카프카 메시지 전송 방식
카프카를 공부하다 보면 적어도 한 번 전달, 정확히 한 번 전달과 같은 키워드를 본 적이 있을 것이다. 이런 메시지 전송 방식에 어떤 특성들이 있는지 정리하고 카프카에서
중복 없는 전송, 정확히 한 번 전송 하려면 어떻게 해야 하는지 정리해 본다.
적어도 한 번 전송 (at-least-once)
위 그림은 적어도 한 번 전송
과정을 그림으로 나타낸 것으로 순서대로 살펴보자
- 프로듀서가 브로커의 특정 토픽으로 메시지 A를 전송한다.
- 브로커는 잘 받았다는 의미로 ACK를 프로듀서에게 응답한다.
- 브로커의 ACK를 받은 프로듀서는 다음 메시지 B를 브로커에게 전송한다.
- 브로커는 메시지를 받았지만 네트워크 오류나 브로커 장애로 인해 결국 ACK가 프로듀서에게 전달되지 않는다.
- 메시지 B의 ACK를 받지 못한 프로듀서는 브로커가 메시지 B를 받지 못했다고 판단해 메시지 B를 재 전송 한다.
프로듀서가 메시지 B의 ACK를 받지 못한 시점에, 프로듀서는 브로커가 데이터를 받고 ACK를 전송하지 못 한 건지 데이터를 받지 못해서 ACK를 전송하지 못 한 건지 알 수가 없다. 이 때 적어도 한 번 전송
방식은 메시지 B를 다시 전송한다. 만약 브로커가 데이터를 받지 못했다면 처음 메시지를 저장하고, 브로커가 데이터를 받은 상태라면 중복 저장이 된다.
이렇게 일부 메시지 중복이 발생하더라도 최소한 하나의 메시지는 반드시 보장한다는 것이 적어도 한 번 전송 방식
이며 카프카는 기본적으로 이 방식으로 동작한다.
최대 한 번 전송 (at-most-once)
위 그림은 최대 한 번 전송
과정을 그림으로 나타낸 것으로 순서대로 살펴보자
- 프로듀서가 브로커의 특정 토픽으로 메시지 A를 전송한다.
- 브로커는 잘 받았다는 의미로 ACK를 프로듀서에게 응답한다.
- 브로커의 ACK를 받은 프로듀서는 다음 메시지 B를 브로커에게 전송한다.
- 브로커는 메시지를 받았지만 네트워크 오류나 브로커 장애로 인해 결국 ACK가 프로듀서에게 전달되지 않는다.
- 프로듀서는 브로커가 받았다고 가정하고 메시지 C를 전송한다.
최대 한 번 전송
은 ACK를 받지 못 해도 재 전송 하지 않는다. 위 그림에서 사실 ACK를 받는 부분은 의미가 없지만 적어도 한 번 전송과 비교하기 위해 넣어두었다.
정리하면 최대 한 번 전송
은 메시지 손실을 감안하더라도 중복 전송은 하지 않는다.
일부 메시지가 손실 되더라도 높은 처리량을 필요로 하는 대량의 로그 수집이나 IoT 같은 환경에서 사용된다.
중복 없는 전송 (멱등성 프로듀서)
카프카의 0.11 버전부터 프로듀서가 메시지를 중복 없이 브로커로 전송할 수 있는 기능이 추가되었다.
위 그림은 중복 없는 전송
과정을 그림으로 나타낸 것으로 순서대로 살펴보자
- 프로듀서가 브로커의 특정 토픽으로 메시지 A를 전송한다. 이때 PID(Producer ID)와 메시지의 시퀀스 번호 0을 같이 전달한다.
- 브로커는 메시지를 저장하고 PID와 시퀀스 번호를 기록해둔다. 그리고 ACK를 프로듀서에게 응답한다.
- 브로커의 ACK를 받은 프로듀서는 다음 메시지 B를 브로커에게 전송한다. PID는 동일하지만 시퀀스 번호는 증가한 1 값을 보낸다.
- 브로커는 메시지를 저장하고 PID와 시퀀스 번호를 기록해둔다. 하지만 네트워크 오류나 브로커 장애로 인해 결국 ACK가 프로듀서에게 전달되지 않는다.
- 메시지 B의 ACK를 받지 못한 프로듀서는 브로커가 메시지 B를 받지 못했다고 판단해 메시지 B를 재 전송한다.
위 과정까지는 적어도 한 번 전송
과 동일하다. 하지만 프로듀서가 메시지 B를 재 전송할 경우의 동작은 다르다. 브로커는 전달받은 데이터로부터 PID와 시퀀스 번호를 확인하여 메시지 B가 이미 저장된 것을 확인하고 중복 저장하지 않고 ACK 응답만 보낸다. 결국 메시지의 중복 저장을 피할 수 있게 된다.
메시지 중복을 피하기 위해 사용되는 PID와 시퀀스 번호는 브로커의 메모리에 유지되고, 리플리케이션 로그에도 저장된다. 따라서 예기치 못한 브로커의 장애로 리더가 변경되더라도 새로운 리더가 PID와 시퀀스 번호를 정확히 알 수 있어 중복 없는 메시지 전송이 가능하다.
컨플루언트 블로그 글에 의하면 중복 없는 전송
의 경우 오버헤드로 인해 20% 정도의 성능이 감소 했다고 하는데 이는 그렇게 높은 편은 아니다. 따라서 성능이 민감하지 않은 상황에서 중복 없는 메시지 전송이 필요하다면 이 방식을 적용해야 한다.
