对于高性能的消息队列来说，在开发中消息重复与乱序是必须要考虑的问题。重复消息会引发业务逻辑的重复执行，乱序消息则会破坏数据一致性，直接影响系统的可靠性与稳定性。而 Kafka 作为经典的高吞吐的延迟队列，其内置的幂等机制，正是应对这类问题的关键技术之一。本文将深入拆解 Kafka 幂等的底层逻辑，希望能对大家有所帮助。
出错场景
消息重复
假设当前 Kafka 设置的 acks = 1，即 Producer 发送消息后会等待 Leader 副本的响应。如果 Leader 副本所在的 Broker 节点没有返回给Producer ACK，那么就会重发消息。
假设当前消息已经顺利发到 Broker 中，Broker 正准备返回 ACK 给 Producer。如果这时候发生网路问题，ACK 在发送的过程中丢失了，Producer 没有收到 ACK，就会认为自己的消息没有发送成功，就会再次发送同样的消息。但消息已经存在于 Broker 中了，再发一次不就导致消息重复了吗？
消息乱序
Kafka 在幂等机制的帮助下，可以一次性至多发5个消息，假设没有幂等，那么一次性发这5个消息就会出现消息乱序的问题。
不同消息发送的速率也有可能不同，假设 消息A 在 消息B 发送之前，但消息A的发送速率慢于 消息B，消息B 就有可能先到达目标 Partition，导致消息乱序。
幂等原理
在讲解幂等性原理之前，要先考虑下面几个问题：
-
Broker 如何判断消息是否是唯一的？常见的方法就是通过特殊的业务标识设置唯一键。如果设置了唯一键，该以什么区分？
-
如何解决消息乱序的问题？
Kafka是是从分区的维度上设置唯一键的，因为分布式系统下全局唯一键是不好的。同时可能存在多个Producer向同一个Partition 发送消息，这多个Producer彼此发消息很难互相感知，因此唯一键还要考虑上Producer。所以，Kafka 的最终方案就是结合 Producer 和 TopicPartition的唯一键。
同时 Producer 在发送消息的同时还会发送以 Partition 为基础的序列号，从0开始随着消息的产生递增。在 Broker 端通过判断序列号是否连续来判断消息是否有序。
Kafka 通过 PID（Producer ID，每个Producer在初始化的时候都会分配一个 PID）和 Sequence Number（以TopicParititon为基础，Producer在发送消息的时候，会给每条消息标记一个Sequence Number）来生成唯一键：Producer-PID + TopicPartition-SequenceNumber。Broker来存储 Sequence Number，并判断：
-
如果收到的新 Sequence Number 比本地的 Sequence Number 大1，说明是新消息
-
如果相等，说明是重复消息
-
如果收到的新 Sequence Number - 本地Sequence Number > 1，说明消息发生了乱序
具体实现
Kafka 实际发送消息不是立即发送到 Broker 的，而是先发送到 ProducerBatch中，再以 Batch 为单位发送。
Broker 通过存储一个 Map 映射来观察 TopicPartition 的状态，<PID, 分区状态>。分区状态中最重要的属性就是batchMatadata，batchMatadata主要有五个属性：
-
lastSeq：最后一个消息的序列号
-
lastOffset：最后一条消息的Offset
-
offsetDelta：最后一条消息和第一条消息的 Offset 差值
-
timestamp：最后一条消息的添加时间
发送 ProducerBatch 的时候，会以batchMatadata为根据，如果新发送的Batch 和 batchMatadata 中的某个 Batch 相同，说明消息重复，然后直接向生产者反馈消息发送成功。
还有问题未解决！
当 Producer 重启后，它的 PID 就会发生改变，幂等机制就不再成立了。因此Kafka 的幂等机制无法保证跨会话、跨分区的消息幂等。Kafka的事务机制给了解决方案，这篇文章不再讨论。