kafka面试总结

本文为复习期间面试总结

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

常见概念

  • 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
  • Segment：partition物理上由多个segment组成
  • 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

ZK作用

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]
一般生产环境三台起部署 且部署基数台。

分区副本如何分配

只有一个节点：
所有的分区副本都会在文件存储根目录下：命名规则为 TopicName+分区序号 序号从0开始
有多节点：
每个节点有相等的机会分配分区的主副本。

副本分配算法：将所有节点和分区排序
主副本分配规则：将第i个分区分配到 第i%n个 节点上。
从副本分配规则：将第i个分区的第k个从副本分配到第(i+k)%n 个节点上。

partiton中文件存储方式

kafka高可用的

一般多机分布式部署 Kafka每个topic的partition有N个副本，其中N是topic的复制因子。Kafka通过多副本机制实现故障自动转移，当Kafka集群中一个Broker失效情况下仍然保证服务可用。

kafka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

写message

  1. 消息并不是直接写入磁盘，而是写入Page Chache[页缓存]。
  2. 由异步线程刷盘，消息从页缓存输入磁盘。

读message

  1. 先找页缓存区域 如果可以找到消息，直接socket返回消息。
  2. 找不到消息此时会在磁盘上读取，并加载到page cache。

其他：

  1. 零拷贝：指计算机操作的过程中，CPU不需要为数据在内存之间的拷贝消耗资源。而它通常是指计算机在网络上发送文件时，不需要将文件内容拷贝到用户空间（User Space）而直接在内核空间（Kernel Space）中传输到网络的方式。
  2. page cache: 放弃使用JVM管理内存，转而使用页缓存。
    • 使用JVM内存会受到GC影响。且过大的堆空间容易降低吞吐量。
    • JVM内的对象都需要保存object overhead[实例的type信息和内置monitor信息等]

kafka follower如何与leader同步数据/kafka节点之间消息如何备份的

leader也称为主副本 follower 也称为备份副本
Producer在push消息到kafka时，先通过ZK找到对应Topic下Partition的主副本[leader]，Producer和leader建立联系发送消息，N个replicas中。其中一个replica为leader，其他都为follower，leader处理partition的所有读写请求，与此同时，follower会被动定期地去复制leader上的数据。

这种消息机制不能算完全的同步也不能算完全的异步

ISR HW LEO 之间的关系/流转过程

  1. ISR 正在主副本保持备份的副本
  2. 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
  3. 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

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。

项目实践

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

kafka事务

kafka在较高版本上支持事务，但是我们使用的版本较低，且目前业务上无硬性需求。

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

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]

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

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

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

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。

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。

2种消费模式

消费模式可分为订阅模式和分配模式

  • 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

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]

交付语义

  1. 精准一次
  2. 至多一次
  3. 至少一次

参考资料

  • kafka实战
  • kafka技术内幕
  • kafka在公司项目实践
【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/threecha/p/13737421.html