Kafka生产者与可靠性保证ACK的方法有哪些

本篇内容介绍了“Kafka生产者与可靠性保证ACK的方法有哪些”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!

创新互联建站专注于企业成都营销网站建设、网站重做改版、仁化网站定制设计、自适应品牌网站建设、HTML5商城网站开发、集团公司官网建设、成都外贸网站建设公司、高端网站制作、响应式网页设计等建站业务,价格优惠性价比高,为仁化等各大城市提供网站开发制作服务。

生产者消息发送流程

消息发送的整体流程,生产端主要由两个线程协调运行。分别是main线程和sender线程(发送线程)。

在Kafka(2.6.0版本)源码中,可以看到。

源码地址: 
kafka\clients\src\main\java\org.apache.kafka.clients.producer.KafkaProducer.java

测试入口:
KafkaProducerTest.testInvalidGenerationIdAndMemberIdCombinedInSendOffsets()

在创建KafkaProducer时,在430创建了一个Sender对象,并且启动了一个IO线程。

Kafka生产者与可靠性保证ACK的方法有哪些

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的作用是实现消息的定制化,类似:spring Interceptor 、MyBatis的插件、Quartz的监听器。

@Override
public Future send(ProducerRecord record, Callback callback) {
     // intercept the record, which can be potentially modified; this method does not throw exceptions
     ProducerRecord interceptedRecord = this.interceptors.onSend(record);
    return doSend(interceptedRecord, callback);
}

可通过实现org.apache.kafka.clients.producer.ProducerInterceptor接口开发自定义器。

简单自定义例子:

public class CustomInterceptor implements ProducerInterceptor {
    // 发送消息时触发
    @Override
    public ProducerRecord onSend(ProducerRecord record) {
        System.out.println("发送消息时触发");
        return record;
    }

    // 收到服务端的ACK时触发
    @Override
    public void onAcknowledgement(RecordMetadata metadata, Exception exception) {
        System.out.println("消息被服务端接收");
    }

    @Override
    public void close() {
        System.out.println("生产者关闭");
    }

    // 用键值对配置时触发
    @Override
    public void configure(Map configs) {
        System.out.println("configure...");
    }
}

// 生产者中添加
List 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);
}

Kafka生产者与可靠性保证ACK的方法有哪些

在kafka针对不同的数据类型做了相应的序列化工具。如需自定义实现org.apache.kafka.common.serialization.Serializer接口。

路由器(分区器)
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本质是一个ConcurrentMap:

private final ConcurrentMap> batches;

一个partition一个Batch。batch满了之后,会唤醒Sender线程发送消息。

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();
}

数据可靠性保证ACK

生产者发送一条消息到服务器如何确保服务器收到消息?如果在发送过程中网络出了问题,或者kafka服务器接收的时候出了问题,这个消息发送失败了,生产者是不知道的。

所以kafka服务端需要使用一种响应客户端的方式,只有在服务端确认以后,生产者才发一下条消息,否则重新发送数据。

那什么时候才算接收成功?因为消息存储在不同的broker里,所以是在写入到磁盘之后响应生产者。

服务端响应策略

在分布式场景中,只有一个broker写入成功还是不够的,如果有多个副本,follower也要写入成功才行。

服务端发送ACK给生产者一般有以下几种策略。

  1. 只要leader成功接收就可以,会产生副本与leader不一致情况,如果leader出问题可能会出现数据丢失风险。客户端等待时间最短。

  2. 需要半数以上的follower节点完成同步,这种方式客户端等待的时间比上边稍长一点,但可以确保大部分场景不出问题。

  3. 需要所有follwer全部完成同步,客户端等待时间最长,但如果节点挂掉的影响相对来说最小,因为所有节点的数据都是完整的。

kafka的ACK应答机制就使用了以上三种方式。可以通过配置acks参数进行配置。

ISR (in-sync replica set)

上边第三种方式如果保证所有follower同步数据成功?

假设leader接收到数据,所有follower都开始同步数据,但是有一个follower出了问题,没办法从leader同步数据,按这个规则,leader就要一直等待,无法返回ack,成了害群之马。

所以我们该如果解决这个问题呢?接下来我们把规则修改一下,不是所有follower都有权利让leader等待,而是只有那些正常工作的follower同步数据的时候才会等待。

把那些正常和leader保持同步的副本维护起来,放到一个动态set里,这个就叫做in-sync replica set (ISR)。只要ISR里面的follower同步完数据之后,就可以给客户端发送ACK。

对于经常出问题的follower可以设定replica.lag.time.max.ms=30(默认30秒),如果超过配置时间才会从isr中剔除。

参数说明
acks = 0Producer不等待broker的ack,brokder一接收到还没写入磁盘就返回,当brokder故障时有可能丢失数据;
acks = 1Producer等待brokder的ack,partition的leader成功落盘后返回ack,如果在follower同步成功前leader故障,将会丢失数据;
acks = -1producer等待brokder的ack,partition的leader和follower全部成功落盘后才返回ack;

以上三种机制性能依次递减(producer吞吐量降低),数据健壮性则依次递增。实际开发中可根据不同场景选择不同的策略。

“Kafka生产者与可靠性保证ACK的方法有哪些”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!


文章标题:Kafka生产者与可靠性保证ACK的方法有哪些
URL地址:http://scyanting.com/article/jhpdij.html