刨根問底: Kafka 到底會不會丟數據？

大家好，我是 華仔, 又跟大家見面了。

那麼 Kafka 到底會不會丟數據呢？如果丟數據，究竟該怎麼解決呢？

只有掌握了這些， 我們才能處理好 Kafka 生產級的一些故障，從而更穩定地服務業務。

認真讀完這篇文章，我相信你會對 Kafka 如何解決丟數據問題，有更加深刻的理解。

這篇文章乾貨很多，希望你可以耐心讀完。

01 總體概述

越來越多的互聯網公司使用消息隊列來支撐自己的核心業務。由於是核心業務，一般都會要求消息傳遞過程中最大限度的做到不丟失，如果中間環節出現數據丟失，就會引來用戶的投訴，年底績效就要背鍋了。

那麼使用 Kafka 到底會不會丟數據呢？如果丟數據了該怎麼解決呢？爲了避免類似情況發生，除了要做好補償措施，我們更應該在系統設計的時候充分考慮系統中的各種異常情況，從而設計出一個穩定可靠的消息系統。

大家都知道 Kafka 的整個架構非常簡潔，是分佈式的架構，主要由 Producer、Broker、Consumer 三部分組成，後面剖析丟失場景會從這三部分入手來剖析。

02 消息傳遞語義剖析

在深度剖析消息丟失場景之前，我們先來聊聊「消息傳遞語義」到底是個什麼玩意？

所謂的消息傳遞語義是 Kafka 提供的 Producer 和 Consumer 之間的消息傳遞過程中消息傳遞的保證性。主要分爲三種， 如下圖所示：

1）首先當 Producer 向 Broker 發送數據後，會進行 commit，如果 commit 成功，由於 Replica 副本機制的存在，則意味着消息不會丟失，但是 Producer 發送數據給 Broker 後，遇到網絡問題而造成通信中斷，那麼 Producer 就無法準確判斷該消息是否已經被提交（commit），這就可能造成 at least once 語義。

2）在 Kafka 0.11.0.0 之前， 如果 Producer 沒有收到消息 commit 的響應結果，它只能重新發送消息，確保消息已經被正確的傳輸到 Broker，重新發送的時候會將消息再次寫入日誌中；而在 0.11.0.0 版本之後， Producer 支持冪等傳遞選項，保證重新發送不會導致消息在日誌出現重複。爲了實現這個, Broker 爲 Producer 分配了一個 ID，並通過每條消息的序列號進行去重。也支持了類似事務語義來保證將消息發送到多個 Topic 分區中，保證所有消息要麼都寫入成功，要麼都失敗，這個主要用在 Topic 之間的 exactly once 語義。

其中啓用冪等傳遞的方法配置：enable.idempotence = true。

啓用事務支持的方法配置：設置屬性 transcational.id = "指定值"。

3）從 Consumer 角度來剖析, 我們知道 Offset 是由 Consumer 自己來維護的, 如果 Consumer 收到消息後更新 Offset， 這時 Consumer 異常 crash 掉， 那麼新的 Consumer 接管後再次重啓消費，就會造成 at most once 語義（消息會丟，但不重複）。

  1. 如果 Consumer 消費消息完成後, 再更新 Offset， 如果這時 Consumer crash 掉，那麼新的 Consumer 接管後重新用這個 Offset 拉取消息， 這時就會造成 at least once 語義（消息不丟，但被多次重複處理）。

總結： 默認 Kafka 提供 「at least once」語義的消息傳遞，允許用戶通過在處理消息之前保存 Offset 的方式提供 「at most once」 語義。如果我們可以自己實現消費冪等，理想情況下這個系統的消息傳遞就是嚴格的「exactly once」, 也就是保證不丟失、且只會被精確的處理一次，但是這樣是很難做到的。

