kafka 消息“ 零丢失 ”的配方

链接：https://juejin.cn/post/7293289855076565032

kafka已经这么的优秀 了，为什么还会丢消息了？这一定是初学者或者初级使用者心中的疑惑

kafka 已经这么的优秀了，为啥还会丢消息了？----太不省心了

图一 生产者，broker，消费者

要解决kafka丢失消息的情况，需要从使用kafka涉及的主流程和主要组件进行分析。kafka的核心业务流程很简单：发送消息，暂存消息，消费消息。而这中间涉及到的主要组件，分别是生产端，broker端，消费端。

生产端丢失消息的情况和解决方法

生产端丢失消息的第一个原因主要来源于kafka的特性：批量发送异步提交。我们知道，kafka在发送消息时，是由底层的IO SEND线程进行消息的批量发送，不是由业务代码线程执行发送的。即业务代码线程执行完send方法后，就返回了。消息到底发送给broker侧没有了？通过send方法其实是无法知道的。

那么如何解决了？kafka提供了一个带有callback回调函数的方法，如果消息成功/（失败的）发送给broker端了，底层的IO线程是可以知道的，所以此时IO线程可以回调callback函数，通知上层业务应用。我们也一般在callback函数里，根据回调函数的参数，就能知道消息是否发送成功了，如果发送失败了，那么我们还可以在callback函数里重试。一般业务场景下 通过重试的方法保证消息再次发送出去。

90%的面试者都能给出上面的标准回答。

但在一些严格的交易场景：仅仅依靠回调函数的通知和重试，是不能保证消息一定能发送到broker端的

理由如下：
1、callback函数是在jvm层面由IO SEND线程执行的，如果刚好遇到在执行回调函数时，jvm宕机了，或者恰好长时间的GC，最终导致OOM，或者jvm假死的情况；那么回调函数是不能被执行的。恰好你的消息数据，是一个带有交易属性核心业务数据，必须要通知给下游。比如下单或者支付后，需要通知佣金系统，或者积分系统，去计算订单佣金。此时一个JVM宕机或者OOM，给下游的数据就丢了，那么计算联盟客的订单佣金数据也就丢了，造成联盟客资损了。

2、IO SEND线程和broker之间是通过网络进行通信的，而网络通信并不一定都能保证一直都是顺畅的，比如网络丢包，网络中的交换机坏了，由底层网络硬件的故障，导致上层IO线程发送消息失败；此时发送端配置的重试参数 retries 也不好使了。

如何解决生产端在极端严格的交易场景下，消息丢失了？

如果要解决jvm宕机，或者JVM假死；又或者底层网络问题，带来的消息丢失；是需要上层应用额外的机制来保证消息数据发送的完整性。大概流程如下图

1、在发送消息之前，加一个发送记录，并且初始化为待发送；并且把发送记录进行存储（可以存储在DB里，或者其它存储引擎里）；2、利用带有回调函数的callback通知，在业务代码里感知到消息是否发送成功；如果消息发送成功，则把存储引擎里对应的消息标记为已发送 3、利用延迟的定时任务，每隔5分钟（可根据实际情况调整扫描频率）定时扫描5分钟前未发送或者发送失败的消息，再次进行发送。

这样即使应用的jvm宕机，或者底层网络出现故障，消息是否发送的记录，都进行了保存。通过持续的定时任务扫描和重试，能最终保证消息一定能发送出去。

broker端丢失消息的情况和解决方法

broker端接收到生产端的消息后，并成功应答生产端后，消息会丢吗？ 如果broker能像mysql服务器一样，在成功应答给客户端前，能把消息写入到了磁盘进行持久化，并且在宕机断电后，有恢复机制，那么我们能说broker端不会丢消息。

但broker端提供数据不丢的保障和mysql是不一样的。broker端在接受了一批消息数据后，是不会马上写入磁盘的，而是先写入到page cache里，这个page cache是操作系统的页缓存（也就是另外一个内存，只是由操作系统管理，不属于JVM管理的内存），通过定时或者定量的的方式（ log.flush.interval.messages和log.flush.interval.ms）会把page cache里的数据写入到磁盘里。

