Kafka面试题

Kafka的用途有哪些？使用场景如何？
Kafka具有吞吐量大 简单的优点，适用于日志收集 大数据实时计算等场景

Kafka中的ISR、AR又代表什么？ISR的伸缩又指什么
AR：Assigned Replicas 所有副本列表
ISR：InSync Replicas 同步副本列表
ISR expand ： 有副本恢复同步状态
ISR shrink ： 有副本脱离同步状态

Kafka中的HW、LEO、LSO、LW等分别代表什么？
HW： High Watermark/高水位。 是已备份消息位置，HW之前的消息均可被consumer消费 leader.HW=min(ISR.LEO) follower.HW=min(follower.LEO,leader.HW)
LEO: Log End Offset/日志末端偏移。是下一条消息写入位置(LEO=10 有9条消息)
LSO:last stable offset/稳定偏移 。 LSO之前的消息状态都已确认（commit/aborted）主要用于事务
LW:

Kafka中是怎么体现消息顺序性的？
kafka每个partition中的消息在写入时都是有序的，消费时，每个partition只能被每一个group中的一个消费者消费，保证了消费时也是有序的。
整个topic不保证有序

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？
分区器:根据键值确定消息应该处于哪个分区中，默认情况下使用轮询分区，可以自行实现分区器接口自定义分区逻辑
序列化器:键序列化器和值序列化器，将键和值都转为二进制流 还有反序列化器 将二进制流转为指定类型数据
拦截器:两个方法 doSend()方法会在序列化之前完成 onAcknowledgement()方法在消息确认或失败时调用 可以添加多个拦截器按顺序执行
调用顺序: 拦截器doSend() -> 序列化器 -> 分区器

Kafka生产者客户端的整体结构是什么样子的？

“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？如果不正确，那么有没有什么hack的手段？
正确

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

有哪些情形会造成重复消费？
消费者消费后没有commit offset(程序崩溃/强行kill/消费耗时/自动提交偏移情况下unscrible)

那些情景下会造成消息漏消费？
消费者没有处理完消息 提交offset(自动提交偏移 未处理情况下程序异常结束)

KafkaConsumer是非线程安全的，那么怎么样实现多线程消费？
每个线程一个消费者

简述消费者与消费组之间的关系
消费者从属与消费组，消费偏移以消费组为单位。每个消费组可以独立消费主题的所有数据，同一消费组内消费者共同消费主题数据，每个分区只能被同一消费组内一个消费者消费。

当你使用kafka-topics.sh创建（删除）了一个topic之后，Kafka背后会执行什么逻辑？
创建:在zk上/brokers/topics/下节点 kafkabroker会监听节点变化创建主题
删除:调用脚本删除topic会在zk上将topic设置待删除标志，kafka后台有定时的线程会扫描所有需要删除的topic进行删除

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

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？
不能减少 会丢失数据

创建topic时如何选择合适的分区数？
根据集群的机器数量和需要的吞吐量来决定适合的分区数

Kafka目前有那些内部topic，它们都有什么特征？各自的作用又是什么？
__consumer_offsets 以双下划线开头，保存消费组的偏移

优先副本是什么？它有什么特殊的作用？
优先副本 会是默认的leader副本 发生leader变化时重选举会优先选择优先副本作为leader

Kafka有哪几处地方有分区分配的概念？简述大致的过程及原理

简述Kafka的日志目录结构
每个partition一个文件夹，包含四类文件.index .log .timeindex leader-epoch-checkpoint
.index .log .timeindex 三个文件成对出现 前缀为上一个segment的最后一个消息的偏移 log文件中保存了所有的消息 index文件中保存了稀疏的相对偏移的索引 timeindex保存的则是时间索引
leader-epoch-checkpoint中保存了每一任leader开始写入消息时的offset 会定时更新
follower被选为leader时会根据这个确定哪些消息可用

Kafka中有那些索引文件？
如上

如果我指定了一个offset，Kafka怎么查找到对应的消息？

如果我指定了一个timestamp，Kafka怎么查找到对应的消息？
原理同上 但是时间的因为消息体中不带有时间戳 所以不精确

聊一聊你对Kafka的Log Retention的理解
kafka留存策略包括 删除和压缩两种
删除: 根据时间和大小两个方式进行删除 大小是整个partition日志文件的大小
超过的会从老到新依次删除 时间指日志文件中的最大时间戳而非文件的最后修改时间
压缩: 相同key的value只保存一个 压缩过的是clean 未压缩的dirty 压缩之后的偏移量不连续 未压缩时连续

聊一聊你对Kafka的Log Compaction的理解
如上