站酷网官网进入/百度销售

• kafka-中的组成员

  

• kafka四大核心

  • 生产者API

    • 允许应用程序发布记录流至一个或者多个kafka的主题（topics）。

  • 消费者API

    • 允许应用程序订阅一个或者多个主题，并处理这些主题接收到的记录流

  • StreamsAPI

    • 允许应用程序充当流处理器（stream processor），从一个或者多个主题获取输入流，并生产一个输出流到一个或 者多个主题，能够有效的变化输入流为输出流。

  • ConnectorAPI

    • 允许构建和运行可重用的生产者或者消费者，能够把kafka主题连接到现有的应用程序或数据系统。例如：一个连 接到关系数据库的连接器可能会获取每个表的变化

1、kafka消息发送流程

在消息发送过程中设计到了两个线程一个main线程和一个Send线程，在main线程中创建了一个双端队列RecordAccumulator，main线程将消息发送给双端队列，send线程不断从双端线程中拉去消息发送到kafka Broker：

外部数据（生产者），发送消息经过main线程其中数据在main中先经过main的拦截器、序列化器、分区器后被推送到双端队列中，双端队列（RecordAccumulator 缓冲区总大小，默认是32m，但是这个值可以调），数据在双端队列中被分为多个双端队列的容器（当双端队列的容器batch.size的数据累计到16k的时候会自动发送到sengder端，还有一种情况就是数据不满足16k的时候，可以调senser等待linger.ms设置时间，时间到了后就会发送数据，单位是ms、默认值是0ms，延迟建设设置在5~100ms之间），当数满足以上条件的时候，sender从双端线程RecordAccumulator去拉取数据，当数到达sender线程的时候，数据会在client端分成多个分区的request（默认是5个request）然后kafka集群会去sender去接受sender推送归来的、每拉取一个数据会给sender一个返回值（ack，ack返回的次数，默认是5次），说明已经接收到数据（特殊情况，当消息队列中的数据推送过去后，kafka没有给sender返回值，这时候为了重发送消息（重试发送的时间间隔默认是100ms），如果设置了重试发送，还需要设置重试次数（默认是 int 最大值2147483647），然后信息就会进去kafka集群）

2、Kafka 的设计架构你知道吗？

kafka的框架主要有以下的几个方面构成：

1、Producer：消息生产者，向kafka客户端 发送消息的

2、Consumer：消息消费者，从卡夫卡客户端拉取消息的

3、Consumer Group（CG）：消费者组，由多个消费者组成，消费者组内的每个消费者负责消费不同分区的数据，一个分区只能有一个组内的消费者消费，消费者租之间互不影响，所有消费者组，即消费者组是逻辑上的一个订阅者。

4、Broker：一台kafka服务器就是一个broker，一个集群有多个broker

5、Topic：队列，生产者消费者都面向一个topic

6、Partition：一个topic上可以分为多个分区，每个分区都是一个有序的队列

7、Replica：副本，每一个topic都有很多个副本，一个leader和多个follower

8、Leader：每个分区多个副本的’领导者‘数据发送的对象，和消费者拉取的对象都属leader

9、follower：保持和leader数据同步，备份数据，防止leader崩溃数据丢失

框架：

数据从生产者发送到kafka集群的每个broker上的topic（发送的是每个leader，然后follow会会作为leader的备份数据存在broker上边），然后每个topic都有分区，分为不同的分区，然后经过处理，发送到消费者组里边，分别发送，每个消费者组之间不糊影响

3、Kafka 分区的目的？

1、分区便于合理使用存储资源，每个分区在broker上存储，可以把海量数据按照分区切割成一块一块数据存储在多台broker上，合理控制分区的任务，可以实现负载均衡的效果

2、提高并行度，生产者可以以分区为单位发送数据，消费者可以以分区进行消费消费数据

4、你知道 Kafka 是如何做到消息的有序性？

保证消息的有序性需要依赖以下几个机制和策略：

1、单一分区内的消息有序，每一个topic内只有一个partation分区，因为分区内有序，可以将所有消息发送到一个分区内，在创建一个topic的时候可以将分区数调为1

