Kafka生产者
Kafka Producer
目录
生产者消息发送流程
发送原理
在消息发送的过程中, 涉及到了两个线程–main线程和Sender线程. 在 main 线程中创建了一个双端队列RecordAccumulator. main 线程将消息发送个 RecordAccumulator, Sender 线程不断从 RecordAccumulator 中拉取消息发送到 Kafka Broker.
发送流程
生产者重要参数
| 参数名称 | 描述 |
|---|---|
bootstrap.servers |
生产者连接集群所需的 boker 地址清单. 可以设置一个或多个, 中间用,隔开. 注意: 并非需要所有的 broker 地址, 因为生产者从给定的 broker 里查找其他 broker 信息 |
key.serializer和value.serializer |
指定发送消息的 key 和 value 的序列化类型. 一定要写全类名! |
buffer.memory |
RecordAccumulator 缓冲区总大小, 默认32m. |
batch.size |
缓冲区一批数据最大值, 默认16k. (适当增加可以提高吞吐量; 但是如果过大的话, 会导致数据传输延迟增加). |
linger.ms |
如果数据一直未到达 batch.size, sender 等待 linger.ms 之后就会发送数据, 单位是ms. 默认0ms, 表示没有延迟. (生产环境一般 5-100ms 之间) |
acks |
0: 生产者发送过来的数据, 不需要等数据落盘应答; 1: 生产者发送过来的数据, Leader 收到数据后应答; -1(all): 生产者发送过来的数据, Leader+ 和 isr 队列里面的所有节点收齐数据后应答. 默认是-1, -1和all是等价的. |
max.in.flight.request.per.connection |
允许最多没有返回 ack 的次数, 默认为5, 开启幂等性要保证该值是 1-5 的数字. |
retries |
当消息发送出现错误的时候, 系统会重发消息. 该值表示重复次数. 默认为int最大值,2147483647. 如果设置了重试, 还想保证消息的有序性, 需要设置 MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION=1 否则在重试此失败消息的时候, 其他的消息可能发送成功了. |
retry.backoff.ms |
两次重试之间的时间间隔, 默认为100ms. |
enable.idempotence |
是否开启幂等性, 默认为true, 开启幂等性. |
compression.type |
生产者发送的所有数据的压缩方式. 默认为none, 也就是不压缩. 支持压缩类型: none, gzip, snappy, lz4和zstd. |
生产者分区
分区的好处
- 便于合理使用存储资源, 每个 Partition 在一个 Broker 上存储, 可以吧海量的数据按照分区切割成小块存储在多台 Broker 上. 合理控制分区的任务, 可以实现负载均衡的效果.
- 提高并行度, 生产者可以以分区为单位发送数据; 消费者可以以分区为单位消费数据.
数据传递语义
- 至少一次(At Least Once) =
ACK级别设置为-1+分区副本大于等于2+ISR里应答的最小副本数量大于等于2 - 最多一次(At Most Once) =
ACK级别设置为0. - 精确一次(Exactly Once): 对于一些非常重要的信息, 例如和钱相关的数据, 要求数据既不能重复也不能丢失.
也就是说, At Least Once 可以保证数据不丢失, 但是不能保证数据不重复; At Most Once 可以保证数据不重复, 但是不能保证数据不丢失.
幂等性
幂等性原理
幂等性就是指 Producer 不论向 Broker 发送多少次重复数据, Broker 端都只会持久化一条, 保证了不重复.
所以上面的 Exactly Once = 幂等性 + At Least Once(ack=-1 + partitions>=2 + ISR最小副本数>=2)
重复数据的判断标准: 具有<PID, Partition, SeqNumber>相同逐渐的消息提交时, Borker 只会持久化一条. 其中:
- PID 是 Kafka 每次重启都会分配一个新的;
- Partition 表示分区号
- Sequence Number 单调自增
综上, 幂等性只能保证的是在单分区单会话内不重复.
如何使用幂等性
开启参数enable.idempotence.
生产者事务
开启事务, 必须开启幂等性!
Kafka事务原理