【Kafka 面试题】分布式通讯之Kafka面试题汇总（基础+进阶+高阶）-01

1. Kafka 的用途有哪些？使用场景如何？

1.1 用途

首先Kafka是一个分布式的基于发布/订阅模式的消息队列。而经过不断地迭代升级，Kafka将自己打造成了一个开源的分布式事件流平台。

Kafka的应用包括消息队列、日志收集、实时流数据处理、事件溯源、指标收集和监控等。①当用作消息队列时：Kafka 可以用作高吞吐量、低延迟的消息队列系统，支持发布/订阅消息模型，适合需要处理大量实时数据的应用程序。②当作为日志收集应用：Kafka 能够高效地收集、存储和处理日志数据，是分布式日志系统的理想选择。③当应用为实时流数据处理（Real-Time Stream Processing）：与流处理框架（如 Apache Storm、Apache Spark、Flink）结合使用，Kafka 可以实时处理流数据，实现实时数据分析和决策。④当使用Kafka进行事件溯源时：Kafka 记录所有事件，支持事件溯源模式，帮助系统恢复状态和追踪历史操作。⑤当用作指标收集和监控时：Kafka 可以收集和传输各种指标数据，用于系统监控和报警。⑥当用做数据集成时：作为数据总线，Kafka 可以在多个数据源之间进行数据集成，帮助企业构建统一的数据平台。

1.2 使用场景

①日志和监控系统： 收集应用程序和系统的日志数据，并通过 Kafka 将其传输到集中式的日志处理和分析系统，如 ELK（Elasticsearch、Logstash、Kibana）栈。实时监控系统指标，通过 Kafka 将监控数据发送到监控平台，如 Prometheus 和 Grafana。

②金融交易系统： 在股票、期货等金融交易系统中，Kafka 用于实时处理交易数据，确保数据的高吞吐量和低延迟。

③电商和在线服务： 在电商平台中，Kafka 用于实时处理用户行为数据、订单数据和库存数据，支持推荐系统和个性化服务。在线服务（如社交媒体、内容推荐）中，Kafka 用于处理用户互动数据，支持实时分析和个性化推荐。

④物联网： 在物联网应用中，Kafka 可以收集和处理来自各种传感器和设备的海量数据，支持实时数据分析和决策。以及实现设备状态监控和故障预警，通过 Kafka 将设备数据传输到监控系统进行分析。

⑤大数据平台： Kafka 与大数据处理框架（如 Hadoop、Spark）集成，用于数据的实时传输和处理，帮助构建大数据分析平台。在数据湖中，Kafka 用于将实时数据流传输到数据湖，实现数据的集中存储和管理。

2. Kafka 中的 ISR、AR 又代表什么？ISR 的伸缩又指什么？

在Kafka中，ISR和AR是两个关键概念，它们与数据的复制和可用性密切相关。

2.1 ISR (In-Sync Replicas)

ISR代表同步副本集合（In-Sync Replicas），是一个分区(Partition)中所有与Leader副本保持同步的副本集合。ISR中的副本都是最新的，并且它们的数据与Leader副本一致。只有在ISR中的副本才能被选为新的Leader。

• 同步：指的是副本从Leader中获取并确认最新的消息。
• 可靠性：ISR的存在保证了即使Leader副本失效，也可以从ISR中选择一个副本作为新的Leader，确保数据的高可用性。

2.2 AR (Assigned Replicas)

AR代表分配副本集合（Assigned Replicas），是一个分区中所有被分配的副本集合，包括Leader和Follower副本。AR中的副本可能不完全是同步的。

成员：AR包括所有被分配给该分区的副本，不论它们是否与Leader同步。

2.3 ISR的伸缩

ISR的伸缩是指在运行时ISR集合的动态变化。当Follower副本变得落后于Leader副本（未能在规定的时间内从Leader获取最新的数据）时，它将被从ISR中移除。一旦该副本赶上了Leader，它会重新加入ISR。

伸缩的场景：

1. 加入ISR：
   当一个Follower副本从Leader副本拉取并确认了最新的消息，且延迟在可接受范围内时，它会被加入ISR。
2. 移出ISR：
   当一个Follower副本长时间未能从Leader副本拉取最新的消息，或者出现故障导致与Leader失去联系，它会被移出ISR。

ISR的动态变化有助于维持Kafka集群的高可用性和数据一致性。通过维护一个实时同步的副本集合，即使Leader副本失效，也能快速从ISR中选择新的Leader，减少服务中断的时间。

总结

• ISR（In-Sync Replicas） 是一个分区中与Leader副本保持同步的副本集合，保证数据的一致性和可用性。
• AR（Assigned Replicas） 是一个分区中所有被分配的副本集合，不论它们是否与Leader同步。
• ISR的伸缩指的是ISR集合的动态变化，包括副本因未能及时同步而被移出ISR，或者副本同步后重新加入ISR的过程。

3.如何设置kafka的分区和副本数量

3.1 分区数量

1. 吞吐量需求：分区数越多，Kafka的吞吐量越高，因为每个分区都可以在不同的Broker上独立地进行读写操作。一般建议每个Broker至少有几个分区来充分利用资源。
2. 并行处理：分区数决定了消费者的并行度。如果有多个消费者组同时消费一个Topic的数据，那么分区数应该大于或等于消费者组的总数。
3. 负载均衡：分区数应该是Broker数量的倍数，以便于均衡地分配负载。例如，如果有3个Broker，可以考虑设置6、9或12个分区。

3.2 副本数

1. 数据持久性：副本数越多，数据的持久性和可用性越高。一般建议至少设置3个副本，这样即使一个Broker宕机，数据也不会丢失。
2. 硬件资源：副本数增加会占用更多的磁盘空间和网络带宽。如果资源有限，可以根据实际情况调整，但不建议少于2个副本。

3.3 综合考虑

• 吞吐量需求高，且资源充足：分区数可以设置为Broker数量的2到3倍，副本数设置为3。
• 吞吐量需求中等：分区数设置为Broker数量的1到2倍，副本数设置为2到3。
• 吞吐量需求低：分区数可以和Broker数量相等，副本数设置为2。

4. .Kafka 中的 HW、LEO、LSO、LW 等分别代表什么？

// TODO