大型互联网公司一般都会要求消息传递最大限度的不丢失，比如用户服务给代金券服务发送一个消息，如果消息丢失会造成用户未收到应得的代金券，最终用户会投诉。
为避免上面类似情况的发生，除了做好补偿措施，更应该在系设计的时候充分考虑各种异常，设计一个稳定、高可用的消息系统。
Kafka的整体架构非常简单，是显式分布式架构，主要由producer、broker（kafka）和consumer组成。
Producer（生产者）可以将数据发布到所选择的topic（主题）中。生产者负责将记录分配到topic的哪一个 partition（分区）中。可以使用循环的方式来简单地实现负载均衡，也可以根据某些语义分区函数(如记录中的key)来完成。
Consumer（消费者）使用一个consumer group（消费组）名称来进行标识，发布到topic中的每条记录被分配给订阅消费组中的一个消费者实例。消费者实例可以分布在多个进程中或者多个机器上。
Kafka到底会不会丢失消息？
在讨论kafka是否丢消息前先来了解一下什么是消息传递语义。
message delivery semantic 也就是消息传递语义，简单说就是消息传递过程中消息传递的保证性。主要分为三种：
- at most once：最多一次。消息可能丢失也可能被处理，但最多只会被处理一次。
- at least once：至少一次。消息不会丢失，但可能被处理多次。可能重复，不会丢失。
- exactly once：精确传递一次。消息被处理且只会被处理一次。不丢失不重复就一次。
理想情况下肯定是希望系统的消息传递是严格exactly once，也就是保证不丢失、只会被处理一次，但是很难做到。
回到主角Kafka，Kafka有三次消息传递的过程：
- 生产者发消息给Kafka Broker。
- Kafka Broker 消息同步和持久化
- Kafka Broker 将消息传递给消费者。
在这三步中每一步都有可能会丢失消息，下面详细分析为什么会丢消息，如何最大限度避免丢失消息。
生产者丢失消息
先介绍一下生产者发送消息的一般流程（部分流程与具体配置项强相关，这里先忽略）：
生产者是与leader直接交互，所以先从集群获取topic对应分区的leader元数据；
获取到leader分区元数据后直接将消息发给过去；
Kafka Broker对应的leader分区收到消息后写入文件持久化；
Follower拉取Leader消息与Leader的数据保持一致；
Follower消息拉取完毕需要给Leader回复ACK确认消息；
Kafka Leader和Follower分区同步完，Leader分区会给生产者回复ACK确认消息。
生产者采用push模式将数据发布到broker，每条消息追加到分区中，顺序写入磁盘。消息写入Leader后，Follower是主动与Leader进行同步。
Kafka消息发送有两种方式：同步（sync）和异步（async），默认是同步方式，可通过producer.type属性进行配置。
Kafka通过配置request.required.acks属性来确认消息的生产：
- 0表示不进行消息接收是否成功的确认；不能保证消息是否发送成功，生成环境基本不会用。
- 1表示当Leader接收成功时确认；只要Leader存活就可以保证不丢失，保证了吞吐量。
- -1或者all表示Leader和Follower都接收成功时确认；可以最大限度保证消息不丢失，但是吞吐量低。
kafka producer 的参数acks 的默认值为1，所以默认的producer级别是at least once，并不能exactly once。
敲黑板了，这里可能会丢消息的！
- 如果acks配置为0，发生网络抖动消息丢了，生产者不校验ACK自然就不知道丢了。
- 如果acks配置为1保证leader不丢，但是如果leader挂了，恰好选了一个没有ACK的follower，那也丢了。
- all：保证leader和follower不丢，但是如果网络拥塞，没有收到ACK，会有重复发的问题。
Kafka Broker丢失消息
Kafka Broker 接收到数据后会将数据进行持久化存储，你以为是下面这样的：
没想到是这样的：
操作系统本身有一层缓存，叫做 Page Cache，当往磁盘文件写入的时候，系统会先将数据流写入缓存中，至于什么时候将缓存的数据写入文件中是由操作系统自行决定。
Kafka提供了一个参数 producer.type 来控制是不是主动flush，如果Kafka写入到mmap之后就立即 flush 然后再返回 Producer 叫同步 (sync)；写入mmap之后立即返回 Producer 不调用 flush 叫异步 (async)。
敲黑板了，这里可能会丢消息的！
Kafka通过多分区多副本机制中已经能最大限度保证数据不会丢失，如果数据已经写入系统 cache 中但是还没来得及刷入磁盘，此时突然机器宕机或者掉电那就丢了，当然这种情况很极端。
消费者丢失消息
消费者通过pull模式主动的去 kafka 集群拉取消息，与producer相同的是，消费者在拉取消息的时候也是找leader分区去拉取。
多个消费者可以组成一个消费者组（consumer group），每个消费者组都有一个组id。同一个消费组者的消费者可以消费同一topic下不同分区的数据，但是不会出现多个消费者消费同一分区的数据。
消费者消费的进度通过offset保存在kafka集群的__consumer_offsets这个topic中。
消费消息的时候主要分为两个阶段：
1、标识消息已被消费，commit offset坐标；
2、处理消息。
敲黑板了，这里可能会丢消息的！
场景一：先commit再处理消息。如果在处理消息的时候异常了，但是offset 已经提交了，这条消息对于该消费者来说就是丢失了，再也不会消费到了。
场景二：先处理消息再commit。如果在commit之前发生异常，下次还会消费到该消息，重复消费的问题可以通过业务保证消息幂等性来解决。
总结
那么问题来了，kafka到底会不会丢消息？答案是：会！
Kafka可能会在三个阶段丢失消息：
（1）生产者发送数据；
（2）Kafka Broker 存储数据；
（3）消费者消费数据；
在生产环境中严格做到exactly once其实是难的，同时也会牺牲效率和吞吐量，最佳实践是业务侧做好补偿机制，万一出现消息丢失可以兜底。
