exactly
2018年，Apache Kafka以一种特殊的设计和方法实现了强语义的exactly-once和事务性。热泪盈眶啊！
这篇文章将讲解kafka中exactly-once和事务操作的原理，具体为
- （1）exactly-once在kafka中的定义。
- （2）数据生产者“幂等操作”，kafka的事务性以及exactly-once实现原理。
- （3）exactly-once的流处理。
1. 什么是恰好一次exactly-once
exactly-once定义为: 不管在处理的时候是否有错误发生，计算的结果（包括所有所改变的状态）都一样。
所以，在计算的时候如果发生了一个错误，系统重新计算，重新计算的结果和没有错误发生所得到的结果是一样的，因为这些计算操作是“恰好一次的”。这有另外一个专业术语：“幂等操作”。
为什么exactly-once那么重要呢？（1）在流处理操作中，很多应用场景必须需要“恰好一次”的支持。比如生活着有一个很重要的使用场景：在转账给朋友的时候，用户只希望一次转账，如果不支持“恰好一次”，那么就无法保障在违背用户本意的情况下重复转账。（2）对于kafka而言，其是流处理平台的核心部件，因为kafka通常作为公司内部的消息系统中间件，是其他系统的消息传输的桥梁。（3）支持exactly-once操作可以解锁更过的应用，比如金融行业应用。
使用Kafka进行流处理通常主要包含三个步骤：根据topic读取数据 - 流操作 - 将结果保存到指定的topic下。Kafka的流处理支持无状态的流操作（stateless）和有状态的流操作（stateful），无状态的意思是流处理的时候只需要针对某一条消息进行处理，结果只受到这条消息的影响，比如在每一条消息后面追加字符“a”；有状态指的是在消息处理的时候需要保存前后多条消息的相关信息，结果受到多条消息的影响，比如count，average操作。所以有状态操作更加强大但是实现起来更加困难，特别是当它也支持“恰好一次”的时候。
如果不支持exactly-once操作，那么可能出现下面的错误:
（1）重复写入。下图所示左边为输入数据，中间为数据处理，右边是结果写入。现在计算出了结果并且成功写入，但是由于某些原因，系统没有正确识别成功写入结果这个信号，所以系统重试了，这样就导致了下面第二张图所示的结果:也就是计算结果重复写入。
（2）计算状态被多次更新。
如下图所示，箭头所指的是一个有状态的操作（前面已经讲到无状态操作和有状态操作），第一次计算的时候更新了该处的状态。那么如果因为某些原因第一次的计算有问题需要重新计算，箭头所指的状态会被再次更新，从而导致最终的计算结果不正确。因为正确的计算是状态只被更新一次。这里所说的状态似乎有一点抽象，举一个例子，在统计操作中，count++，可以表示成一个状态，每次来一个数据，就增加1个量。
（3）重复读入
第一个数据已经顺利读取，处理和结果写入，但是由于数据读取的原因，系统没有正确识别到第一次数据的读取，所以再次读取了相同的数据，再次计算并输出结果。此时如下面第二张图所示。这样同样的输入数据就产生了两个结果写入，而且如果中间的流操作是有状态的，这两个结果很可能是不一样的。
上面所阐述的问题，进一步说明了exactly-once的重要性。kafka提供了自己的exactly-once保证。
2. 要么都做，要么都不做
要么都做，要么都不做。做什么呢？体现在：（1）写出所有的计算结果 （计算结果写入到kafka指定的topic中）.（2）所有状态的更新。（3）把输入的消息标记为已消费（这里的输入数据理解为kafka的消费者从broker中pull数据）。对上面这三个，kafka使用另一种具有相同语义的方式表示，分别为：（1）将计算结果写入输出topic中（2）把更新操作写入“更新日志changelog”中（注意，操作的状态能够根据“更新日志”进行回滚，类似于mysql的更新日志，这个有别于普通的系统操作日志）（3）把消费的消息偏移量写入相应的topic中。这也就是Apache Kafka实现“要么都做，要么都不做”和exactly-once的总体设计思路。
具体地，上面阐述关系到三个操作，分别为：
- 消息生产者提交数据到broker
- broker进行消息处理，
- 消费者消费数据
对于第一点，需要实现幂等操作以及多分区地原子写入。这里的“写入”指的是消息的producer向broker传入消息。这里不多讲“幂等”操作，可以简单理解为同一个消息，producer一次或者多次重复向broker传输，对broker的影响是一样的。多分区原子写入指的是，producer将多条消息一次向broker中的多个partition传输，原子性体现在要么这些消息都成功传入了，要么都没有传入。
在下面第一张图片中展示了kafka实现消息传输的幂等操作的原理。每一条消息除了消息的key和消息的值，还增加了两个字段，分别是producer的ID和一个全局唯一的序列号。这个序列号由broker生成，类似于流水号。在图片中，闪电表示消息的ack失败，消息重传，kafka根据消息的pid和seq来判断这条消息是否已经传过。因为pid和seq也同消息一样存在kafka的patition中的，所以不需要当心丢失问题。要启动kafka的幂等性，无需修改代码，默认为关闭，需要修改配置文件:enable.idempotence=true 同时要求 ack=all 且 retries>1。
