很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會(huì)有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
這是我的第74篇原創(chuàng)
kafka+SparkStreaming是目前l(fā)ambda架構(gòu)里比較流行的實(shí)施任務(wù)處理。但是里面的坑還是不少，沒經(jīng)歷過的朋友得踩不少坑。
At most once：一條記錄要么被處理一次，要么沒被處理。用人話說，就是會(huì)丟數(shù)據(jù)。
這種語義其實(shí)就是使用Receiver直接接收Kafka的數(shù)據(jù)。Receiver接收數(shù)據(jù)后，存儲在Spark的執(zhí)行器中，Spark Streaming啟動(dòng)的作業(yè)會(huì)去處理數(shù)據(jù)。
一般情況下，Receiver是單點(diǎn)的，單點(diǎn)肯定就有丟數(shù)據(jù)的風(fēng)險(xiǎn)?。park Streaming都是在內(nèi)存里操作，一旦Receiver單點(diǎn)故障，數(shù)據(jù)就丟失了。所以這種方案是大家不能容忍的。
Spark 1.2的時(shí)候，有一個(gè)補(bǔ)充方案，就是啟動(dòng)Write Ahead Logs，將接收到的數(shù)據(jù)固化下來。一旦Receiver單點(diǎn)故障了，重新啟動(dòng)的時(shí)候再去恢復(fù)一下就好了。不過這個(gè)方式實(shí)際上是把數(shù)據(jù)復(fù)制了兩次（kafka自己復(fù)制，Spark又復(fù)制一次）性能不太好。
At least once：一條記錄可能被處理一次或者多次。用人話說，就是會(huì)重復(fù)消費(fèi)數(shù)據(jù)。
為了避免丟數(shù)據(jù)的弊端，Spark1.3中引入了 Direct Approach機(jī)制從kafka獲取數(shù)據(jù)，替代原有的Receiver接收器。
SparkStreaming的KafkaCluster會(huì)先獲取kafka的partition信息，然后創(chuàng)建DirectKafkaInputDStream，對應(yīng)每一個(gè)Topic，然后獲取每個(gè)Tiopc的每個(gè)Partition 的Offset。這樣等于是在SparkStreaming中對Kafka的每個(gè)Topic的每個(gè)Partition都建立了一個(gè)專屬數(shù)據(jù)管道，直接接收數(shù)據(jù)。另外，所有的Offset信息都會(huì)報(bào)給InputInfo
Tracker。
這樣的好處很多哈，比如簡化并行、避免重復(fù)復(fù)制數(shù)據(jù)、降低資源等等。
但是這樣會(huì)出現(xiàn)一個(gè)問題，特殊情況下可能會(huì)重復(fù)消費(fèi)。比如在上報(bào)offset之前出故障了，任務(wù)重啟之后，重新獲取的offset是以前的，然后把當(dāng)前處理進(jìn)度的數(shù)據(jù)又重新讀取了一次。
Exactly once：一條記錄只被處理一次。用人話說就是，數(shù)據(jù)這么算就準(zhǔn)了。
重復(fù)消費(fèi)的原因其實(shí)就是在于處理數(shù)據(jù)和遞交Offset是分兩步走的，也就是說不在同一個(gè)事務(wù)里。
想不重復(fù)消費(fèi)，那就要做到冪等或者事務(wù)更新就行。
不過光搞定處理數(shù)據(jù)和遞交offset事務(wù)更新還是不夠，萬一數(shù)據(jù)不能重復(fù)消費(fèi)也是白搭。所以要做到Exactly once，得有三個(gè)前提：
1、數(shù)據(jù)源端支持?jǐn)?shù)據(jù)重復(fù)讀??；
2、流計(jì)算引擎支持Exactly once；
3、第三才是Sink支持冪等或者事務(wù)更新。
Spark Streaming搞定Exactly once的方法其實(shí)還是利用kafka支持?jǐn)?shù)據(jù)重復(fù)讀取+Spark Streaming的DStream支持Exactly one+事務(wù)更新和數(shù)據(jù)持久化。
這樣，一旦發(fā)生故障，要么數(shù)據(jù)沒處理完，offset也不會(huì)同步遞交；部分?jǐn)?shù)據(jù)進(jìn)行持久化；這樣任務(wù)恢復(fù)后，獲取的offset和數(shù)據(jù)狀態(tài)是同步的，就不會(huì)重復(fù)消費(fèi)數(shù)據(jù)了
配合以下文章享受更佳
干貨 | 設(shè)計(jì)思想賞析-MapReduce環(huán)形緩沖區(qū)
干貨 | 傳統(tǒng)數(shù)倉和大數(shù)據(jù)數(shù)倉的區(qū)別是什么？
本文為作者獨(dú)立觀點(diǎn)，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點(diǎn)擊 反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量內(nèi)容的交流平臺。為落實(shí)國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進(jìn)行管理。平臺鼓勵(lì)用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護(hù)法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng)；
5)煽動(dòng)民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會(huì)秩序，破壞社會(huì)穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動(dòng)非法集會(huì)、結(jié)社、游行、示威、聚眾擾亂社會(huì)秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動(dòng)成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進(jìn)行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進(jìn)行負(fù)面評價(jià)；
7)歧視：煽動(dòng)人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個(gè)帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動(dòng)，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運(yùn)、使用迷信方式治病；
2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進(jìn)行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運(yùn)勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動(dòng)「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點(diǎn)」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會(huì)公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動(dòng)發(fā)現(xiàn)和接受用戶舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個(gè)帳號發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)