Spark消费Kafka如何实现精准一次性消费？
1.定义
- 精确一次消费（Exactly-once） 是指消息一定会被处理且只会被处理一次。不多不少就一次处理。
如果达不到精确一次消费，可能会达到另外两种情况：
至少一次消费（at least once），主要是保证数据不会丢失，但有可能存在数据重复问题。
最多一次消费 （at most once），主要是保证数据不会重复，但有可能存在数据丢失问题。
如果同时解决了数据丢失和数据重复的问题，那么就实现了精确一次消费的语义了。
2. 问题如何产生
数据何时会丢失： 比如实时计算任务进行计算，到数据结果存盘之前，进程崩溃，假设在进程崩溃前kafka调整了偏移量，那么kafka就会认为数据已经被处理过，即使进程重启，kafka也会从新的偏移量开始，所以之前没有保存的数据就被丢失掉了。
数据何时会重复： 如果数据计算结果已经存盘了，在kafka调整偏移量之前，进程崩溃，那么kafka会认为数据没有被消费，进程重启，会重新从旧的偏移量开始，那么数据就会被2次消费，又会被存盘，数据就被存了2遍，造成数据重复。
3.解决方案
方案一：利用关系型数据库的事务进行处理
出现丢失或者重复的问题，核心就是偏移量的提交与数据的保存，不是原子性的。如果能做成要么数据保存和偏移量都成功，要么两个失败。那么就不会出现丢失或者重复了。
这样的话可以把存数据和偏移量放到一个事务里。这样就做到前面的成功，如果后面做失败了，就回滚前面那么就达成了原子性。
问题与限制
数据库选型受限, 只能使用支持事务的关系型数据库 ，如mysql， oracle ，无法使用其他功能强大的nosql数据库。
如果保存的数据量较大一个数据库节点不够，多个节点的话，还要考虑分布式事务的问题。做分布式事务,结构复杂，拖慢性能。
如果做本地事务 ，只能把分区数据提取到driver中进行保存，降低并发 ，增加executor到driver的数据传递io。
方案二：手动提交偏移量+幂等性处理
咱们知道如果能够同时解决数据丢失和数据重复问题，就等于做到了精确一次消费。
那咱们就各个击破。
首先解决数据丢失问题，办法就是要等数据保存成功后再提交偏移量，所以就必须手工来控制偏移量的提交时机。
但是如果数据保存了，没等偏移量提交进程挂了，数据会被重复消费。怎么办？那就要把数据的保存做成幂等性保存。即同一批数据反复保存多次，数据不会翻倍，保存一次和保存一百次的效果是一样的。如果能做到这个，就达到了幂等性保存，就不用担心数据会重复了。
难点
话虽如此，在实际的开发中手动提交偏移量其实不难，难的是幂等性的保存，有的时候并不一定能保证。所以有的时候只能优先保证的数据不丢失。数据重复难以避免。即只保证了至少一次消费的语义。
文章来源：https://blog.csdn.net/wangsl754/article/details/107479977?
最新文章
- Expression Template（表达式模板,ET）
- Android课程---添加黑名单的练习（课堂讲解）
- [转载] 百度上传&下载脚本
- iOS开发小技巧--利用MJExtension解决数据结构复杂的模型转换
- MongoDB设置访问权限、设置用户
- 20145334赵文豪 《Java程序设计》第3周学习总结
- 移动安全时代，如何保护你的app
- 《Java程序员面试宝典》读书笔记1
- NFS挂载及写入故障
- Sogou搜狗搜索引擎登录网站 - Blog透视镜
- 反射调用方法报InvocationTargetException异常
- JAVA-面向对象2--继承
- linux下yum命令出现Loaded plugins: fastestmirror
- html5 css练习 下拉菜单制作
- python获取公网ip,本地ip及所在国家城市等相关信息收藏
- Javascript-双色球
- 05python上
- nginx 根据域名和地址跳转
- 【转发】PHP连接MSSQL数据库案例，PHPWAMP多个PHP版本连接SQL Server数据库
- 模拟QQ分组（具有伸缩功能） (添加开源框架的光闪烁效果)SimpleExpandableListAdapter 适配器的用法，并且可添加组及其组内数据。