一、前言
数据重复这个问题其实也是挺正常，全链路都有可能会导致数据重复。
通常，消息消费时候都会设置一定重试次数来避免网络波动造成的影响，同时带来副作用是可能出现消息重复。
整理下消息重复的几个场景：
1.「生产端：」 遇到异常，基本解决措施都是 「重试」。
-
场景一：
leader分区不可用了，抛LeaderNotAvailableException异常，等待选出新leader分区。 -
场景二：
Controller所在Broker挂了，抛NotControllerException异常，等待Controller重新选举。 -
场景三：网络异常、断网、网络分区、丢包等，抛
NetworkException异常，等待网络恢复。
2.「消费端：」 poll 一批数据，处理完毕还没提交 offset ，机子宕机重启了，又会 poll 上批数据，再度消费就造成了消息重复。
怎么解决？
「先来了解下消息的三种投递语义：」
-
最多一次（
at most once）： 消息只发一次，消息可能会丢失，但绝不会被重复发送。例如：mqtt中QoS = 0。 -
至少一次（
at least once）： 消息至少发一次，消息不会丢失，但有可能被重复发送。例如：mqtt中QoS = 1 -
精确一次（
exactly once）： 消息精确发一次，消息不会丢失，也不会被重复发送。例如：mqtt中QoS = 2。
了解了这三种语义，再来看如何解决消息重复，即如何实现精准一次，可分为三种方法：
-
Kafka幂等性Producer： 保证生产端发送消息幂等。局限性，是只能保证单分区且单会话（重启后就算新会话） -
Kafka事务： 保证生产端发送消息幂等。解决幂等Producer的局限性。 -
消费端幂等： 保证消费端接收消息幂等。蔸底方案。
1）Kafka 幂等性 Producer
❝「幂等性指」：无论执行多少次同样的运算，结果都是相同的。即一条命令，任意多次执行所产生的影响均与一次执行的影响相同。
❞
「幂等性使用示例：在生产端添加对应配置即可」
Properties props = new Properties();
props.put("enable.idempotence", ture); // 1. 设置幂等
props.put("acks", "all"); // 2. 当 enable.idempotence 为 true，这里默认为 all
props.put("max.in.flight.requests.per.connection", 5); // 3. 注意
1.设置幂等，启动幂等。
2.配置 acks，注意：一定要设置 acks=all，否则会抛异常。
3.配置max.in.flight.requests.per.connection 需要 <= 5，否则会抛异常 OutOfOrderSequenceException。
-
0.11 >= Kafka < 1.1,max.in.flight.request.per.connection = 1 -
Kafka >= 1.1,max.in.flight.request.per.connection <= 5
为了更好理解，需要了解下Kafka 幂等机制：
1.Producer 每次启动后，会向 Broker 申请一个全局唯一的 pid。（重启后 pid 会变化，这也是弊端之一）
2.Sequence Numbe：针对每个 <Topic, Partition> 都对应一个从0开始单调递增的 Sequence，同时 Broker端会缓存这个 seq num
3.判断是否重复： 拿 <pid, seq num> 去 Broker 里对应的队列 ProducerStateEntry.Queue（默认队列长度为 5）查询是否存在
-
如果
nextSeq == lastSeq + 1，即服务端seq + 1 == 生产传入seq，则接收。 -
如果
nextSeq == 0 && lastSeq == Int.MaxValue，即刚初始化，也接收。 -
反之，要么重复，要么丢消息，均拒绝。
这种设计针对解决了两个问题：
-
「消息重复：」 场景
Broker保存消息后还没发送ack就宕机了，这时候Producer就会重试，这就造成消息重复。 -
「消息乱序：」 避免场景，前一条消息发送失败而其后一条发送成功，前一条消息重试后成功，造成的消息乱序。
那什么时候该使用幂等：
-
如果已经使用
acks=all，使用幂等也可以。 -
如果已经使用
acks=0或者acks=1，说明你的系统追求高性能，对数据一致性要求不高。不要使用幂等。
2）Kafka 事务
❝使用
Kafka事务解决幂等的弊端：单会话且单分区幂等。「
❞Tips：」 这块篇幅较长，这先稍微提及下使用，之后另起一篇。
「事务使用示例：分为生产端 和 消费端」
Properties props = new Properties();
props.put("enable.idempotence", ture); // 1. 设置幂等
props.put("acks", "all"); // 2. 当 enable.idempotence 为 true，这里默认为 all
props.put("max.in.flight.requests.per.connection", 5); // 3. 最大等待数
props.put("transactional.id", "my-transactional-id"); // 4. 设定事务 id
Producer<String, String> producer = new KafkaProducer<String, String>(props);
// 初始化事务
producer.initTransactions();
try{
// 开始事务
producer.beginTransaction();
// 发送数据
producer.send(new ProducerRecord<String, String>("Topic", "Key", "Value"));
// 数据发送及 Offset 发送均成功的情况下，提交事务
producer.commitTransaction();
} catch (ProducerFencedException | OutOfOrderSequenceException | AuthorizationException e) {
// 数据发送或者 Offset 发送出现异常时，终止事务
producer.abortTransaction();
} finally {
// 关闭 Producer 和 Consumer
producer.close();
consumer.close();
}
这里消费端Consumer 需要设置下配置：isolation.level 参数
-
「
read_uncommitted：」 这是默认值，表明Consumer能够读取到Kafka写入的任何消息，不论事务型Producer提交事务还是终止事务，其写入的消息都可以读取。如果你用了事务型Producer，那么对应的Consumer就不要使用这个值。 -
「
read_committed：」 表明Consumer只会读取事务型Producer成功提交事务写入的消息。当然了，它也能看到非事务型Producer写入的所有消息。
3）消费端幂等
❝“如何解决消息重复？” 这个问题，其实换一种说法：就是如何解决消费端幂等性问题。
只要消费端具备了幂等性，那么重复消费消息的问题也就解决了。
❞
「典型的方案是使用：消息表，来去重：」
-
上述栗子中，消费端拉取到一条消息后，开启事务，将消息
Id新增到本地消息表中，同时更新订单信息。 -
如果消息重复，则新增操作
insert会异常，同时触发事务回滚。
二、案例：Kafka 幂等性 Producer 使用