從 Kafka 整體架構圖我們可以得出有三次消息傳遞的過程：

1）Producer 端發送消息給 Kafka Broker 端。

2）Kafka Broker 將消息進行同步並持久化數據。

3）Consumer 端從 Kafka Broker 將消息拉取並進行消費。

在以上這三步中每一步都可能會出現丟失數據的情況， 那麼 Kafka 到底在什麼情況下才能保證消息不丟失呢？

通過上面三步，我們可以得出：Kafka 只對 「已提交」的消息做「最大限度的持久化保證不丟失」。

怎麼理解上面這句話呢？

1）首先是 「已提交」的消息：當 Kafka 中 N 個 Broker 成功的收到一條消息並寫入到日誌文件後，它們會告訴 Producer 端這條消息已成功提交了，那麼這時該消息在 Kafka 中就變成 "已提交消息" 了。

這裏的 N 個 Broker 我們怎麼理解呢？這主要取決於對 "已提交" 的定義， 這裏可以選擇只要一個 Broker 成功保存該消息就算已提交，也可以是所有 Broker 都成功保存該消息纔算是已提交。

2）其次是 「最大限度的持久化保證不丟失」，也就是說 Kafka 並不能保證在任何情況下都能做到數據不丟失。即 Kafka 不丟失數據是有前提條件的。假如這時你的消息保存在 N 個 Broker 上，那麼前提條件就是這 N 個 Broker 中至少有 1 個是存活的，就可以保證你的消息不丟失。

也就是說 Kafka 是能做到不丟失數據的， 只不過這些消息必須是 「已提交」的消息，且還要滿足一定的條件纔可以。

瞭解了 Kafka 消息傳遞語義以及什麼情況下可以保證不丟失數據，下面我們來詳細剖析每個環節爲什麼會丟數據，以及如何最大限度的避免丟失數據。

03 消息丟失場景剖析

 Producer 端丟失場景剖析

在剖析 Producer 端數據丟失之前，我們先來了解下 Producer 端發送消息的流程，對於不瞭解 Producer 的讀者們，可以查看 聊聊 Kafka Producer 那點事

消息發送流程如下：

1）首先我們要知道一點就是 Producer 端是直接與 Broker 中的 Leader Partition 交互的，所以在 Producer 端初始化中就需要通過 Partitioner 分區器從 Kafka 集羣中獲取到相關 Topic 對應的 Leader Partition 的元數據 。

2）待獲取到 Leader Partition 的元數據後直接將消息發送過去。

3）Kafka Broker 對應的 Leader Partition 收到消息會先寫入 Page Cache，定時刷盤進行持久化（順序寫入磁盤）。

  1. Follower Partition 拉取 Leader Partition 的消息並保持同 Leader Partition 數據一致，待消息拉取完畢後需要給 Leader Partition 回覆 ACK 確認消息。

5）待 Kafka Leader 與 Follower Partition 同步完數據並收到所有 ISR 中的 Replica 副本的 ACK 後，Leader Partition 會給 Producer 回覆 ACK 確認消息。

根據上圖以及消息發送流程可以得出：Producer 端爲了提升發送效率，減少 IO 操作，發送數據的時候是將多個請求合併成一個個 RecordBatch，並將其封裝轉換成 Request 請求「異步」將數據發送出去（也可以按時間間隔方式，達到時間間隔自動發送），所以 Producer 端消息丟失更多是因爲消息根本就沒有發送到 Kafka Broker 端。

導致 Producer 端消息沒有發送成功有以下原因：

另外 Kafka Producer 端也可以通過配置來確認消息是否生產成功：

在 Kafka Producer 端的 acks 默認配置爲 1， 默認級別是 at least once 語義, 並不能保證 exactly once 語義。

既然 Producer 端發送數據有 ACK 機制, 那麼這裏就可能會丟數據的**!!!**

## Broker 端丟失場景剖析

接下來我們來看看 Broker 端持久化存儲丟失場景， 對於不瞭解 Broker 的讀者們，可以先看看 聊聊 Kafka Broker 那點事，數據存儲過程如下圖所示：

