§1 为什么快

• kafka使用的是基于文件的顺序存储
  • 代价是只能通过offset标记消费情况并
  • 总 partition 数越高，性能越下降，可降低一个数量级
    每个 partition 的消息会保存在一个独立文件中，文件内都是顺序读写，跨文件就变成随机 io 了
• kafka使用 0 复制技术进行网络传输，速度快，底层依赖sendFile
• kafka默认开启消息压缩
  消息是在客户端压缩后再传输，服务端只保存，客户端消费时也是先传输后解压然后才能真的消费

§2 消息丢失

§2.1 消息丢失位置

• 1：producer 向 kafka 投递消息时
• 2：kafka-topic 中 leader 已经写入了消息，向副本写入消息前挂了时
• 3：消费者从 kafka 拉取了消息，提交了 offset 但没有真实消费时

§2.2 如何避免消息丢失

发送时：

• 启动独立消息服务，持久化所有需要发送的消息
  • 不是所有消息都需要持久化，没有可靠性要求的消息可以直接发送
  • 先持久化消息数据，再投递消息，消息收到 ACK 后需要更新消息状态
• 开启定时任务，轮询持久化的消息，长期没有变更状态的消息需要回查

复制时

• ACK 机制的选择
  • 可以保持默认的 all 级别
  • 但因为有独立消息服务在，可以置为 1（写入 leader 即返回）
• 指定合适 ISR
  • ISR 即 In-Sync Replica set，是与 leader 正常通信的 broker 的集合
  • leader 包含在这个集合中
  • 通过 max.insync.replica 可以确定 ACK 返回的时机
    • 必须在 ACK == all/-1 时，此配置才有效
    • 通常配置为 副本数/2
    • 默认值 1，但这样配置 ACK 的 ALL 与 1 等价，都是只写入 leader 就 ACK

消费时：

• 需要正确的提交 offset
• offset 可以漏提交，但不能空提交（还没消费就提交了）
• 消费端必须补全幂等

§3 顺序消费

• 业务没有要求的情况下不用保证顺序消费
• 局部顺序消费由 partition 保证，partition 中的消息是有序的，会顺序消费
• 如果希望全局顺序消费，需要 topic 只有一个 partition
• 不能保证顺序消费的场景
  • 消息加入到死信队列(重试队列) 中
    已经脱离了原来的顺序
  • 消费端开了并发消费，比如监听到的消息扔到线程池里处理