flink 卡夫卡_卡夫卡–一次语义学

flink 卡夫卡

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，处理故障，发布消息时失败或无法使用消息等。这些不同的场景引入了不同类型的数据丢失和重复。

失败场景

A（确认失败）：生产者成功发布了消息，重试> 1，但由于失败而未收到确认。在这种情况下，生产者将重试相同的消息，可能会引入重复消息。

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，重试= 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。

精确一次语义

在这种情况下，即使生产者尝试重新发送消息，它也导致消息将被消费者发布和消费一次。

为了在Kafka中实现Exactly-Once语义，它使用以下3个属性

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

启用幂等（enable.idempotence = true）

幂等传递使生产者可以在单个生产者的生命周期内，将消息仅一次写入Kafka到主题的特定分区，而不会造成数据丢失和每个分区的订单。

“请注意，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，则将选择合适的值。 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，代理将序列号与先前的序列号进行比较，如果序列不增加，+ 1将拒绝该消息。

交易（isolation.level）

事务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将被成功保存，或者没有保存成功，它允许您在同一事务中提交消费者补偿以及已处理的数据，从而允许端到端的一次精确语义。

生产者不等待将消息写入到kafka那里，生产者使用beginTransaction，commitTransaction和abortTransaction（在失败的情况下）消费者使用隔离级别。read_committed或read_uncommitted

read_committed：使用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，而无需等待事务提交

如果具有Isolation.level = read_committed的使用者到达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）确定。

生产者和消费者中的确切时间

在正常情况下，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来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。

同一用户一次将收到消息或一批消息。

在Exactly-Once中，语义生产者与消费者一起将作为原子操作出现，它将作为一个单元进行操作。要么发布一次就被消耗掉，要么中止。

在Kafka Stream中恰好一次

Kafka Stream消耗来自主题A的消息，处理并将消息发布到主题B，并在发布后使用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“一次写入”模式是一次“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原子地更新使用者偏移量，本地状态存储，状态存储changelog主题和生产，以一起输出所有主题。如果这些步骤中的任何一个失败，则所有更改都将回滚。

processing.guarantee：确切地自动提供以下参数，您无需明确设置