【2023最全kafka面试和答案】

2023最全kafka面试和答案
​
1.Kafka中的ISR(InSyncReplicate)、OSR(OutSyncReplicate)、AR(AllReplicate)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
• AR=ISR+OSR

2.Kafka中的HW、LEO、LSO、LW等分别代表什么

• HW:High Watermark 高水位，取一个partition对应的ISR中最小的LEO作为HW，consumer最多只能消费到HW所在的位置上一条信息。
• LEO:LogEndOffset 当前日志文件中下一条待写信息的offset
• HW/LEO这两个都是指最后一条的下一条的位置而不是指最后一条的位置。
• LSO:Last Stable Offset 对未完成的事务而言，LSO 的值等于事务中第一条消息的位置(firstUnstableOffset)，对已完成的事务而言，它的值同 HW 相同
• LW:Low Watermark 低水位, 代表 AR 集合中最小的 logStartOffset 值

3.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；如果实在想顺序消费的话，可以要将消费组只弄一个消费者
4.“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
5.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
  6.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。

7.Kafka 的高可靠性是怎么实现的?

• 7.1 消息生成端可靠性保证(设置ack参数)：
  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
• 7.2 消息消费端可靠性保证(设置ack参数)

8. 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

9.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
  10.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
  11.如何解决消费者速率低的问题?
• 增加分区数和消费者数

12. 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
    13.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

14.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
15. 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
16.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

17.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。

18. 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

19.Kafka中的事务是怎么实现的?

• 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

20. 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

21. 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：文章来源地址https://uudwc.com/A/59dL1

• 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。

22. 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