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 Least 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
。
3.3 Kafka
消费者
.1
消费方式
consumer
采用
pull
(拉)模式从
broker
中读取数据。
push
(推)模式很难适应消费速率不同的消费者,因为消息发送速率是由
broker
决定的。
它的目标是尽可能以最快速度传递消息,但是这样很容易造成
consumer
来不及处理消息,
典型的表现就是拒绝服务以及网络拥塞。而
pull
模式则可以根据
consumer
的消费能力以适
当的速率消费消息。
pull
模式不足之处是,如果
kafka
没有数据,消费者可能会陷入循环中,一直返回空数
据。
针对这一点,
Kafka
的消费者在消费数据时会传入一个时长参数
timeout
,如果当前没有
数据可供消费,
consumer
会等待一段时间之后再返回,这段时长即为
timeout
。
2
分区分配策略
一个
consumer group
中有多个
consumer
,一个
topic
有多个
partition
,所以必然会涉及
到
partition
的分配问题,即确定那个
partition
由哪个
consumer
来消费。
Kafka
有两种分配策略,一是
RoundRobin
,一是
Range
。
.3 offset
的维护
由于
consumer
在消费过程中可能会出现断电宕机等故障,
consumer
恢复后,需要从故
障前的位置的继续消费,所以
consumer
需要实时记录自己消费到了哪个
offset
,以便故障恢
复后继续消费。
Kafka 0.9
版本之前,
consumer
默认将
offset
保存在
Zookeeper
中,从
0.9
版本开始,
consumer
默认将
offset
保存在
Kafka
一个内置的
topic
中,该
topic
为
__consumer_offsets
。
1
)修改配置文件
consumer.properties
exclude.internal.topics=false
2
)读取
offset
0.11.0.0
之前版本
:
.4
消费者组案例
1
)需求:测试同一个消费者组中的消费者,同一时刻只能有一个消费者消费。
2
)案例实操
(
1
)在
hadoop102
、
hadoop103
上修改
/opt/module/kafka/config/consumer.properties
配置
文件中的
group.id
属性为任意组名。
[atguigu@hadoop103 config]$ vi consumer.properties
group.id=atguigu
(2)在
hadoop102
、
hadoop103
上分别启动消费者