kafka如何保证数据不被重复消费并且不丢失数据

Kafka如何保证数据不重复消费，不丢失数据

不重复消费：

1.幂等操作，重复消费不会产生问题

2. dstream.foreachRDD {(rdd, time) =

  rdd.foreachPartition { partitionIterator =>

    val partitionId = TaskContext.get.partitionId()

    val uniqueId = generateUniqueId(time.milliseconds,partitionId)将uniqueID存入数据库中

    //use this uniqueId to transationally commit the data in partitionIterator

 }

}

对每个partitionID，产生一个uniqueID,.只有这个partition的数据被完全消费，才算成功，否则失败回滚。下次若重复执行，就skip

 

不丢失数据：丢失情况： 

1.生产者数据不丢失

      同步模式：配置=1（只有Leader收到，-1所有副本成功，0不等待）。leader partition挂了，数据就会丢失。

                  解决：设置为-1保证produce写入所有副本算成功

　　　　　　　　　　producer.type=sync

　　　　　　　　　　request.required.acks=-1

      异步模式，当缓冲区满了，如果配置为0（没有收到确认，一满就丢弃），数据立刻丢弃

                解决：不限制阻塞超时时间。就是一满生产者就阻塞

　　　　　　　　　　producer.type=async 

　　　　　　　　　　request.required.acks=1 

　　　　　　　　　　queue.buffering.max.ms=5000 

　　　　　　　　　　queue.buffering.max.messages=10000 

　　　　　　　　　　queue.enqueue.timeout.ms = -1 

　　　　　　　　　　batch.num.messages=200

2.消费者数据不丢失 ：流计算，基本数据源不适用。高级数据源以kafka为例，由2种方式：receiver(开启WAL,失败可恢复）和director（checkpoint保证）

3.   若是storm在消费，开启storm的ackfail机制；若不是storm,数据处理完更新offset,低级API手动控制offset

4.   Kafka发送数据过快，导致服务器网卡流量暴增。或磁盘过忙，出现丢包。

　　　　　　1》  首先，对kafka进行限速，

　　　　　　2》  其次启用重试机制，使重试间隔变长。

　　　　　　3》  Kafka设置ack=all,即需要处于ISR（副本列表）的分区都确认，才算发送成功。    rops.put("compression.type", "gzip");

        　　　　　　 props.put("linger.ms", "50");

        　　　　　　 props.put("acks", "all")表示至少成功发送一次;

        　　　　　　 props.put("retries ", 30);

        　　　　　　 props.put("reconnect.backoff.ms ", 20000);

       　　　　　　  props.put("retry.backoff.ms", 20000)

　5.消费者速度很慢，导致一个session周期（0.1版本是默认30s）内未完成消费。导致心跳机制检测报告出问题。

   导致消费了的数据未及时提交offset.配置由可能是自动提交

            问题场景：1.offset为自动提交，正在消费数据，kill消费者线程，下次重复消费

　　　　　　　　 2.设置自动提交，关闭kafka,close之前，调用consumer.unsubscribed()则由可能部分offset没有提交。

     　　　　　　   3.消费程序和业务逻辑在一个线程，导致offset提交超时，