一文彻底搞懂Kafka如何保证消息不丢失

1. kafka 架构

Producer：生产者，发送消息的一方。生产者负责创建消息，然后将其发送到 Kafka。

Consumer：消费者，接受消息的一方。消费者连接到 Kafka 上并接收消息，进而进行相应的业务逻辑处理。

Consumer Group：将多个消费者组成一个消费者组，一个消费者组可以包含一个或多个消费者。使用多分区 + 多消费者方式可以极大提高数据下游的处理速度，同一消费组中的消费者不会重复消费消息，同一个消费者组的消费者可以消费同一个topic的不同分区的数据。Kafka 就是通过消费组的方式来实现消息 P2P 模式和广播模式。

Broker：服务代理节点。Broker 是 Kafka 的服务节点，是 kafka 一个实例，每个服务器上有一个或多个 kafka 的实例，简单的理解就是一台 kafka 服务器，kafka cluster表示集群的意思

Topic：消息的主题，可以理解为消息队列，kafka的数据就保存在topic。Kafka 中的消息以 Topic 为单位进行划分，生产者将消息发送到特定的 Topic，而消费者负责订阅 Topic 的消息并进行消费。

Partition：Topic 是一个逻辑的概念，它可以细分为多个分区，每个 topic 可以有多个分区，分区的作用是做负载，提高 kafka 的吞吐量。每个分区只属于单个主题，同一个主题下不同分区包含的消息是不同的，partition 的表现形式就是一个一个的文件夹，分区在存储层面可以看作一个可追加的日志（Log）文件，消息在被追加到分区日志文件的时候都会分配一个特定的偏移量（offset）。

Offset：offset 是消息在分区中的唯一标识，Kafka 通过它来保证消息在分区内的顺序性，不过 offset 并不跨越分区，也就是说，Kafka 保证的是分区有序性而不是主题有序性。

Replication：副本，是 Kafka 保证数据高可用的方式，Kafka 同一 Partition 的数据可以在多 Broker 上存在多个副本，通常只有主副本对外提供读写服务，当主副本所在 broker 崩溃或发生网络异常，Kafka 会在 Controller 的管理下会重新选择新的 Leader 副本对外提供读写服务。

Leader：在kafka中默认副本的最大数量是10个，且副本的数量不能大于Broker的数量，follower和leader绝对是在不同的机器，同一机器对同一个分区也只可能存放一个副本。

Message：每一条发送的消息主体。

Record：实际写入 Kafka 中并可以被读取的消息记录。每个 record 包含了 key、value 和 timestamp。

Zookeeper：kafka 集群依赖 zookeeper 来保存集群的的元信息，来保证系统的可用性。

kafka 本质就是一个消息系统，与大多数的消息系统一样，主要的特点：

• 使用推拉模型将生产者和消费者分离
• 为消息传递系统中的消息数据提供持久性，以允许多个消费者
• 提供高可用集群服务，主从模式，同时支持横向水平扩展

与 ActiveMQ、RabbitMQ、RocketMQ 不同的地方在于，它有一个分区Partition的概念。
如果你创建的topic有5个分区，当你一次性向 kafka 中推 1000 条数据时，这 1000 条数据默认会分配到 5 个分区中，其中每个分区存储 200 条数据。
这样做的好处，方便消费者从不同的分区拉取数据，假如你启动 5 个线程同时拉取数据，每个线程拉取一个分区，消费速度会非常非常快！

这是 kafka 与其他的消息系统最大的不同！

在使用消息队列时，数据不丢失是至关重要的。Kafka 作为一款主流的消息队列系统，提供了多方面的机制来保障数据不丢失，针对生产者、消费者和代理节点三个层面，是如何保证数据不丢失的

2. producer端是如何保证数据不丢失的

2.1 同步发送

同步发送模式下，生产者会阻塞等待 broker 的确认，直到消息被成功写入 ISR 中，才算发送成功。这种方式可以保证数据强一致性，但也降低了吞吐量。

2.2 异步发送

异步发送模式下，生产者不会等待 broker 的确认，而是直接将消息发送给 broker。这种方式可以提高吞吐量，但也存在数据丢失的风险，例如当 broker 宕机时，未确认的消息可能会丢失。

2.3 批量发送

批量发送可以减少发送消息的次数，提高吞吐量。Kafka 支持批量发送，生产者可以将多个消息组合成一个批次发送，以减少网络开销和提高效率。

3. consumer端是如何保证数据不丢失的

3.1 手动提交

消费者端默认自动提交模式，但这种模式下，如果消费者在消费消息后还未提交偏移量，就宕机了，那么这部分消息就会被重复消费。为了避免这种情况，可以设置手动提交模式，由消费者程序显式提交偏移量，确保消息只被消费一次。

3.2 幂等性消费

在某些情况下，即使消息只被消费一次，也可能导致数据不一致。为了解决这个问题，可以对消费逻辑进行改造，使其具有幂等性，保证即使消息被重复消费，也不会产生错误结果。

4. broker端是如何保证数据不丢失的

4.1 副本机制

Kafka 每个消息都会保存多个副本，即使一个副本所在的代理节点宕机，其他副本仍然可以提供数据。副本机制可以有效提高数据的可靠性，但也会增加存储空间和资源开销。

4.2 ISR机制

ISR（in-sync replica）列表包含所有与 leader 副本保持同步的副本。只有 ISR 列表中的副本才能接收写请求，保证数据的完整性和一致性。

4.3 刷盘机制

Kafka 将消息写入内存页缓存后，会异步刷盘到磁盘。为了保证数据持久性，可以配置刷盘策略，例如同步刷盘或异步刷盘。同步刷盘会降低吞吐量，但可以保证数据即使在 broker 宕机的情况下也不丢失。异步刷盘可以提高吞吐量，但存在数据丢失的风险，例如当 broker 宕机时，未刷盘到磁盘的数据可能会丢失。