知识点思维导图
17 个知识节点
Kafka（02） - 消息顺序、重复与丢失
读完后，你应能完成以下任务：
- 绘制“Kafka（02） - 消息顺序、重复与丢失 / 先定义“成功”发生在哪一层”的关键对象与数据流，解释“必须分别定义生产确认、Broker 持久化、消费处理和业务副作用四个检查点。”，并用源码位置、日志或 Trace 标注证据。
- 为“Kafka（02） - 消息顺序、重复与丢失 / 顺序为何会被打乱”设计正常与异常输入，验证“Kafka 只保证单 Partition 日志顺序。”，输出首个偏差位置与回归测试结果。
- 实现“Kafka（02） - 消息顺序、重复与丢失 / 重复与丢失如何产生”的最小代码或配置，检验“Offset 先提交、业务后失败，会丢失处理机会。”，输出命令、结果与 Diff，并说明不适用边界。
一、先建立全局：消息顺序、重复与丢失 是什么？
理解“消息顺序、重复与丢失”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。
“消息顺序、重复与丢失”的第一个核心判断是：必须分别定义生产确认、Broker 持久化、消费处理和业务副作用四个检查点。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。
| 顺序 | 章节 | 读完本节应抓住的结论 |
|---|---|---|
| 1 | 先定义“成功”发生在哪一层 | 必须分别定义生产确认、Broker 持久化、消费处理和业务副作用四个检查点。 |
| 2 | 顺序为何会被打乱 | Kafka 只保证单 Partition 日志顺序。 |
| 3 | 重复与丢失如何产生 | Offset 先提交、业务后失败，会丢失处理机会。 |
| 4 | 验证与排障 | 故障注入要覆盖 Producer 超时重试、Broker 重启、消费者业务提交后崩溃、Offset 提交失败、重复和乱序事件。 |
| 5 | Producer send 成功只表示消息达到配置要求的确认级别 | Producer send 成功只表示消息达到配置要求的确认级别， |
| 6 | 不表示消费者已经完成业务 | 不表示消费者已经完成业务。 |
1.1 核心对象之间怎样衔接
flowchart LR
S1["先定义“成功”发生在哪一层"] --> S2
S2["顺序为何会被打乱"] --> S3
S3["重复与丢失如何产生"] --> S4
S4["验证与排障"] --> S5
S5["Producer send 成功只表示消息达到配置要求的确认级别"]
这张图只表达本文的讲解顺序，不替代正文机制。判断“消息顺序、重复与丢失”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。
1.2 再看失败：问题最早会出现在哪一步？
在“消息顺序、重复与丢失”的对象和顺序已经明确后，再看可观察的失败：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。
二、先定义“成功”发生在哪一层
Producer send 成功只表示消息达到配置要求的确认级别，
不表示消费者已经完成业务。
消费者提交 Offset 只表示下次从哪里继续，不表示外部数据库事务一定成功。
必须分别定义生产确认、Broker 持久化、消费处理和业务副作用四个检查点。
Producer 常用 acks=all，
并让 Topic 的 min.insync.replicas 与副本数共同控制容错；
启用幂等 Producer 可避免部分重试导致的日志重复。
若配置 acks=0/1 或在 ISR 不足时仍接受写入，故障窗口的数据风险会扩大。
三、顺序为何会被打乱
Kafka 只保证单 Partition 日志顺序。 消息使用不同 Key、增加 Partition、Producer 并发重试或消费者把同一 Partition 的记录无序提交到线程池， 都可能打乱业务观察顺序。 对状态事件增加实体版本，消费者只接受比当前版本新的变化，可以降低乱序覆盖。
UPDATE order_projection
SET status = :status, event_version = :version
WHERE order_id = :orderId
AND event_version < :version;
影响行数为零表示重复或旧事件，不应继续触发通知等副作用。 全局顺序代价极高，通常应把需求收敛为单实体或单账户顺序。
四、重复与丢失如何产生
业务成功后、Offset 提交前进程崩溃，会重复消费；
Offset 先提交、业务后失败，会丢失处理机会。
因此通常在业务成功后提交 Offset，并让消费者幂等。
使用 event_id 唯一表、业务唯一键或状态机去重，
去重记录与业务写入放在同一数据库事务。
INSERT INTO consumed_event(event_id, consumed_at)
VALUES (:eventId, NOW()); -- event_id 唯一
-- 同一事务内执行真正业务更新；唯一冲突即视为已处理
非法消息不要无限重试阻塞 Partition。 区分临时错误与永久错误， 有限退避后进入死信， 并保存原消息、错误、次数和 Trace 供修复重放。
五、验证与排障
故障注入要覆盖 Producer 超时重试、Broker 重启、消费者业务提交后崩溃、Offset 提交失败、重复和乱序事件。 验证目标不是“没有重复”，而是重复不会产生重复业务结果，且任何失败都可追踪和恢复。
发现业务缺数据时， 从 Outbox/Producer 日志、Topic Offset、消费组位点、消费者日志和业务去重表逐层核对。 只看消费者“处理成功”日志无法证明数据库提交和 Offset 状态。
验收清单
