其他网址
平台搭建---Kafka使用---Kafka重复消费和丢失数据_diggerTT的博客-CSDN博客_kafka重复消费
消息丢失
生产者丢失消息
什么时候会丢失消息？
情景1：消息大小超过Broker的message.max.bytes的值。此时Broker会直接返回错误；
情景2：生产者发出消息后，网络突然中断了，导致消息没发到Broker
情景3：消息的格式错误；（此场景在开发自测时就应该排除）
解决方案
指定消息的大小（对应：情景3）
Producer的max.requests.size表示生产者发送的单个消息的最大值，也可以指单个请求中所有消息的总和大小。此值必须小于Broker的message.max.bytes。
异步发送、提供回调方法（对应：情景2）
结论：使用带回调的API，在发送失败时进行处理（比如存储到其他介质中在后边进行补偿）
详述：
生产中，我们会用Kafka生产者的异步发送，有如下两个API：
producer.send(msg) 不带回调方法
producer.send(msg,callback) 带回调方法
消息重试（对应：情景2）
- 设置重试次数：retries //经验值：3。
- 设置重试间隔：retry.backoff.ms //经验值：20000
默认是1000，即1秒。
设置此项，可以使其过段时间后再重试，这时网络可能已经好了。否则，重试若间隔太近，短时间网络还没好，会浪费了重试次数
设置此项后，会导致消息顺序改变。保证顺序不变的方法：配置max.in.flight.requests.per.connection=1 (作用：限制客户端在单个连接上能够发送的未响应请求的个数。设为1表示kafka broker在响应请求之前client不能再向同一个broker发送请求。)- 设置重连间隔：reconnect.backoff.ms //经验值：20000
响应个数（对应：情景2）
结论
设置 acks = all
详述
acks这个参数有三个值：0，1，-1（all）。
acks 是 Producer 的一个参数，代表了你对“已提交”消息的定义。
- 0：生产者只要把消息发送出去以后就认为消息发送成功了。
可能会导致数据丢失：网络挂了、broker保存消息失败- 1：生产者把消息发送到服务端，服务端的leader replica 副本写成功以后，就返回生产者消息发送成功了。
可能会导致丢数据：有可能刚好数据写入到leader replica，然后返回处理成功的响应给生产者，假如这个时候leader replica在的服务器出问题了，follower replica还没来得及同步数据，这时会丢数据。- all：所有replica 都写入成功以后，才会返回成功响应给生产者。
假设有该分区的三个replica（一个leader replica，两个follower replica），那么acks=-1就意味着消息要写入到leader replica，并且两个follower replica从leader replica上同步数据成功，服务端才会给生产者发送消息发送成功的响应。 想要保证数据不丢，那么acks的值设置为-1，并且还需要保证有1个以上的副本
发送延迟（对应：场景2）
结论
设置linger.ms。 //经验值：50。默认值：0
详述
此设置可以延迟生产者发送消息，从而一定程度上减少碰到网络问题的可能。
broker丢失消息
什么时候会丢失消息？
情景1：假如 leader 副本所在的 broker 突然挂掉，那么就要从 follower 副本重新选出一个 leader ，但是 leader 的数据还有一些没有被 follower 副本的同步的话，就会造成消息丢失。
说明：Kafka 为分区（Partition）引入了多副本（Replica）机制。分区（Partition）中的多个副本之间会有一个叫做 leader 的家伙，其他副本称为 follower。我们发送的消息会被发送到 leader 副本，然后 follower 副本才能从 leader 副本中拉取消息进行同步。生产者和消费者只与 leader 副本交互。你可以理解为其他副本只是 leader 副本的拷贝，它们的存在只是为了保证消息存储的安全性。
解决方案
leader竞选资格
结论
设置unclean.leader.election.enable为false
详解
这个参数控制leader replica出问题了以后follower replica竞选leader replica资格。
设置为false，意思就是如果follower replica如果落后leader replica太多就不能参与竞选。
副本的个数
结论
设置replication.factor为大于1的数 //经验值：3
详解
这个参数设置的是partition副本的个数，如果我们要想保证数据不丢，这个副本数需要设置成大于1。
最小的副本数
结论
设置min.insync.replicas为大于1的数，且要小于replication.factor
详解
- min.insync.replicas大于1
