kafka最初是被linkedin設計用來處理log的分布式訊息系統，因此它的著眼點不在資料的安全性（log偶爾丟幾條無所謂），換句話說kafka並不能完全保證資料不丟失。
儘管kafka官網聲稱能夠保證at-least-once，但如果consumer程序數小於partition_num，這個結論不一定成立。
考慮這樣乙個case，partiton_num=2，啟動乙個consumer程序訂閱這個topic，對應的，stream_num設為2，也就是說啟兩個執行緒並行處理message。
如果auto.commit.enable=true，當consumer fetch了一些資料但還沒有完全處理掉的時候，剛好到commit interval出發了提交offset操作，接著consumer crash掉了。這時已經fetch的資料還沒有處理完成但已經被commit掉，因此沒有機會再次被處理，資料丟失。
如果auto.commit.enable=false，假設consumer的兩個fetcher各自拿了一條資料，並且由兩個執行緒同時處理，這時執行緒t1處理完partition1的資料，手動提交offset，這裡需要著重說明的是，當手動執行commit的時候，實際上是對這個consumer程序所占有的所有partition進行commit，kafka暫時還沒有提供更細粒度的commit方式，也就是說，即使t2沒有處理完partition2的資料，offset也被t1提交掉了。如果這時consumer crash掉，t2正在處理的這條資料就丟失了。
如果希望能夠嚴格的不丟資料，解決辦法有兩個：
手動commit offset，並針對partition_num啟同樣數目的consumer程序，這樣就能保證乙個consumer程序占有乙個partition，commit offset的時候不會影響別的partition的offset。但這個方法比較侷限，因為partition和consumer程序的數目必須嚴格對應。
另乙個方法同樣需要手動commit offset，另外在consumer端再將所有fetch到的資料快取到queue裡，當把queue裡所有的資料處理完之後，再批量提交offset，這樣就能保證只有處理完的資料才被commit。當然這只是基本思路，實際上操作起來不是這麼簡單，具體做法以後我再另開一篇。
kafka consumer防止資料丟失
kafka最初是被linkedin設計用來處理log的分布式訊息系統，因此它的著眼點不在資料的安全性 log偶爾丟幾條無所謂 換句話說kafka並不能完全保證資料不丟失。儘管kafka官網聲稱能夠保證at least once，但如果consumer程序數小於partition num 這個結論不一...
kafka consumer防止資料丟失
kafka最初是被linkedin設計用來處理log的分布式訊息系統，因此它的著眼點不在資料的安全性 log偶爾丟幾條無所謂 換句話說kafka並不能完全保證資料不丟失。儘管kafka官網聲稱能夠保證at least once，但如果consumer程序數小於partition num 這個結論不一...
kafka consumer深度剖析
producer通過主動push的方式將訊息發布到broker consumer通過pull從broker消費資料，pull的好處 每個partition有乙個leader 和若干個follower replica kafka資料的讀寫都是找leader來完成的，那leader 的負載怎麼解決呢？l...