- Producer 确认、重试和幂等配置与数据风险一致。
- 消费者在业务提交后再提交 Offset，副作用具备幂等键。
- 顺序边界落实为稳定 Key 与实体版本，而非口头保证。
- 死信可修复、可重放且重放仍保持幂等。
六、动手验证：先跑通 消息顺序、重复与丢失，再改变一个变量
前面的章节已经建立问题、概念和机制。现在把“消息顺序、重复与丢失”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。
6.1 基线与候选只允许一个变量不同
验证“消息顺序、重复与丢失”时，先固定数据快照、并发条件、客户端配置、拓扑和故障注入点。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。
执行“消息顺序、重复与丢失”时，动作是：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。原始结果不能只保留截图或汇总分数，必须同步保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验，使下一次复查可以在同一输入上重放。
| 实验要素 | 本文要求 |
|---|---|
| 固定条件 | 固定数据快照、并发条件、客户端配置、拓扑和故障注入点 |
| 唯一变量 | 本次候选方案与基线之间的一项明确差异 |
| 原始证据 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 通过阈值 | 一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用 |
| 立即停止 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 |
6.2 执行前先排除不可比较条件
“消息顺序、重复与丢失”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。
- 基线能够在“消息顺序、重复与丢失”的当前环境重复运行。
- 候选只改变一个与“消息顺序、重复与丢失”结论直接相关的条件。
- “消息顺序、重复与丢失”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
- “消息顺序、重复与丢失”的原始输出和失败现场不会被重试、格式化或汇总覆盖。
6.3 执行后先核对证据完整性
结果出来后先检查证据，再讨论“消息顺序、重复与丢失”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。
| 检查项 | 当前文章的判定 |
|---|---|
| 输入可追溯 | 固定数据快照、并发条件、客户端配置、拓扑和故障注入点 |
| 过程可回放 | 执行正常读写与故障场景，记录查询计划、锁、复制或消费状态 |
| 结果可审计 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
“消息顺序、重复与丢失”的一次合格基线对照按以下顺序执行：
- 保存“消息顺序、重复与丢失”基线版本及输入摘要，确认基线本身可以重复运行。
- 写下“消息顺序、重复与丢失”候选方案唯一变化的变量，以及它预期影响的指标。
- 在同一环境执行“消息顺序、重复与丢失”：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。
- 为“消息顺序、重复与丢失”保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验。
- 使用“消息顺序、重复与丢失”预登记条件判断：一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用。
- 如果“消息顺序、重复与丢失”未通过，不修改第二个变量，先恢复基线并保留失败现场。
七、用一张矩阵验证 消息顺序、重复与丢失 的关键结论
矩阵按正文顺序列出“消息顺序、重复与丢失”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。
| 正文章节 | 已解释的结论 | 本轮唯一变量 | 必须保存的证据 |
|---|---|---|---|
| 先定义“成功”发生在哪一层 | 必须分别定义生产确认、Broker 持久化、消费处理和业务副作用四个检查点。 | 只改变与“先定义“成功”发生在哪一层”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 顺序为何会被打乱 | Kafka 只保证单 Partition 日志顺序。 | 只改变与“顺序为何会被打乱”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 重复与丢失如何产生 | Offset 先提交、业务后失败，会丢失处理机会。 | 只改变与“重复与丢失如何产生”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 验证与排障 | 故障注入要覆盖 Producer 超时重试、Broker 重启、消费者业务提交后崩溃、Offset 提交失败、重复和乱序事件。 | 只改变与“验证与排障”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| Producer send 成功只表示消息达到配置要求的确认级别 | Producer send 成功只表示消息达到配置要求的确认级别， | 只改变与“Producer send 成功只表示消息达到配置要求的确认级别”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 不表示消费者已经完成业务 | 不表示消费者已经完成业务。 | 只改变与“不表示消费者已经完成业务”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
