kafka 生产者

Kafka 生产者

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 线程将消息发送给 RecordAccumulator，Sender 线程不断从 RecordAccumulator 中拉取消息发送到 Kafka Broker。

生产者重要参数列表

参数名称描述:
bootstrap.servers    生产者连接集群所需的 broker  地址清单。例如hadoop102:9092,hadoop103:9092,hadoop104:9092，可以设置 1 个或者多个，中间用逗号隔开。注意这里并非需要所有的 broker 地址，因为生产者从给定的 broker里查找到其他 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。适当增加该值，可以提高吞吐量，但是如果该值设置太大，会导致数据传输延迟增加。

linger.ms    如果数据迟迟未达到 batch.size，sender 等待 linger.time之后就会发送数据。单位 ms，默认值是 0ms，表示没有延迟。生产环境建议该值大小为 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。默认值是-1，-1 和all 是等价的。

max.in.flight.requests.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。retries表示重试次数。默认是 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，默认是 100ms。

enable.idempotence    是否开启幂等性，默认 true，开启幂等性。

compression.type    生产者发送的所有数据的压缩方式。默认是 none，也就是不压缩。支持压缩类型：none、gzip、snappy、lz4 和 zstd。

异步发送 API

1）需求：创建 Kafka 生产者，采用异步的方式发送到 Kafka Broker

带回调函数的异步发送

回调函数会在 producer 收到 ack 时调用，为异步调用，该方法有两个参数，分别是元数据信息（RecordMetadata）和异常信息（Exception），如果 Exception 为 null，说明消息发送成功，如果 Exception 不为 null，说明消息发送失败。

同步发送 API

生产者分区

Kafka 分区好处:
（1）便于合理使用存储资源，每个Partition在一个Broker上存储，可以把海量的数据按照分区切割成一
块一块数据存储在多台Broker上。合理控制分区的任务，可以实现负载均衡的效果。

（2）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进行消费数据。

生产者发送消息的分区策略

生产经验——生产者如何提高吞吐量

生产经验——数据可靠性

0）回顾发送流程

ack 应答原理

ACK应答级别

生产经验——数据去重

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

• 总结：
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。

• 精确一次（Exactly  Once）：对于一些非常重要的信息，比如和钱相关的数据，要求数据既不能重复也不丢失。Kafka  0.11版本以后，引入了一项重大特性：幂等性和事务。

幂等性
1）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。精确一次（Exactly Once） = 幂等性 + 至少一次（ ack=-1 +  分区副本数>=2 + ISR最小副本数量>=2） 。

重复数据的判断标准：具有<PID,  Partition,  SeqNumber>相同主键的消息提交时，Broker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是单调自增的。

所以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 默认为 true，false 关闭。

生产者事务
1）Kafka 事务原理

生产经验——数据有序

生产经验——数据乱序

1）kafka在1.x版本之前保证数据单分区有序，条件如下：
max.in.flight.requests.per.connection=1（不需要考虑是否开启幂等性）。

2）kafka在1.x及以后版本保证数据单分区有序，条件如下：
（1）未开启幂等性
max.in.flight.requests.per.connection需要设置为1。

（2）开启幂等性
max.in.flight.requests.per.connection需要设置小于等于5。

原因说明：因为在kafka1.x以后，启用幂等后，kafka服务端会缓存producer发来的最近5个request的元数据，故无论如何，都可以保证最近5个request的数据都是有序的。