3.2.1 分區策略?
1）分區的原因?
（1）方便在集群中擴展，每個 Partition 可以通過調整以適應它所在的機器，而一個 topic又可以有多個 Partition 組成，因此整個集群就可以適應任意大小的數據了；?
（2）可以提高并發，因為可以以 Partition 為單位讀寫了。?
2）分區的原則?
我們需要將 producer 發送的數據封裝成一個 ProducerRecord 對象。?

?
（1）指明 partition 的情況下，直接將指明的值直接作為 partiton 值；?
（2）沒有指明 partition 值但有 key 的情況下，將 key 的 hash 值與 topic 的 partition?數進行取余得到 partition 值；?
（3）既沒有 partition 值又沒有 key 值的情況下，第一次調用時隨機生成一個整數（后面每次調用在這個整數上自增），將這個值與 topic 可用的 partition 總數取余得到 partition?值，也就是常說的 round-robin 算法。?

3.2.2 數據可靠性保證?
為保證 producer 發送的數據，能可靠的發送到指定的 topic，topic 的每個 partition 收到
producer 發送的數據后，都需要向 producer 發送 ack（acknowledgement 確認收到），如果
producer 收到 ack，就會進行下一輪的發送，否則重新發送數據。?

1）副本數據同步策略??

?Kafka 選擇了第二種方案，原因如下：?
1.同樣為了容忍 n 臺節點的故障，第一種方案需要 2n+1 個副本，而第二種方案只需要 n+1個副本，而 Kafka 的每個分區都有大量的數據，第一種方案會造成大量數據的冗余。?
2.雖然第二種方案的網絡延遲會比較高，但網絡延遲對 Kafka 的影響較小。?
2）ISR?
?采用第二種方案之后，設想以下情景：leader 收到數據，所有 follower 都開始同步數據，但有一個 follower，因為某種故障，遲遲不能與 leader 進行同步，那 leader 就要一直等下去，直到它完成同步，才能發送 ack。這個問題怎么解決呢？??Leader 維護了一個動態的 in-sync replica set (ISR)，意為和 leader 保持同步的 follower 集合。當 ISR 中的 follower 完成數據的同步之后，leader 就會給 follower 發送 ack。如果 follower長時間未 向 leader 同 步 數 據 ， 則 該 follower 將 被 踢 出 ISR ， 該 時 間 閾 值 由replica.lag.time.max.ms 參數設定。Leader 發生故障之后，就會從 ISR 中選舉新的 leader。?
3）ack 應答機制?
對于某些不太重要的數據，對數據的可靠性要求不是很高，能夠容忍數據的少量丟失，所以沒必要等 ISR 中的 follower 全部接收成功。?所以 Kafka 為用戶提供了三種可靠性級別，用戶根據對可靠性和延遲的要求進行權衡，選擇以下的配置。?

acks 參數配置：?
acks：?
0：producer 不等待 broker 的 ack，這一操作提供了一個最低的延遲，broker 一接收到還沒有寫入磁盤就已經返回，當 broker 故障時有可能丟失數據；?
1：producer 等待 broker 的 ack，partition 的 leader 落盤成功后返回 ack，如果在 follower同步成功之前 leader 故障，那么將會丟失數據；?

acks = 1 數據丟失案例

-1（all）：producer 等待 broker 的 ack，partition 的 leader 和 follower 全部落盤成功后才返回 ack。但是如果在 follower 同步完成后，broker 發送 ack 之前，leader 發生故障，那么會造成數據重復。?

acks = -1 數據重復案例

4）故障處理細節?

? ? Log文件中的HW和LEO

LEO：指的是每個副本最大的 offset；?
HW：指的是消費者能見到的最大的 offset，ISR 隊列中最小的 LEO。?
（1）follower 故障?
follower 發生故障后會被臨時踢出 ISR，待 該 follower 恢復后，follower 會讀取本地磁盤記錄的上次的 HW，并將 log 文件高于 HW 的部分截取掉，從 HW 開始向 leader 進行同步。等該 follower 的 LEO 大于等于該 Partition 的 HW，即 follower 追上 leader 之后，就可以重新加入 ISR 了。?
（2）leader 故障?
leader 發生故障之后，會從 ISR 中選出一個新的 leader，之后，為保證多個副本之間的數據一致性，其余的 follower 會先將各自的 log 文件高于 HW 的部分截掉，然后從新的 leader同步數據。?

注意：這只能保證副本之間的數據一致性，并不能保證數據不丟失或者不重復。?
3.2.3 Exactly Once 語義?
將服務器的 ACK 級別設置為-1，可以保證 Producer 到 Server 之間不會丟失數據，即 At? Least Once 語義。相對的，將服務器 ACK 級別設置為 0，可以保證生產者每條消息只會被發送一次，即 At Most Once 語義。?At Least Once 可以保證數據不丟失，但是不能保證數據不重復；相對的，At Least Once可以保證數據不重復，但是不能保證數據不丟失。但是，對于一些非常重要的信息，比如說交易數據，下游數據消費者要求數據既不重復也不丟失，即 Exactly Once 語義。在 0.11 版本以前的 Kafka，對此是無能為力的，只能保證數據不丟失，再在下游消費者對數據做全局去重。對于多個下游應用的情況，每個都需要單獨做全局重，這就對性能造成了很大影響。?0.11 版本的 Kafka，引入了一項重大特性：冪等性。所謂的冪等性就是指 Producer 不論向 Server 發送多少次重復數據，Server 端都只會持久化一條。冪等性結合 At Least Once 語義，就構成了 Kafka 的 Exactly Once 語義。即：?
At Least Once + 冪等性 = Exactly Once?
要啟用冪等性，只需要將 Producer 的參數中 enable.idompotence 設置為 true 即可。Kafka的冪等性實現其實就是將原來下游需要做的去重放在了數據上游。開啟冪等性的 Producer 在初始化的時候會被分配一個 PID，發往同一 Partition 的消息會附帶 Sequence Number。而Broker 端會對<PID, Partition, SeqNumber>做緩存，當具有相同主鍵的消息提交時，Broker 只會持久化一條。?但是 PID 重啟就會變化，同時不同的 Partition 也具有不同主鍵，所以冪等性無法保證跨分區跨會話的 Exactly Once。?

總結一句話：這個冪等性只能解決單次會話數據不重復，根據這個PID?Partition??SeqNumber三個條件確定是不是同一條數據，來保證數據不重復

總結

以上是生活随笔為你收集整理的大数据技术之 Kafka (第 3 章 Kafka 架构深入 ) Kafka 生产者的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。