7.1 记录本次实际实验
下面的记录用于“消息顺序、重复与丢失”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。
topic: "消息顺序、重复与丢失"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "执行正常读写与故障场景，记录查询计划、锁、复制或消费状态"
evidence: "执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验"
pass_when: "一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用"
stop_when: "计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure
7.2 边界实验必须证明能够停止和恢复
成功路径只能证明“消息顺序、重复与丢失”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致，并观察系统是否在产生不可逆副作用前停止。
| 场景 | 只改变什么 | 应保存什么 | 通过标准 |
|---|---|---|---|
| 正常路径 | 使用已知有效输入 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 | 一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用 |
| 边界路径 | 把一个输入推进到约束临界值 | 临界值前后的输出与指标 | 不静默降级，不把部分结果冒充成功 |
| 明确失败 | 注入：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 原始错误、首个异常阶段和最终状态 | 失败被正确分类且没有扩大副作用 |
| 恢复重放 | 执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 | 原失败样本的复测证据 | 原样本恢复，正常样本没有回归 |
恢复动作不是简单重启。对于“消息顺序、重复与丢失”，第一步是：从数据入口、存储状态、复制消费链路和恢复步骤定位根因。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。
“消息顺序、重复与丢失”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。
八、消息顺序、重复与丢失 的结果解释
解释“消息顺序、重复与丢失”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。
| 观察结果 | 可以支持的判断 | 下一步 |
|---|---|---|
| 主链路没有达到预期 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 |
| 异常链路无法恢复 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 |
| 新样本成功但原样本仍失败 | 修复没有覆盖原始触发条件 | 固定原失败输入，恢复基线后重新比较 |
| 指标改善但证据无法回链 | 数据、版本或中间状态没有固定 | 暂停发布，补齐可追溯记录后重跑 |
“消息顺序、重复与丢失”只有同时满足“一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用”，并且没有出现“计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。
如果“消息顺序、重复与丢失”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。
“消息顺序、重复与丢失”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。
九、消息顺序、重复与丢失 的发布判断
发布判断需要把“消息顺序、重复与丢失”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。
- “消息顺序、重复与丢失”的基线与候选只存在一个计划内变量。
- “消息顺序、重复与丢失”的输入、代码、依赖、配置和数据版本可以追溯。
- “消息顺序、重复与丢失”的正常、临界、失败和恢复样本使用同一套断言。
- “消息顺序、重复与丢失”的原始输出、中间状态和失败现场已经保留。
- “消息顺序、重复与丢失”的日志、Trace、截图和测试数据已经脱敏。
- “消息顺序、重复与丢失”的停止条件、负责人和回滚入口已经演练。
- “消息顺序、重复与丢失”尚未覆盖的输入、权限、容量和外部依赖已经登记。
最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“消息顺序、重复与丢失”的判断，就不能发布。
十、总结
- 先定义“成功”发生在哪一层：必须分别定义生产确认、Broker 持久化、消费处理和业务副作用四个检查点。
- 顺序为何会被打乱：Kafka 只保证单 Partition 日志顺序。
- 重复与丢失如何产生：Offset 先提交、业务后失败，会丢失处理机会。
- 验证与排障：故障注入要覆盖 Producer 超时重试、Broker 重启、消费者业务提交后崩溃、Offset 提交失败、重复和乱序事件。
学完自测
选择所有正确答案；提交后逐项核对判断依据。