Kafka知识点总结

Kafka知识点总结

• Kafka生态系统四大角色，生产者(Producer)、kafka集群(Broker)、消费者(Consumer)、zookeeper
• 每个消费者都必须属于一个消费组，一个组内的消费者可以多个。
• 一个Topic可以有1到多个多个分区（Partition）
• 一个分区可以有1到多个segment。
• 每个segment可以有由一个log和一个index组成。
• 被复制的分区叫做主副本（Leader）,复制出来的叫做从副本（Follower）
• 生产者只往主副本写数据，消费者只在主副本拉取数据。
• 从副本只做数据备份，不做数据读写。
• 一个分区内的一条数据，只能被一个消费组内的一个消费者消费。
• 消费者的最大并发度由topic的分区数量决定
• 分区副本的数量必须小于等于broker的数量
• 一个topic内的多个分区，每个分区只是所有数据的一部分。所有分区的数据累加到一起是这个topic的全部数据。

13、zookeeper中记录了broker的id  、消费者消费数据的offset,消费者与partition的对应关系（ConsumerA—> Partition-0, ConsumerB—> Partition-1）

1.什么是kafka

是一个分布式，分区的，多副本的，多订阅者的消息发布订阅系统。

2、kafka的使用场景

应用耦合、异步处理、限流削峰、消息驱动的系统

3.kafka优缺点

优点：可靠性强（分布式-分区-副本）、扩展性强（可伸缩）、性能高（数据读写）、耐用性强（数据持久化）、时效性强。

缺点：由于是批量发送，数据并非真正的实时。

仅支持同一分区内消息有序，无法实现全局消息有序；

有可能消息重复消费；

依赖zookeeper进行元数据管理。

4、Kafka架构（流程）

生产者、kafka集群、消费者、zookeeper

5、Kafka架构（API）

生产者、消费者、StreamAPI、ConnectAPI

6、Topic内部有哪些组成？

每个Topic包含一个或者多个Partition，一个partition当中存在多个segment文件段，每个segment分为两部分，.log文件和.index文件。

7、分区和消费组内的消费者之间的关系有哪些情况？

Partition = 消费任务的并发度=刚刚好，每个任务读取一个partition数据

Partition > 消费任务的并发度=有部分消费任务读取多个分区的数据

Partition < 消费任务的并发度=有部分消费任务空闲(可以创建多于分区的消费者数量)

8、分区数、消费者与读取效率之间的关系

分区数越多，同一时间可以有越多的消费者来进行消费，消费数据的速度就会越快，提高消费的性能

9、副本数与broker之间的关系

数据副本（包含本身）数一般情况下小于等于broker的个数

10.什么是主/从副本

被复制的分区叫做主副本（Leader）,复制出来的叫做从副本（Follower）

11.主/从复本的作用是什么

主副本负责数据的读写。

从副本只做数据备份，不做数据读写。

12.Lsr是什么？

ISR是一组与leaders完全同步的消息副本（包括leaders本身）。

13.生产者生产数据到kafka集群，数据到分区的方式

1. 1. 没有指定分区编号，没有指定key,时采用轮询方式存户数据
   2. 没有指定分区编号，指定key时，数据分发策略为对key求取hash值，这个值与分区数量取余，于数就是分区编号。
   3. 指定分区编号，所有数据输入到指定的分区内
   4. 自定义分区

14.Consumer消费数据的流程

• 首先Consumer连接指定的Topic partition所在leader broker，使用折半/二分查找，先确定数据所在的segment。
• 确定在哪个segment后，使用确定的segment内的index文件找到数据具体的位置采用pull方式从kafkalogs中获取消息。

15、Kafka中的数据删除机制是什么？

• 时间：默认存储168小时（一周）
• 数据的大小：默认 -1 （不删除），可以自行设置。

16、Kafka如何保证数据不丢失

• 生产者如何保证数据不丢失？？  通过ack 机制确保数据不丢失。
• kafka集群如何保证数据不丢失？？  通过数据副本保证数据不丢失。

消费者如何保证数据不丢失？？  通过维护数据的offset 保证数据不丢失。

17、Kafka高性能的原因有哪里？

顺序读写、分区、批量发送、数据压缩

18、Kafka高效查询数据的有哪些原因

1、Kafka把topic中一个parition大文件分成多个小文件段，通过多个小文件段，就容易定期清除或删除已经消费完文件，减少磁盘占用。

2、通过索引信息可以快速定位message和确定response的最大大小。

3、通过index元数据全部映射到memory，可以避免segment file的IO磁盘操作。

4、通过索引文件稀疏存储，可以大幅降低index文件元数据占用空间大小。

19、如何从Kafka得到准确的信息(不是重读数据)?

