kafka数据可靠性保证

　　 为保证producer发送的数据，能可靠的发送到指定的topic，topic的partition收到producer发送的数据后，需要向producer发送ack(acknowledgement确认收到)，如果producer收到ack，就会进行下一轮的发送，否则重新发送数据

1.副本数据同步策略

	方案	优点	缺点
方案一	半数以上完成同步，就发送ack	延迟低	选举新的leader时，允许n台节点的故障，需要2n+1个副本
方案二	全部完成同步，才发送ack	选举新的leader时，允许n台节点的故障，需要n+1个副本	延迟高

 

kafka选择了第二种方案，原因如下：

1.同样为了容忍n台节点的故障，第一种方案需要2n+1个副本，而第二种方案只需要n+1个副本，而kafka的每个分区都有大量的数据，第一种方案会造成大量数据冗余。

2.虽然第二种方案网络延迟高，但网络延迟对kafka的影响较小。

 

2.ISR

       采用第二种方案之后，设想以下情景：leader收到数据，所有follower都开始同步数据，但有一个follower，因为某种故障，迟迟不能与leader进行同步，那leader就要一直等下去，知道它完成同步，才发送ack。这个问题怎么解决呢？

　　Leader维护了一个动态的in-sync replica set(ISR) ,意为和leader保持同步的follower集合。当ISR中的follower完成数据的同步之后，leader就会给producer 发送ack。如果follower长时间未向leader同步数据，则该follower将被踢出ISR，该时间阈值由replica.lag.time.max.ms参数设定。leader发送故障之后，就会从ISR中选举新的leader

 

3.ack应答机制

   对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失，所以没必要等ISR中的follower全部接收成功。

   所以Kafka为用户提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡，选择以下的配置。

   acks参数配置：

   acks:

   0 :producer不等待broker的ack,这一操作提供了一个最低的延迟，broker接收到还未写入磁盘就已经返回，当broker故障时有可能丢失数据；

   1 :producer等待broker的ack,partition的leader落盘成功后返回ack,如果在follower同步成功之前leader故障，那么将会丢失数据；

    -1（all）:producer等待broker的ack,patition的leader和follower全部落盘成功后才返回ack，但是如果follower同步完成后，broker发送ack之前，leader发送故障，那么会造成数据重复。

 

4.故障处理细节

Log文件中的HW和LEO

LEO（Log End Offset）:指的是每个副本最大的offset.

HW(Hign Watermark):指ISR队列中最小的LEO.

 

（1）follower故障

　　follower发生故障后会被临时踢出ISR，待该follower恢复后，follower会读取本地磁盘记录的上次的HW,并将log文件高于HW的部分截取掉，从HW开始向leader进行同步。等该follower的LEO大于等于该Partiton的HW,即follower追上leader之后，就可以重新加入ISR了。

 

（2）leader故障

　　leader发送故障之后，会从ISR中选出一个新的leader，之后，为保证多个副本之间的数据一致性，其余的follower会先将各自的log文件高于HW的部分截掉，然后从新的leader同步数据

 

 注意：这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复

 

Exactly Once语义

　　将服务器的ACK级别设置为-1，可以保证Producer到Server之间不会丢失数据，即At Least  Once语义。相对的，将服务器ACK级别设置为0，可以保证生产者每条消息只会被发送一次，即At Most Once语义。

　　At Least Once 可以保证数据不丢失，但是不能保证数据不重复；相对的，At Least Once可以保证数据不重复，但是不能保证数据不丢失。但是，对于一些非常重要的信息，比如说交易数据，下游数据消费者要求数据既不重复也不丢失，即Exactly Once语义，在0.11版本以前的kafka,对此是无能为力的，只能保证数据不丢失，再在下游消费者对数据做全局去重。对于多个下游应用的情况，每个都需要单独做全局去重，这就对性能造成了很大影响。

       0.11版本的kafka，引入了一项重大特性：幂等性。所谓的幂等性就是指Producer不论向Server发送多少次重复数据，Server端都只会持久化一条。幂等性结合At Least Once语义，就构成了Kafka的Exactly Once语义。即：

              At Least Once  + 幂等性 = Exactly Once

      要启用幂等性，只需要将Producer 的参数中 enable.idompotence 设置为 true 即可。Kafka的幂等性实现其实就是将原来下游需要做的去重放在了数据上游，开启幂等性的Producer在初始化的时候会被分配一个PID，发往同一Partition的消息会附带Sequence Number。而Broker端会对<PID,Partition,SeqNumber>做缓存，当具有相同主键的消息提交时，Broker只会持久化一条。但是重启PID就会变化， 而且不同的partition也具有不同主键，所以幂等性无法保证跨分区跨会话的Exactly Once