Kafka Broker 集羣接收到數據後會將數據進行持久化存儲到磁盤，爲了提高吞吐量和性能，採用的是「異步批量刷盤的策略」，也就是說按照一定的消息量和間隔時間進行刷盤。首先會將數據存儲到 「PageCache」 中，至於什麼時候將 Cache 中的數據刷盤是由「操作系統」根據自己的策略決定或者調用 fsync 命令進行強制刷盤，如果此時 Broker 宕機 Crash 掉，且選舉了一個落後 Leader Partition 很多的 Follower Partition 成爲新的 Leader Partition，那麼落後的消息數據就會丟失。

                

既然 Broker 端消息存儲是通過異步批量刷盤的，那麼這裏就可能會丟數據的**!!!**

## Consumer 端丟失場景剖析

接下來我們來看看 Consumer 端消費數據丟失場景，對於不瞭解 Consumer 的讀者們，可以先看看 聊聊 Kafka Consumer 那點事, 我們先來看看消費流程：

1）Consumer 拉取數據之前跟 Producer 發送數據一樣, 需要通過訂閱關係獲取到集羣元數據, 找到相關 Topic 對應的 Leader Partition 的元數據。

2）然後 Consumer 通過 Pull 模式主動的去 Kafka 集羣中拉取消息。

3）在這個過程中，有個消費者組的概念（不瞭解的可以看上面鏈接文章），多個 Consumer 可以組成一個消費者組即 Consumer Group，每個消費者組都有一個 Group-Id。同一個 Consumer Group 中的 Consumer 可以消費同一個 Topic 下不同分區的數據，但是不會出現多個 Consumer 去消費同一個分區的數據。

4）拉取到消息後進行業務邏輯處理，待處理完成後，會進行 ACK 確認，即提交 Offset 消費位移進度記錄。

5）最後 Offset 會被保存到 Kafka Broker 集羣中的 __consumer_offsets 這個 Topic 中，且每個 Consumer 保存自己的 Offset 進度。

根據上圖以及消息消費流程可以得出消費主要分爲兩個階段：

                       

既然 Consumer 拉取後消息最終是要提交 Offset， 那麼這裏就可能會丟數據的**!!!**

04 消息丟失解決方案

上面帶你從 Producer、Broker、Consumer 三端剖析了可能丟失數據的場景，下面我們就來看看如何解決才能最大限度的保證消息不丟失。

## Producer 端解決方案

在剖析 Producer 端丟失場景的時候， 我們得出其是通過「異步」方式進行發送的，所以如果此時是使用「發後即焚」的方式發送，即調用 Producer.send(msg) 會立即返回，由於沒有回調，可能因網絡原因導致 Broker 並沒有收到消息，此時就丟失了。

因此我們可以從以下幾方面進行解決 Producer 端消息丟失問題：

4.1.1 更換調用方式：

棄用調用發後即焚的方式，使用帶回調通知函數的方法進行發送消息，即 Producer.send(msg, callback), 這樣一旦發現發送失敗， 就可以做針對性處理。

Future<RecordMetadata> send(ProducerRecord<K, V> record, Callback callback);
public Future<RecordMetadata> send(ProducerRecord<K, V> record, Callback callback) {
        // intercept the record, which can be potentially modified; this method does not throw exceptions
        ProducerRecord<K, V> interceptedRecord = this.interceptors == null ? record : this.interceptors.onSend(record);
        return doSend(interceptedRecord, callback);
}

（1）網絡抖動導致消息丟失，Producer 端可以進行重試。

（2）消息大小不合格，可以進行適當調整，符合 Broker 承受範圍再發送。

通過以上方式可以保證最大限度消息可以發送成功。

4.1.2 ACK 確認機制：

該參數代表了對 "已提交" 消息的定義。

需要將 request.required.acks 設置爲 -1/ all，-1/all 表示有多少個副本 Broker 全部收到消息，才認爲是消息提交成功的標識。

