Kafka生產者與可靠性保證ACK的方法有哪些

本篇內容介紹了“Kafka生產者與可靠性保證ACK的方法有哪些”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

生產者消息發送流程

消息發送的整體流程，生產端主要由兩個線程協調運行。分別是main線程和sender線程（發送線程）。

在Kafka（2.6.0版本）源碼中，可以看到。

源碼地址： 
kafka\clients\src\main\java\org.apache.kafka.clients.producer.KafkaProducer.java

測試入口：
KafkaProducerTest.testInvalidGenerationIdAndMemberIdCombinedInSendOffsets()

在創建KafkaProducer時，在430創建了一個Sender對象，并且啟動了一個IO線程。

this.errors = this.metrics.sensor("errors");
this.sender = newSender(logContext, kafkaClient, this.metadata);
String ioThreadName = NETWORK_THREAD_PREFIX + " | " + clientId;
this.ioThread = new KafkaThread(ioThreadName, this.sender, true);
this.ioThread.start();

interceptor

interceptor的作用是實現消息的定制化，類似：spring Interceptor 、MyBatis的插件、Quartz的監聽器。

@Override
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.onSend(record);
    return doSend(interceptedRecord, callback);
}

可通過實現org.apache.kafka.clients.producer.ProducerInterceptor接口開發自定義器。

簡單自定義例子：

public class CustomInterceptor implements ProducerInterceptor<String, String> {
    // 發送消息時觸發
    @Override
    public ProducerRecord<String, String> onSend(ProducerRecord<String, String> record) {
        System.out.println("發送消息時觸發");
        return record;
    }

    // 收到服務端的ACK時觸發
    @Override
    public void onAcknowledgement(RecordMetadata metadata, Exception exception) {
        System.out.println("消息被服務端接收");
    }

    @Override
    public void close() {
        System.out.println("生產者關閉");
    }

    // 用鍵值對配置時觸發
    @Override
    public void configure(Map<String, ?> configs) {
        System.out.println("configure...");
    }
}

// 生產者中添加
List<String> interceptors = new ArrayList<>();
interceptors.add("com.freecloud.plug.kafka.interceptor.CustomInterceptor");
props.put(ProducerConfig.INTERCEPTOR_CLASSES_CONFIG, interceptors);

序列化

byte[] serializedKey;
try {
    serializedKey = keySerializer.serialize(record.topic(), record.headers(), record.key());
} catch (ClassCastException cce) {
    throw new SerializationException("Can't convert key of class " + record.key().getClass().getName() +
            " to class " + producerConfig.getClass(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG).getName() +
            " specified in key.serializer", cce);
}
byte[] serializedValue;
try {
    serializedValue = valueSerializer.serialize(record.topic(), record.headers(), record.value());
} catch (ClassCastException cce) {
    throw new SerializationException("Can't convert value of class " + record.value().getClass().getName() +
            " to class " + producerConfig.getClass(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG).getName() +
            " specified in value.serializer", cce);
}

在kafka針對不同的數據類型做了相應的序列化工具。如需自定義實現org.apache.kafka.common.serialization.Serializer接口。

路由器（分區器）

int partition = partition(record, serializedKey, serializedValue, cluster);

消息累加器

RecordAccumulator.RecordAppendResult result = accumulator.append(tp, timestamp, serializedKey,
                    serializedValue, headers, interceptCallback, remainingWaitMs, true, nowMs);

// RecordAccumulator本質是一個ConcurrentMap：

private final ConcurrentMap<TopicPartition, Deque<ProducerBatch>> batches;

一個partition一個Batch。batch滿了之后，會喚醒Sender線程發送消息。

if (result.batchIsFull || result.newBatchCreated) {
    log.trace("Waking up the sender since topic {} partition {} is either full or getting a new batch", record.topic(), partition);
    this.sender.wakeup();
}

數據可靠性保證ACK

生產者發送一條消息到服務器如何確保服務器收到消息？如果在發送過程中網絡出了問題，或者kafka服務器接收的時候出了問題，這個消息發送失敗了，生產者是不知道的。

所以kafka服務端需要使用一種響應客戶端的方式，只有在服務端確認以后，生產者才發一下條消息，否則重新發送數據。

那什么時候才算接收成功？因為消息存儲在不同的broker里，所以是在寫入到磁盤之后響應生產者。

服務端響應策略

在分布式場景中，只有一個broker寫入成功還是不夠的，如果有多個副本，follower也要寫入成功才行。

服務端發送ACK給生產者一般有以下幾種策略。

1. 只要leader成功接收就可以，會產生副本與leader不一致情況，如果leader出問題可能會出現數據丟失風險。客戶端等待時間最短。

2. 需要半數以上的follower節點完成同步，這種方式客戶端等待的時間比上邊稍長一點，但可以確保大部分場景不出問題。

3. 需要所有follwer全部完成同步，客戶端等待時間最長，但如果節點掛掉的影響相對來說最小，因為所有節點的數據都是完整的。

kafka的ACK應答機制就使用了以上三種方式。可以通過配置acks參數進行配置。

ISR （in-sync replica set）

上邊第三種方式如果保證所有follower同步數據成功？

假設leader接收到數據，所有follower都開始同步數據，但是有一個follower出了問題，沒辦法從leader同步數據，按這個規則，leader就要一直等待，無法返回ack，成了害群之馬。

所以我們該如果解決這個問題呢？接下來我們把規則修改一下，不是所有follower都有權利讓leader等待，而是只有那些正常工作的follower同步數據的時候才會等待。

把那些正常和leader保持同步的副本維護起來，放到一個動態set里，這個就叫做in-sync replica set (ISR)。只要ISR里面的follower同步完數據之后，就可以給客戶端發送ACK。

對于經常出問題的follower可以設定replica.lag.time.max.ms=30（默認30秒），如果超過配置時間才會從isr中剔除。

以上三種機制性能依次遞減（producer吞吐量降低），數據健壯性則依次遞增。實際開發中可根據不同場景選擇不同的策略。

“Kafka生產者與可靠性保證ACK的方法有哪些”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！