kafka --- 常见性问题

数据丢失和如何保障数据不丢失

数据丢失的情况：

producer端

1、设置acks=all

acks=0：producer把消息发送出去了，就确认发送成功了，但是如果此时leader分区宕机了，根本没有接收这条消息，或者还没有写入日志，导致数据丢失

acks=1：producer把消息发送出去了，leader分区收到并写入日志，，就确认发送成功了，但是如果此时leader分区宕机了，根本没有把这条消息同步给follower分区，follower分区后续继续选举了一个新的leader分区，新leader分区并没有这条新数据，导致数据丢失

acks=all：当leader分区收到并写入日志，及同步给follower分区之后，再确认消息发送成功

2、producer: 异步批量发送

一般情况下，为了提高吞吐量，发消息会实行异步批量发送，

这样做有一个风险，当buffer里面有很多数据的时候，此时producer宕机了，会把buffer里面的数据给丢失了，导致数据丢失

保障不丢失措施：

1、把异步改成同步

kafkaTemplate.send("testTopic",gson.toJson(message));

改成：

Future future = kafkaTemplate.send("testTopic",gson.toJson(message));
future.get();

 2、不要使用producer.send(msg)，而要使用producer.send(msg, callback)。在callback回调函数  中可以把发送失败的消息给保存下来，进行下一次发送

3、设置retries ，当网络发生抖动，配置了retries > 0的producer能够自动重试消息发送，避免消息丢失。

broker端：

1. 设置副本数>1，如果副本数=1，则就算acks=all ，也可以会造成数据丢失
2. unclean.leader.election.enable 设置为 true,选举从ISR列表中选举

comsumer端：

自动提交是当消费者poll过来了，就自动提交offset给broker，如果此时消费者接收到了数据，并没有做处理的时候，突然消费者当前的机器宕机了，导致还没对这条数据做处理（保存数据库或者其他计算），最终丢失了

1、设置enable.auto.commit=false 在处理完这条数据后，手动提交offset

2、设置auto-offset-reset 为 earliest

这个参数指定了在没有偏移量可提交时(比如消费者第l次启动时)或者请求的偏移量在broker上不存在时(比如数据被删了)，消费者会做些什么。

这个参数有两种配置。一种是earliest：消费者会从分区的开始位置读取数据，不管偏移量是否有效，这样会导致消费者读取大量的重复数据，但可以保证最少的数据丢失。一种是latest(默认)，如果选择了这种配置， 消费者会从分区的末尾开始读取数据，这样可以减少重复处理消息，但很有可能会错过一些消息。

消息的有序性

 1、kafka的特性是只支持partition有序，之前在生产者讲分区选择的时候，可以指定key的方式发送数据 ，可以用业务id，作为key，达到业务上的有序

2、如果业务需要部分数据有序，除了只建立一个分区外，则可以在消费端添加缓存，根据消息先后顺序的字段进行判断，如果A，B两条数据，如果非要B在A之后执行，则如果先pull消息B，则业务逻辑判断，A是否被消费，如果未被消费，则把B放进缓存，则pull消息A过来的时候,消费去缓存中看有没有B，如有，则消费B

重复消费

1、 比如消费者手动提交的时候，处理完这条消息，但是在进行手动提交的时候，突然宕机了，并没有修改broker中的offset值

2、当有人估计把broker中保存offset的topic给删掉的时候，我们没法知道当前分区的offset 是什么，只有从头再读一遍，会造成大量重复消息

3、在自动提交情况下，消费者提交offset不是消费一条就进行提交的，而是按一定的时间周期进行提交的（auto_commit_interval_ms 参数进行设置），如果正好在这个时间之内，服务器宕机了，就导致offset没有更新，当消费者启动的时候，会重复消费之前的数据

解决办法是：

1、本地保存处理完消息的offset 值，每条消息都带有一个offset,在表设计的时候，可以topic 分区 offset三维度区设计

2、消费数据的幂等性，可以定义消息的唯一属性，如果数据库存在唯一性的消息就不进行处理或者更新处理

消息堆积

看查看消费组的消息堆积情况命令

修改副本数 

在server.properties中配置：

# 自动创建主题 auto.create.topics.enable=true # 默认主题的分区数 num.partitions=3 # 默认分区副本 default.replication.factor=3 

kafka数据文件过多，经常导致磁盘占满的问题

 其中只要调整两个参数就可以了：

1、log.retention.hours=168默认是7天，保存已消费的数据的时间

2、log.retention.check.interval.ms=300000 默认是间隔5分钟，把标记删除的消息物理删除

当消费速度不高或者7天内有大量数据推到kafka，则上述配置就有可能把本地磁盘占满，则需要修改保存数据的周期，如：

log.retention.minutes=10

log.retention.check.interval.ms=100000

就是就会去把在集群中已经逗留10分钟以上，且已消费的消息标记成已删除，100s周期性的会把标记已删除的日志数据物理删除

如下：已消费的数据

把已消费的数据标记成已删除 

 

物理删除已标记删除的数据，释放空间