这参数要跟生产者里的acks参数配合使用，当生产者acks=all时，服务端所有副本都写入成功，才会给生产者返回成功的响应。
min.insync.replicas就是控制消息至少要被写入到多少个副本才算是“已提交”。假设min.insync.replicas=1，则表示可只有一个副本，这副本就是leader replica，这时即使acks设为all，但其实消息只发送到leader replica，以后就返回成功的响应了。- min.insync.replicas小于replication.factor
为了保证整个 Kafka 服务的高可用，需确保 replication.factor > min.insync.replicas 。为什么呢？假如两者相等，只要有一个副本挂掉，整个分区就无法正常工作，这明显违反高可用！一般推荐设置成 replication.factor = min.insync.replicas + 1。
消费者丢失消息
什么时候会丢失消息？
情景1：先提交偏移量，后处理消息，当消息处理失败时，该消息丢失。
先处理消息，后提交偏移量，当提交偏移量失败时，该消息会重复。消息重复只需处理幂等即可，消息重复不是本文关注的内容。
解决方案
手动提交offset
结论
设置enable.auto.commit为false，处理消息之后，手动提交，提交方法有如下几种：
- 异步提交
consumer.commitAsync()、consumer.commitAsync(new OffsetCommitCallBack())- 同步提交
consumer.commitSync()详解
同步提交会一直重试直到成功，需要Broker的响应，而异步提交能够提高吞吐量。
消息零丢失的配置
如果上述所有情况都做到了，即可以做到消息零丢失。
总览很多博客，做到上边的配置后，在生产中已经可以消息零丢失了。
下边这些情况也会导致修饰消息，但可以忽略它
Kafka的数据首先是写到操作系统缓存的，假如我们用了上面的配置方案，数据写入成功了，还没落到磁盘，但是集群停电了，这个时候也是会丢数据的。如果配置其立马写入磁盘，则会降低吞吐量，一般不会这么配置。
消息重复
其他网址
kafka消息重复和丢失的场景及解决方案分析_zhangCheng的博客-CSDN博客
kafka笔记：生产者投递消息exactly once 精准一次性（幂等性解决消息重复投递）-云社区-华为云
Kafka的消息会丢失和重复吗？——如何实现Kafka精确传递一次语义
极简单系列-kafka 生产-重复问题_博学之,审问之,慎思之,明辨之,笃行之-CSDN博客
生产者消息重复
什么时候会重复？
情景1：生产发送的消息没有收到正确的broke响应，导致producer重试。
详解：producer发出一条消息，broker落盘以后，因为网络等原因，发送端得到一个发送失败的响应或者网络中断，然后producer收到 一个可恢复的Exception重试消息导致消息重复。
解决方案
启动kafka的幂等性
结论
enable.idempotence=true //此时会默认开启acks=all
acks=all
retries>1详解
kafka 0.11.0.0版本之后，正式推出了idempotent producer，支持生产者的幂等。
每个生产者producer都有一个唯一id，producer每发送一条数据都会带上一个sequence，当消息落盘，sequence就会递增1。只需判断当前消息的sequence是否大于当前最大sequence，大于就代表此条数据没有落盘过，可以正常消费；不大于就代表落盘过，这个时候重发的消息会被服务端拒掉从而避免消息重复。
局限性
在初始化期间，kafka会给生产者生成一个唯一的ID称为Producer ID或PID。 PID和序列号与消息捆绑在一起，然后发送给Broker。由于序列号从零开始并且单调递增，因此，仅当消息的序列号比该PID / TopicPartition对中最后提交的消息正好大1时，Broker才会接受该消息。如果不是这种情况，则Broker认定是生产者重新发送该消息。
消费者消息重复
什么时候会重复？
情景1：消费者使用自动动提交offset模式，消费者收到消息还没消费时，提交offset并开始消费消息，结果网络异常，offset提交失败、消费消息成功
情景2：消费者使用手动提交offset模式，消费者在消费了消息之后，消费者挂了，还未提交offset
解决方案1
业务代码中处理。
结论
设置为手动提交模式；手动判断幂等
详解
幂等实际上就两种方法:
(1)、将唯一键存入第三方介质，要操作数据的时候先判断第三方介质(数据库或者缓存)有没有这个唯一键。(2)、将版本号(offset)存入到数据里面，然后再要操作数据的时候用这个版本号做乐观锁，当版本号大于原先的才能操作。
解决方案2
使用kafka的流处理引擎：Kafka Streams（此法用的很少）
结论
设置processing.guarantee=exactly_once，就可以轻松实现exactly once了。