중복 없는 전송
을 위해 프로듀서 설정 값의 일부를 변경해야 한다.
enable.idempotence: true로 설정
max.in.flight.requests.per.connection:
ACK를 받지 않은 상태에서 하기본 값은 5이며, 5 이하로 설정해야 한다.
acks: all로 설정해야 한다.
retries: ACK를 못 받은 경우 재시도 해야 하므로 0보다 큰 값으로 설정
위 설정을 반영하여 중복 없는 전송
을 제공하는 프로듀서를 멱등성 프로듀서라고 부른다. 만약 멱등성 프로듀서로 동작하는 어플리케이션이 종료되고 재시작되면 PID가 달라진다. PID가 달라지면 브로커 입장에선 다른 프로듀서 어플리케이션에서 데이터를 보냈다고 판단하기 때문에 장애가 발생하지 않을 경우에만 중복없는 전송이 보장되는 것을 고려해야 한다.
정확히 한 번 전송 (exactly-once)
정확히 한 번 전송
은 브로커의 장애나 프로듀서의 재 전송에도 메시지의 유실이나 중복 없이 데이터를 한 번 전송함을 의미하며 멱등성과 트랜잭션을 통해 정확히 한 번 전송
을 제공할 수 있다. 멱등성은 위에서 정리한 중복없는 전송과 동일하며 트랜잭션이란 여러 레코드를 원자(atomic) 단위로 처리하여 전체 성공하거나 전체 실패하는 것을 보장한다.
위에서 설명한 중복 없는 전송
을 이해했다면 프로듀서가 데이터를 파티션에 중복없이 저장할 수 있다는 것을 이해했을 것이다. 그렇다면 컨슈머가 데이터를 가져갈 때 어떤 문제가 있을까?
consumer 데이터 유실 / 중복
아래는 메시지를 유실할 수 있는 그림을 표현한다. 어플리케이션이 consume 후 offset을 commit 하고, consume한 데이터로부터 비지니스 로직을 처리하는 도중 실패 했을 때를 보여준다.
아래는 메시지를 중복 처리할 수 있는 그림을 표현한다. 어플리케이션이 consume 후 비지니스 로직을 정상적으로 처리하고 offset commit에 실패할 경우 다시 consume하여 중복 처리할 수 있다.
데이터 파이프 라인에서 consume -> process -> send 정확히 한 번 처리를 보장하는 방법
멱등성 프로듀서와 트랜잭션 프로듀서/컨슈머 기능으로 A토픽->컨슈머->데이터 처리->프로듀서->B토픽
으로 이어지는 파이프 라인에서 정확히 한 번을 달성할 수 있게 되었는데 이를 위해 코드는 아래 흐름으로 진행된다.
// 카프카 프로듀서를 트랜잭션 프로듀서로 실행시키는 명령어 및 옵션.
KafkaProducer producer = createKafkaProducer( "bootstrap.servers", "localhost:9092", "transactional.id", "my-transactional-id", "enable.idempotence", "true");
// 시작과 동시에 트랜잭션 초기화를 진행
producer.initTransactions();
// 컨슈머의 격리수준을 read_committed로 실행하며 트랜잭션 커밋이 완료된 데이터만 읽을 수 있도록 한다.
KafkaConsumer consumer = createKafkaConsumer( "bootstrap.servers", "localhost:9092", "group.id", "my-group-id", "isolation.level", "read_committed");
consumer.subscribe(singleton("inputTopic"));
while (true) {
// 토픽으로부터 레코드를 읽는다.
ConsumerRecords records = consumer.poll(Long.MAX_VALUE);
// 메시지가 들어오면 트랜잭션을 시작한다.
producer.beginTransaction();
for (ConsumerRecord record : records) {
// 들어온 레코드를 프로듀서에게 전송
producer.send(producerRecord("outputTopic", record))
}
// 프로듀서가 consumer 코디네이터를 통해 __consumer_offsets에 offset을 증가시킨다.
producer.sendOffsetsToTransaction(offsetMapFunction(), "my-group-id");
// 트랜잭션 코디네이터가 commit 한다.
producer.commitTransaction();
}
위에서 한 가지 언급 할 것은 컨슈머 그룹의 오프셋을 증가시키는 책임이 프로듀서에 있다는 점이다. 이 방법으로 데이터 소비 -> 프로세스 처리 -> 오프셋 커밋
이 진행되어 정확히 한 번 처리가 가능하다. 결과적으로 멱등성 + 트랜잭션으로 카프카는 정확히 한 번 전송을 보장하게 된다.
kafka streams
도 내부적으로 위와 동일한 방법으로 정확히 한 번 처리를 지원하며 이런 복잡한 내용 없이 processing.guarantee=”exactly_once”
옵션 하나를 추가하는 방법으로 지원된다.
consumer에서 정확히 한번 처리
토픽으로부터 메시지를 받아 DB에 처리하는 어플리케이션을 생각해보자. 여기에선 정확히 한 번 처리
를 어떻게 해야 할까?
토픽의 레코드들을 DB에 저장한다고 가정할 경우 데이터 insert와 commit offset을 하나의 트랜잭션으로 묶는 것은 불 가능하다. 서로 연동되는 서비스가 아니기 때문이다. 따라서 토픽 -> 컨슈머 처리에서 정확히 한 번을 달성하기 위해서는 멱등성(idempotence) 처리
를 하도록 가이드한다.
정리하며
카프카를 사용할 때 정확히 한 번을 달성하기 위해 각 구간별 사용해야 하는 기술은 다음과 같다.
프로듀서 -> 토픽
: 멱등성 프로듀서토픽 -> 컨슈머 -> 프로듀서 -> 토픽
: 트랜잭션 프로듀서 / 컨슈머토픽 -> 컨슈머
: 멱등성 처리