❝环境搭建可参考：https://developer.confluent.io/tutorials/message-ordering/kafka.html#view-all-records-in-the-topic
❞
「准备工作如下：」
1、Zookeeper：本地使用 Docker 启动
$ docker run -d --name zookeeper -p 2181:2181 zookeeper
a86dff3689b68f6af7eb3da5a21c2dba06e9623f3c961154a8bbbe3e9991dea4
2、Kafka：版本 2.7.1，源码编译启动（看上文源码搭建启动）
3、启动生产者：Kafka 源码中 exmaple 中
4、启动消息者：可以用 Kafka 提供的脚本
# 举个栗子：topic 需要自己去修改
$ cd ./kafka-2.7.1-src/bin
$ ./kafka-console-producer.sh --broker-list localhost:9092 --topic test_topic
创建topic ：1副本，2 分区
$ ./kafka-topics.sh --bootstrap-server localhost:9092 --topic myTopic --create --replication-factor 1 --partitions 2
# 查看
$ ./kafka-topics.sh --bootstrap-server broker:9092 --topic myTopic --describe
「生产者代码：」
public class KafkaProducerApplication {
private final Producer<String, String> producer;
final String outTopic;
public KafkaProducerApplication(final Producer<String, String> producer,
final String topic) {
this.producer = producer;
outTopic = topic;
}
public void produce(final String message) {
final String[] parts = message.split("-");
final String key, value;
if (parts.length > 1) {
key = parts[0];
value = parts[1];
} else {
key = null;
value = parts[0];
}
final ProducerRecord<String, String> producerRecord
= new ProducerRecord<>(outTopic, key, value);
producer.send(producerRecord,
(recordMetadata, e) -> {
if(e != null) {
e.printStackTrace();
} else {
System.out.println("key/value " + key + "/" + value + "\twritten to topic[partition] " + recordMetadata.topic() + "[" + recordMetadata.partition() + "] at offset " + recordMetadata.offset());
}
}
);
}
public void shutdown() {
producer.close();
}
public static void main(String[] args) {
final Properties props = new Properties();
props.put(ProducerConfig.ENABLE_IDEMPOTENCE_CONFIG, "true");
props.put(ProducerConfig.ACKS_CONFIG, "all");
props.put(ProducerConfig.CLIENT_ID_CONFIG, "myApp");
props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class);
props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class);
final String topic = "myTopic";
final Producer<String, String> producer = new KafkaProducer<>(props);
final KafkaProducerApplication producerApp = new KafkaProducerApplication(producer, topic);
String filePath = "/home/donald/Documents/Code/Source/kafka-2.7.1-src/examples/src/main/java/kafka/examples/input.txt";
try {
List<String> linesToProduce = Files.readAllLines(Paths.get(filePath));
linesToProduce.stream().filter(l -> !l.trim().isEmpty())
.forEach(producerApp::produce);
System.out.println("Offsets and timestamps committed in batch from " + filePath);
} catch (IOException e) {
System.err.printf("Error reading file %s due to %s %n", filePath, e);
} finally {
producerApp.shutdown();
}
}
}
「启动生产者后，控制台输出如下：」
「启动消费者：」
$ ./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic myTopic
修改配置 acks
启用幂等的情况下，调整acks 配置，生产者启动后结果是怎样的：
-
修改配置
acks = 1 -
修改配置
acks = 0
会直接报错：
Exception in thread "main" org.apache.kafka.common.config.ConfigException: Must set acks to all in order to use the idempotent producer.
Otherwise we cannot guarantee idempotence.
修改配置 max.in.flight.requests.per.connection
「启用幂等的情况下，调整此配置，结果是怎样的：」
将 max.in.flight.requests.per.connection > 5 会怎样？
「当然会报错：」
Caused by: org.apache.kafka.common.config.ConfigException: Must set max.in.flight.requests.per.connection to at most 5 to use the idempotent producer.
392
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
