kafka学习笔记(课程:尚硅谷kafka3.x)
数据重复分析原因
leader接收数据并同步落盘之后挂了,没发应答,然后一个follower成为了新的leader,导致数据重复。
数据传递语义
- 至少一次:集群至少能收到一次,ACK=-1,分区副本大于等于2,isr大于等于2。
- 最多一次:ACK=0
- 精确一次:既不能重复也不能丢失。
幂等性和事物
幂等性
生产者无论向broker发送多少次重复数据,broker都只持久化一条。
重复数据判断标准:pid、partition、SeqNumber
pid:kafka每重启一次都会分配一个新的。
Sequence Number自增
只能保证单会话单分区内不重复。
内存内直接会把重复的数据去掉。
- 使用方法
开启参数enable.idempotence。默认为true。false为关闭
生产者事务
开启事务,必须开启幂等性,因为事务底层依赖幂等性。
每一个broker节点都有一个事务协调器,用来处理事务。
使用存储事务的特殊主题来存储。底层还是存在磁盘。
主题有默认50个分区,每个分区处理一部分事务。事务根据事务id(transactional.id,全局唯一)的hashcode%50计算出该事务处于哪个分区。该分区leader所在broker节点即为这个事务id随影的事物协调器节点。
生产者在使用事务功能前,必须先自定义一个唯一的事务id,有了事务id之后,即时客户端挂了,重启后也能继续处理未完成事物。
流程
- 生产者向事务协调器请求pid(producer id)
- broker返回pid
- 生产者发送消息到topic
- 生产者发送commit请求
- 事务协调器持久化commit请求
- 生产者返回成功
- 事务协调器后台发送commit请求给leader
- leader返回成功给事务协调器
- 事务协调器持久化事物成功信息到特殊主题
异常流程
生产者重启后,请求pid,事务协调器检查是否有已提交没完成的事务。如果有,把原来的pid给生产者,然后再发一遍。这种情况下,有重复,就利用幂等性去重。如果没有重复,就落盘,保证可靠性。