大数据面试简答题(七) -Kafka

Kafka详细架构

1、Kafka生态系统四大角色，生产者(Producer)、kafka集群(Broker)、消费者(Consumer)、zookeeper
2、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。
3、一个Topic可以有1到多个多个分区（Partition）
4、一个分区可以有1到多个segment。
5、每个segment可以有由一个log和一个index组成。
6、被复制的分区叫做主副本（Leader）,复制出来的叫做从副本（Follower）
7、生产者只往主副本写数据，消费者只在主副本拉取数据。
8、从副本只做数据备份，不做数据读写。
【红色字体表示隐藏知识点】
9、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。
10、消费者的最大并发度由topic的分区数量决定
11、分区副本的数量必须小于等于broker的数量
12、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：

1. 可靠性强（分布式-分区-副本）、
2. 扩展性强（可伸缩）、
3. 性能高（数据读写）、
4. 耐用性强（数据持久化）、
5. 时效性强。

缺点：

1. 由于是批量发送，数据并非真正的实时。
2. 仅支持统一分区内消息有序，无法实现全局消息有序；
3. 有可能消息重复消费；
4. 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、成产者生产数据到kafka集群，数据到分区的方式

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

1、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。
2、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？

1、时间：默认存储168小时（一周）
2、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

1、生产者如何保证数据不丢失？？ 通过ack 机制确保数据不丢失。
2、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。
3、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？

1、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。
3、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。
3、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、节点可以通过维护和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？

1. 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。
2. 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

1. 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。
2. 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

1. 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
2. Partition文件下有多个segment（xxx.index，xxx.log）
3. segment 文件里的 大小和 配置文件设置的大小一致，可以根据要求修改 默认为1g
4. 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

1. 设置为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
2. 设置为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
3. 设置为-1：同样在1的基础上 服务端会等所有的follower的副本收到数据后才会收到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、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
3、分区和消费者的所有者关系
4、broker id

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消费者，每个消费者可以分配到0个或多个不同的分区;
4、将分区对应的消费者所有者关系写入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）。