Kafka数据重复和数据丢失的解决方案

 来源: https://blog.csdn.net/u011974797?type=blog

 

1.Kafka数据重复的解决方案：

对每个生产者生成的每条数据，都添加由生产者id，分区号，随机的序列号组成的标识符： (producerid,partition,SequenceId),通过标识符对数据进行去重。

 

2.Kafka数据丢失的解决方案：

1. 设置enable.auto.commit=false，每次处理完手动提交，确保消息真的被消费并处理完成。Kafka的消息自动提交和手动提交_刘Java的博客-CSDN博客_kafka 自动提交
2. 配置上消息重试的机制。Spring-Kafka —— 消费重试机制实现 - 曹伟雄 - 博客园

 

Kafka自动提交和手动提交说明：

使用原始apache-kafka依赖的API来消费数据：

1. 如果enable.auto.commit为true，则表示自动提交，但不会在拉取数据之后立即提交。在一次poll的数据处理完毕之后，将会在下一次poll数据的时候，首先检查是否到达了auto.commit.interval.ms自动提交间隔的时间，如果到达了（默认5s），那么会提交此前拉取的消息的最大偏移量，否则不会提交。
2. 如果enable.auto.commit为false，则表示手动提交，那么需要通过consumer.commitAsync()或者commitSync()手动提交偏移量，这两个方法将会提交目前最大的offset，否则重启之后将会消费此前的数据。

使用spring-kafka的@Listener注解来消费数据：

1. 如果enable.auto.commit为true，则表示自动提交，但不会在拉取数据之后立即提交。在一次poll的数据处理完毕之后，将会在下一次poll数据的时候，首先检查是否到达了auto.commit.interval.ms自动提交间隔的时间，如果到达了（默认5s），那么会提交此前拉去的消息的最大偏移量，否则不会提交。
2. 如果enable.auto.commit为false，则表示手动提交，此时需要注意选择提交的模式AckMode。

AckMode模式可以在工厂类配置：

 

@Bean
public KafkaListenerContainerFactory<ConcurrentMessageListenerContainer<String, String>> manualListenerContainerFactory(
    ConsumerFactory<String, String> consumerFactory) {
 
    ConcurrentKafkaListenerContainerFactory<String, String> factory = new ConcurrentKafkaListenerContainerFactory<>();
    factory.setConsumerFactory(consumerFactory);
    factory.getContainerProperties().setPollTimeout(1500);
    factory.setBatchListener(true);
    //配置手动提交offset，默认BATCH
    factory.getContainerProperties().setAckMode(AckMode.BATCH);
    return factory;
}

 

 

AckMode模式	作用
BATCH	默认的提交模式。当每一批poll()的数据被消费者监听器（ListenerConsumer）处理之后提交，由Spring帮我们提交。
RECORD	当每一条记录被消费者监听器（ListenerConsumer）处理之后提交，由Spring帮我们提交。
TIME	当每一批poll()的数据被消费者监听器（ListenerConsumer）处理之后，距离上次提交时间大于TIME时提交，由Spring帮我们提交。
COUNT	当每一批poll()的数据被消费者监听器（ListenerConsumer）处理之后，被处理record数量大于等于COUNT时提交，由Spring帮我们提交。
COUNT_TIME	TIME和COUNT有一个条件满足时提交，由Spring帮我们提交。
MANUAL	需要对监听消息的方法中引入 Acknowledgment参数，并在代码中调用acknowledge()方法进行手动提交。实际上，对于每一批poll()的数据，每次调用acknowledge()方法之后仅仅是将offset存放到本地map缓存，在下一次poll的时候，在poll新数据之前从缓存中拿出来批量提交，也就是说与BATCH有相同的语义。
MANUAL_IMMEDIATE	需要对监听消息的方法中引入 Acknowledgment参数，并在代码中调用acknowledge()方法进行手动提交。实际上，对于每一批poll()的数据，每次调用acknowledge()方法之后立即进行偏移量的提交。

 

• 由于默认的提交模式是BATCH，因此在使用@Listener注解来消费数据时，即使enable.auto.commit为false，偏移量也会在每一批poll()的数据被消费者监听器（ListenerConsumer）处理之后提交，这里的提交实际上是手动提交，但是这个“手动提交”操作由Spring帮我们做了，因此如果不设置AckMode为MANUAL或者MANUAL_IMMEDIATE，我们仍然会觉得这些数据被“自动提交”了，实际上是由Spring帮我们执行了手动提交的代码，造成误解。
• MANUAL和MANUAL_IMMEDIATE的区别是：MANUAL_IMMEDIATE是消费完一个消息就提交，MANUAL是处理完一批消息（默认500）之后，在下一次拉取消息之前批量提交。
• 如果中间有一批数据没有提交，那么在一次消费过程中，这些没有提交的数据不会重复消费，而是会一直向后消费，除非重启消费者，会被再次消费。如果后面有消息的offset被提交，那么该offset之前的所有消息都算作已提交，重启之后也不会被再次消费。