2、使用幂等性生产者（默认自动开启），幂等性主要是防止生产者重复发送消息，并且发送到一个分区，保证消息的有序性

5、ISR、OSR、AR 是什么？

ISR：可用的、存活的，leader+follower 是存活的broker

OSR：已经停止的broker

AR：是内部选举选举的顺序，例如AR[2，0，1]

三者的关系：

AR=ISR+OSR

6、Kafka 在什么情况下会出现消息丢失

1、生产者发送过来的数据，leadr收到应答后，此时生产者以为数据发送成了但是此时，leader挂掉了，但是follower的数据还没同步完，但是follower变成了leader，这个时候数据就会丢失，因为此时的leader是数据是follower没有同步完的数据，导致消息丢失。（图1）

2、生产者发送过来的数据，leader和isr队列里所有节点收齐数据后应答：

leadr收到数据后所有的follower开始同步数据，但是这时候有一个follower副本挂掉了，然后迟迟不能同步数据，但是leadr也挂断了然后选举了那个坏的follower作为leader导致数据丢失。（图2）

解决方案：

Leader维护了一个动态的in-sync replica set（ISR），意为和 Leader保持同步的Follower+Leader集合(leader：0，isr:0,1,2)

如果Follower长时间未向Leader发送通信请求或同步数据，则该Follower将被踢出ISR。该时间阈值由replica.lag.time.max.ms参数设定，默认30s

图1

图2

7、怎么尽可能保证 Kafka 的可靠性

1、尽可能的防止数据丢失，采用6的方法

2、将ack的级别调成-1“all”，分区副本数要大于等于2

3、ISR里应答的最小副本数大于等于2

解释：

ack：

  acks=0，生产者发送过来数据就不管了，可靠性差，效率高；

  acks=1，生产者发送过来数据Leader应答，可靠性中等，效率中等；

  acks=-1，生产者发送过来数据Leader和ISR队列里面所有Follwer应答，可靠性高，效率低；

  在生产环境中，acks=0很少使用；acks=1，一般用于传输普通日志，允许丢个别数据；

   acks=-1，一般用于传输和钱相关的数据，对可靠性要求比较高的场景。

数据完全可靠性的条件：ack设置为-1+分区副本大于等于2+isr应答副本大于等于2

8、Kafka中如何做到数据唯一，即数据去重？

重复原因：

当ask为-1的时候，可能出现数据重复问题，数据发送给了leader，follower也同步成功了，此时准备应答ask为-1的时候leader挂了，然后follower为leader，然后发送没有收到-1的信号，然后又从新发送新的信息给leader导致数据重复

去重：

Exactly Once：数据唯一

  开启幂等性（幂等性，就是producer无论向broker发送多少重复的数据，只能是持久化的一条数据，保证的不重复，幂等性是默认开启的，类似于distinct）

  数据唯一：幂等性+ack-1+分区副本数大于等于2+isr最下副本数大于等于2（不停机情况下）

但是幂等性只能保证在服务器不停机的情况下不会出现重复数据，当服务器运行的时候突然停机，就会出现leader重新阅读的情况导致数据丢失，这时候需要开启事务

事务：开启事务的前提要开启幂等性，生产者请求kafka服务器一个唯一id、这个id不能重复（幂等性需要），然后服务器返回这个id、，然后消费者发送信息请求给kafka，然后kafka给生产者一个返回值这时候生产者发送数据给topic，kafka事务协调器进行持久化请求给transacti分区（这个分区默认有50个分区，每个分区负责一部分事务）

当开始幂等性+事务+ack-1+分区副本大于等于2+isr最小分区副本大于等于2 就可以保证数据的唯一性(可能存在停机的情况下，用)

事务：

9、生产者如何提高吞吐量？

在消息发送过程中双端队列中调节batch.size：批次大小，默认16k（可以调大一点），linger.ms：信息等待时间调到（5~100ms），compression.type：压缩snappy （压缩类型有none、gzip、snappy、lz4 和 zstd），RecordAccumulator：缓冲区大小，修改为64m（默认32m）

