卡夫卡流中幂等性与正当性之间的区别

Question

我正在查看文档，了解到我们可以启用idempotence=true

来完成一次准确的交易

  

幂等：幂等生产者对一个   制片人针对一个主题。基本上每条消息都发送   有石匠人的担保，如果有   错误

那么，如果我们已经有了幂等性，那为什么我们要在Kafka Stream中一次只需要另一个属性呢？幂等与完全一次之间究竟有什么区别

为什么普通Kafka Producer中无法使用一次精确属性？

Answer 1

Kafka流从端到端的角度提供一次精确的语义（从一个主题进行消费，处理该消息，然后生成另一个主题）。但是，您仅提及了生产者的幂等属性。那只是整个图片的一小部分。

让我改一下这个问题：

  

为什么我们需要在消费者端实现一次准确的投放语义   虽然我们已经保证在   生产者方面？

答案：：由于一次准确的传递语义不仅在生产步骤中，而且在处理的整个流程中也是如此。为了在语义上实现一次准确交付，必须满足生产和消费的一些条件。

这是一般情况：进程A产生到主题T的消息。同时，进程B尝试使用主题T的消息。我们要确保进程B永远不会处理一条消息两次。

生产者部分：我们必须确保生产者从不产生两次消息。我们可以使用Kafka Idempotent Producer

消费部分： 这是消费者的基本工作流程：

• 第1步：消费者成功地从Kafka的主题中提取了消息M。
• 第2步：消费者尝试执行作业，作业成功返回。
• 第3步：消费者将邮件的偏移量提交给Kafka经纪人。

以上步骤只是一条快乐的路。现实中出现了很多问题。

• 场景1：步骤2上的作业成功执行，但使用者崩溃了。由于这种意外情况，使用者尚未提交该消息的抵消额。使用者重新启动后，该消息将被使用两次。
• 场景2：使用者在步骤3中提交偏移量时，由于硬件故障（例如：CPU，内存冲突等）而崩溃，在重新启动时，使用者无法知道它是否已成功提交偏移量或不是。

因为可能会发生很多问题，所以作业的执行和提交偏移必须是 atomic （原子的），以确保在消费者端实现一次准确的交付语义。这并不意味着我们不能，但是要确保一次准确的交付语义就需要付出很多努力。 Kafka Stream支持工程师的工作。

请注意：：Kafka Stream提供“一次精确的流处理”。它是指从一个主题进行消费，在Kafka主题中实现中间状态并产生一个状态。如果我们的应用程序依赖于其他一些外部服务（数据库，服务...），则必须确保我们的外部依赖关系可以保证在这种情况下仅发生一次。

TL，DR：一次，要实现全流程，需要生产者和消费者之间的合作。

参考：

• Exactly-once semantics and how Apache Kafka does it
• Transactions in Apache Kafka
• Enabling exactly once Kafka streams

Answer 2

在分布式环境中，故障是很常见的情况，可以随时发生。在Kafka环境中，代理可能崩溃，网络故障，处理失败，发布消息时失败或无法使用消息等。 这些不同的情况导致了不同类型的数据丢失和重复。

故障场景

A（确认失败）：生产者成功发布了消息，重试次数> 1，但由于失败而未能收到确认。在这种情况下，生产者将重试相同的消息，可能会导致重复消息。

B（生产者进程在批处理消息中失败）：生产者发送了一批失败的消息，但发布的成功很少。在这种情况下，一旦生产者重新启动，它将再次批量重新发布所有消息，这将在Kafka中引入重复消息。

C（触发并忘记失败）生产者发布的消息，其中retry = 0（触发并忘记）。如果失败，发布的消息将不知道并发送下一条消息，这将导致消息丢失。

D（批处理消息中的消费者失败）消费者从Kafka接收到一批消息，并手动提交其偏移量（enable.auto.commit = false）。如果消费者在提交给Kafka之前失败，则下次消费者将再次使用相同的记录，这些记录将在消费者端复制副本。

完全一次语义

  

在这种情况下，即使生产者尝试重新发送消息，它也会导致   消息将被发布一次，并被消费者完全消费一次。

要在Kafka中实现精确一次语义，它使用以下3个属性

1. enable.idempotence = true（地址a，b和c）
2. MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION = 5（生产者每次连接总是有一个飞行中请求）
3. isolation.level = read_committed（地址d）

启用幂等（enable.idempotence = true）

  

等幂传递使生产者能够准确地将消息写入Kafka   一次在主题的生存期内转到主题的特定分区   一个生产者，没有数据丢失和每个分区的订单。

“”注意，启用幂等性要求MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION小于或等于5，RETRIES_CONFIG大于0且ACKS_CONFIG为'all'。如果用户未明确设置这些值，则将如果设置了不兼容的值，将抛出ConfigException“

为了实现幂等性，Kafka在生成消息时使用唯一的ID（称为产品ID或PID和序列号）。生产者在发布的每个消息上保持递增的序列号，这些消息具有唯一的PID。代理始终将当前序列号与前一个序列号进行比较，如果新序列号不比上一个序列号大+1，则它会拒绝，这会避免重复；如果消息中丢失了更大的序列号，则会拒绝同时显示

在失败的情况下，代理将序列号与前一个序列号进行比较，如果序列不增加，+ 1将拒绝该消息。

交易（隔离级别）

交易使我们能够自动更新多个主题分区中的数据。事务中包含的所有记录都将被成功保存，或者没有保存成功，它允许您将同一个事务中的消费者补偿与已处理的数据一起提交，从而允许端到端的一次精确语义

生产者无需等待将消息写入kafka，其中生产者使用beginTransaction，commitTransaction和abortTransaction（如果失败） 消费者使用隔离级别，即read_committed或read_uncommitted

• read_committed：消费者将始终仅读取已提交的数据。
• read_uncommitted：按偏移顺序读取所有消息，而无需等待 进行交易

如果具有isolation.level = read_committed的使用者到达了尚未完成的事务的控制消息，则它将直到该生产者提交或中止该事务或发生事务超时之前，不会再从该分区传递任何消息。事务超时由生产者使用配置transaction.timeout.ms（默认为1分钟）来确定。

生产者和消费者完全相同

在正常情况下，我们的生产者和消费者是分开的。生产者必须具有幂等性并同时管理事务，以便消费者可以使用isolation.level读取read_committed以使整个过程成为原子操作。 这样可以确保生产者将始终与源系统同步。即使生产者崩溃或事务中止，它也始终是一致的，并且一次将消息或一批消息发布为一个单元。

同一使用者将一次接收消息或一批消息。

  

在精确一次语义生成器和消费者中将出现为   原子操作，它将作为一个单元运行。要么发布并   一次被消耗掉或中止。

在Kafka流中恰好一次

Kafka Stream使用来自主题A的消息，处理该消息并将其发布到主题B，一旦发布，请使用commit（commit主要在后台运行）将所有状态存储数据刷新到磁盘。

Kafka Stream中的“一次”是“读取-处理-写入”模式，可确保将这些操作视为原子操作。由于Kafka Stream可以满足生产者，消费者和交易的需求，因此Kafka Stream都带有特殊的参数processing.guarantee，它可以完全地_once或at_least_once，使得不单独处理所有参数变得容易。

  

Kafka Streams原子地更新消费者补偿，本地状态存储，   状态存储changelog主题和生产以输出所有主题   一起。如果这些步骤中的任何一个失败，则所有更改都是   回滚。

processing.guarantee：完全_一次自动提供以下参数，您无需明确设置

1. isolation.level = read_committed
2. enable.idempotence = true
3. MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION = 5