消息队列 / 系统课时
acks 如何改变可靠性
acks 如何改变可靠性
本课解决 Producer 发出消息后到底在什么条件下才算“成功”的问题。理解 acks 的确认边界后,你可以根据丢失风险、吞吐和延迟要求选择合适模式,而不是把“收到响应”直接等同于“消息绝不会丢”。
学习目标
- 说清
acks=0、acks=1和acks=all分别在什么条件下返回成功。 - 判断不同确认条件对应的主要丢失风险,以及为什么
acks=all仍不能脱离副本机制单独保证绝对可靠。 - 能在 Producer 配置中正确设置
acks,并理解它对延迟、吞吐和可用性的影响。
先看“成功”意味着什么
Producer 调用发送接口后,Broker 并不是在同一时刻完成所有副本写入。acks 决定 Broker 在什么条件下向 Producer 返回成功响应,因此它改变的是确认边界,而不是发送 API 本身的语法。
可以把三种模式理解为三个不同的成功门槛:
| 模式 | Producer 收到成功确认的条件 | 主要风险 | 典型取舍 |
|---|---|---|---|
0 |
Producer 不等待 Broker 的确认 | 网络或 Broker 故障时可能丢失,也无法通过确认结果及时发现 | 最低等待成本,可靠性最低 |
1 |
Leader 已将记录写入本地日志后确认 | Leader 在副本追上前故障,已确认消息可能无法在后续 Leader 上恢复 | 延迟和可靠性的折中 |
all |
Leader 等待 ISR 中的副本满足确认条件后才成功 | ISR 健康度不足时更容易出现写入等待或失败 | 更强的副本确认语义,但可用性约束更严格 |
这里的 all 在语义上等同于 -1:Leader 会等待当前 ISR 中的副本确认。min.insync.replicas 决定写入在 ISR 不足时是否被接受,两者共同影响生产端的可靠性边界。
acks=0:发送但不等待确认
acks=0 表示 Producer 不等待 Broker 的确认响应。客户端可以很快继续发送,但也因此无法根据 Broker 的确认结果判断消息是否已经被 Broker 接收并写入。
这种模式适合对单条消息丢失不敏感、而吞吐和低延迟优先的场景。它不适合作为订单、支付或审计事件等可靠投递场景的默认配置。
acks=1:Leader 写入后确认
acks=1 时,Leader 在自己的日志中完成写入后即可向 Producer 返回成功。Follower 是否已经复制到相同位置,并不是这次确认的必要条件。
因此,假设一条消息已经获得成功响应,但此时 Leader 立即故障,而其他副本尚未完成复制,这条消息仍可能无法在后续 Leader 上恢复。关键在于确认发生早于副本追平,而不是 Kafka 完全没有写入消息。
acks=all:把确认边界推到 ISR
acks=all 要求 Leader 等待当前 ISR 中的副本完成确认后,再向 Producer 返回成功。实际可靠性还取决于 Topic 副本数、ISR 状态以及 min.insync.replicas 等配置是否合理。
当 ISR 中可用副本数量低于 min.insync.replicas 时,Broker 会拒绝这次生产写入,而不是继续返回成功。对业务而言,这意味着可靠性边界提高了,同时可用性约束也更严格。
但 acks=all 不是“永远不会丢”的充分条件。Kafka 仍需要合理的副本数、ISR 管理和故障恢复配置;生产端还应正确处理发送失败与重试。
用一个最小 Producer 配置验证 acks
下面是一个可编译的最小 Producer 配置示例,只验证客户端采用的 acks 值。实际 Broker 地址需要按环境替换;这个示例不会单独证明某条消息已经完成副本确认。
import java.util.Properties;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.common.serialization.StringSerializer;
public class AcksConfigExample {
public static void main(String[] args) {
Properties props = new Properties();
props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "<HOST>:<PORT>");
props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, StringSerializer.class.getName());
// all 提高确认门槛,但不能替代对 ISR 和副本配置的检查。
props.put(ProducerConfig.ACKS_CONFIG, "all");
try (KafkaProducer<String, String> producer = new KafkaProducer<>(props)) {
System.out.println("acks=" + props.getProperty(ProducerConfig.ACKS_CONFIG));
}
}
}预期输出
acks=all这个结果只能证明 Producer 配置使用了 acks=all。要验证实际可靠性,还需要结合 Topic 的副本数、ISR 状态、min.insync.replicas 以及发送调用的成功或异常结果共同判断。
什么时候该选哪种模式
如果系统只关心尽快把数据送出去,acks=0 可以减少等待成本,但必须接受确认缺失带来的不确定性。若希望至少等 Leader 写入后再判断成功,acks=1 是常见折中。对不能轻易接受已确认消息因副本故障而丢失的场景,通常应从 acks=all 出发,并同时检查 ISR 与 min.insync.replicas。
最重要的判断标准是:Producer 的“成功”到底要代表什么。选择 acks 时,不要只比较毫秒级延迟,还要明确成功确认发生在 Leader 本地写入,还是已经满足 ISR 的副本确认条件。