kafka面试总结

转自：https://www.cnblogs.com/threecha/p/13737421.html

从以下方面对kafka面试进行总结：基本原理架构/项目实践/生产者/消费者/协调者/存储层/控制器

基本原理架构

1. 简单讲下什么是kafka[一句话概括/架构图]

2. 消息队列选型 你们为什么不选用其他消息队列

3. ZK 在消息队列中的作用是什么
   注册中心[作为共享存储保存了kafka集群和客户端的相关信息]

4. broke ISR AR Topic Partition Offset ConsumerGroup

• Partition: kafka分区模型 每个分区都是一个有序的独立的不可变的记录序列，新的消息会不断-的追加到序列末尾，分区的offset都是从0开始。kafka只能保证消息在单个分区的有序

• Offset：偏移量 通过offset+partition+topic可以定位到唯一一条消息

• broke：消息代理服务器 可以认为是一台独立的机器

• Topic：消息主题

• ConsumerGroup：消费者组

• ISR：副本冗余[正在和主副本保持同步的备份副本 只要ISR中还有一个节点是存活的就能保证消息不丢失 主副本和备份副本都有消息，主挂可切换副]

• AR: 所有副本[包含主副本和正在同步的副本]

• OSR:被踢出ISR的叫OSR,当同步进度追上 会重新加入ISR

• kafka有那些消息模型

  队列模型和发布订阅 kafka使用消费者组统一了上面2种消息模型。[队列1对1/订阅1对多]

• kafka为什么这么快
  追加方式写入 producer层选择分区并行写入数据[避免全量消息提交到协调阶段在计算分区] 使用消息batch[消息批 减少通讯次数]

• kafka follower如何与leader同步数据

• kafka节点之间消息如何备份的

• kafka消息是否会丢失为什么

• kafka的lead选举机制是什么

• kafka 的消息保障方式有那些

• 项目实践

  1. ACK 0 -1 1分别代表什么

  • [-1] 也就all 需要等待ISR中所有都同步完成

  • 1 默认的只需要等待主副本同步完成即可

  • 0 不确认就开始发送下一条消息

• 你们使用了kafka事务吗

• 消息队列丢失数据如何处理

  这个问题可以分为三个方面 生产者 消费者 消息队列

• • 生产者方面我们使用的异步回调的方式，在收到回调的时候若消息没有发送成功，我们会记录再次发送。

  • 消费者 消费者的数据丢失可以认为是提交了offset但是数据处理失败了，我们使用的手动提交在处理成功后在提交offset 不会遇到这个问题。但是要注意消息处理时间不能过长，如果处理过长还没提交offset管理者可能会认为当前消费者下线从而触发reblance

  • 消息队列数据丢失 我们在kafka配置了ack = -1 要求所有ISR都确认同步了消息才给producer发送ack 所以可以保证消息不会丢失。

  生产者

  1. 生产者消息发送的几种方式
     同步阻塞 异步非阻塞 [都是通过send方法实现的]

  2. 生产者如何为消息选取分区的

     若消息没有设置key loadblance写入partition。如设置了key murmur2(key) mod PartitionNum

  3. 简单讲下生产者的工作流程

     1.主线程将消息封装到ProducerRecord[partition/key/value/key/时间戳]
     2.client对ProducerRecord进行序列化
     3.根据分区策略确定分区[无key轮询有key murmur2(key) mod PartitionNum]
     4.将消息放入缓存区[每一个分区对应一个双端队列，] 由sender线程将一个批次的消息batch的消息发送到对应的broker

  4. 生产者如何批量的发送消息

     sender的作用：归类消息为每个目标节点建立一个请求

     sender线程并不真正发送客户端请求 sender线程会去遍历记录收集器中根据分区分好组的消息batches,将相同目标节点[NodeId]的batches的消息归类，为相同目标节点的[NodeId]创建一个请求发送消息。

     1.消息放入记录收集器时会按分区进行分组，存放到对应的batches，分区队列保存了即将发送消息的批记录。

     2.sender线程可以使用单线程迭代

  消费者

  1. 什么是管理者

     管理者是消费者组中的概念,用于对同一个消费者组中的所有消费者进行协调。

  2. 什么是reblance

     简单来说就是消费者消费消息出现不均衡，会通过reblance达到动态平衡的过程。通常有如下几个方面

  • 消费者组订阅的主题发生变化

  • 消费者消费的分区数量出现变化

  • 消费者组中的消费者数量发生变化

• 消费者什么时候会再次加入消费者组

  消费者只有在出现reblance的时候会出现再次加入消费者，分为如下步骤1.消费者准备好自身状态2.和协调者发送加入消费者组的请求3.成功加入消费者组，分配分区开始消费消息。

• 说下2种消费模式

  消费模式可分为订阅模式和分配模式

  我们项目中有4个分区，使用的订阅模式 设置了4个消费者。每个消费者独立消费一个分区[由协调者安排]

• • 订阅模式 消费者订阅指定主题，由协调者协调消费的分区

  • 分配模式 由消费者指定消费的分区。此时协调者不参与

• ISR HW LEO 之间的关系

  当主副本有消息写入的时候,follower会主动向leader获取消息，每次读消息都会更新HW当HW大于等于LEO时候可以认为是同步完成，副本管理者会想producer报告ack确认消息保存成功。

• • ISR 正在主副本保持备份的副本

  • HW high wather高水位 一般指的是ISR中同步主副本的进度最慢的副本当前正在同步的消息的offset，在HW之前的消息都可以被消费者拉取到

  • LEO log end offset 当前主副本中正在写入的消息 一般是当前分区中最后一条消息的offset+1

  参考资料

  • kafka实战

  • kafka技术内幕

  • kafka在公司项目实践

  推荐阅读：
  

  漫画｜讲解一下如何写简历&项目
  

  漫画面试回答kafka为何如此之快｜满分
  

  漫画全面解释Spark企业调优点