針對 acks = -1/ all , 這裏有兩種非常典型的情況：

（1）數據發送到 Leader Partition， 且所有的 ISR 成員全部同步完數據， 此時，Leader Partition 異常 Crash 掉，那麼會選舉新的 Leader Partition，數據不會丟失， 如下圖所示：

（2）數據發送到 Leader Partition，部分 ISR 成員同步完成，此時 Leader Partition 異常 Crash， 剩下的 Follower Partition 都可能被選舉成新的 Leader Partition，會給 Producer 端發送失敗標識， 後續會重新發送數據，數據可能會重複， 如下圖所示：

因此通過上面分析，我們還需要通過其他參數配置來進行保證：

replication.factor >= 2

min.insync.replicas > 1

這是 Broker 端的配置，下面會詳細介紹。

4.1.3 重試次數 retries：

該參數表示 Producer 端發送消息的重試次數。

需要將 retries 設置爲大於 0 的數， 在 Kafka 2.4 版本中默認設置爲 Integer.MAX_VALUE。另外如果需要保證發送消息的順序性，配置如下：

retries = Integer.MAX_VALUE
max.in.flight.requests.per.connection = 1

這樣 Producer 端就會一直進行重試直到 Broker 端返回 ACK 標識，同時只有一個連接向 Broker 發送數據保證了消息的順序性。

4.1.4 重試時間 retry.backoff.ms：

該參數表示消息發送超時後兩次重試之間的間隔時間，避免無效的頻繁重試，默認值爲 100ms,  推薦設置爲 300ms。

## Broker 端解決方案

在剖析 Broker 端丟失場景的時候， 我們得出其是通過「異步批量刷盤」的策略，先將數據存儲到 「PageCache」，再進行異步刷盤， 由於沒有提供 「同步刷盤」策略， 因此 Kafka 是通過「多分區多副本」的方式來最大限度的保證數據不丟失。

我們可以通過以下參數配合來保證：

4.2.1 unclean.leader.election.enable：

該參數表示有哪些 Follower 可以有資格被選舉爲 Leader , 如果一個 Follower 的數據落後 Leader 太多，那麼一旦它被選舉爲新的 Leader， 數據就會丟失，因此我們要將其設置爲 false，防止此類情況發生。

4.2.2 replication.factor：

該參數表示分區副本的個數。建議設置 replication.factor >=3, 這樣如果 Leader 副本異常 Crash 掉，Follower 副本會被選舉爲新的 Leader 副本繼續提供服務。

4.2.3 min.insync.replicas：

該參數表示消息至少要被寫入成功到 ISR 多少個副本纔算 "已提交"，建議設置 min.insync.replicas > 1, 這樣纔可以提升消息持久性，保證數據不丟失。

另外我們還需要確保一下 replication.factor > min.insync.replicas, 如果相等，只要有一個副本異常 Crash 掉，整個分區就無法正常工作了，因此推薦設置成： replication.factor = min.insync.replicas +1, 最大限度保證系統可用性。

## Consumer 端解決方案

在剖析 Consumer 端丟失場景的時候，我們得出其拉取完消息後是需要提交 Offset 位移信息的，因此爲了不丟數據，正確的做法是：拉取數據、業務邏輯處理、提交消費 Offset 位移信息。

我們還需要設置參數 enable.auto.commit = false, 採用手動提交位移的方式。

另外對於消費消息重複的情況，業務自己保證冪等性, 保證只成功消費一次即可。

05 總結

這裏，我們一起來總結一下這篇文章的重點。

1、從 Kafka 整體架構上概述了可能發生數據丟失的環節。

2、帶你剖析了「消息傳遞語義」的概念， 確定了 Kafka 只對「已提交」的消息做「最大限度的持久化保證不丟失」。

3、帶你剖析了 Producer、Broker、Consumer 三端可能導致數據丟失的場景以及具體的高可靠解決方案。

堅持總結, 持續輸出高質量文章  關注我: 華仔聊技術

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/g7L3kN1FDitZ60EdmU2zxA

猜你喜歡