10、zk在kafka集群中有何作用

zk储存kafka的信息：

主要储存的信息有：

  1、broker【012】 服务器信息

  2、一个json 记录了谁是leader，哪些服务器可用

  3、辅助选举leader

zk中有一个节点 consumers 这个里面，老版本0.9版本之前，存放的是消费者的偏移量（offset，这次消费者消费到哪个地方了，下次从这个地方继续消费），新版本的根本没放在zk中，直接放在集群中了

11、简述kafka集群中的Leader选举机制

当选举leader的时候，broker会被选举为Contorller leader，负责集群管理breaker的上线和下线，和所有topic分区副本的leader的选举

contorllet依赖于zooker，启动集群的时候会在zk中注册记录，然后将节点信息上传到zkisr【】中，谁先注册谁就是leader如果集群的某一个leader挂掉的话，contorllet会监听到变化，然后选举新的leader（在isr中存活为前提，按照ar（kafka分区中的所有副本统称）中的排序优先选）例如ar【1，0，2】 isr【1，0，2】那么选举顺序就是1，0，2轮询查询

12、kafka是如何处理数据乱序问题的。

出现乱序的原因：

1）生产者在发送3请求的时候，发生异常，发生异常需要重新发送，所以排在了后面，在进行落盘的时候，先落盘1，2 ，落盘3的时候发现是4，需要等，等到3出现为止，然后将 3，4 ，5排序，排序后再进行落盘。

顺序错乱了，会自动排序（开启幂等性）。

kafka在1.0之前版本保证分区有序，是采用：max.in.flight.requests.per.connection=1（不需要考虑是否开启幂等性）

1.0及以后的版本采用，开启幂等性，然后设置max.in.flight.requests.per.connection需要设置小于等于5， 未开启幂等性：max.in.flight.requests.per.connection需要设置为1，

启用幂等性，kafka服务端会缓存producer的5个request的元数据，这都可保证最近5个request的数据是有序的

13、kafka中节点如何服役和退役

服役：1、需要创建以下json，创建一个均衡的主题，然后生成一个负载均衡的计划（kafka-reassign-partitions.sh --bootstrap-server bigdata01:9092 --topics-to-move-json-file topics-to-move.json --broker-list "0,1,2,3" --generate）2、执行之前写的json，然后将生成的未来分区策略复制，3、创建副本存储计划（所有副本存储在 broker0、broker1、broker2、broker3 中），4、然后执行副本存储计划，5、验证副本存储计划

退役：先按照退役一台节点，生成执行计划，然后按照服役时操作流程执行负载均衡1、创建json创建一个负载均衡主题2、创建执行计划3、创建副本存储计划4、执行副本5、验证副本存储计划

14、Kafka中Leader挂了，Follower挂了，然后再启动，数据如何同步？

leader：leader发生故障后，会从isr中从新选出一个新的leader，为了保证多个副本之间的一致性，其余的follower会将各自的log文件高于hw的部分截掉，然后从新的leader同步数据（木桶理论），只能保证副本时间的一致性不能保证数据不会重复

LEO:每个副本的最后一个offset（偏移量），leo其实就是最新的offset+1

HW:所有副本中最小的leo

follower故障：follower故障后会被临时的提出isr，这个期间leader和follower会一直的接收数据，但是等到那个被临时踢出的follower恢复后，follower会读取本地磁盘的记录上次的hw，并将文件高于hw的部分你截取掉，然后从新开始从leader读取数据，等到该follower的leo大于等于这个hw的时候，就可以从新进入isr队列

15、kafka中初始化的时候Leader选举有一定的规律，如何打破这个规律呢？

写一个json然后把，指定的leader follower写进去，然后根据这个json创建topic就能，创建副本存储计划（所有副本都指定存储在 broker0、broker1、broker2 中），执行副本存储计划，打破这个leader的选举规律