Kafka常见面试题

（原创不易，你们对阿超的赞就是阿超持续更新的动力！）

（以免丢失，建议收藏，阿超持续更新中…）

（------------------------------------------------------------------------）

Kafka集群leader选举

1. 在kafka集群中，第一个启动的broker会在zk中创建一个临时节点/controller让自己成为控制器。其他broker启动时也会试着创建这个节点当然他们会失败，因为已经有人创建过了。那么这些节点会在控制器节点上创建zk watch对象，这样他们就可以收到这个节点变更的通知。任何时刻都确保集群中只有一个leader的存在。
2. 如果控制器被关闭或者与zk断开连接，zk上的KB是节点马上就会消失。那么其他订阅了leader节点的broker也会收到通知随后他们会尝试让自己成为新的leader，重复第一步的操作。
3. 如果leader完好但是别的broker离开了集群，那么leader会去确定离开的broker的分区并确认新的分区领导者(即分区副本列表里的下一个副本)。然后向所有包含该副本的follower或者observer发送请求。随后新的分区首领开始处理请求。

Kafka创建副本的2种模式——同步复制和异步复制

Kafka动态维护了一个同步状态的副本的集合（a set of In-Sync Replicas），简称ISR，在这个集合中的节点都是和leader保持高度一致的，任何一条消息只有被这个集合中的每个节点读取并追加到日志中，才会向外部通知说“这个消息已经被提交”。

只有当消息被所有的副本加入到日志中时，才算是“committed”，只有committed的消息才会发送给consumer，这样就不用担心一旦leader down掉了消息会丢失。消息从leader复制到follower,我们可以通过决定Producer是否等待消息被提交的通知(ack)来区分同步复制和异步复制。

同步复制流程

同步复制流程：

• producer联系zk识别leader；
• 向leader发送消息；
• leadr收到消息写入到本地log；
• follower从leader pull消息；
• follower向本地写入log；
• follower向leader发送ack消息；
• leader收到所有follower的ack消息；
• leader向producer回传ack。

异步复制流程

异步复制流程：

和同步复制的区别在于，leader写入本地log之后，直接向client回传ack消息，不需要等待所有follower复制完成。
既然kafka支持副本模式，那么其中一个Broker里的挂掉，一个新的leader就能通过ISR机制推选出来，继续处理读写请求。

Kafka判断一个broker节点是否存活

依据两个条件：

• 节点必须可以维护和ZooKeeper的连接，Zookeeper通过心跳机制检查每个节点的连接;
• 如果节点是个follower,他必须能及时的同步leader的写操作，延时不能太久。Leader会追踪所有“同步中”的节点，一旦一个down掉了，或是卡住了，或是延时太久，leader就会把它移除。

Kafka生产者发送消息确认机制(ack机制)

acks 生产者投递消息的ACK的级别设置
如果需要等到ISR所有的follower副本返回消息leader，可能需要等待，便产生了不同的ack可靠性级别

1. acks=0 消费者只管投递消息，leader一接收到消息还没有写入磁盘就返回ack
   优点：延迟性最低
   缺点：如果接收到消息后leader没有写入磁盘就挂掉，从ISR中的follower新选举leader后，会丢失数据
2. acks=1 消费者只等到leader写入磁盘完成，不管follower副本是否同步完成，就返回ack
   问题：leader写入磁盘完成后挂掉了，ISR中的follower还没有来得及同步。从ISR中的follower新选举leader后，会丢失数据。
3. acks=-1或者all：消费者投递消息后，等待leader和ISR中所有的follower副本同步完成，leader才返回ack。
   优点：leader和ISR中所有的follower都同步完成，不丢数据，达到副本数据一致性。
   问题：leader在返回ack之前就挂掉了，会从ISR中的follower中选出leader，此时所有leader+follower数据都一致。生产者没有收到leader的ack回应会重试投递，会造成数据重复

kafKa消费消息主要是依靠偏移量进行消费数据的，偏移量是一个不断自增的整数值，当发生重平衡的时候，便于用来恢复数据。

重平衡Rebalance

消费者组内某个消费者实例挂掉后，其他消费者实例自动重新分配订阅主题分区的过程。
发生重平衡时提交偏移量小于客户端处理的最后一个消息的偏移量，那么处于两个偏移量之间的消息就会被重复处理。
如果提交的偏移量大于客户端的最后一个消息的偏移量，那么处于两个偏移量之间的消息将会丢失。
怎么解决：

• 偏移量手动提交 ; ------------------> auto.commit = false;
• 避免消息的重复消费 / 幂等性 ; ------> 持久化已经成功消费的消息 ; 判定 ;

KafkaISR机制

ISR（IN-SYNC Replication）：维护了与leader信息一致的follower副本的信息，当leader挂掉的时候 就从这个ISR中选举。
当leader挂掉的时候，由controller会在follower副本中选举出一个leader。但是这个剩余follower副本有一个条件，就是follower必须在ISR列表中。
leader和ISR中的follower副本都同步完成时，就返回ack。
ISR信息存放在zookeeper的topic信息中，由kafka动态维护

leader如何动态维护ISR

1. replica.lag.max.messages 默认值4000
   如果某个follower副本落后leader副本的消息数超过了这个值，那么leader副本就会把该follower副本从ISR中移除。
   在0.9之后的版本中已经移除。
   存在问题：生产者批量产生多余4000条的消息，发送给leader，此时ISR中所有的follower副本全部落后于leader，都会被剔除ISR。然后又要有新的follower副本加入ISR（问题：频繁操作ISR，还要操作zookeeper）。
2. replica.lag.time.max.ms
   follower副本响应leader副本的最长等待时间。超过这个时间将会从ISR中移除。
   生产者生产消息进行投递——>分区中的leader——>通知到ISR中所有的follower副本进行同步数据——>ISR中所有的follower告知leader同步完成——>leader返回ack——>生产者

---------------------------面试题总结-----------------------------

Java基础知识点总结

MyBatis常见面试题总结

Spring常见面试题总结

SpringMVC常见面试题总结

SpringBoot常见面试题总结

消息中间件常见面试题总结

Kafka常见面试题

Redis面试题总结

SQL常见面试题总结

Dubbo常见面试题总结

SpringCloud常见面试题总结

TCP和UDP详解

数据库事务详解