简介
消息在生产者、Broker、消费者 都可能丢失。
生产者丢失消息
情景1：消息太大
描述
消息大小超过Broker的message.max.bytes的值。此时Broker会直接返回错误；
解决方案
指定消息的大小
Producer的max.requests.size表示生产者发送的单个消息的最大值，也可以指单个请求中所有消息的总和大小。此值必须小于Broker的message.max.bytes。
情景2：消息未到达Broker
描述
生产者发出消息后，网络突然中断，导致消息没发到Broker。或者Broker挂了，没收到。
解决方案
1.异步发送、提供回调方法
结论：
使用带回调的API，在发送失败时进行处理（比如存储到其他介质中在后边进行补偿）
详述：
生产中，我们会用Kafka生产者的异步发送，有如下两个API：
producer.send(msg) 不带回调方法
producer.send(msg,callback) 带回调方法
2.消息重试
- 设置重试次数：retries //经验值：3。默认值：
- 设置重试间隔：retry.backoff.ms //经验值：20000。默认值：1000
- 设置此项，使其过段时间后再重试，这时网络可能已经好了。重试若间隔太近，短时间网络还没好，会浪费了重试次数。
- 设置此项，会导致消息顺序改变。保证顺序不变的方法：配置max.in.flight.requests.per.connection=1 (作用：限制客户端在单个连接上能够发送的未响应请求的个数。设为1表示kafka broker在响应请求之前client不能再向同一个broker发送请求。)
- 设置重连间隔：reconnect.backoff.ms //经验值：20000。默认值：50
3.响应个数
结论
设置多少个Broker副本写入成功才返回成功响应给生产者。 acks //经验值：all。默认值：1
详述
acks这个参数有三个值：0，1，-1（all）。
acks 是 Producer 的一个参数，代表了你对“已提交”消息的定义。
- 0：生产者只要把消息发送出去以后就认为消息发送成功了。
可能会导致数据丢失：网络挂了、broker保存消息失败- 1：生产者把消息发送到服务端，服务端的leader replica 副本写成功以后，就返回生产者消息发送成功了。
可能会导致丢数据：有可能刚好数据写入到leader replica，然后返回处理成功的响应给生产者，假如这个时候leader replica在的服务器出问题了，follower replica还没来得及同步数据，这时会丢数据。- all：所有replica 都写入成功以后，才会返回成功响应给生产者。
假设有该分区的三个replica（一个leader replica，两个follower replica），那么acks=-1就意味着消息要写入到leader replica，并且两个follower replica从leader replica上同步数据成功，服务端才会给生产者发送消息发送成功的响应。 想要保证数据不丢，那么acks的值设置为-1，并且还需要保证有1个以上的副本
4.发送延迟（对应：场景2）
结论
设置linger.ms。 //经验值：50。默认值：0
详述
该参数指定了生产者在发送批次之前等待更多消息加入批次的时间，从而一定程度上减少碰到网络问题的可能。
Broker丢失消息
情景1：leader挂掉，follower未同步
描述
假如 leader 副本所在的 broker 突然挂掉，那么就要从 follower 副本重新选出一个 leader ，但 leader 的数据还有一些没有被 follower 副本的同步的话，就会造成消息丢失。
说明：Kafka 为分区（Partition）引入了多副本（Replica）机制。分区（Partition）中的多个副本之间会有一个叫做 leader 的家伙，其他副本称为 follower。我们发送的消息会被发送到 leader 副本，然后 follower 副本才能从 leader 副本中拉取消息进行同步。生产者和消费者只与 leader 副本交互。你可以理解为其他副本只是 leader 副本的拷贝，它们的存在只是为了保证消息存储的安全性。
解决方案
1.leader竞选资格（对应情景1）
结论
设置unclean.leader.election.enable //经验值：false。默认值：false
详解
这个参数控制leader replica出问题了以后follower replica竞选leader replica资格。
设置为false，意思就是如果follower replica如果落后leader replica太多就不能参与竞选。
2.副本的个数（对应情景1）
结论
设置replication.factor为大于1的数 //经验值：3。默认值：1
详解
这个参数设置的是partition副本的个数，如果我们要想保证数据不丢，这个副本数需要设置成大于1。
3.最小的副本数
结论
设置min.insync.replicas为大于1的数，且要小于replication.factor //默认值：1
详解
- min.insync.replicas大于1
这参数要跟生产者里的acks参数配合使用，当生产者acks=all时，服务端所有副本都写入成功，才会给生产者返回成功的响应。
min.insync.replicas就是控制消息至少要被写入到多少个副本才算是“已提交”。假设min.insync.replicas=1，则表示可只有一个副本，这副本就是leader replica，这时即使acks设为all，但其实消息只发送到leader replica，以后就返回成功的响应了。- min.insync.replicas小于replication.factor
为了保证整个 Kafka 服务的高可用，需确保 replication.factor > min.insync.replicas 。为什么呢？假如两者相等，只要有一个副本挂掉，整个分区就无法正常工作，这明显违反高可用！一般推荐设置成 replication.factor = min.insync.replicas + 1。
情景2：Kafka在刷盘前挂了
注意
概率比较小，本项可以不进行优化。
描述
Kafka的Broker数据持久化时，会先存储到页缓存（Page cache）中，按时间或其他条件进行刷盘（从page cache到file），或者通过fsync命令强制刷盘。数据在page cache时，如果系统挂掉，数据会丢失。
为了提高性能，减少刷盘次数，kafka采用了批量刷盘的做法：按照一定的消息量和时间间隔进行刷盘。
Kafka没有提供同步刷盘的方式。同步刷盘在RocketMQ中有实现，实现原理是将异步刷盘的流程进行阻塞，等待响应。
解决方案
1.消息个数
结论
设置log.flush.interval.messages //默认值：9223372036854775807
详解
当消息个数达到设置的值时，会把消息写到磁盘。
2.时间间隔
结论
设置log.flush.interval.ms //默认值：log.flush.scheduler.interval.ms（60000（1分钟））
详解
当内存中消息的时间达到设置的值时，会把消息写到磁盘。
消费者丢失消息
情景1：提交偏移量后消息处理失败
描述
先提交偏移量，后处理消息，当消息处理失败时，该消息丢失。
先处理消息，后提交偏移量，当提交偏移量失败时，该消息会重复。消息重复只需处理幂等即可，消息重复在下边一节会介绍。
解决方案
手动提交offset
结论
设置enable.auto.commit //经验值：false（手动提交）。默认值：true
详解
手动提交方法有如下几种：
- 异步提交
consumer.commitAsync()、consumer.commitAsync(new OffsetCommitCallBack())- 同步提交
consumer.commitSync()同步提交会一直重试直到成功，需要Broker的响应，而异步提交能够提高吞吐量。
消息零丢失的配置
如果上述所有情况都做到了，即可以做到消息零丢失。
总览很多博客，做到上边的配置后，在生产中已经可以消息零丢失了。
下边这些情况也会导致修饰消息，但可以忽略它
Kafka的数据首先是写到操作系统缓存的，假如我们用了上面的配置方案，数据写入成功了，还没落到磁盘，但是集群停电了，这个时候也是会丢数据的。如果配置其立马写入磁盘，则会降低吞吐量，一般不会这么配置。
原创文章，作者：kepupublish，如若转载，请注明出处：https://blog.ytso.com/150980.html