1 提高Producer吞吐量的实践
在实际环境中，用户似乎总是愿意用较小的延时增加的代价，去换取 TPS 的显著提升。毕竟，从 2ms 到 10ms 的延时增加通常是可以忍受的。
事实上，Kafka Producer 就是采取了这样的设计思想。每当 producer 发布一个立即就发送 到 producer聚集一堆发布后批量发送，如下图所示：
我们可以在客户端做一些配置，来实现producer的高吞吐量，涉及到的一些重要配置如下：
- 批次大小，它和等待时间只要有一个满足就会发送，默认16K，可以修改为32K~512K。
- 等待时间，它和批次大小只要有一个满足就会发送，建议设置为5~100ms（根据你的场景来修改）。
- 压缩算法，使用压缩算法网络传递效率高，但也会相应耗费CPU，建议设置为LZ4或zstd。
- 缓冲区大小，默认1G，基本无需修改，最大可改为2GB。
下面的示例展示了基于Confluent.Kafka客户端组件如何对上面的配置项进行设置（均需要在Publish操作之前设置好），请注意查看带有注释的区域：
代码语言：javascript复制public async Task PublishAsync<T>(string topicName, T message) where T : class
{
var config = new ProducerConfig
{
BootstrapServers = KAFKA_SERVERS,
QueueBufferingMaxKbytes = 2097151, // 修改缓冲区最大为2GB，默认为1GB
CompressionType = CompressionType.Lz4, // 配置使用压缩算法LZ4，其他：gzip/snappy/zstd
BatchSize = 32768, // 修改批次大小为32K
LingerMs = 20 // 修改等待时间为20ms
};
using (var producer = new ProducerBuilder<string, string>(config).Build())
{
producer.Produce(topicName, new Message<string, string>
{
Key = Guid.NewGuid().ToString(),
Value = JsonConvert.SerializeObject(message)
}); ;
}
}2 高可靠性消息的实践
在MQ中，一般存在两种情况的消息丢失：
- producer端消息丢失
- consuer端消息丢失
对于producer端消息丢失，一般会采用带回调函数的produce方法，且设置acks=all和设计一个较大的retry次数来避免消息丢失。
对于consumer端消息丢失，一般会采用关闭自动提交位移来避免消息丢失。
此外，要避免消息丢失，broker端也需要进行一些优化配置。
下面，我们就一起来看看。
Producer端
基于Confluent.Kafka的示例配置设置示例：重点关注注释部分
代码语言：javascript复制public async Task PublishAsync<T>(string topicName, T message) where T : class
{
var config = new ProducerConfig
{
BootstrapServers = KAFKA_SERVERS,
Acks = Acks.All, // 表明只有所有副本Broker都收到消息才算提交成功
MessageSendMaxRetries = 50, // 消息发送失败最大重试50次
......
};
using (var producer = new ProducerBuilder<string, string>(config).Build())
{
var numProduced = 0;
var key = Guid.NewGuid().ToString();
var value = JsonConvert.SerializeObject(message);
// 使用带回调函数的Produce方法
producer.Produce(topicName, new Message<string, string> { Key = key, Value = value },
(deliveryReport) =>
{
if (deliveryReport.Error.Code != ErrorCode.NoError)
{
// 发送失败
Console.WriteLine($"[Error] Failed to deliver message: {deliveryReport.Error.Reason}");
}
else
{
// 发送成功
Console.WriteLine($"[Info] Produced event to topic {topicName}: key = {key} value = {value}");
numProduced = 1;
}
});
// 等待所有回调函数执行完成，参数是超时时间，也就是最大的等待时间
var queueSize = producer.Flush(TimeSpan.FromSeconds(5));
if (queueSize > 0)
Console.WriteLine($"[Warn] Producer event queue has {queueSize} pending events on exit.");
Console.WriteLine($"[Info] {numProduced} messages were produced to topic {topicName}");
}
await Task.CompletedTask;
}Consumer端
基于Confluent.Kafka的示例配置设置示例：重点关注注释部分
代码语言：javascript复制public async Task SubscribeAsync<T>(IEnumerable<string> topics, Action<T> messageFunc, CancellationToken cancellationToken = default) where T : class
{
var config = new ConsumerConfig
{
BootstrapServers = KAFKA_SERVERS,
.....
EnableAutoCommit = false, // 禁止AutoCommit
Acks = Acks.All, // 需要所有副本响应才算消费完成
......
};
using (var consumer = new ConsumerBuilder<Ignore, string>(config).Build())
{
consumer.Subscribe(topics);
try
{
while (true)
{
try
{
var cr = consumer.Consume(cancellationToken);
var message = JsonConvert.DeserializeObject<T>(cr.Message.Value);
if (message != null)
messageFunc(message);
consumer.Commit(cr); // 手动提交位移，会产生阻塞，影响吞吐量
Console.WriteLine($"[Info] Consumed record successfully! Received message: {message}");
}
catch (ConsumeException e)
{
Console.WriteLine($"[Error] Error occured in consuming: {e.Error.Reason}");
}
}
}
catch (OperationCanceledException)
{
// Ctrl C Pressed
Console.WriteLine("[Info] Ctr C pressed, now closing consumer.");
consumer.Close();
}
}
await Task.CompletedTask;
}Broker端
对于Broker端，可以修改以下三个配置以适应高可靠性的要求：
- unclean.leader.election.enable = false
- replication.factor >= 3
- min.insync.replicas > 1
- 确保 replication.factor > min.insync.replicas
（1）设置 unclean.leader.election.enable = false
这是 Broker 端的参数，它控制的是哪些 Broker 有资格竞选分区的 Leader。如果一个 Broker 落后原先的 Leader 太多，那么它一旦成为新的 Leader，必然会造成消息的丢失。故一般都要将该参数设置成 false，即不允许这种情况的发生。
从Kafka 0.11版本开始，这个选项的默认值就变成了false。
（2）设置 replication.factor >= 3
这也是 Broker 端的参数（Topic参数）。其实这里想表述的是，最好将消息多保存几份，毕竟目前防止消息丢失的主要机制就是冗余。
（3）设置 min.insync.replicas > 1
这依然是 Broker 端参数（Topic参数），控制的是消息至少要被写入到多少个副本才算是“已提交”。设置成大于 1 可以提升消息持久性。在实际环境中千万不要使用默认值 1。
（4）确保 replication.factor > min.insync.replicas
如果两者相等，那么只要有一个副本挂机，整个分区就无法正常工作了。我们不仅要改善消息的持久性，防止数据丢失，还要在不降低可用性的基础上完成。推荐设置成 replication.factor = min.insync.replicas 1。
示例：设置replication.factor=3, min.insync.replicas=2
代码语言：javascript复制kafka-topics.sh --create --zookeeper zk-server-master:2181/kafka --replication-factor 3 --partitions 3 --topic testtopic--config min.insync.replicas=2上述配置其实就是实现一个类似MongoDB副本集的WriteConcern=Major的效果。
3 总结
本文介绍了提高producer吞吐量 与 提高消息可靠性 的实践，重点介绍了在Confluent.Kafka组件下如何进行配置的代码实践，相信会对你有所帮助。
参考资料
极客时间，胡夕《Kafka核心技术与实战》
B站，尚硅谷《Kafka 3.x入门到精通教程》
作者：周旭龙
出处：https://edisonchou.cnblogs.com
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。
