Kafka运行机制（二）：消息确认，消息日志的存储和回收

前置知识

Kafka基本概念https://blog.csdn.net/dxh9231028/article/details/141270920?spm=1001.2014.3001.5501Kafka运行机制（一）：Kafka集群启动，controller选举，生产消费流程https://blog.csdn.net/dxh9231028/article/details/141307210?spm=1001.2014.3001.5501

​1. 消息确认

生产者端，客户端在通过生产者生产消息时，需要知道消息是否发送成功，防止消息丢失或进行其他操作。消费者端，消费者也需要确认自己在消费数据后，提交偏移量是否成功，防止重复消费。

生产者

生产者的消息确认机制通常只有在JavaApi中，或生产者配置了重试机制时才有意义。在JavaApi中Kafka驱动提供了同步提交和异步提交两种提交方式（因为生产者批处理的机制，Kafka可以配置缓冲区大小，消息可以暂存到缓冲区中，等到时间或消息大小达到指定值时发送），同步提交会阻塞当前线程，等待kafka返回确认信号，并更具生产者配置选择是否重试。而异步提交则不会阻塞代码，Kafka返回确认信号后执行指定的回调函数。命令行配置重试机制，也可以在Kafka返回失败的信号时，触发重新提交。而Kafka何时或者说何种条件下才会返回确认信息，则是由acks配置项控制。

生产者消息确认策略是由acks配置项控制具体如下：

• acks=0：生产者发送消息后不会等待任何确认。这种模式下，消息的丢失不可避免，适用于对消息丢失容忍的场景。
• acks=1：生产者发送消息后，会等待 Leader 副本的确认。Leader 确认后，生产者会认为消息已成功写入。这种模式下，消息丢失的风险较低，但如果 Leader 宕机，消息可能会丢失。
• acks=all 或 acks=-1：生产者发送消息后，会等待所有 ISR（In-Sync Replicas）副本的确认。只有当所有 ISR 副本都确认了消息，生产者才会认为消息写入成功。这种模式下，消息的可靠性最高，但写入延迟可能增加。

实际生产中并非所有情况都不允许消息丢失，在视频相关的功能中，丢失几帧数据并不影响视频整体流畅度，反而是服务的响应速度对流畅度的影响更大，在这种情况下可以完全不在乎是否丢包，将ack设为0，以达到极致的性能。

其中，0和1都比较好理解，当设置为all或-1时所有的ISR副本是什么呢？

ISR是集群元数据的一部分，其中记录了各个Leader分区以及和其日志偏移量差距不差，上次同步数据时间据当前时间不长的Follower副本，和其日志偏移量和上次同步数据的时间的映射关系。

在上文中我们讲述了主题副本分区中的Leader和Follower的角色和相关功能，其中Leader 副本负责处理所有的生产请求，并将数据写入自己的日志中。Follower 副本则从 Leader 副本同步数据，将其写入到自己的日志中。当Follower在同步Ledaer的数据时，Leader会讲这次同步的Follower，其同步数据的偏移量以及同步的时间的映射关系通过controlelr节点，再由controller节点存入元数据中的ISR数据列表。当Leader将新的偏移量和时间存入ISR中时，ISR不仅会更新数据，还会检查当前内部保存的Follower的同步数据偏移量和时间是否和Leader日志中的偏移量和当前时间相差太多（配置中的replica.lag.max.messages和replica.lag.time.max.ms），如果超过预期值则会将该Follwer从ISR踢出。

踢出ISR并不会影响改分区副本的正常功能，不过当选举新的Leader会从ISR中选取，并且当设置acks为all时，生产消息的确认，也是通过当前生产消息的偏移量与ISR中的值进行比对，当ISR中记录的所有的Follwer偏移量都超过了这个消息对应的偏移量，则认为所有分区都已经成功，返回客户端成功响应，不会确认未再ISR中的分区副本。整体流程如下图

