1.Kafka中的ISR(InSyncRepli)、OSR(OutSyncRepli)、AR(AllRepli)代表什么?
- ISR : 速率和leader相差低于10秒的follower的集合
- OSR : 速率和leader相差大于10秒的follower
- AR : 所有分区的follower
2.Kafka中的HW、LEO等分别代表什么?
- HW : 又名高水位,根据同一分区中,最低的LEO所决定
- LEO : 每个分区的最高offset
3.Kafka的用途有哪些?使用场景如何?
- 用户追踪:根据用户在web或者app上的操作,将这些操作消息记录到各个topic中,然后消费者通过订阅这些消息做实时的分析,或者记录到HDFS,用于离线分析或数据挖掘
- 日志收集:通过kafka对各个服务的日志进行收集,再开放给各个consumer
- 消息系统:缓存消息
- 运营指标:记录运营监控数据,收集操作应用数据的集中反馈,如报错和报告
4.Kafka中是怎么体现消息顺序性的?
每个分区内,每条消息都有offset,所以只能在同一分区内有序,但不同的分区无法做到消息顺序性
5.“消费组中的消费者个数如果超过topic的分区,那么就会有消费者消费不到数据”这句话是否正确?
对的,超过分区数的消费者就不会再接收数据
6.有哪些情形会造成重复消费?或丢失信息?
- 先处理后提交offset,会造成重读消费
- 先提交offset后处理,会造成数据丢失
7.Kafka 分区的目的?
对于kafka集群来说,分区可以做到负载均衡,对于消费者来说,可以提高并发度,提高读取效率。
8.Kafka 的高可靠性是怎么实现的?
为了实现高可靠性,kafka使用了订阅的模式,并使用isr和ack应答机制,能进入isr中的follower和leader之间的速率不会相差10秒
- 当ack=0时,producer不等待broker的ack,不管数据有没有写入成功,都不再重复发该数据
- 当ack=1时,broker会等到leader写完数据后,就会向producer发送ack,但不会等follower同步数据,如果这时leader挂掉,producer会对新的leader发送新的数据,在old的leader中不同步的数据就会丢失
- 当ack=-1或者all时,broker会等到leader和isr中的所有follower都同步完数据,再向producer发送ack,有可能造成数据重复
9.topic的分区数可不可以增加?如果可以怎么增加?如果不可以,那又是为什么?
可以增加
bin/kafka-topics.sh --zookeeper localhost:2181/kafka --alter --topic topic-config --partitions 3
10.topic的分区数可不可以减少?如果可以怎么减少?如果不可以,那又是为什么?
不可以,先有的分区数据难以处理
11.简述Kafka的日志目录结构?
每一个分区对应一个文件夹,命名为topic-0,topic-1,每个文件夹内有.index和.log文件
12.如何解决消费者速率低的问题?
增加分区数和消费者数
13.Kafka的那些设计让它有如此高的性能??
- kafka是分布式的消息队列
- 对log文件进行了segment,并对segment建立了索引
- (对于单节点)使用了顺序读写,速度可以达到600M/s
- 引用了zero拷贝,在os系统就完成了读写操作
14.kafka启动不起来的原因?
在关闭kafka时,先关了zookeeper,就会导致kafka下一次启动时,会报节点已存在的错误
只要把zookeeper中的zkdata/version-2的文件夹删除即可
15.聊一聊Kafka Controller的作用?
负责kafka集群的上下线工作,所有topic的副本分区分配和选举leader工作
16.Kafka中有那些地方需要选举?这些地方的选举策略又有哪些?
在ISR中需要选择,选择策略为先到先得
17.失效副本是指什么?有那些应对措施?
- 失效副本为速率比leader相差大于10秒的follower
- 将失效的follower先提出ISR
- 等速率接近leader10秒内,再加进ISR
18.Kafka消息是采用Pull模式,还是Push模式?
- 在producer阶段,是向broker用Push模式
- 在consumer阶段,是向broker用Pull模式
在Pull模式下,consumer可以根据自身速率选择如何拉取数据,避免了低速率的consumer发生崩溃的问题
但缺点是,consumer要时不时的去询问broker是否有新数据,容易发生死循环,内存溢出。
19.Kafka创建Topic时如何将分区放置到不同的Broker中?
首先副本数不能超过broker数
- 第一分区是随机从Broker中选择一个,然后其他分区相对于0号分区依次向后移
- 第一个分区是从nextReplicaShift决定的,而这个数也是随机产生的
20.Kafka中的事务是怎么实现的?
kafka事务有两种:
producer事务和consumer事务
producer事务是为了解决kafka跨分区跨会话问题,kafka不能跨分区跨会话的主要问题是每次启动的producer的PID都是系统随机给的
所以为了解决这个问题,我们就要手动给producer一个全局唯一的id,也就是transaction id 简称TID
我们将TID和PID进行绑定,在producer带着TID和PID第一次向broker注册时,broker就会记录TID,并生成一个新的组件transaction_state
用来保存TID的事务状态信息。当producer重启后,就会带着TID和新的PID向broker发起请求,当发现TID一致时,producer就会获取之前的PID,将覆盖掉新的PID,并获取上一次的事务状态信息,从而继续上次工作
consumer事务相对于producer事务就弱一点,需要先确保consumer的消费和提交位置为一致且具有事务功能,才能保证数据的完整,不然会造成数据的丢失或重复
21.Kafka中的分区器、序列化器、拦截器是否了解?它们之间的处理顺序是什么?
拦截器>序列化器>分区器
22.Kafka生产者客户端的整体结构是什么样子的?使用了几个线程来处理?分别是什么?
使用两个线程:
main线程和sender线程
main线程会依次经过拦截器,序列化器,分区器将数据发送到RecourdAccumlator(线程共享变量)。再由sender线程从RecourdAccumlator中拉取数据发送到kafka broker
相关参数:
- batch.size:只有数据积累到batch.size之后,sender才会发送数据。
- linger.ms:如果数据迟迟未达到batch.size,sender等待linger.time之后就会发送数据。
23.消费者提交消费位移时提交的是当前消费到的最新消息的offset还是offset+1?
offset + 1
图示:
生产者发送数据offset是从0开始的
消费者消费的数据offset是从offset+1开始的