一、前言
数据重复这个问题其实也是挺正常,全链路都有可能会导致数据重复。
通常,消息消费时候都会设置一定重试次数来避免网络波动造成的影响,同时带来副作用是可能出现消息重复。
整理下消息重复的几个场景:
- 生产端: 遇到异常,基本解决措施都是 重试 。
- 场景一:
leader
分区不可用了,抛LeaderNotAvailableException
异常,等待选出新leader
分区。 - 场景二:
Controller
所在Broker
挂了,抛NotControllerException
异常,等待Controller
重新选举。 - 场景三:网络异常、断网、网络分区、丢包等,抛
NetworkException
异常,等待网络恢复。
- 消费端:
poll
一批数据,处理完毕还没提交offset
,机子宕机重启了,又会poll
上批数据,再度消费就造成了消息重复。
怎么解决?
先来了解下消息的三种投递语义:
- 最多一次(
at most once
): 消息只发一次,消息可能会丢失,但绝不会被重复发送。例如:mqtt
中QoS = 0
。 - 至少一次(
at least once
): 消息至少发一次,消息不会丢失,但有可能被重复发送。例如:mqtt
中QoS = 1
- 精确一次(
exactly once
): 消息精确发一次,消息不会丢失,也不会被重复发送。例如:mqtt
中QoS = 2
。
了解了这三种语义,再来看如何解决消息重复,即如何实现精准一次,可分为三种方法:
Kafka
幂等性Producer
: 保证生产端发送消息幂等。局限性,是只能保证单分区且单会话(重启后就算新会话)Kafka
事务: 保证生产端发送消息幂等。解决幂等Producer
的局限性。- 消费端幂等:保证消费端接收消息幂等。蔸底方案。
1)Kafka
幂等性 Producer
幂等性指 :无论执行多少次同样的运算,结果都是相同的。即一条命令,任意多次执行所产生的影响均与一次执行的影响相同。
幂等性使用示例:在生产端添加对应配置即可
Properties props = new Properties(); props.put("enable.idempotence", ture); // 1. 设置幂等 props.put("acks", "all"); // 2. 当 enable.idempotence 为 true,这里默认为 all props.put("max.in.flight.requests.per.connection", 5); // 3. 注意
- 设置幂等,启动幂等。
- 配置
acks
,注意:一定要设置acks=all
,否则会抛异常。 - 配置
max.in.flight.requests.per.connection
需要<= 5
,否则会抛异常OutOfOrderSequenceException
。
0.11 >= Kafka < 1.1
,max.in.flight.request.per.connection = 1
Kafka >= 1.1
,max.in.flight.request.per.connection <= 5
[**为了更好理解,需要了解下\ \Kafka 幂等机制:](https://mp.weixin.qq.com/s/PiAxqEhkR8g1AOYGGS5Yqw)
Producer
每次启动后,会向Broker
申请一个全局唯一的pid
。(重启后pid
会变化,这也是弊端之一)Sequence Numbe
:针对每个<Topic, Partition>
都对应一个从0开始单调递增的Sequence
,同时Broker
端会缓存这个seq num
- 判断是否重复: 拿
<pid, seq num>
去Broker
里对应的队列ProducerStateEntry.Queue
(默认队列长度为 5)查询是否存在
- 如果
nextSeq == lastSeq + 1
,即服务端seq + 1 == 生产传入seq
,则接收。 - 如果
nextSeq == 0 && lastSeq == Int.MaxValue
,即刚初始化,也接收。 - 反之,要么重复,要么丢消息,均拒绝。
这种设计针对解决了两个问题:
- 消息重复: 场景
Broker
保存消息后还没发送ack
就宕机了,这时候Producer
就会重试,这就造成消息重复。 - 消息乱序: 避免场景,前一条消息发送失败而其后一条发送成功,前一条消息重试后成功,造成的消息乱序。
那什么时候该使用幂等:
- 如果已经使用
acks=all
,使用幂等也可以。 - 如果已经使用
acks=0
或者acks=1
,说明你的系统追求高性能,对数据一致性要求不高。不要使用幂等。
2)Kafka
事务
使用
Kafka
事务解决幂等的弊端:单会话且单分区幂等。
Tips
: 这块篇幅较长,这先稍微提及下使用,之后另起一篇。
事务使用示例:分为生产端 和 消费端
Properties props = new Properties(); props.put("enable.idempotence", ture); // 1. 设置幂等 props.put("acks", "all"); // 2. 当 enable.idempotence 为 true,这里默认为 all props.put("max.in.flight.requests.per.connection", 5); // 3. 最大等待数 props.put("transactional.id", "my-transactional-id"); // 4. 设定事务 id Producer<String, String> producer = new KafkaProducer<String, String>(props); // 初始化事务 producer.initTransactions(); try{ // 开始事务 producer.beginTransaction(); // 发送数据 producer.send(new ProducerRecord<String, String>("Topic", "Key", "Value")); // 数据发送及 Offset 发送均成功的情况下,提交事务 producer.commitTransaction(); } catch (ProducerFencedException | OutOfOrderSequenceException | AuthorizationException e) { // 数据发送或者 Offset 发送出现异常时,终止事务 producer.abortTransaction(); } finally { // 关闭 Producer 和 Consumer producer.close(); consumer.close(); }
这里消费端Consumer
需要设置下配置:isolation.level
参数
read_uncommitted
: 这是默认值,表明Consumer
能够读取到Kafka
写入的任何消息,不论事务型Producer
提交事务还是终止事务,其写入的消息都可以读取。如果你用了事务型Producer
,那么对应的Consumer
就不要使用这个值。read_committed
: 表明Consumer
只会读取事务型Producer
成功提交事务写入的消息。当然了,它也能看到非事务型Producer
写入的所有消息。
3)消费端幂等
“如何解决消息重复?” 这个问题,其实换一种说法:就是如何解决消费端幂等性问题。
只要消费端具备了幂等性,那么重复消费消息的问题也就解决了。
典型的方案是使用:消息表,来去重:
- 上述栗子中,消费端拉取到一条消息后,开启事务,将消息
Id
新增到本地消息表中,同时更新订单信息。 - 如果消息重复,则新增操作
insert
会异常,同时触发事务回滚。
基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能
二、案例:Kafka 幂等性 Producer 使用
