不重复`;  
相对的，`At Most Once` 可以保证`数据不重复，但是不能保证数据不丢失`。

但是，对于一些非常重要的信息，比如说 交易数据，下游数据消费者要求数据既不重复也不丢失，即 `Exactly Once 语义`。  
在 0.11 版 本以前的 Kafka，对此是无能为力的，只能保证数据不丢失，再在下游消费者对数据做全局 去重。对于多个下游应用的情况，每个都需要单独做全局去重，这就对性能造成了很大影响。

0.11 版本的 Kafka，引入了一项重大特性:`幂等性`。所谓的`幂等性就是指 Producer 不论 向 Server 发送多少次重复数据，Server 端都只会持久化一条`。幂等性结合 At Least Once 语 义，就构成了 Kafka 的 Exactly Once 语义。即:

At Least Once + 幂等性 = Exactly Once

要启用幂等性，只需要将 Producer 的参数中 `enable.idompotence 设置为 true` 即可。

Kafka的幂等性实现其实就是将原来下游需要做的去重放在了数据上游。开启幂等性的 Producer 在 初始化的时候会被分配一个 PID，发往同一 Partition 的消息会附带 Sequence Number。  
而 Broker 端会对<PID, Partition, SeqNumber>做缓存，当具有相同主键的消息提交时，Broker 只 会持久化一条。

但是 PID 重启就会变化，同时不同的 Partition 也具有不同主键，所以幂等性无法保证跨 分区跨会话的 Exactly Once。

### 参考文档 ###

[kafka文档: 密码:hiry][kafka_ _hiry]

--------------------

> **日常运维**、**问题排查**=> [滴滴开源LogiKM一站式Kafka监控与管控平台][LogiKM_Kafka]

--------------------

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY_size_16_color_FFFFFF_t_70_pic_center 4]

[2020102814431274.png_pic_center]: /images/20221120/85512794f86844ca812da61c9b14e587.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/4e145ca5f8a9419480ca3b9213b7298e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221120/fbb4278433c6418ea98c8c94ebf1bcc3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221120/ac4bd0f4de5c4b878b87779140018e65.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY_size_16_color_FFFFFF_t_70_pic_center 3]: https://img-blog.csdnimg.cn/20201028152301276.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY=,size_16,color_FFFFFF,t_70#pic_center
[kafka_ _hiry]: https://pan.baidu.com/s/1QF_NrjU3ehFjg-bUlkxmBQ
[LogiKM_Kafka]: https://github.com/didi/LogiKM
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY_size_16_color_FFFFFF_t_70_pic_center 4]: https://img-blog.csdnimg.cn/886b05d001a34c45819e251d44491604.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTA2MzQwNjY=,size_16,color_FFFFFF,t_70#pic_center