如果page cache在持久化到磁盘前，broker进程宕机了，这个时候不会丢失消息，重启broker即可；如果此时操作系统宕机或者物理机宕机了，page cache里的数据还没有持久化到磁盘里，此种情况数据就丢了。

kafka应对此种情况，建议是通过多副本机制来解决的，核心思想也挺简单的：如果数据保存在一台机器上你觉得可靠性不够，那么我就把相同的数据保存到多台机器上，某台机器宕机了可以由其它机器提供相同的服务和数据。

要想达到上面效果，有三个关键参数需要配置
第一：生产端参数 ack 设置为all
代表消息需要写入到“大多数”的副本分区后，leader broker才给生产端应答消息写入成功。（即写入了“大多数”机器的page cache里）

第二：在broker端 配置 min.insync.replicas参数设置至少为2
此参数代表了 上面的“大多数”副本。为2表示除了写入leader分区外，还需要写入到一个follower 分区副本里，broker端才会应答给生产端消息写入成功。此参数设置需要搭配第一个参数使用。

第三：在broker端配置 replicator.factor参数至少3
此参数表示：topic每个分区的副本数。如果配置为2，表示每个分区只有2个副本，在加上第二个参数消息写入时至少写入2个分区副本，则整个写入逻辑就表示集群中topic的分区副本不能有一个宕机。如果配置为3，则topic的每个分区副本数为3，再加上第二个参数min.insync.replicas为2，即每次，只需要写入2个分区副本即可，另外一个宕机也不影响，在保证了消息不丢的情况下，也能提高分区的可用性；只是有点费空间，毕竟多保存了一份相同的数据到另外一台机器上。

另外在broker端，还有个参数unclean.leader.election.enable
此参数表示：没有和leader分区保持数据同步的副本分区是否也能参与leader分区的选举，建议设置为false，不允许。如果允许，这这些落后的副本分区竞选为leader分区后，则之前leader分区已保存的最新数据就有丢失的风险。注意在0.11版本之前默认为TRUE。

消费端侧丢失消息的情况和解决方法

消费端丢失消息的情况：消费端丢失消息的情况，主要是设置了 autoCommit为true，即消费者消费消息的位移，由消费者自动提交。
自动提交，表面上看起来挺高大上的，但这是消费端丢失消息的主要原因。实例代码如下

while(true){ consumer.poll(); #①拉取消息  XXX #②进行业务处理； }

如果在第一步拉取消息后，即提交了消息位移；而在第二步处理消息的时候发生了业务异常，或者jvm宕机了。则第二次在从消费端poll消息时，会从最新的位移拉取后面的消息，这样就造成了消息的丢失。

消费端解决消息丢失也不复杂，设置autoCommit为false；然后在消费完消息后手工提交位移即可 实例代码如下：

while(true){ consumer.poll(); #①拉取消息  XXX #②处理消息；  consumer.commit(); }

在第二步进行了业务处理后，在提交消费的消息位移；这样即使第二步或者第三步提交位移失败了又或者宕机了，第二次再从poll拉取消息时，则会以第一次拉取消息的位移处获取后面的消息，以此保证了消息的不丢失。

总结

在生产端所在的jvm运行正常，底层网络通顺的情况下，通过kafka 生产端自身的retries机制和call back回调能减少一部分消息丢失情况；但并不能保证在应用层，网络层有问题时，也能100%确保消息不丢失；如果要解决此问题，可以试试 记录消息发送状态+定时任务扫描+重试的机制。

在broker端，要保证消息数据不丢失；kafka提供了多副本机制来进行保证。关键核心参数三个，一个生产端ack=all，两个broker端参数min.insync.replicas 写入数据到分区最小副本数为2，并且每个分区的副本集最小为3

在消费端，要保证消息不丢失，需要设置消费端参数 autoCommit为false，并且在消息消费完后，再手工提交消息位置

官方站点：www.linuxprobe.com

Linux命令大全：www.linuxcool.com

刘遄老师QQ：5604215

Linux技术交流群：2636170

（新群，火热加群中……）

想要学习Linux系统的读者可以点击"阅读原文"按钮来了解书籍《Linux就该这么学》，同时也非常适合专业的运维人员阅读，成为辅助您工作的高价值工具书！