在数据生产过程中避免重复。

在数据消耗期间避免重复。

20、Kafka的设计是什么样的呢？

Kafka将消息以topic为单位进行归纳 将向Kafka topic发布消息的程序成为producers. 将预订topics并消费消息的程序成为consumer. Kafka以集群的方式运行，可以由一个或多个服务组成，每个服务叫做一个broker. producers通过网络将消息发送到Kafka集群，集群向消费者提供消息

21、数据传输的事物定义有哪三种？

最多一次:消息不会被重复发送，最多被传输一次，但也有可能一次不传输  可能会造成数据丢失。

最少一次: 消息不会被漏发送，最少被传输一次，但也有可能被重复传输. 可能会造成数据的重复消费。

精确的一次（Exactly once）: 不会漏传输也不会重复传输,每个消息都传输被一次而且仅仅被传输一次，这是大家所期望的

22、Kafka判断一个节点是否还活着有哪些条件？

1、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

2、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

23、Kafka 与传统消息系统之间有哪些区别？

1、Kafka 持久化日志：这些日志可以被重复读取和无限期保留

2、Kafka 是一个分布式系统：它以集群的方式运行，可以灵活伸缩，在内部通过复制数据提升容错能力和高可用性

3、Kafka 支持实时的流式处理

24、Kafka创建Topic时将分区放置到不同的Broker的策略是什么？

• 前提：副本因子不能大于 Broker 的个数；
• 第一个分区（编号为0）的第一个副本放置位置是随机从 brokerList 选择的；
• 其他分区的第一个副本放置位置相对于第0个分区依次往后移。

例如：有5个 Broker，5个分区，假设第一个分区放在第四个 Broker 上，那么第二个分区将会放在第五个 Broker 上；第三个分区将会放在第一个 Broker 上；第四个分区将会放在第二个 Broker 上，第五个分区将会放在第三个 Broker 上；

25、Kafka新建的分区会在哪个目录下创建

若 log.dirs 参数只配置了一个目录，那么分配到各个 Broker 上的分区将在这个目录下创建文件夹用于存放数据。

若 log.dirs 参数配置了多个目录，那么 Kafka 会在含有分区目录总数最少的文件夹中创建新的分区目录，分区目录名为 Topic名+分区ID。注意（不是磁盘使用量最少的目录）

26、partition的数据如何保存到硬盘

topic中的多个partition以文件夹的形式保存到broker，每个分区序号从0递增， 且消息有序 Partition文件下有多个segment（xxx.index，xxx.log） segment 文件里的 大小和配置文件大小一致可以根据要求修改 默认为1g 如果大小大于1g时，会滚动一个新的segment并且以上一个segment最后一条消息的偏移量命名

27、kafka的ack机制

request.required.acks有三个值 0  1  -1

0:生产者不会等待broker的ack，这个延迟最低但是存储的保证最弱当server挂掉的时候就会丢数据

1：服务端会等待ack值 leader副本确认接收到消息后发送ack但是如果leader挂掉后他不确保是否复制完成新leader也会导致数据丢失

-1：同样在1的基础上 服务端会等所有的follower的副本受到数据后才会受到leader发出的ack，这样数据不会丢失

28、Kafka的消费者如何消费数据

消费者每次消费数据的时候，消费者都会记录消费的物理偏移量（offset）的位置 等到下次消费时，他会接着上次位置继续消费。同时也可以按照指定的offset进行重新消费。

29、如何使kafka集群内的数据是有序的？

只创建一个分区。（但是实际这样会存在性能问题，具体业务具体分析后确认。）

30、Zookeeper汇总保留了哪些数据？

1、消费者提交的偏移量。

2、分区和消费者的所有者关

3、broker id

说明：leader检测、分布式同步、配置管理、识别新节点何时离开或连接、集群、节点实时状态

31、kafka consumer 什么情况会触发再平衡reblance?

1、一旦消费者加入或退出消费组，导致消费组成员列表发生变化，消费组中的所有消费者都要执行再平衡。

2、订阅主题分区发生变化，所有消费者也都要再平衡。

32、描述下kafka consumer 再平衡步骤?

1、关闭数据拉取线程，清空队列和消息流，提交偏移量；

2、释放分区所有权，删除zk中分区和消费者的所有者关系；

3、将所有分区重新分配给每个消费者，每个消费者都会分到不同分区；

4、将分区对应的消费者所有关系写入ZK，记录分区的所有权信息；

5、重启消费者拉取线程管理器，管理每个分区的拉取线程。

33手动提交offset有什么好处？？

使更新offset更及时，避免因offset更新不及时导致重复消费数据的问题。

34、为什么kafka中的数据需要定期删除或合并？

Kafka只用于做数据的临时存储、临时缓冲，不是永久存储（永久性存储使用HDFS）。