Kafka基于HW备份恢复弊端的分析是怎样的

这期内容当中小编将会给大家带来有关Kafka基于HW备份恢复弊端的分析是怎样的，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

我们会阐述弊端的原因，并且讲解kafka为了解决问题从而引入了Lead Epoch的概念。

关于基于HW的备份主要会产生两种问题：

• 数据丢失

• 数据不一致

下面的问题讲解基于服务端min.insync.replicas值为1，该值为，表示只要Leader接收生产者请求并将消息成功写入了log日志，就会通知客户端消息写入成功，不用在乎ISR中的其他follower副本。

数据丢失

下图是一张关于数据丢失的状态图，下面讲述一下到底发生了什么导致了数据的丢失。

从图中，我们可以看出初始状态，leader A和follower B底层都写入两条日志，只不过leader A的HW已经更新为1，但是follower B的HW为0（因为follower的HW的更新需要经历两次fetch数据请求，这种状态说明follower B只进行了一次fetch数据请求）

假设现在follower没有进行第二次fetch数据请求（图中给的原因假设是重启），并且leader A中由于某种原因发生了宕机，此时当follower B重启之后由于leader A已经宕机所以顺理成章当选leader，B当选leader以后发现自己的HW值为0，于是将offset为1的消息进行删除，同时将LEO的值更新为1(下一次写入消息将会从offset 1开始，此时原来offset=1的消息丢失)。

当A重新启动以后，也会进行日志截断，然后调整HW的值为0。此时offset=1的消息则完全丢失。

数据不一致

下面这张图是数据不一致的状态图，下面讲解一下数据不一致的过程中集群中的leader和follower到底发生了哪些变化。

初始状态为Leader A和Follower B都成功写了第一条日志，并且Leader已经写入了第二条日志。假设此时Follower B来发起fetch数据请求同步第二条日志，由于此时Follower B携带的LEO值为1，当Leader A收到fetch数据请求时，将自己关于的B的RemoteLEO改为1，并且更新自身的HW值为1，然后返回数据给Follower B。

就在这时，很不幸B发生了宕机，并没有收到响应，与此同时LeaderA也发生了宕机。但在重启的过程中，B先恢复，于是B成为Leader(HWL值更新为0，LEO值更新为1)，此时A依旧还没恢复重启。

假设就在此时生产者产生了一条消息，于是B将其写入低层log，并且更新了自身的HW为1，LEO为2。一切看似正常，此时A成功重启，发现分区Leader的HW为1，自身的HW也为1，因此不做更新，不进行日志截断。于是，Leader B和Follower A的offset=1存储的消息是不一致的。

改进之道

由于基于HW的备份恢复机制会产生上述两种问题，因此Kafka在0.11.0.0版本之后引入Lead Epoch的解决上述问题。

Lead Epoch其实就是在Leader Broker上单独开辟了一组缓存，来记录(epoch, offset)这组键值对数据，这个键值对会被定期写入一个检查点文件。Leader每发生一次变更epoch的值就会加1，offset就代表该epoch版本的Leader写入的第一条日志的位移。当Leader首次写底层日志时，会在缓存中增加一个条目，否则不做更新。

上述就是小编为大家分享的Kafka基于HW备份恢复弊端的分析是怎样的了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注亿速云行业资讯频道。