面试官竟然问我消息队列为啥会丢失消息(幸亏我总结了全套八股文)

一个挺着啤酒肚,身穿格子衫,发际线严重后移的中年男子,手拿着保温杯,胳膊夹着MacBook向你走来,看样子是架构师级别。
面试开始,直入正题。
面试官: 我看到你的简历上写着项目中用到了消息队列,还用的是kafka,你有遇到过消息队列丢失消息的情况吗?
我: [疑问] 消息队列还能丢失消息?那谁还用消息队列!你是不是搞错了?我没遇到过丢失消息的情况,也没考虑过这个问题。
面试官: 嗯...,小伙子,看来有些面试套路,你还是不太懂。今天面试就先到这里吧!给你的简历,我送你下楼。
我去!面试还有啥套路?
能不能少一点套路,多一点真诚!
难道都要去背一遍八股文才能参加面试?
好吧,我去瞅一眼一灯总结的面试八股文。
我: 消息队列发送消息和消费消息的过程,共分为三段,生产过程、服务端持久化过程、消费过程,如下图所示。
面试官竟然问我消息队列为啥会丢失消息(幸亏我总结了全套八股文)
文章图片

这三个过程都有可能弄丢消息。
面试官: 嗯,消息丢失的具体原因是什么?怎么防止丢失消息呢?
我: 我详细说一下这种情况:
一、生产过程丢失消息 丢失原因:一般可能是网络故障,导致消息没有发送出去。
解决方案:重发就行了。
由于kafka为了提高性能,采用了异步发送消息。我们只有获取到发送结果,才能确保消息发送成功。
有两个方案可以获取发送结果。
【面试官竟然问我消息队列为啥会丢失消息(幸亏我总结了全套八股文)】一种是kafka把发送结果封装在Future对象中,我可以使用Future的get方法同步阻塞获取结果。
Future future = producer.send(new ProducerRecord<>(topic, message)); try { RecordMetadata recordMetadata = https://www.it610.com/article/future.get(); if (recordMetadata != null) { System.out.println("发送成功"); } } catch (Exception e) { e.printStackTrace(); }

另一种是使用kafka的callback函数获取返回结果。
producer.send(new ProducerRecord<>(topic, message), new Callback() { @Override public void onCompletion(RecordMetadata metadata, Exception exception) { if (exception == null) { System.out.println("发送成功"); } else { System.out.println("发送失败"); } } });

如果发送失败了,有两种重试方案:
  1. 手动重试
    在catch逻辑或else逻辑中,再调用一次send方法。如果还不成功怎么办?
    在数据库中建一张异常消息表,把失败消息存入表中,然后搞个异步任务重试,便于控制重试次数和间隔时间。
  2. 自动重试
    kafka支持自动重试,设置参数如下,当集群Leader选举中或者Follower数量不足等原因返回失败时,就可以自动重试。
    # 设置重试次数为3 retries = 3 # 设置重试间隔为100ms retry.backoff.ms = 100

    一般我们不会用kafka自动重试,因为超过重试次数,还是会返回失败,还需要我们手动重试。
二、服务端持久化过程丢失消息 为了保证性能,kafka采用的是异步刷盘,当我们发送消息成功后,Broker节点在刷盘之前宕机了,就会导致消息丢失。
当然我们也可以设置刷盘频率:
# 设置每1000条消息刷一次盘 flush.messages = 1000 # 设置每秒刷一次盘 flush.ms = 1000

先普及一下kafka集群的架构模型:
kafka集群由多个broker组成,一个broker就是一个节点(机器)。
一个topic有多个partition(分区),每个partition分布在不同的broker上面,可以充分利用分布式机器性能,扩容时只需要加机器、加partition就行了。
面试官竟然问我消息队列为啥会丢失消息(幸亏我总结了全套八股文)
文章图片

一个partition又有多个replica(副本),有一个leader replica(主副本)和多个follower replica(从副本),这样设计是为了保证数据的安全性。
发送消息和消费消息都在leader上面,follower负责定时从leader上面拉取消息,只有follower从leader上面把这条消息拉取回来,才算生产者发送消息成功。
kafka为了加快持久化消息的性能,把性能较好的follower组成一个ISR列表(in-sync replica),把性能较差的follower组成一个OSR列表(out-of-sync replica),ISR+OSR=AR(assigned repllicas)。
如果某个follower一段时间没有向leader拉取消息,落后leader太多,就把它移出ISR,放到OSR之中。
如果某个follower追上了leader,又会把它重新放到ISR之中。
如果leader挂掉,就会从ISR之中选一个follower做leader。
面试官竟然问我消息队列为啥会丢失消息(幸亏我总结了全套八股文)
文章图片

为了提升持久化消息性能,我们可以进行一些设置:
# 如果follower超过一秒没有向leader拉取消息,就把它移出ISR列表 rerplica.lag.time.max.ms = 1000 # 如果follower落后leader一千条消息,就把它移出ISR列表 rerplica.lag.max.messages = 1000# 至少保证ISR中有3个follower min.insync.replicas = 3# 异步消息,不需要leader确认,立即给生产者返回发送成功,丢失消息概率较大 asks = 0 # leader把消息写入本地日志中,不会等所有follower确认,就给生产者返回发送成功,小概率丢失消息 asks = 1 # leader需要所有ISR中follower确认,才给生产者返回发送成功,不会丢失消息 asks = -1 或者 asks = all

三、消费过程丢失消息 kafka中有个offset的概念,consumer从partition中拉取消息,consumer本地处理完成后需要commit一下offset,表示消费完成,下次就不会再拉取到这条消息。
所以我们需要关闭自动commit offset的配置,防止consumer拉到消息后,服务宕机,导致消息丢失。
enable.auto.commit = false

面试官: 还得是你,就你总结的全,我都想不那么全,明天来上班吧,薪资double。
本文知识点总结:
面试官竟然问我消息队列为啥会丢失消息(幸亏我总结了全套八股文)
文章图片

文章持续更新,可以微信搜一搜「 一灯架构 」第一时间阅读更多技术干货。

    推荐阅读