Kafka数据可靠性和ACK应答机制_java kafka 应答

Kafka生产者发送数据流程

!](https://img-blog.csdnimg.cn/85d5d31e5bab470ba5abdabd930f458b.png)

一、ACK应答级别

一、0

• 介绍：生产者发送过来的数据，不需要等数据落盘应答

• 数据可靠性分析：容易丢数据

• 丢失数据原因：生产者发送完成后，Leader没有接收到数据，但是生产者认为已经发送成功了

二、1

• 介绍：生产者发送过来的数据，Leader收到数据后应答

• 数据可靠性分析：容易丢数据

• 丢失数据原因：应答完成后，还没开始同步副本，Leader挂了，新的Leader不会收到同步的消息，因为生产者已经认为发送成功了

三、-1（all）

• 介绍：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
• 数据可靠性分析：可靠

二、Leader收到数据后，有一个Follower因为某种故障，迟迟不能与Leader进行同步，如何解决

Leader维护了一个动态的in-sync replica set(ISR)，意为和Leader保持同步的Follower+Leader集合。如果Follower长时间未向Leader发送通信请求或同步数据，则该Follower将被踢出ISR。该时间阈值由replica.lag.time.max.ms参数设定，默认30s。这样就不用等长期联系不上或者已经故障的节点

三、数据完全可靠条件

数据完全可靠条件=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

四、可靠性分析

• acks=0，生产者发送过来数据就不管了，可靠性差，效率高
• acks=1，生产者发送过来数据Leader应答，可靠性中等，效率中等
• acks=-1，生产者发送过来数据Leader和ISR队列里面所有Follower应答，可靠性高，效率低
• 在生产环境中，acks=0很少使用，acks=1，一般用于传输普通日志，允许丢个别数据；acks=-1，一般用于传输和钱相关的数据，对可靠性要求比较高的场景

五、Java代码实现

import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

public class CustomProducerAck {
    public static void main(String[] args) {
        // 1.创建kafka配置对象
        Properties properties = new Properties();
        // 2.配置对应参数
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"node1:9092");
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
        // 设置ack
        properties.put(ProducerConfig.ACKS_CONFIG,"all");
        // 重试次数retries，默认是int最大值2147483647
        properties.put(ProducerConfig.RETRIES_CONFIG,3);
        // 3.创建kafka生产者对象
        KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties);
        // 4.调用send方法，发送消息
        for(int i=0;i<5;i++){
            kafkaProducer.send(new ProducerRecord<>("first","testMessage"+1));
        }
        // 5.关闭资源
        kafkaProducer.close();
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.common.serialization.StringSerializer;

import java.util.Properties;

public class CustomProducerAck {
    public static void main(String[] args) {
        // 1.创建kafka配置对象
        Properties properties = new Properties();
        // 2.配置对应参数
        properties.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG,"node1:9092");
        properties.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
        properties.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,StringSerializer.class.getName());
        // 设置ack
        properties.put(ProducerConfig.ACKS_CONFIG,"all");
        // 重试次数retries，默认是int最大值2147483647
        properties.put(ProducerConfig.RETRIES_CONFIG,3);
        // 3.创建kafka生产者对象
        KafkaProducer<String, String> kafkaProducer = new KafkaProducer<>(properties);
        // 4.调用send方法，发送消息
        for(int i=0;i<5;i++){
            kafkaProducer.send(new ProducerRecord<>("first","testMessage"+1));
        }
        // 5.关闭资源
        kafkaProducer.close();
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29