环境搭建可参考:https://developer.confluent.io/tutorials/message-ordering/kafka.html#view-all-records-in-the-topic
准备工作如下:
1、Zookeeper
:本地使用 Docker
启动
$ docker run -d --name zookeeper -p 2181:2181 zookeeper a86dff3689b68f6af7eb3da5a21c2dba06e9623f3c961154a8bbbe3e9991dea4
2、Kafka
:版本 2.7.1
,源码编译启动(看上文源码搭建启动)
3、启动生产者:Kafka
源码中 exmaple
中
4、启动消息者:可以用 Kafka
提供的脚本
> 基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能 > > * 项目地址:<https://github.com/YunaiV/yudao-cloud> > * 视频教程:<https://doc.iocoder.cn/video/> # 举个栗子:topic 需要自己去修改 $ cd ./kafka-2.7.1-src/bin $ ./kafka-console-producer.sh --broker-list localhost:9092 --topic test_topic
创建topic
: 1副本,2 分区
$ ./kafka-topics.sh --bootstrap-server localhost:9092 --topic myTopic --create --replication-factor 1 --partitions 2 # 查看 $ ./kafka-topics.sh --bootstrap-server broker:9092 --topic myTopic --describe
生产者代码:
public class KafkaProducerApplication { private final Producer<String, String> producer; final String outTopic; public KafkaProducerApplication(final Producer<String, String> producer, final String topic) { this.producer = producer; outTopic = topic; } public void produce(final String message) { final String[] parts = message.split("-"); final String key, value; if (parts.length > 1) { key = parts[0]; value = parts[1]; } else { key = null; value = parts[0]; } final ProducerRecord<String, String> producerRecord = new ProducerRecord<>(outTopic, key, value); producer.send(producerRecord, (recordMetadata, e) -> { if(e != null) { e.printStackTrace(); } else { System.out.println("key/value " + key + "/" + value + "\twritten to topic[partition] " + recordMetadata.topic() + "[" + recordMetadata.partition() + "] at offset " + recordMetadata.offset()); } } ); } public void shutdown() { producer.close(); } public static void main(String[] args) { final Properties props = new Properties(); props.put(ProducerConfig.ENABLE_IDEMPOTENCE_CONFIG, "true"); props.put(ProducerConfig.ACKS_CONFIG, "all"); props.put(ProducerConfig.CLIENT_ID_CONFIG, "myApp"); props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class); props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class); final String topic = "myTopic"; final Producer<String, String> producer = new KafkaProducer<>(props); final KafkaProducerApplication producerApp = new KafkaProducerApplication(producer, topic); String filePath = "/home/donald/Documents/Code/Source/kafka-2.7.1-src/examples/src/main/java/kafka/examples/input.txt"; try { List<String> linesToProduce = Files.readAllLines(Paths.get(filePath)); linesToProduce.stream().filter(l -> !l.trim().isEmpty()) .forEach(producerApp::produce); System.out.println("Offsets and timestamps committed in batch from " + filePath); } catch (IOException e) { System.err.printf("Error reading file %s due to %s %n", filePath, e); } finally { producerApp.shutdown(); } } }
启动生产者后,控制台输出如下:
启动消费者:
$ ./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic myTopic
修改配置 acks
``
启用幂等的情况下,调整acks
配置,生产者启动后结果是怎样的:
- 修改配置
acks = 1
- 修改配置
acks = 0
会直接报错:
Exception in thread "main" org.apache.kafka.common.config.ConfigException: Must set acks to all in order to use the idempotent producer. Otherwise we cannot guarantee idempotence.
修改配置 max.in.flight.requests.per.connection
``
启用幂等的情况下,调整此配置,结果是怎样的:
将 max.in.flight.requests.per.connection > 5
会怎样?
当然会报错:
Caused by: org.apache.kafka.common.config.ConfigException: Must set max.in.flight.requests.per.connection to at most 5 to use the idempotent producer.