​消费者

消费者的确认机制是依赖于提交偏移量的。不同于生产者生产消息，如果生产成功时不返回任何确认信号，客户端则无法知道自己是否生产成功。而消费者消费成功会获取最终数据，所以只要获得了数据，就是消费成功，不需要什么确认信息。不过消费者在消费成功时需要向__consumer-offsets主题中提交一个自己消费分区当前的偏移量，所以只有当成功向向__consumer-offsets主题提交了偏移量后，才叫消费成功，如果没有成功提交偏移量，后续仍然会重复消费。

消费者提交偏移量分为手动提交和自动提交，手动提交时会马上提交偏移量，即使没有消费成功，这种模式下，当消费者由于某些意外消费失败，偏移量也会加一，就会造成消息丢失。

自动提交会在消费成功时自动提交，在这种模式下，当消费者由于某些意外消费成功，但意外宕机导致没有提交偏移量，则会造成消息重复消费。

2. Kafka消息日志的存储和回收

1. 日志存储机制

Kafka 中的每个主题包含若干分区，每个分区在物理上对应一个日志文件夹，该文件夹包含一系列的日志段文件。

日志段文件

• 日志段：每个分区的日志被分成多个日志段文件。日志段是一个物理文件，存储在 Kafka 的存储目录下。每个日志段文件以偏移量范围命名。
• 日志文件命名：日志段文件的命名格式通常是 log-start-offset.log，其中 log-start-offset 是该日志段中第一条消息的偏移量。
• 索引文件：除了日志段文件外，每个分区还包含两个索引文件：时间索引文件和偏移量索引文件，用于快速查找消息。

写入机制

• 顺序写入：Kafka 中的消息是顺序写入日志段的，每条消息都有一个唯一的偏移量，表示该消息在分区中的位置。
• 追加模式：消息总是被追加到当前的日志段文件中。当日志段的大小达到配置的阈值时，Kafka 会滚动创建新的日志段。

2. 日志存储配置

Kafka 提供了一系列配置参数，控制日志的存储行为：

• log.segment.bytes：每个日志段文件的最大大小，默认为 1GB。当日志段大小达到这个限制时，Kafka 会创建一个新的日志段。

  log.segment.bytes=1073741824 # 每个日志段大小限制为1GB

• log.roll.ms：日志段滚动的时间限制。即使日志段未达到 log.segment.bytes 限制，Kafka 也会根据时间限制滚动日志段，默认为 7 天。

  log.roll.ms=604800000 # 每7天滚动一次日志段

3. 日志回收机制

Kafka 的日志回收是通过删除策略和压缩策略实现的，用于管理存储空间并保持系统的高效运行。

删除策略（Log Cleanup Policy）

Kafka 提供两种主要的日志回收策略：

• 基于时间的保留策略：

  • log.retention.ms：定义了消息在日志中的最长保留时间。超过这个时间的消息会被标记为可删除。

  • log.retention.minutes 和 log.retention.hours：这是 log.retention.ms 的简写形式，以分钟和小时为单位配置。

    log.retention.hours=168 # 保留7天的消息

• 基于大小的保留策略：

  • log.retention.bytes：定义每个分区日志的最大存储大小。当日志文件的大小超过这个值时，最旧的消息会被删除。

    log.retention.bytes=1073741824 # 每个分区的日志大小限制为1GB

日志清理策略（Log Cleanup Policy）

Kafka 允许用户为每个主题配置日志清理策略：

• delete 策略：这是默认策略。当消息超过保留时间或日志大小限制时，Kafka 会自动删除旧消息，以释放存储空间。

  log.cleanup.policy=delete

• compact 策略：此策略不删除旧消息，而是保留每个键的最新版本。

  log.cleanup.policy=compact

compact策略下，通过生产者生产消息时给该条消息设置一个key，当多条消息都有一个key值时，compact会删除旧的key对应的消息，保存最新的key消息。

compact可以和delete结合使用，也就是同时配置两种策略，在这种策略下会对有key的消息保存最新版本，而对于没有key的消息依据删除配置删除。

Kafka 使用后台线程定期检查日志段，并根据删除策略和保留策略执行清理操作。这些线程负责删除旧的日志段或压缩日志段，以保证 Kafka 的存储空间得到合理管理。