对于第二点，需要实现:将模式“消息读入->消息处理->结果写出”作为事务操作，并且整个操作满足exactly-once。所谓的事务操作，也就是这个操作需要满足原子性，完整性，一致性和持久性。kafka在支持事务性的同时也保证了系统性能，这体现在它简单但是高效的设计和实现上面。下面分析kafka实现事务的原理。在下面第一张图片中，左下角表示事务日志，系统存在一个事务锁，在某一个事务开始之前需获取这个锁。左上角的T1，T2表示两个topic，P1和P2表示两个partition，也就是这个事务往两个不同的topic和两个不同的partition上面存储数据。看图片的右上角，第一行代码，首先告诉系统要开始一个事务，接着发送消息到broker相应topic和partition中，所有都正常且完成之后，提交这个事务。所有的这个过程都另外有相应的log。只有成功完成了这个事务之后，消费者才能消费这个事务所提交的消息。
实现事务的回滚需要借助changelogs的帮助，如下面第一张图片所示。changelogs是存储在相应的topic中。
对于第三点，需要实现，kafka消费者只读取已经标记为“成功提交”的数据，这句话隐含了另外一层意思，消息提交的状态有多种，而成功提交只是其中之一。这里的“提交”指的是producer向broker提交的消息。那么什么才能算是成功提交了呢？消息被partition的leader和其所有的follower成功记录了，才能算是成功提交了。成功提交所带来的好处就是不怕断电不怕机器故障，也就是高容错性。下面图片展示了kafka如何解决消费者重复读的问题。（1）消息的消费，（2）消息的处理，（3）把消息的处理结果发送到某一个topic中和（4）把偏移量的发送某一个topic中，它们被放到一个事务中，当所有这些成功之后，才能算是成功。注意到，消费者的偏移量是使用一个producer发送的，也就是把偏移量当成了一种消息在kafka集群中保存起来。这样的话，只要这个事务完成了，那么偏移量也成功保存了。
所以，对应下面第一张图片，不仅仅有changelogs，还有__consumer_offsets
默认情况下kafka的事务是关闭的，通过配置文件开启，需要
transactional.id=“unique-id”, 要求enable.idempotence=true.
启动exactly-once需要配置：processing.guarantee="exactly-once ", 默认是最少一次。
3. 脏数据
脏数据指的是producer把消息数据提交到了broker中，但是它们没有成功，此时这些数据依然存在broker中。为了避免让消费者消费这些脏数据，kafka设置了消息的隔离等级，可以通过配置文件，指定只有成功提交的数据才能被消费。配置为isolation.level=“read_committed”。默认是read_uncommitted。
参考
HTTPs://www.confluent.io/blog/exactly-once-semantics-are-possible-heres-how-apache-kafka-does-it/
https://www.confluent.io/blog/transactions-apache-kafka/
https://www.confluent.io/blog/enabling-exactly-kafka-streams/
https://www.confluent.io/kafka-summit-london18/dont-repeat-yourself-introducing-exactly-once-semantics-in-apache-kafka
https://www.youtube.com/watch?v=zm5A7z95pdE
相关阅读
public HttpServletResponse download(String path, HttpServletResponse response) { try { // path是指欲
<!DOCTYPE html><html> <head> <meta charset="UTF-8"> <title></title> </head> <body> <canvas width="500" height="500"id=
近常常听到搞微商，微信项目的在叫苦，由于微信域名屏蔽，哀鸿遍野。微信官方在对微信中推广活动的第三方网页内容管控越来越严格，如果活
25行代码实现完整的RSA算法 python3.X版本的请点击这里25行代码实现完整的RSA算法 网络上很多关于RSA算法的原理介绍，但是
# encoding: utf-8 ''' #!/usr/bin/env python @author: yudian @contact: [email protected] @file: k_means.py @time: 2018/12